載體機動條件下的MEMS-AHRS航姿算法研究
發(fā)布時間:2021-11-16 04:13
基于MEMS(Micro-Electro-Mechanical System)陀螺儀、MEMS加速度計及電子磁強計的低成本AHRS(Attitude and Heading Reference System)系統(tǒng)是一種自主式載體姿態(tài)測量系統(tǒng)。該系統(tǒng)具有功耗低、體積小且成本低的優(yōu)點,在小型飛行器、智能機器人及人體運動分析等領(lǐng)域具有廣闊的應(yīng)用前景。航姿系統(tǒng)在運動機動性較強的情況下會產(chǎn)生較大的運動加速度,從而影響加速度計的數(shù)據(jù)輸出,導(dǎo)致基于加速度的姿態(tài)解算產(chǎn)生誤差。此外,航姿系統(tǒng)在磁干擾較多的環(huán)境中進(jìn)行機動運動,也會對磁強計產(chǎn)生磁干擾,導(dǎo)致基于磁強信息的姿態(tài)解算同樣會產(chǎn)生誤差。而上述因機動運動產(chǎn)生的誤差,將導(dǎo)致航姿系統(tǒng)輸出的姿態(tài)結(jié)果精度下降甚至無法使用。為解決載體機動條件下的MEMS-AHRS航姿解算問題,課題主要研究工作如下:首先,結(jié)合加速度計、陀螺儀和電子磁強計的特點,通過誤差分析建立了上述傳感器的誤差模型,完成了各傳感器的標(biāo)定工作。其次,針對載體在磁干擾較多的環(huán)境中進(jìn)行機動運動的情況,在研究現(xiàn)有姿態(tài)解算方案的基礎(chǔ)上,深入分析了帶有磁干擾的載體機動運動對姿態(tài)測量的影響,設(shè)計了具有抗機動擾...
【文章來源】:哈爾濱工程大學(xué)黑龍江省 211工程院校
【文章頁數(shù)】:92 頁
【學(xué)位級別】:碩士
【部分圖文】:
北京航空航天大學(xué)MEMS旋轉(zhuǎn)調(diào)制型航姿系統(tǒng)實物圖
7圖 1.3 浙江大學(xué) MEMS 旋轉(zhuǎn)調(diào)制型航姿系統(tǒng)實物圖限于電路集成技術(shù)以及 MEMS 技術(shù)的發(fā)展,現(xiàn)階段國內(nèi)微慣性技術(shù)與國。目前對 MEMS 慣性技術(shù)的研究多集中于算法研究或者原型樣機試驗驗的成品較少。因此,我們應(yīng)該積極借鑒國外先進(jìn)的工程化經(jīng)驗,在 MEM面迅速展開研究,快步向前追進(jìn),趕超世界潮流。
:T f J f , 為在梯度下降方向上更新的步長,減號表示梯度下降方向為負(fù)F 表示下降的梯度,即是負(fù)梯度搜索方向的單位方向向量。為使算法邏輯更加清晰、計算更加方便,本課題將af 矩陣和mf 矩陣合成一個矩陣多元向量損失函數(shù)的導(dǎo)數(shù),即是矩陣 f 的雅可比矩陣。矩陣 f 和J 可表示如下: amamff =fJJ =J(4應(yīng)用前文所述的梯度下降融合算法,即可以將 MEMS 陀螺儀、MEMS 加速度計磁強計輸出的數(shù)據(jù)進(jìn)行融合,實現(xiàn)多傳感器進(jìn)行四元數(shù)更新的功能。最終再利用模型與姿態(tài)角度的轉(zhuǎn)換公式即可以得到實時的姿態(tài)角數(shù)據(jù),完成姿態(tài)的解算。為驗證所提出的姿態(tài)融合算法的解算效果,本課題將梯度下降姿態(tài)解算法與單獨速度更新姿態(tài)的算法進(jìn)行了對比,通過半物理仿真驗證了融合算法的效果。結(jié)果多傳感器融合的姿態(tài)更新方案能有效抑制姿態(tài)的發(fā)散,得到更穩(wěn)定的姿態(tài)結(jié)果角 為例,其半物理仿真結(jié)果圖如下。20姿姿姿姿傳傳 角角傳角傳姿姿
本文編號:3498126
【文章來源】:哈爾濱工程大學(xué)黑龍江省 211工程院校
【文章頁數(shù)】:92 頁
【學(xué)位級別】:碩士
【部分圖文】:
北京航空航天大學(xué)MEMS旋轉(zhuǎn)調(diào)制型航姿系統(tǒng)實物圖
7圖 1.3 浙江大學(xué) MEMS 旋轉(zhuǎn)調(diào)制型航姿系統(tǒng)實物圖限于電路集成技術(shù)以及 MEMS 技術(shù)的發(fā)展,現(xiàn)階段國內(nèi)微慣性技術(shù)與國。目前對 MEMS 慣性技術(shù)的研究多集中于算法研究或者原型樣機試驗驗的成品較少。因此,我們應(yīng)該積極借鑒國外先進(jìn)的工程化經(jīng)驗,在 MEM面迅速展開研究,快步向前追進(jìn),趕超世界潮流。
:T f J f , 為在梯度下降方向上更新的步長,減號表示梯度下降方向為負(fù)F 表示下降的梯度,即是負(fù)梯度搜索方向的單位方向向量。為使算法邏輯更加清晰、計算更加方便,本課題將af 矩陣和mf 矩陣合成一個矩陣多元向量損失函數(shù)的導(dǎo)數(shù),即是矩陣 f 的雅可比矩陣。矩陣 f 和J 可表示如下: amamff =fJJ =J(4應(yīng)用前文所述的梯度下降融合算法,即可以將 MEMS 陀螺儀、MEMS 加速度計磁強計輸出的數(shù)據(jù)進(jìn)行融合,實現(xiàn)多傳感器進(jìn)行四元數(shù)更新的功能。最終再利用模型與姿態(tài)角度的轉(zhuǎn)換公式即可以得到實時的姿態(tài)角數(shù)據(jù),完成姿態(tài)的解算。為驗證所提出的姿態(tài)融合算法的解算效果,本課題將梯度下降姿態(tài)解算法與單獨速度更新姿態(tài)的算法進(jìn)行了對比,通過半物理仿真驗證了融合算法的效果。結(jié)果多傳感器融合的姿態(tài)更新方案能有效抑制姿態(tài)的發(fā)散,得到更穩(wěn)定的姿態(tài)結(jié)果角 為例,其半物理仿真結(jié)果圖如下。20姿姿姿姿傳傳 角角傳角傳姿姿
本文編號:3498126
本文鏈接:http://sikaile.net/kejilunwen/wltx/3498126.html
最近更新
教材專著