改进型自适应无迹卡尔曼姿态算法

第30卷第10期2017年10月传感技术学报

CHINESE JOURNAL OF SENSORS AND ACTUATORS Vol．30一No．10Oct．2017

项目来源:山西省自然科学基金项目(2015011050)

收稿日期:2017-02-28一一修改日期:2017-06-18An Improved Adaptive Unscented Kalman Filter for Attitude Determination ?

HOU Jiangkuan 1,MA Jun 1?,JIA Huayu 2

(1.College of Physics and Optoelectronics ,Taiyuan University of Science and Technology ,Jinzhong Shanxi 030600,China ;2.College of Information Engineering ,Taiyuan University of Science and Technology ,Jinzhong Shanxi 030600,China )Abstract :An improved adaptive unscented Kalman filter for attitude determination is proposed,which can effectively solve the drift and noise problem of gyroscope and reduce the influence of motion acceleration on the https://www.360docs.net/doc/8516359356.html,bining the improved adaptive Sage-Husa algorithm with the unscented Kalman filter,the statistic characteristic of the measurement noise is updated on-line,the anti-jamming capability of the system is improved,and the linearization error of the extended Kalman filter can be avoided.And we can get the precise Attitude angle.Only three Euler angles are updated each iteration which can improve the solution speed of the system.The flight experiment and analysis show that the improved algorithm can effectively improve the accuracy of attitude determi-nation,improve convergence speed,strong adaptability,robustness and stability,and can get the accurate attitude an-gle quickly when the interference disappears.Key words :sensor;attitude estimation;unscented Kalman filter;adaptive Sage-Husa algorithm;multi-rotor aircraft EEACC :6330一一一一doi :10.3969/j.issn.1004-1699.2017.10.011

改进型自适应无迹卡尔曼姿态算法?

侯江宽1,马一珺1?,贾华宇2

(1.太原理工大学物理与光电工程学院,山西晋中030600;2.太原理工大学信息工程学院,山西晋中030600)摘一要:提出了一种改进型自适应无迹卡尔曼滤波姿态算法,能够有效的解决MEMS 陀螺仪的漂移和噪声问题,同时减小运动加速度对加速度计的影响三将改进的自适应Sage-Husa 算法与无迹卡尔曼滤波器相结合,使量测噪声统计特性在线更新,提高系统的抗干扰能力,避免扩展卡尔曼滤波的线性化误差,可以得到精确的全姿态角三每次迭代只更新3个欧拉角,提高了系统的解算速度三飞行实验和分析表明:改进算法能够有效的提高姿态解算精度,收敛速度快,自适应能力强,稳定可靠,具有较强的鲁棒性,在干扰消失时能够快速得到准确姿态角三

关键词:传感器;姿态解算;无迹卡尔曼滤波器;自适应Sage-Husa 算法;多旋翼飞行器

中图分类号:TP27一一一一文献标识码:A一一一一文章编号:1004-1699(2017)10-1518-07

一一获取准确的姿态是无人飞行器实现自主飞行的前提条件[1],由于MEMS (Micro Electro Mechanical Systems)传感器的高集成度二低成本,在微型飞行器上大量使用三多旋翼飞行器上的惯性测量单元主要

由MEMS 三轴陀螺仪二三轴加速度计二三轴磁强计

组成三但是MEMS 陀螺仪存在漂移问题,会导致累

积误差,因此需要对陀螺仪输出的数据进行有效的

处理才能获得稳定可靠的姿态信息三

目前常用的姿态解算方法有Robert Mahony 的互

补滤波姿态解算算法[2]及其改进算法[3]二Sebastian Madgwick 提出的基于梯度下降法的姿态解算算法[7]二基于卡尔曼滤波器的姿态解算算法[8]以及粒子

滤波姿态解算算法[9]三互补滤波算法是比较实用的

一种算法,适用于对姿态精确度要求不高的小型飞行器三互补滤波姿态解算的改进主要集中于滤波器系数的自适应调节[5],以提高算法对于噪声的补偿,这种自适应调节主要是结合了模糊算法,精度并不高三Madgwick 将互补滤波的状态更新方程由DCM(Direc-tion Cosine Matrix)矩阵变为四元数微分方程,大大提高了互补滤波算法的解算速度三Kalman 滤波是目前较为适合多传感器姿态融合的算法,但常规Kalman 滤波算法需要系统噪声和量测噪声的统计特性已知[14]三然而在多旋翼飞行器的多传感器融合中,系统噪声和量测噪声的统计特性往往是未知的且时变的,这会使常规Kalman 滤波估计精度降低,失去算法最优性,甚至导致滤波发散三扩展卡尔曼滤波姿态解万方数据