基于卡尔曼滤波的智能铅鱼设计

发布时间：2020-09-05 09:25

　　目前在水文流量监测领域,由于水文缆道测量成本较低,可靠性强,依然起着不可或缺的作用。为了实现河流水域的流速、水深测量,通常采用的方法是铅鱼加装转子式流速仪测量流速,通过计算缆绳入水长度测量水深。但在水流的冲击作用下铅鱼测量姿态是否稳定无法判断。流速较大情况下,缆绳倾斜角度不断变化,入水深度无法精确测量,从而影响到流速和流量测量工作的精确性。为了实现流速、水深的精确测量,通常采用的方法是对悬吊铅鱼的方法进行改进和悬吊铅鱼倾斜角的调整,使铅鱼与水流方向平行,虽然一定程度上提高了转子式流速仪测速的精确度,但是对测量人员现场操作经验要求过高,且精度提升有限。对于这种问题,在铅鱼上加装传感器是目前一种较好的处理方案,不仅对深度的测量精度得到大幅度提升,也能及时反馈水下铅鱼的实时姿态,且体积小、成本低、方便安装。利用卡尔曼滤波算法,结合MEMS传感器的特性,将原始数据进行滤波和融合,得到最优的姿态角。具体的研究工作如下:首先,针对传统的水文测量存在的测量精度不高,操作流程繁琐等缺点,根据实际改进需求提出设计一种新型的智能铅鱼水文信息监测信号桶。该监测桶加装在传统的测流铅鱼上,通过内置九轴姿态传感器实时采集水下铅鱼的姿态角度数据,以判断当前铅鱼姿态是否稳定,以及记录水流的方向。采用高精度绝对压力传感器采集水压数据,根据压力值测算铅鱼的实时入水深度。同时选用的压力传感器内含温度传感器,从而实现对大小河流水域的流速、水深、水流方向、水温等信息的精确测量。针对水文信息监测桶内传感器采集到的原始数据中存在较大的随机漂移分量问题,采用了利用卡尔曼滤波算法滤除传感器测量噪声,通过基本卡尔曼滤波(KF)以及扩展卡尔曼滤波(EKF)对姿态传感器原始测量数据进行滤波及数据融合,通过实验比较两种滤波方法的滤波效果,得出该方法有效提高了铅鱼水下姿态估计的精确度。同时,针对压力传感器的测量噪声误差问题,在采用卡尔曼滤波处理压力数据之余,又采用涌浪滤波算法及伯努利方程原理,以姿态角度为依据,修正动态情况下因安装位置偏差引起的压力值测量误差,和动态情况下因河水流速引起的压力值测量误差,最终得到更为精确的水深数据。
【学位单位】：昆明理工大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TH766.1
【部分图文】：

站心坐标系

因此通常不采用这种Quaternions）由一个实数和表示，其中的 a、b、c、d 是实系到载体坐标系的转换，姿来确定载体的姿态。四元数法直观，较难理解。角关系角度时，需要建立两个坐标标系，即东北天坐标系，以极的方向为 Y 轴方向，水平

更新过程

曼滤波算法原理过程中有两个重要的方程，分别为状态方程状态的预测，测量方程对状态起到修正作用。断的预测—修正，最终达到最接近事实情况的型描述的动态系统：X(ē ) = FX(ē) W(ē) Y(ē) = HX(ē) V(ē) 程，式中 k 为离散时间，在 k+1 时刻，系统状态预测，W(k)为输入噪声。式 2 为测量方程噪声。在本文中，我们将输入噪声和观测噪声称为状态转移矩阵，H被称为观测矩阵。法的更新流程根据这两个方程分为两大部分示：

流程图,卡尔曼算法,流程,滤波算法

图 3-2 卡尔曼算法流程过程中，式 1 和式 2 所描述的系统中，W（k量噪声，因此我们还需选择滤波器的参数，也噪声的协方差 R。测量噪声协方差可以从传感器方差不易得到，我们将通过实测，获取过程协曼滤波算法原理曼滤波算法是一种最佳线性滤波算法，故针对，其中的非线性因素不能忽略，要想处理这些数进行线性化处理，得到一个近似的线性化模有：第一种是将非线性函数展开成 Taylor 级为一个近似线性的函数模型。第二种方法是将型实施离散化，使之成为线性模型。在之前的

【参考文献】