基于扩展卡尔曼滤波的多旋翼飞行器融合姿态解算算法

针对多旋翼飞行器飞行时机身振动对加速度计产生的噪声干扰,建立径向基(RBF)神经网络结构模型,提出扩展卡尔曼滤波融合姿态解算算法。采用加速度计解算的姿态角作为输入向量,四元数互补滤波解算的姿态角作为参考向量,通过学习不断调整网络最优权值,得到滤波后的由加速度计解算的姿态角,并将四元数互补滤波算法解算出的姿态角与经RBF神经网络非线性滤波得到的加速度计解算的姿态角进行扩展卡尔曼滤波融合姿态解算,以提高飞行器姿态角的解算精度。实验结果表明:基于RBF神经网络的非线性滤波算法可对加速度计解算的姿态角进行有效滤波,提高飞行器姿态角的解算精度;采用的扩展卡尔曼滤波融合姿态解算算法收敛速度快、稳定性强,能够更准确地实时解算飞行器的当前姿态,验证了该算法的可行性。

海上吊车多传感器融合姿态角度解算方法研究

本文针对海上吊车姿态角度解算精度不高的问题,提出了一种基于卡尔曼滤波的多传感器融合姿态角度解算方法,即通过融合倾角传感器和陀螺仪2种传感器的数据,并采用卡尔曼滤波算法进行姿态角度解算。试验结果表明,本文所提方法能够有效降低姿态角度测量中的噪声影响,提高测量精度和稳定性。