基于三轴加速度计的车身姿态测量与解算

随着微机械电子系统的发展,车身姿态测量多采用惯性传感器为基础的捷联式测量,但由于陀螺仪产生的漂移和误差难以消除,采用三轴加速度计进行测量,再对车身姿态解算。算法采用改进的遗传神经网络算法,即以神经网络算法为基础,采用进退搜索算法加强遗传算法的收敛速度,进而优化权值与阈值选取,加快结果的输出。经过实验对比,该方法能够实现车身姿态的实时输出,算法精度符合要求。     

一种稳定平台中陀螺漂移滤波算法的设计与实现

针对稳定平台工作中陀螺仪漂移问题,采用以陀螺仪角速度传感器的输出量作为观测量,建立陀螺仪漂移的数学模型和状态方程,然后利用卡尔曼滤波对含有噪声的测量数据进行滤波处理的方式改善漂移问题.仿真结果表明,该方式可以有效抑制陀螺仪信号中的扰动,提高陀螺仪稳定平台的工作精度.     

基于STM32的两轮自平衡小车系统设计

针对小车控制系统的复杂性,设计一个以STM32F103C8T6微处理器为主控制器,以MPU-6050传感器为姿态检测部件的自平衡小车系统。由于陀螺仪和加速度计在测量时存在噪声干扰和随机漂移误差,采用卡尔曼滤波算法对陀螺仪和加速度计数据进行融合,补偿传感器测量误差,计算出小车倾角与角速度的最优估计值。并以最优姿态角和小车速度为反馈量构成双闭环控制,利用PID控制算法实现小车系统的自平衡控制。通过系统的软硬件设计、调试及运行情况,证明自平衡小车能够稳定地实现自平衡控制。     

采用卡尔曼滤波算法的MEMS器件姿态测量

针对小型无人机上使用的MEMS惯性传感器在精度、噪声上存在的问题,采用卡尔曼滤波算法结合角度传感器、加速度传感器、磁阻传感器的传感信息,来解算姿态角最优值。采用四元素法确立了捷联矩阵,利用三轴陀螺仪传感器所得到的角速度信息建立系统状态方程,利用三轴加速度传感器和磁阻传感器信息建立了系统测量方程,进而设计了一种卡尔曼滤波器来滤除MEMS传感器存在的随机噪声,并解算出了小型无人机的姿态角。通过实验室静态测试和动态测试表明,无人机姿态角解算结果与实际值对比,误差能够控制在2°以内,可满足工程应用要求。     

基于随机森林算法的传感器融合航向角估计

为了提高磁干扰环境下的航向角计算精度,将磁力计和惯性测量单元进行融合计算.在构建磁力计误差模型和分析磁力计三轴输出与相邻两时刻磁场分布特征关系的基础上,推导出航向角观测值.同时,采用陀螺状态和角速度增量作为惯性测量单元计算依据,计算出航向角的预测值.随着航向角和环境干扰的变化,使用随机森林算法持续迭代计算权重,将基于磁...     

小波包变换滤波在光纤陀螺信号降噪处理中的应用

为了减小光纤陀螺仪输出信号中的漂移误差,对小波变换和小波包变换进行了理论分析和比较,建立了光纤陀螺仪输出信号的数学模型,分析了其输出信号的误差特性,在详细分析比较硬阈值和软阈值小波滤波的基础上,提出了采用半软阈值作为滤波阈值.并在实验室环境下分别对光纤陀螺静态和动态输出数据进行了半软阈值小波包滤波实验.对光纤陀螺实时测量信号的实验结果表明:采用半软阈值小波包滤波方法对光纤陀螺仪输出数据进行处理,静态和动态输出信号误差均方差可以从5 (°)/h减少到 1 (°)/h,有效地消除了光纤陀螺仪中白噪声和分形噪声的影响.该方法比小波滤波方法更加有效地消除了光纤陀螺漂移误差的影响,且能够满足光纤陀螺仪输出高精度和实时处理的要求.     

基于随机森林算法的传感器融合航向角估计（英文）

为了提高磁干扰环境下的航向角计算精度,将磁力计和惯性测量单元进行融合计算.在构建磁力计误差模型和分析磁力计三轴输出与相邻两时刻磁场分布特征关系的基础上,推导出航向角观测值.同时,采用陀螺状态和角速度增量作为惯性测量单元计算依据,计算出航向角的预测值.随着航向角和环境干扰的变化,使用随机森林算法持续迭代计算权重,将基于磁力计的航向角观测值和基于惯性测量单元的航向角预测值进行融合计算.结果表明,在磁干扰环境下,相比于普通的传感器融合方法,基于随机森林的传感器融合方法的航向角精度可提高约60%.通过随机森林算法计算合适的磁力计和惯性测量单元的输出权重,可有效提高磁干扰环境下的航向角计算精度.     

自然通风防辐射罩辐射误差算法

为提高自动气象站温度传感器观测数据精度,对不同型号的自然通风防辐射罩所产生的辐射误差进行分析,提出一种基于BP神经网络算法对不同表面反射率的防辐射罩进行误差修正。将BP神经网络应用于温度传感器防辐射罩辐射误差的预测:将太阳辐射强度、风速、表面反射率作为BP神经网络的输入,利用计算流体动力学分析防辐射罩在不同大气环境下的辐射误差作为BP神经网络的训练输出。分析训练输出与样本输出,两者的绝对误差仅在[-0. 001,0. 002],可见BP神经网络的预测精度在理想值内。最后将BP神经网络得到的辐射误差修正方程用Java进行封装,并开发Web平台实现算法应用。     

基于重力和磁场双重互补滤波的无人机姿态解算算法

针对无人机(unmanned aerial vehicle,UAV)单纯依靠微机电系统(micro electro mechanical system,MEMS)陀螺仪进行姿态解算,不可避免地存在因长时间工作出现累积误差而引起漂移的问题,提出了一种基于重力和磁场互补滤波的姿态解算算法,并使用微型四旋翼UAV搭载九轴传感...     

融合视觉里程计和BP神经网络的自适应行人航迹推算方法

当前行人导航定位技术被越来越广泛应用于民用XR领域和军用单兵作战系统,其对定位追踪精度和复杂环境下系统的鲁棒性提出了更高要求。提出了一种融合视觉里程计(Visual Odometry,VO)、反向传播神经网络(Back Propagation NeuralNetwork,BP)和行人航迹推算(PedestrianDeadReckoning,PDR)即联合视觉的行人航迹推算里程计(VisualPDR Odometry,VPO),并基于此进行扩展卡尔曼滤波。利用胸口装备惯性传感器和RGB-D深度相机采集行进数据,输入VO和PDR模块得出各自的运动位姿。将有效的步长、航向角、加速度幅值、角速度平均值及步频作为BP神经网络的训练数据集进行网络训练。当VO失效时,BP计算数据可作为备选观测值,将其与PDR数据一起导入扩展卡尔曼滤波器中进行数据融合。实验结果表明,行人航迹误差为1.026‰,优于经典VO和PDR推算方法,能在复杂环境下提高系统的鲁棒性。