四旋翼无人机的轨迹跟踪控制容易受到风扰和测量噪声的影响,针对上述问题,提出了一种基于扩展状态卡尔曼滤波(extended state based Kalman filter,ESKF)的模型预测控制(model predictive control,MPC)方法。首先,采用牛顿-欧拉方法建...四旋翼无人机的轨迹跟踪控制容易受到风扰和测量噪声的影响,针对上述问题,提出了一种基于扩展状态卡尔曼滤波(extended state based Kalman filter,ESKF)的模型预测控制(model predictive control,MPC)方法。首先,采用牛顿-欧拉方法建立风扰影响下的四旋翼无人机动力学模型;然后,位置控制采用基于误差模型的MPC方法,利用ESKF估计风扰并对控制量进行前馈补偿;采用反馈线性化方法将姿态动力学模型线性化,并设计基于ESKF-MPC的姿态控制器;最后,仿真结果表明测量噪声方差为0.0001时该方法的位置跟踪均方误差比自抗扰控制方法的误差小0.013 m,当方差大于0.0001时自抗扰控制方法使得系统不稳定,而本文的方法仍可以实现较好的位置跟踪。展开更多
针对全球导航卫星系统(Global Navigation Satellite System, GNSS)在受限空间内定位精度差,甚至无法定位和无线超宽带(Ultra-Wide Band, UWB)脉冲室内定位技术在非视距(Non Line of Sight, NLoS)环境下定位精度差以及定位稳定性低等问...针对全球导航卫星系统(Global Navigation Satellite System, GNSS)在受限空间内定位精度差,甚至无法定位和无线超宽带(Ultra-Wide Band, UWB)脉冲室内定位技术在非视距(Non Line of Sight, NLoS)环境下定位精度差以及定位稳定性低等问题,提出以误差状态卡尔曼滤波(Error State Kalman Filter, ESKF)为基础并将UWB定位技术和惯性传感器(Inertial Measurement Unit, IMU)技术相融合,设计一套UWB弱信号环境下的UWB定位算法模型,实现UWB弱信号环境下的厘米级定位。通过优化传统ESKF方法以及融合UWB和IMU的测量数据,解决传统UWB定位在NLoS环境下定位精度较差和定位结果容易发生偏移等问题。实验研究结果表明,在导航实验室内,系统在东-北-天(ENU)坐标系中东方向、北方向轴和OXY平面上的精度分别提高了2.87%、12.02%和5.71%,方差分别降低了5.80%、18.06%和5.71%。在地下通道UWB弱信号环境下,系统在东方向、北方向和OXY平面上的精度分别提高了12.08%、24.10%和16.08%;方差分别降低了8.12%、32.74%和12.23%。所提出的算法模型有效改善了UWB室内定位技术在NLOS情况下,定位精度低、系统定位稳定性差的问题,降低了定位成本,具有很强的实用性。展开更多
文摘四旋翼无人机的轨迹跟踪控制容易受到风扰和测量噪声的影响,针对上述问题,提出了一种基于扩展状态卡尔曼滤波(extended state based Kalman filter,ESKF)的模型预测控制(model predictive control,MPC)方法。首先,采用牛顿-欧拉方法建立风扰影响下的四旋翼无人机动力学模型;然后,位置控制采用基于误差模型的MPC方法,利用ESKF估计风扰并对控制量进行前馈补偿;采用反馈线性化方法将姿态动力学模型线性化,并设计基于ESKF-MPC的姿态控制器;最后,仿真结果表明测量噪声方差为0.0001时该方法的位置跟踪均方误差比自抗扰控制方法的误差小0.013 m,当方差大于0.0001时自抗扰控制方法使得系统不稳定,而本文的方法仍可以实现较好的位置跟踪。
文摘针对全球导航卫星系统(Global Navigation Satellite System, GNSS)在受限空间内定位精度差,甚至无法定位和无线超宽带(Ultra-Wide Band, UWB)脉冲室内定位技术在非视距(Non Line of Sight, NLoS)环境下定位精度差以及定位稳定性低等问题,提出以误差状态卡尔曼滤波(Error State Kalman Filter, ESKF)为基础并将UWB定位技术和惯性传感器(Inertial Measurement Unit, IMU)技术相融合,设计一套UWB弱信号环境下的UWB定位算法模型,实现UWB弱信号环境下的厘米级定位。通过优化传统ESKF方法以及融合UWB和IMU的测量数据,解决传统UWB定位在NLoS环境下定位精度较差和定位结果容易发生偏移等问题。实验研究结果表明,在导航实验室内,系统在东-北-天(ENU)坐标系中东方向、北方向轴和OXY平面上的精度分别提高了2.87%、12.02%和5.71%,方差分别降低了5.80%、18.06%和5.71%。在地下通道UWB弱信号环境下,系统在东方向、北方向和OXY平面上的精度分别提高了12.08%、24.10%和16.08%;方差分别降低了8.12%、32.74%和12.23%。所提出的算法模型有效改善了UWB室内定位技术在NLOS情况下,定位精度低、系统定位稳定性差的问题,降低了定位成本,具有很强的实用性。
