基于自适应平方根UKF的微机械传感器融合航姿估计

提出一种新的基于自适应平方根UKF的微机械传感器组合姿态测量系统.该系统采用3轴微机械陀螺积分得到姿态角,采用3轴微机械加速度计测量重力矢量得到俯仰角和横滚角,分别校正俯仰漂移和横滚陀螺漂移;采用磁强计得到航向角,并与陀螺积分角度融合校正航向陀螺漂移.跑车实验结果表明,基于自适应平方根UKF算法可实时估计机动加速度干扰,并在融合滤波器中进行补偿,能够有效去除车辆机动加速度干扰,姿态角估计精度在±0.6°以内.

基于MIMU/GPS的动中通航姿估计

针对低成本动中通系统中的航姿估计问题,提出一种双卡尔曼滤波算法。航向上采用陀螺和GPS信息,通过一维开关卡尔曼滤波得到准确的航向角;姿态上以陀螺为基础,并利用GPS的速度信息校正加速度计的测量值,将校正后的测量信息作为测量向量,通过五为扩展卡尔曼滤波得到准确的姿态角。实验结果表明,该算法能够准确估计载体航姿和陀螺零偏,航姿角估计误差小于0.3°,俯仰角、横滚角和航向角估计误差的方差分别为0.0724°、0.1025°和0.0348°,三轴陀螺零偏误差均值均小于2×10-4°/s,能够满足动中通的应用要求。

直线型植保无人机航姿UKF两级估计算法

针对直线型植保无人机航姿测量受磁场干扰严重、磁力计校准动态性能差、航姿估计精度低等问题,提出了一种基于磁力计实时校准的无人机航姿两级解算方法。依据地磁场矢量变化小的特点,利用列文伯格-马夸特(Levenberg-Marquardt,LM)算法和磁力计误差模型,建立磁力计实时校准模型,实时计算磁力计误差参数。考虑运动加速度、电机磁场以及环境磁场干扰,采用无迹卡尔曼滤波器(Unscented Kalman filter,UKF)融合陀螺仪和加速度计实现一级航姿估计,通过四元数精准解析出横滚角和俯仰角姿态信息;然后融合磁力计实时校准数据和陀螺仪修正航向角完成二级航姿估计,最终实现无人机姿态和航向的精准估计。试验结果表明,在外部磁场干扰高达30.97μT时,实时校准算法仍可快速计算出磁力计校准参数,模长均方根误差为0.59μT,减小了航向观测信息噪声。本文的航姿测量系统姿态角均方根误差不大于0.75°,航向角均方根误差为1.40°,较互补滤波算法,姿态角精度提高约0.6%,航向角估计精度提高1.38°;动态飞行试验中,姿态估计算法大幅减弱了磁干扰影响,航姿跟踪准确,航向角快速收敛,稳态精度更高。