基于MARG无人机姿态测量系统的实时融合算法研究

发布时间：2020-10-19 10:38

　　 近年来无人机飞行器在科研、军事与农业等各领域有广泛应用,姿态测量系统是无人机的核心模块之一。随着MEMS技术的日渐成熟,针对微小型、低成本无人机对重量、功耗、体积及制造成本的敏感要求,以MARG(Magnetic-Angular Rate-Gravity)传感器为基础的姿态测量系统受到越来越多的关注。无人机的姿态测量通常使用Kalman滤波进行姿态的精确估计。但是当无人机处于机动状态或复杂环境时,可能会造成初始的Kalman滤波模型的先验参数与实际状态不匹配,从而导致Kalman滤波的精度降低甚至滤波发散;而常规自适应滤波算法进行模型参数切换也有可能会导致滤波重新收敛的过程发生,这一系列问题都将威胁无人机的飞行安全和稳定性。因此,本文首先针对无人机在机动及复杂环境中的磁量测信息源进行了补偿。通过研究载体磁干扰补偿的关键技术,提出一种在传统递推最小二乘方法基础上以遗忘因子和无基准估计改进的新算法,实现了针对载体磁干扰的实时补偿。其次,针对无人机姿态解算模型不准确和参数切换导致滤波重新收敛的问题,将多模型自适应估计算法应用在无人机姿态解算中,通过研究交互多模型自适应估计算法并进行分散滤波改进,在精度不降低的条件下避免单一模型参数不准确带来的影响。最后,通过对系统硬件的需求分析,选取了满足低功耗、小体积、低成本要求的硬件搭建系统,并利用Cortex-M4F内核的硬件加速技术,实现运算量较大的多模型算法在无人机上的姿态实时测量输出。此外,为验证磁补偿算法的有效性,本文进行了磁干扰补偿的仿真实验,实验表明使用此算法可以在不依赖外界提供航向角基准的情况下,达到对时变载体磁干扰的补偿效果及精度要求。同时本文设计了相关半物理实验对硬件加速性能和多模型算法进行了验证,结果表明硬件加速技术能够将解算效率提高56.4%,同时改进后的多模型算法能够在存在时变量测噪声干扰的条件下将俯仰角和滚转角误差控制在0.5°以内,航向角误差控制在1°以内,并且具有良好的稳定性和可靠性。
【学位单位】：中北大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：V279;V249
【部分图文】：

中北大学学位论文器机动动作，其中角速度 =1.2 rad/s，采样率 50Hz。磁传忘因子 =0.96。从初始时刻开始施加参数为 C1和 Hp1的磁数为 C2和 Hp2的磁干扰，模拟载体磁干扰变化情况。无基准 FFRLS 算法相对于 RLS 的时变磁干扰抑制效果。 FFRLS 算法对同一数据进行磁干扰参数估计，将补偿后的行对比。如图 2. 2 所示，分别为飞行机动幅值为 20°和幅。

图 2. 3 不同姿态变化幅值对 FFRLS 收敛影响 图 2. 4 遗忘因子对于无基准 FFRLS 算法影响图 2. 3 中在约 t=15s 干扰磁场发生变化后，补偿后航向角误差随着姿态角变化逐步减小。当飞行轨迹变化幅值为 10°时，航向角精度难以满足要求。而随着飞行轨迹变化幅值的增大，航向角误差的收敛速度和实时补偿精度也逐渐提高。当飞行轨迹变化达到一定程度后，航向角补偿精度提高有限。图 2. 4 中看到，遗忘因子为 0.99 时，航向角误差收敛速度相对较慢，FFRLS 算法需要较长时间更新磁干扰参数。当遗忘因子数值为 0.90 和 0.96 时，收敛速度较快但精度略微降低。当遗忘因子参数为 0.84 时，补偿后航向角误差较大。数据如表 2. 2。表 2. 2 遗忘因子对收敛时间和收敛精度的影响遗忘因子 收敛时间 误差标准差 误差均值0.84 3.83s 48.80° 29.25°0.90 3.86s 7.10° 5.69°

