球形電機是一種基于中心球關節(jié)的三自由度電磁驅(qū)動電機,其轉(zhuǎn)動靈活,結(jié)構(gòu)緊湊,相比傳統(tǒng)的多自由度平臺省去了復雜的傳動機構(gòu),旋轉(zhuǎn)無奇異點,在機器人關節(jié),曲面共形打印等方向有著重要的應用前景。球形電機的應用中,準確,高數(shù)據(jù)率的姿態(tài)傳感方案對電機的閉環(huán)控制至關重要,現(xiàn)有的姿態(tài)傳感方案,如圖形編碼或?qū)蚩蚣艿茸藨B(tài)測量方案在數(shù)據(jù)率或測量靈活性方面有著較大的限制。啟發(fā)于飛行器慣性姿態(tài)融合系統(tǒng)中結(jié)合不同傳感器的測量,通過數(shù)據(jù)融合彌補傳感器的不足,本文將研究針對球形電機多自由度系統(tǒng)的姿態(tài)融合方法。常用的慣性測量方案在球形電機姿態(tài)測量中需要面對嚴重的地磁干擾與加速度干擾等問題。多自由度姿態(tài)融合方法的關鍵即為克服現(xiàn)有的測量干擾,為球形電機提供優(yōu)質(zhì)的姿態(tài)反饋。本文從數(shù)據(jù)融合中使用的陀螺儀與加速度的測量模型出發(fā),給出姿態(tài)測量的方案,并推導測量姿態(tài)與轉(zhuǎn)子姿態(tài)的轉(zhuǎn)換關系。基于廣義卡爾曼濾波詳細地給出姿態(tài)融合算法,針對數(shù)據(jù)融合中的干擾問題,提出一種基于定子加速度測量的時變參考矢量姿態(tài)融合算法,構(gòu)建仿真數(shù)據(jù)并驗證了姿態(tài)融合算法的有效性�？紤]到實際傳感器測量的誤差,對傳感器的噪聲進行仔細的測量與分析,設計相應的數(shù)字濾波和標定方案,最終在實驗平臺上對姿態(tài)融合算法進行實驗驗證。實驗結(jié)果說明了數(shù)據(jù)融合算法在方位校正與姿態(tài)檢測上的有效性。
【學位單位】：華中科技大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TM30
【部分圖文】：

圖 1.3 MEMS 陀螺儀姿態(tài)測量模塊EMS慣性姿態(tài)系統(tǒng)精度主要有硬件上直接提高傳感器精度[17]和軟據(jù)融合兩種方案。由于需要的工藝創(chuàng)新或傳感器結(jié)構(gòu)創(chuàng)新的難度較度提高的文章相對較少。軟件方面的優(yōu)化濾波和數(shù)據(jù)融合方向則慣性姿態(tài)系統(tǒng)更多面向?qū)崟r的測量應用，因而在傳感器數(shù)據(jù)濾波中域分析，進而設計相應的實時數(shù)字濾波器來多數(shù)據(jù)進行平滑，濾波軸 MEMS 慣性姿態(tài)系統(tǒng)的數(shù)據(jù)融合算法運用最多的為卡爾曼濾波卡爾曼濾波是一種針對包含高斯白噪聲系統(tǒng)的線性最小方差估計系統(tǒng)和量測均為線性，使用量測量的先驗信息和一步預測均方誤差矩陣 K�？柭鼮V波主要的研究熱點在于系統(tǒng)狀態(tài)方程確定以及序列協(xié)方差矩陣 Q 與量測噪聲序列協(xié)方差矩陣 R。s D.Power 提出基于下山法的卡爾曼濾波器離線參數(shù)調(diào)整方式[20]。

圖 2.2 球形姿態(tài)測量系統(tǒng)在分析傳感器測量姿態(tài)與球形電機轉(zhuǎn)子姿態(tài)的關系中，需要具體引入 4 個別為傳感器安裝坐標系 S，球形電機轉(zhuǎn)子坐標系 M，世界坐標系 G 與球形坐標系 X。文提到傳感器坐標系 S 即為動系為一種理想情況，實際上傳感器安裝會有，因而增加一組電機轉(zhuǎn)子坐標系 M。同樣前文中的世界坐標系 G 即為定系理想情況，實際上傳感器測量的參考坐標系為世界坐標系 G 與定子坐標系個方位差。參考表 2.4，目標矩陣描述轉(zhuǎn)子坐標系相對定子坐標系的旋轉(zhuǎn)矩陣，即為所矩陣；測量矩陣為傳感器測量直接得到的矩陣；而安裝矩陣與方位矩陣一般進行標定測試得到，可以認為是確定的。假設初始時刻 為安裝坐標系 S 上一點在定坐標系的描述 X，則該點在安

