一种多滤波器组合导航数据融合方法

针对组合导航系统中使用单天线GPS接收机时导致姿态角不易收敛的问题,提出了一种互补滤波器和卡尔曼滤波器相结合的数据融合算法。该方法首先通过MEMS惯性传感器与磁强计设计了一种互补滤波算法。针对载体在变速运动过程中加速度计的倾角测量值有较大误差,影响互补滤波器输出精度的问题,通过GPS接收机和加速度计设计了卡尔曼滤波模型,将卡尔曼滤波器输出速度的微分量反馈给互补滤波器,实现了对互补滤波器中载体运动加速度的补偿。基于以上解算方法,以FPGA为核心处理器设计了组合导航系统并进行了车载实验。实验中,该方法有效补偿了汽车变速过程中的倾角测量误差,证明了该方法的有效性。     

MC-ROV导航系统研究

针对研制的新型模态切换水下机器人(Mode-Converted ROV, MC-ROV),设计了一套以MEMS器件为主的微惯性组合导航系统,包括陀螺仪、加速度计、磁力计、深度传感器及微处理器等。系统采用互补滤波方法抑制陀螺漂移,设计卡尔曼滤波器计算姿态角。本文采用了改进的自适用卡尔曼滤波器,增大新近数据的作用,减小陈旧数据的作用,避免滤波发散,提高导航精度。水池实验表明结合互补滤波、自适应卡尔曼滤波能够获得比较精确、稳定的水下机器人导航信息。同时,基于实测数据进行的算法仿真表明改进后的渐消记忆指数加权自适应卡尔曼滤波可以在一定程度上改善导航效果。     

基于光纤光栅传感器和卡尔曼滤波器的载荷识别算法

载荷识别在结构健康监测中的地位十分重要,为了在结构健康监测的同时利用最优化算法对系统进行有效控制,提出了一种基于光纤光栅(FBG)传感器和卡尔曼滤波器的载荷识别算法。该算法建立在卡尔曼滤波器的基础上,以FBG传感器测得的应变值作为观测信号,通过卡尔曼滤波器产生的增益矩阵、新息序列和协方差矩阵,利用最小二乘算法实时估计载荷的大小。此算法只需采集前一时刻的估计值和当前时刻的观测值即可估计出当前时刻的载荷,无需存储和读取大量数据。同时,基于卡尔曼滤波器在进行结构健康监测的同时能够应用最优化算法对系统进行控制。为了对识别算法进行验证,采用梁系统作为仿真和试验对象,通过FBG传感器测得的应变值识别载荷。结果表明,所提动态载荷识别算法能够很好地抑制噪声,具有良好的稳定性和实时性。     

基于模糊技术的非线性系统目标跟踪融合算法

提出了一种基于模糊技术的非线性系统中多传感器目标跟踪融合算法.在基于卡尔曼滤波器的分布式融合算法中,利用模糊技术中的决策距离思想,对实时跟踪目标的多传感器进行动态分组,以获得在非线性系统中目标跟踪的最佳融合数据精度.仿真结果证明,该算法是一种有效的分布式融合算法.     

基于一组卡尔曼滤波器信息融合的故障诊断

为了能及时准确地诊断发动机的传感器和执行机构故障,文章提出了基于一组卡尔曼滤波器信息融合的方法进行故障诊断;首先根据传感器特性设计了一组滤波器用于传感器故障诊断、隔离,每个滤波器针对一个传感器进行设计;其次根据执行机构故障特性设计了一组卡尔曼滤波器进行执行机构偏差估计,从而对执行机构进行故障诊断、隔离;接着给出了传感器、执行机构信息融合的诊断方案;最后分别给传感器、执行机构添加故障进行方案验证,仿真结果得出在传感器或者执行机构任意部件出故障的情况下,该融合方法可以有效地诊断并隔离出有故障的传感器或者执行机构。     