图 2. 3 不同姿态变化幅值对 FFRLS 收敛影响 图 2. 4 遗忘因子对于无基准 FFRLS 算法影响图 2. 3 中在约 t=15s 干扰磁场发生变化后，补偿后航向角误差随着姿态角变化逐步减小。当飞行轨迹变化幅值为 10°时，航向角精度难以满足要求。而随着飞行轨迹变化幅值的增大，航向角误差的收敛速度和实时补偿精度也逐渐提高。当飞行轨迹变化达到一定程度后，航向角补偿精度提高有限。图 2. 4 中看到，遗忘因子为 0.99 时，航向角误差收敛速度相对较慢，FFRLS 算法需要较长时间更新磁干扰参数。当遗忘因子数值为 0.90 和 0.96 时，收敛速度较快但精度略微降低。当遗忘因子参数为 0.84 时，补偿后航向角误差较大。数据如表 2. 2。表 2. 2 遗忘因子对收敛时间和收敛精度的影响遗忘因子 收敛时间 误差标准差 误差均值0.84 3.83s 48.80° 29.25°0.90 3.86s 7.10° 5.69°
【参考文献】

相关期刊论文 前10条

1 王鼎杰;孟德利;李朝阳;董毅;吴杰;;抗野值自适应卫星/微惯性组合导航方法[J];仪器仪表学报;2017年12期

2 张家旭;李静;;基于交互式多模型和容积卡尔曼滤波的汽车状态估计[J];汽车工程;2017年09期

3 万振塬;杨功流;涂勇强;;一种新型模糊自适应Kalman滤波器在组合导航中的应用[J];导航与控制;2017年02期

4 王婕;郭子祺;刘建英;;固定翼无人机航磁探测系统的磁补偿模型分析[J];航空学报;2016年11期

5 王天宇;张晓明;关洋;吕忆玲;;基于DMA的常规弹导航信息实时处理技术[J];传感器与微系统;2015年12期

6 张永宏;焦凯;王伟;;旋翼无人机的偏航控制系统设计[J];制造业自动化;2015年16期

7 毛征;孟凡刚;孟灿;赵齐月;龚萍;;基于高机动目标跟踪的改进变结构IMM算法[J];北京工业大学学报;2015年03期

8 熊凯;魏春岭;;基于多模型自适应估计的航天器相对导航[J];系统科学与数学;2014年07期

9 刘春旭;;一种基于交互式多模型算法的联邦滤波器[J];电光与控制;2014年07期

10 赵鑫炉;张晓明;白渚铨;王宇;;基于磁阻传感器的航姿测量系统罗差补偿技术研究[J];传感技术学报;2013年11期

相关博士学位论文 前4条

1 王磊;深海AUV多源导航信息融合方法研究[D];东南大学;2015年

2 刘德馨;非线性系统多模型自适应控制方法研究[D];北京科技大学;2015年

3 李翔;基于MARG传感器的AHRS关键技术研究[D];西安电子科技大学;2013年

4 顾雄礼;片上多处理器关键技术研究[D];浙江大学;2011年

相关硕士学位论文 前7条

1 李志敏;旋翼无人机中的多模型组合导航技术[D];南京航空航天大学;2016年

2 孙粲;机动目标跟踪交互式多模型算法研究[D];山东大学;2013年

3 丁君;基于微惯性传感器的姿态算法研究[D];上海交通大学;2013年

4 陈国彬;弹载三轴磁测系统设计与误差标定补偿技术研究[D];中北大学;2012年

5 李小朋;微惯性组合的抗磁干扰和温度补偿方法研究[D];上海交通大学;2011年

6 杜英;电子罗盘测量误差分析和补偿技术研究[D];中北大学;2011年

7 段精婧;基于地磁、陀螺原理的姿态测试技术研究[D];中北大学;2010年

本文编号：2847093