圖 2.4 球形電機曲面打印六自由平臺的應對曲面打印應用場景的姿態(tài)檢測系統(tǒng)，相對前面的測量三軸加速度計（AccelerM）對移動平臺加速度進行測量，并算中。xznABX0Z0AyY0CO噴頭曲面基底噴頭: Z水平位移臺 : X,Y球形電機 : α,β,γ(設備坐標系)pAXYZ水平位移臺球形電機
【相似文獻】

相關期刊論文 前10條

1 蘇娜;張志強;;基于z得分的科學計量學多關系融合方法研究[J];情報學報;2013年03期

2 張萬福;王宏光;;微課與專業(yè)課程傳統(tǒng)教學的交叉融合方法探討[J];教育教學論壇;2016年48期

3 位茜;;從《我在故宮修文物》看紀錄片精英文化與大眾文化的融合方法[J];青年文學家;2017年29期

4 劉娟;;美聲唱法在演唱及聲樂教學中的融合方法[J];傳媒論壇;2019年24期

5 王俠;;顛覆思維 融合方法[J];汽車觀察;2014年12期

6 陳嶷瑛;孟慶新;劉智國;;基于測試分類精度的多分類器融合方法[J];佳木斯大學學報(自然科學版);2006年01期

7 鄧自立;;兩種最優(yōu)觀測融合方法的功能等價性[J];控制理論與應用;2006年02期

8 孫艷平;余鋒波;張德臣;張雙翼;;基于項目的高等學校課程知識的融合方法和實踐[J];科教導刊(上旬刊);2014年08期

9 李珊珊;洪友堂;胡超;邵艷坡;;基于高分二號影像的融合方法對比研究[J];北京測繪;2019年03期

10 郭會敏;洪運富;李營;楊一鵬;張立峰;楊海軍;朱海濤;;基于高分一號衛(wèi)星影像的多種融合方法比較[J];地理與地理信息科學;2015年01期

相關博士學位論文 前10條

1 常莉紅;融合方法的理論研究及其在圖像處理中的應用[D];西安電子科技大學;2018年

2 佘二永;多源圖像融合方法研究[D];國防科學技術大學;2005年

3 孟祥超;多源時—空—譜光學遙感影像的變分融合方法[D];武漢大學;2017年

4 李爽;融合方法及空間分辨率比率對遙感影像融合結(jié)果影響的研究[D];武漢大學;2010年

5 陳金廣;運動目標狀態(tài)估計及融合方法研究[D];西安電子科技大學;2011年

6 李軍俠;基于低秩理論及空間約束編碼的顯著性檢測與融合方法研究[D];南京理工大學;2017年

7 李樹濤;多傳感器圖象信息融合方法與應用研究[D];湖南大學;2001年

8 劉羽;像素級多源圖像融合方法研究[D];中國科學技術大學;2016年

9 朱培逸;不確定信息的融合方法及其應用研究[D];江南大學;2013年

10 李春華;基于機器學習模型與眾包的知識融合方法研究[D];蘇州大學;2017年

相關碩士學位論文 前10條

1 代旺;球形電機多自由度姿態(tài)傳感融合方法研究及應用[D];華中科技大學;2019年

2 李軍;地震精細差異體分析和屬性融合方法研究[D];中國石油大學(北京);2018年

3 胡潔瓊;基于開放數(shù)據(jù)的領域知識融合方法研究及應用[D];上海交通大學;2018年

4 陳云;地方志資源知識融合方法與系統(tǒng)[D];華中師范大學;2018年

5 馬謙映;基于高分專項衛(wèi)星數(shù)據(jù)的時空融合方法應用分析[D];太原理工大學;2018年

6 白改燕;手指生物特征超球�；诤戏椒ㄑ芯縖D];中國民航大學;2017年

7 張家忠;基于二通道不可分小波的多聚焦圖像融合方法研究[D];湖北大學;2013年

8 熊宇龍;基于調(diào)和場的幾何模型快速融合方法與應用研究[D];浙江理工大學;2018年

9 董照焜;基于多小波分解的矢量圖像融合方法研究[D];天津大學;2009年

10 劉震;面向認知的多波段圖像融合方法研究[D];中北大學;2018年

本文編號：2836606