基于对偶四元数的卫星信息一致性控制

为了解决航天器控制信息一致性问题,提出了利用对偶四元数来描述对象的位置及姿态信息,实现位置与姿态的统一表述。同时利用信息一致性理论,通过设计航天器间的信息传递模型来解决分布式航天器间的状态同步问题。采用对偶四元数及信息一致性理论为工具,分别给出了位姿同步及跟踪两种控制方法并针对两种信息拓扑模型,以空间交会对接问题进行仿真实验,实验结果表明,在500s以内,卫星的位置及姿态实现了同步及跟踪控制。     

基于粒子滤波的微小卫星姿态确定算法

为了提高非线性卫星姿态控制系统的滤波性能,在建立了采用磁强计及太阳敏感器的卫星姿态模型的基础上尝试了新兴的粒子滤波(PF)算法对卫星系统进行姿态估计,进而对采用矢量观测的三轴稳定卫星的姿态确定问题进行了滤波算法的实时仿真,并将四元数转换成旋转矢量引入了粒子滤波算法,最后给出了卫星模型在不同粒子数目下的滤波性能比较,并在系统初始误差较大的情况下将粒子滤波算法与EKF滤波算法进行了滤波性能的对照。仿真结果表明,粒子滤波算法对粒子数目具有明显的依赖性,但是当粒子达到一定的数目时,粒子滤波的精度以及滤波稳定性都可以得到保证,尤其是在系统初始误差较大的情况下粒子滤波算法更显示了其优于EKF算法的滤波性能。     

基于对偶四元数的双星编队相对位姿测量

为了描述编队卫星中主从星的相对位置和姿态信息,提出了基于对偶四元数的编队卫星相对位姿测量算法。以双星编队飞行的位姿运动为主线,运用对偶四元数工具,充分发挥其能以最简洁的形式表示一般性刚体运动的优点,对卫星轨道和姿态进行分析并建立了对偶四元数位姿模型。同时设计类GPS测量技术来测量编队卫星的相对位置和姿态,该技术载波相位波长和伪码码元比GPS的更短,可获得更高精度的相对测量信号。由于状态方程和观测方程的非线性特征,使用UKF滤波来消除随机噪声对量测过程的干扰。实验结果表明,所设计的算法能够有效估计系统误差,卫星的位置误差和四元数误差收敛于零,验证了该算法的有效性。     

基于四元数自适应卡尔曼滤波的快速对准算法

针对捷联惯导初始对准问题,提出了一种具有干扰抑制能力的四元数自适应卡尔曼滤波初始对准算法。通过将初始对准问题转化为Wahba姿态确定问题,直接建立四元数的滤波模型,并采用自适应卡尔曼滤波对初始时刻姿态四元数进行估计,利用姿态四元数更新求出当前姿态来实时地反映载体的姿态变化。针对直接构建量测模型导致收敛速度慢的问题,提出一种基于最优四元数估计法构造K矩阵原理的改进算法。利用三轴转台模拟不同的摇摆环境进行实验,转台实验表明了改进算法具有较快的收敛速度和良好的稳定性及精度,中等精度的惯导系统在150s至200s的对准时间内,航向角均值误差小于2'。     

四元数的一种新的代数结构

在四元数力学的数学方法研究中，首次引入了友向量的概念，借助四元数的复表示方法，进一步研究了四元数力学中的系列数值计算问题，给出了相应问题的简单计算和论证方法，建立起了一套四元数力学的简单数学方法。     

方向余弦矩阵中四元数提取算法比较

在捷联惯性导航系统姿态算法中,用四元数取代方向余弦阵来描述姿态变化具有计算量小、精度高、不存在奇异问题的优点。在实际工程应用中常常需要从方向余弦矩阵中提取对应的旋转四元数,但是经典的提取算法可能会出现平方根计算时根号内出现负值的情况,从而使四元数的提取失败。针对这一问题,总结了现有文献中提出的两种新算法,并从计算量和计算精度的角度对这几种算法进行了分析对比,通过比较发现基于特征值和特征向量的提取算法实现了计算量和精度的最佳组合,为工程应用提供了有价值的参考。     

基于低成本磁场和MEMS惯性传感器的姿态测定系统

在机器人、小型无人自主飞行器等严格限制成本、体积、功耗的应用场合,一套合适的姿态测定系统显的尤为重要。为此,提出了一种低成本的实时姿态决定系统,该系统由传感器模块和数字信号处理器(DSP)组成。传感器模块由一个三轴的磁罗盘和一个基于MEMS技术的惯性测量单元构成,文中对系统的软硬件设计进行了详细的论述。在此嵌入式平台上面,开发了一套基于四元数和扩展卡尔曼滤波的姿态估计算法,对算法的原理进行了详细介绍。最后给出的实验结果显示此系统具有相当高的性能,姿态角误差的方差在0.02°以下。     

基于单目视觉的AUV水下定位方法

为解决传统水下定位传感器在定位方面的不足,提出一种基于目标光源的单目视觉四自由度定位方法,推导了四自由度定位算法原理,提出了深度定位、水平定位和艏向定位方法。设计了作为目标的共线排列定位光源系统。静态和动态试验证明所提出的单目视觉定位方法原理正确,目标光源系统合理可行,可以在深度为4~0.5 m范围内进行稳定的四自由度定位。经过校正,与SBL和测深仪的相对精度达到10 cm以内。实验说明上述方法对AUV执行近距离使命任务具有实际意义。     

