近年來無人機飛行器在科研、軍事與農(nóng)業(yè)等各領域有廣泛應用,姿態(tài)測量系統(tǒng)是無人機的核心模塊之一。隨著MEMS技術的日漸成熟,針對微小型、低成本無人機對重量、功耗、體積及制造成本的敏感要求,以MARG(Magnetic-Angular Rate-Gravity)傳感器為基礎的姿態(tài)測量系統(tǒng)受到越來越多的關注。無人機的姿態(tài)測量通常使用Kalman濾波進行姿態(tài)的精確估計。但是當無人機處于機動狀態(tài)或復雜環(huán)境時,可能會造成初始的Kalman濾波模型的先驗參數(shù)與實際狀態(tài)不匹配,從而導致Kalman濾波的精度降低甚至濾波發(fā)散;而常規(guī)自適應濾波算法進行模型參數(shù)切換也有可能會導致濾波重新收斂的過程發(fā)生,這一系列問題都將威脅無人機的飛行安全和穩(wěn)定性。因此,本文首先針對無人機在機動及復雜環(huán)境中的磁量測信息源進行了補償。通過研究載體磁干擾補償?shù)年P鍵技術,提出一種在傳統(tǒng)遞推最小二乘方法基礎上以遺忘因子和無基準估計改進的新算法,實現(xiàn)了針對載體磁干擾的實時補償。其次,針對無人機姿態(tài)解算模型不準確和參數(shù)切換導致濾波重新收斂的問題,將多模型自適應估計算法應用在無人機姿態(tài)解算中,通過研究交互多模型自適應估計算法并進行分散濾波改進,在精度不降低的條件下避免單一模型參數(shù)不準確帶來的影響。最后,通過對系統(tǒng)硬件的需求分析,選取了滿足低功耗、小體積、低成本要求的硬件搭建系統(tǒng),并利用Cortex-M4F內(nèi)核的硬件加速技術,實現(xiàn)運算量較大的多模型算法在無人機上的姿態(tài)實時測量輸出。此外,為驗證磁補償算法的有效性,本文進行了磁干擾補償?shù)姆抡鎸嶒?實驗表明使用此算法可以在不依賴外界提供航向角基準的情況下,達到對時變載體磁干擾的補償效果及精度要求。同時本文設計了相關半物理實驗對硬件加速性能和多模型算法進行了驗證,結(jié)果表明硬件加速技術能夠?qū)⒔馑阈侍岣?6.4%,同時改進后的多模型算法能夠在存在時變量測噪聲干擾的條件下將俯仰角和滾轉(zhuǎn)角誤差控制在0.5°以內(nèi),航向角誤差控制在1°以內(nèi),并且具有良好的穩(wěn)定性和可靠性。
【學位單位】：中北大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：V279;V249
【部分圖文】：

中北大學學位論文器機動動作，其中角速度 =1.2 rad/s，采樣率 50Hz。磁傳忘因子 =0.96。從初始時刻開始施加參數(shù)為 C1和 Hp1的磁數(shù)為 C2和 Hp2的磁干擾，模擬載體磁干擾變化情況。無基準 FFRLS 算法相對于 RLS 的時變磁干擾抑制效果。 FFRLS 算法對同一數(shù)據(jù)進行磁干擾參數(shù)估計，將補償后的行對比。如圖 2. 2 所示，分別為飛行機動幅值為 20°和幅。

圖 2. 3 不同姿態(tài)變化幅值對 FFRLS 收斂影響 圖 2. 4 遺忘因子對于無基準 FFRLS 算法影響圖 2. 3 中在約 t=15s 干擾磁場發(fā)生變化后，補償后航向角誤差隨著姿態(tài)角變化逐步減小。當飛行軌跡變化幅值為 10°時，航向角精度難以滿足要求。而隨著飛行軌跡變化幅值的增大，航向角誤差的收斂速度和實時補償精度也逐漸提高。當飛行軌跡變化達到一定程度后，航向角補償精度提高有限。圖 2. 4 中看到，遺忘因子為 0.99 時，航向角誤差收斂速度相對較慢，F(xiàn)FRLS 算法需要較長時間更新磁干擾參數(shù)。當遺忘因子數(shù)值為 0.90 和 0.96 時，收斂速度較快但精度略微降低。當遺忘因子參數(shù)為 0.84 時，補償后航向角誤差較大。數(shù)據(jù)如表 2. 2。表 2. 2 遺忘因子對收斂時間和收斂精度的影響遺忘因子 收斂時間 誤差標準差 誤差均值0.84 3.83s 48.80° 29.25°0.90 3.86s 7.10° 5.69°

