基于AHRS的改进自适应互补滤波算法研究

作者:张浩磊;朱健;黄镇; 刊名:固体电子学研究与进展 上传者:康俊亮

【摘要】针对基于MEMS传感器的航姿参考系统精度不高、数据易漂移导致测量无人载体航姿数据不准确的问题,设计了基于四元数与自适应互补滤波相结合的改进自适应互补滤波算法。通过对MEMS加速度计与磁强计输出数据、MEMS陀螺仪的积分数据进行补偿、数据融合,减小积分漂移。仿真实验数据表明,该改进互补滤波算法可抑制外部噪声对输出数据准确性的影响,提高了姿态角输出数据准确性。

全文阅读

引言航姿参考系统(Attitude and heading referencesystem,AHRS)是无人载体飞行控制与导航系统中的关键部件,主要由惯性传感器、控制电路和处理器构成。AHRS对多个轴向传感器的输出数据进行数据融合处理,从而为飞行器提供准确实时的航向、横滚和侧翻姿态信息[1]。AHRS已在航空航天[2]、智能机器人[3]等领域中得到了广泛应用。陀螺仪、磁强计以及加速度传感器构成了AHRS数据采集的主要组成部分,由于无人飞行载体受制于重量、体***积、成本等因素的限制,小型、轻量的MEMS传感器成为首选。但是目前MEMS传感器存在运行过程易受到外界干扰的情况:MEMS陀螺仪温漂比较严重,在稳态状态下,随着误差累积,输出姿态角很快偏移实际姿态角,从而导致测量失效;三轴加速度计在对象运动过程中会受到附加加速度干扰;三轴磁强计在检测地磁场的过程中易受到周边环境干扰从而无法输出姿态测量结果[4]。因此,AHRS需要结合MEMS传感器的各自优势,对输出数据进行融合滤波,从而给出较准确的航姿姿态角。与此同时,算法在保证输出精度的条件下,还要符合低功耗微处理器实时计算能力的要求。因此,传感器输出数据的滤波融合算法是航姿参考系统的关键构成环节[5]。针对传感器输出数据的融合算法目前大致有三种主要途径:(1)线性融合;(2)卡尔曼(Kalman);(3)互补滤波[6]。本文以互补滤波为基础,提出一种四元数结合自适应互补滤波的方法进行输出数据融合,避免了常规互补滤波需要对原有数据的重构过程,从而实现载体姿态角数据实时准确输出。1 AHRS互补滤波算法互补滤波算法最早由Wirkler于1951年提出,用于对存在高频与低频噪声的两种传感器数据进行融合,达到消除误差噪声,获得更准确的输出数据估计[7]。此后,Anderson与Fritze运用互补滤波,将含有低频率噪声的航向信号与含有高频率噪声的无线电偏差信号进行融合,从而获得更准确的速率信号估计[8][9]。由于MEMS陀螺仪长期精度较差,但是在很短时间内可以很好保证测量精度;而加速度计与磁强计恰好测量不随着时间漂移,但动态响应较慢。互补滤波算法利用这三者频率方面的互补特性,可以很好地结合陀螺仪的动态性能和加速度计磁强计的静态精度。1.1载体姿态矩阵本文是以东北天地理坐标系作为导航坐标系(n系),如图1所示。将载体坐标系转化到地理坐标系的方向余弦矩阵称为捷联矩阵,又由于根据该矩阵元素的单值可确定该载体的姿态角,所以捷联矩阵又称为姿态矩阵T[7]。图1载体坐标系与地理坐标系Fig.1 Carrier coordinates and geography coordinates载体坐标系为O xbybzb,其中O xb、O yb、O zb表示为载体的三个坐标轴,那么姿态矩阵应该满足如下的转换公式:xnynzn熿燀燄燅=Cnbxbybzb熿燀燄燅=Txbybzb熿燀燄燅(1)T=Cnb=T11 T12 T13T21 T22 T23T31 T32 T33熿燀燄燅(2)即xnynzn绕着zn轴旋转ψ得到x′y′z′,再绕y′旋转θ得到x′′y″z″,再绕x″轴旋转γ即可得xbybzb,由此可以推出转化关系的具体表达公式[8]:xbybzb熿燀燄燅=cosθcosψcosθsinψ-sinθsinθsinγcosψ-cosγsinψsinθsinγsinψ+cosγcosψcosθsinγsinθcosγcosψ+sinγsinψsinθcosγsinψ-sinγcosψcosθcosγ熿燀燄燅xnynzn熿燀燄燅(3)

参考文献

引证文献

问答

我要提问