四元数乘法的结构张量与四元数矩阵的张量表示

阐述了四元数的张量概念，并利用四元数乘法的结构张量建立了各种四元数分量矩阵与四元数张量的关系。从而使四元数运算归结为一般的张量运算．     

基于误差四元数的捷联惯导全姿态导航与控制

在舵偏控制回路中使用欧拉角姿态信息,是现有飞行器捷联惯导系统普遍采用的方法。为避免垂直状态时欧拉角姿态表示法的算法奇异问题,引入了四元数姿态表示法,但是最终形成偏差输入到舵机的仍旧是欧拉角姿态信息。对此问题,文中分析讨论了捷联惯导系统中,以欧拉角信号控制飞行器舵偏输出(推力矢量输出)的传统方法的两点不足之处:垂直状态时欧拉角姿态算法的物理奇异问题;控制路径过长问题。提出由误差四元数直接控制舵偏输出(推力矢量输出)的新的捷联导航方法。此方法控制路径最短,且克服了物理奇异问题,不局限于飞行器所处的姿态,因此,将其称之为全姿态导航方法。仿真结果表明了此方法的可行性与有效性。     

简化超球体SRUKF的GPS/MIMU组合姿态估计

针对加速度计、磁强计易受机动加速度和周围环境影响的问题,提出了一种单基线GPS/MIMU组合姿态估计方法。该方法利用单基线GPS天线代替磁强计提供航向信息,并利用GPS的速度信息对加速度计输出的机动加速度分量进行补偿,构成单基线GPS/MIMU组合姿态确定单元。同时考虑实时性要求,在SRUKF的基础上,引入加性非扩展形式和超球体单形采样,提出了简化超球体平方根UKF算法,通过减少状态维数和采样点的数量,降低算法计算量。建立加性噪声下的单基线GPS/MIMU姿态模型,并采用简化超球体平方根UKF算法进行姿态估计。实验结果表明,单基线GPS的速度信息可以有效提高加速度计对水平倾角的确定精度,姿态估计算法收敛后的最大误差小于0.8°,估计精度与UKF相当,且执行时间仅是UKF的42%。     

基于修正的Rodrigues参数的EKF算法在姿态估计中的应用

以低成本航姿测量系统为研究对象,针对四元数描述姿态时存在冗余的不足,提出使用三维独立矢量的修正的Rodrigues参数进行姿态解算,利用与其影子参数相互切换的方法解决了修正的Rodrigues参数在描述姿态时存在奇异的问题,根据系统中器件的特点,以陀螺零偏和修正的Rodrigues参数为状态向量,以加速度计、磁强计输出为观测向量建立了基于扩展Kalman滤波的姿态估计算法,避免了利用四元数进行姿态估计时状态误差方差阵产生奇异的问题,并在一定程度上减小了估计算法的计算量。最后通过全姿态以及摇摆基座数据仿真验证了算法的有效性。     

基于四元数卡尔曼滤波的捷联惯导初始对准算法

针对晃动基座捷联惯导初始对准问题,研究了一种具有干扰抑制能力的初始对准算法。根据重力矢量在惯性空间投影构成一包含地球北向信息的旋转锥面的现象,利用坐标系惯性凝固假设将重力量测矢量和参考矢量分别投影到载体惯性坐标系和导航惯性坐标系,将晃动基座条件下的初始对准转化为基于重力量测矢量确定对准起始时刻的姿态问题。借鉴四元数线性伪量测方程的概念,利用重力投影矢量与初始姿态四元数的线性量测关系实现初始姿态四元数的直接滤波估计。初始姿态四元数在对准过程中为常值,以其作为待估计的状态可避免系统模型误差和初始误差的影响。利用转台模拟不同的摇摆对准环境,导航级惯导系统可在10 min内完成初始对准且方位误差小于3’。     

基于加性四元数误差方程的惯性/天文姿态组合算法

针对采用旋转四元数误差进行的组合导航误差建模中状态方程的非线性化问题,提出一种新的惯性/天文组合姿态组合算法,以姿态加性四元数误差和陀螺漂移为状态变量,推导系统线性化状态方程,并以天文导航和惯导姿态四元数之差为量测量,建立系统量测方程,然后利用卡尔曼滤波实现对该组合模式的信息融合,仿真分析表明,所设计的基于姿态四元数误差和陀螺漂移的组合模式能够有效估计系统状态误差,姿态误差0.02°左右,验证了其有效性,可避免较为复杂的非线性滤波器的使用,为工程实践提供了理论支持.     

基于单向无迹卡尔曼滤波的飞机姿态算法

针对扩展卡尔曼滤波方法在飞机姿态滤波中存在的线性化误差大、需要解繁琐的Jacobian矩阵等问题,将一种新型卡尔曼滤波方法——单向无迹卡尔曼滤波应用于载有低精度、高噪声传感器的低成本飞机姿态滤波系统,并在精度及计算量上与EKF和容积卡尔曼滤波进行了比较。利用实测飞行数据进行实验,结果表明:相对于EKF,SUKF实现容易,且使姿态滤波精度提高到二阶;相对于CKF,SUKF计算简单,比CKF减少约33%的计算量。     

基于渐消记忆滤波的1点RANSAC单目视觉姿态估计算法

针对1点RANSAC(Random Sample Consensus)单目视觉EKF(Extended Kalman Filter)算法中的滤波发散问题,分析了滤波发散的产生原因,提出了一种基于渐消记忆滤波的1点RANSAC单目视觉姿态估计算法。该算法通过在EKF滤波方程中引入加权因子,逐渐加大当前数据的权重,相应地减少旧数据的权重,有效地扼制了算法中的滤波发散问题。最后通过两组验证性实验验证说明了算法的有效性。实验结果表明:该算法能够有效地解决1点RANSAC单目视觉EKF算法中的滤波发散问题,具有更高的精度。第一组双轴联动实验,航向角的平均误差减小2.4158?,俯仰角平均误差减小0.1782?;第二组偏航轴大角度转动实验,摄像机航向角的估计误差一直保持在1.5?以内。