数字滤波器在惯性测量装置中的应用

分析了数字电压表和数字示波器对惯性测量装置（IMU）模拟输出的测量数据，为了减少惯性测量装置模拟输出中的干扰信号对模数转换结果的影响，设计了数字巴特沃斯滤波器和中值平均滤波器。通过计算机仿真和实测说明：这两种数字滤波方法均可以在几乎不增加硬件的条件下提高IMU数字输出精度。     

自适应卡尔曼滤波在惯性测量组合误差补偿中的应用

惯性元件误差是捷联惯导系统的主要误差源，必须在导航过程中加以补偿。根据机动目标跟踪理论和惯性测量组合动态模型，分别建立状态方程和观测方程，利用机动频率自适应的算法进行卡尔曼滤波，以此达到惯性测量组合动态误差和随机误差补偿的目的。仿真结果说明该方法可行有效，优于传统的误差补偿算法，能较好地提高系统导航精度。     

基于ARM的四旋翼姿态控制器设计

四旋翼姿态控制器采用集成了加速度计和陀螺仪的惯性测量单元,实时采集姿态数据,传输给Cortex-M4内核的处理芯片,利用四元数姿态解算方法,对加速度和角速度数据融合解算处理。采用位置式PID控制算法,控制四个无刷电机的转速,实现控制四旋翼飞行器的飞行姿态。建立万向云台调试系统,通过实践调试验证该控制器能实现控制四旋翼姿态的稳定性。稳定飞行时,姿态角的平均振荡范围为5度。     

Relating geologic units and mobility system kinematics contributing to Curiosity wheel damage at Gale Crater,Mars

Curiosity landed on plains to the north of Mount Sharp in August 2012. By June 2016 the rover had traversed 12.9 km to the southwest, encountering extensive strata that were deposited in a fluvial-deltaic-lacustrine system. Initial drives across sharp sandstone outcrops initiated an unacceptably high rate of punctures and cracks in the thin aluminum wheel skin structures. Initial damage was found to be related to the drive control mode of the six wheel drive actuators and the kinematics of the rocker-bogie suspension. Wheels leading a suspension pivot were forced onto sharp, immobile surfaces by the other wheels as they maintained their commanded angular velocities. Wheel damage mechanisms such as geometry-induced stress concentration cracking and low-cycle fatigue were then exacerbated. A geomorphic map was generated to assist in planning traverses that would minimize further wheel damage. A steady increase in punctures and cracks between landing and June 2016 was due in part because of drives across the sharp sandstone outcrops that could not be avoided. Wheel lifetime estimates show that with careful path planning the wheels will be operational for an additional ten kilometers or more, allowing the rover to reach key strata exposed on the slopes of Mount Sharp.     

基于北斗/iNEMO惯性模块的机器人运动姿态解算方法

基于北斗/iNEMO惯性模块研究了一种组合式机器人运动姿态测量系统和解算方法。设计了以ARM为核心的嵌入式组合姿态解算平台,通过四元数法和卡尔曼滤波技术,对iNEMO惯性组件测量数据进行融合,进而在高动态环境中实时解算出机器人的运动姿态。同时,以北斗接收机输出的1PPS上升沿脉冲作为数据融合的同步信号,并利用其输出的导航信息辅助iNEMO惯性模块实现精对准。测试结果验证了设计方案的可行性和正确性,为机器人姿态解算提供了一种高精度、高稳定性、小体积、低功耗的解决方案。     

基于组合导航的超深矿井提升容器状态监测系统

针对浅矿井提升容器仅有速度和位置监测,无姿态、冲击和纵横振动等监测,不满足超深矿井在超深、高速、重载工况下的安全监测需求的问题,设计了一种捷联惯性导航系统(SINS)/旋转编码器/接近开关组合导航式提升容器状态监测系统。通过IMU(惯性测量单元)测量容器加速度和角速度,由SINS解算出容器的速度、位置、姿态和纵横振动等参数,利用信息融合反馈校正SINS,提高监测精度。完成了系统软件设计和硬件搭建,并进行模拟实验,结果表明:系统竖直位置、横移竖直位置和姿态的测量精度分别为30 mm、5 mm和0.4°,竖直位置精度不受提升钢丝绳影响,解决了井筒内GPS和地磁无法使用问题,是一种超深井提升容器状态监测的可行方案。     

基于小波方差的MEMS IMU随机误差模型间接估计方法

MEMS IMU(Mirco Electro Mechanical System Inertial Measurement Unit)微机电惯性测量模块广泛应用于组合导航系统,其中MEMS IMU随机误差模型的准确性对导航精度有着重要的影响。针对Allan方差法在估计随机误差模型方面的不足,研究了间接估计方法。该方法以Daubechies离散小波变换与间接推断原理为基础,根据小波系数的零均值平稳特征,对分解尺度进行确定,将小波方差作为间接估计辅助参数,分析了最优估计准则的渐近一致性,最后使用高斯牛顿法对估计结果进行校正,获得满足渐近一致性的随机误差模型参数估计结果。仿真结果表明,间接估计方法提高了随机误差模型的估计精度,其中一阶马尔科夫过程的相关时间估计精度提高了12.383%,解决了一阶马尔科夫过程模型的准确估计问题。通过试验结果分析,进一步证明了以上结论。     

激光陀螺捷联惯性组合的系统结构抗振控制

针对激光陀螺捷联惯性组合在砂石土路及颠簸路面上跑车出现的精度很差的现象，将问题的症结定位在系统刚度上，提出了一套行之有效的解决方案。通过优化支架设计、匹配减振器的硬度、调整支架质心和加表质心的重合度、改善支架减振器的支撑方式等，取得了突破性进展，并在恶劣路况下进行了多次反复跑车验证试验和振动试验，达到了国内最高水平和国际水平。     

航空制导炸弹GPS/IMU降阶滤波器设计与性能分析

为降低对航空制导炸弹弹载计算机的要求，中设计了一种速度、位置交替组合模式的9阶GPS／IMU组合导航降阶卡尔曼滤波器。通过将IMU噪声简化为等效的系统白噪声和将GPS定位和测速误差状态处理为测量噪声的方法消除IMU、GPS误差状态，把常规滤波器系统状态降为9阶：接着利用方差误差分析法和蒙特卡洛打靶法对降阶滤波器的精度进行了分析，并与常规18阶滤波器进行了比较。研究表明：对于短期低速飞行的制导炸弹，将IMU误差等效白噪声均方差取为IMU有色误差噪声的3～5倍时，降阶滤波器具有与常规18阶滤波器相近的导航精度。     

微机械IMU数据建模与滤波方法研究

针对轮式移动机器人内部的微机械（MEMS）IMU进行研究，采用时间序列分析方法建立其随机噪声的ARMA模型，进而通过Kalman滤波有效地降低MEMSIMU随机噪声对其精度的影响，频域分析结果表明文中建模和滤波方法对提高MEMSIMU精度的有效性。