基于GPS/WiFi/MARGE组合定位算法

为了解决传感器MEMS进行姿态估计易受外界干扰的问题,首先设计了基于四元数的扩展卡尔曼滤波器,通过自适应地建立协方差矩阵和引入传感器偏差补偿的方法实现三自由度的姿态测量;其次,提出了基于粒子滤波和卡尔曼滤波的数据融合算法,实现了能有效解决接收信号强度时域浮动的WiFi/MARG 组合定位系统;最后设计了自适应加权算法,对WiFi/MARG和GPS/MARG两子系统进行融合,构建了能实现室内外的无缝定位的GPS/WiFi/MARGE定位系统,结果表明,该算法比WiFi/MARG和GPS/MARG系统的最大误差分别减少了51%和82%,平均定位误差减少53%和62%,有效地提高了定位精度。     

四旋翼无人飞行器实验平台设计及姿态控制研究

为了实现四旋翼无人飞行器姿态的稳定控制并验证控制算法的性能,设计了一种可用于四旋翼无人飞行器姿态控制算法研究及控制性能测试的物理实验平台。首先,利用牛顿-欧拉法建立了四旋翼无人飞行器的六自由度动力学模型;其次,对姿态传感器数据进行融合,利用互补滤波算法实现对四旋翼飞行器姿态进行快速准确解算;然后,在MATLAB环境下搭建了四旋翼飞行器仿真模型,并设计改进的PID控制器对飞行姿态进行了仿真;最后,搭建了一个四旋翼无人飞行器姿态控制的物理实验平台,进行了飞行器姿态控制算法的性能测试。实验结果表明了四旋翼无人飞行器实验平台设计的合理性和正确性,是一种快速有效的飞行器姿态控制算法性能测试实验平台。     

基于多传感器融合的摔倒检测算法的研究

针对传统摔倒检测算法中误报和漏报率高的不足,提出一种基于多传感器融合的摔倒检测算法。该算法分别以人体的加速度和姿态角值为判定依据。首先,采用三轴加速度传感器和电子罗盘对上述两种数据进行采集,并通过无线模块发送至PC机。之后对采集数据进行分析和处理,进而根据阈值进行异常姿态检测。最终,综合加速度和姿态角的分析结果给出准确的检测结论。实验结果表明,该算法检测的准确率达99.2%、与传统检测算法相比具有更强的稳定性与可靠性。     

基于MEMS传感器的姿态测量系统设计

为解决单目三维扫描装置摄像机标定完成后姿态不能改变的问题,针对单目三维扫描装置使用过程中的运动方式与特点,设计了一款基于 MEMS 传感器的姿态测量系统。采用四元数对姿态进行解算,通过三轴姿态确定(TRAID)算法构建量测模型,以无迹卡尔曼滤波(UKF)算法进行数据融合,能有效抑制姿态解算过程中陀螺仪的漂移问题。实验结果表明,利用该系统进行姿态测量时静态误差低于±0.2°,动态误差低于±1°,系统实时性好、适用于动态三维扫描系统。     

基于MEMS传感器的风洞尾旋姿态测量研究

尾旋是飞机在失去控制后的一种极危险的飞行状态,陷入尾旋极易造成飞机的坠毁,在飞机研制过程中为了提高其机动性及抗尾旋能力,必须对这种极限飞行状态进行研究。在立式风洞中开展尾旋试验是目前效率最高,安全性最有保障的技术手段。试验测试的主要参数是飞机在尾旋及改出过程中的姿态角（包括俯仰角、偏航角和滚转角）。在此简要介绍了通过陀螺仪、加速度计和地磁计进行姿态数据融合的算法,以及采用了一种MEMS传感器进行尾旋姿态测量的试验技术,并且其姿态数据可由Zigbee无线数据模块实时传送到测量计算机。通过试验验证,该技术简单有效,不受现场环境限制,系统动态性能稳定可靠,角度测试精度为优于1°,满足了试验需求,提高了试验效率及数据质量。