圖 2. 3 不同姿態(tài)變化幅值對 FFRLS 收斂影響 圖 2. 4 遺忘因子對于無基準 FFRLS 算法影響圖 2. 3 中在約 t=15s 干擾磁場發(fā)生變化后，補償后航向角誤差隨著姿態(tài)角變化逐步減小。當飛行軌跡變化幅值為 10°時，航向角精度難以滿足要求。而隨著飛行軌跡變化幅值的增大，航向角誤差的收斂速度和實時補償精度也逐漸提高。當飛行軌跡變化達到一定程度后，航向角補償精度提高有限。圖 2. 4 中看到，遺忘因子為 0.99 時，航向角誤差收斂速度相對較慢，F(xiàn)FRLS 算法需要較長時間更新磁干擾參數(shù)。當遺忘因子數(shù)值為 0.90 和 0.96 時，收斂速度較快但精度略微降低。當遺忘因子參數(shù)為 0.84 時，補償后航向角誤差較大。數(shù)據(jù)如表 2. 2。表 2. 2 遺忘因子對收斂時間和收斂精度的影響遺忘因子 收斂時間 誤差標準差 誤差均值0.84 3.83s 48.80° 29.25°0.90 3.86s 7.10° 5.69°
【參考文獻】

相關期刊論文 前10條

1 王鼎杰;孟德利;李朝陽;董毅;吳杰;;抗野值自適應衛(wèi)星/微慣性組合導航方法[J];儀器儀表學報;2017年12期

2 張家旭;李靜;;基于交互式多模型和容積卡爾曼濾波的汽車狀態(tài)估計[J];汽車工程;2017年09期

3 萬振塬;楊功流;涂勇強;;一種新型模糊自適應Kalman濾波器在組合導航中的應用[J];導航與控制;2017年02期

4 王婕;郭子祺;劉建英;;固定翼無人機航磁探測系統(tǒng)的磁補償模型分析[J];航空學報;2016年11期

5 王天宇;張曉明;關洋;呂憶玲;;基于DMA的常規(guī)彈導航信息實時處理技術[J];傳感器與微系統(tǒng);2015年12期

6 張永宏;焦凱;王偉;;旋翼無人機的偏航控制系統(tǒng)設計[J];制造業(yè)自動化;2015年16期

7 毛征;孟凡剛;孟燦;趙齊月;龔萍;;基于高機動目標跟蹤的改進變結(jié)構(gòu)IMM算法[J];北京工業(yè)大學學報;2015年03期

8 熊凱;魏春嶺;;基于多模型自適應估計的航天器相對導航[J];系統(tǒng)科學與數(shù)學;2014年07期

9 劉春旭;;一種基于交互式多模型算法的聯(lián)邦濾波器[J];電光與控制;2014年07期

10 趙鑫爐;張曉明;白渚銓;王宇;;基于磁阻傳感器的航姿測量系統(tǒng)羅差補償技術研究[J];傳感技術學報;2013年11期

相關博士學位論文 前4條

1 王磊;深海AUV多源導航信息融合方法研究[D];東南大學;2015年

2 劉德馨;非線性系統(tǒng)多模型自適應控制方法研究[D];北京科技大學;2015年

3 李翔;基于MARG傳感器的AHRS關鍵技術研究[D];西安電子科技大學;2013年

4 顧雄禮;片上多處理器關鍵技術研究[D];浙江大學;2011年

相關碩士學位論文 前7條

1 李志敏;旋翼無人機中的多模型組合導航技術[D];南京航空航天大學;2016年

2 孫粲;機動目標跟蹤交互式多模型算法研究[D];山東大學;2013年

3 丁君;基于微慣性傳感器的姿態(tài)算法研究[D];上海交通大學;2013年

4 陳國彬;彈載三軸磁測系統(tǒng)設計與誤差標定補償技術研究[D];中北大學;2012年

5 李小朋;微慣性組合的抗磁干擾和溫度補償方法研究[D];上海交通大學;2011年

6 杜英;電子羅盤測量誤差分析和補償技術研究[D];中北大學;2011年

7 段精婧;基于地磁、陀螺原理的姿態(tài)測試技術研究[D];中北大學;2010年

本文編號：2847093