小型旋翼無(wú)人機(jī)姿態(tài)融合及導(dǎo)航方法.pdf

1、姿態(tài)與導(dǎo)航系統(tǒng)是無(wú)人機(jī)系統(tǒng)極為重要的組成部分，對(duì)于小型無(wú)人機(jī)，因其載荷能力及制造成本的約束，姿態(tài)與導(dǎo)航設(shè)備首先需要滿足重量輕、成本低等條件。微機(jī)電(MEMS)技術(shù)的快速發(fā)展，使得低成本的慣性測(cè)量元件(陀螺儀、加速度計(jì))在小型無(wú)人機(jī)的姿態(tài)與導(dǎo)航設(shè)備中廣泛應(yīng)用。通常來(lái)說(shuō)，如果姿態(tài)模塊只包括三軸陀螺儀和三軸加速度計(jì)，將此設(shè)備稱(chēng)為慣性測(cè)量單元(IMU)，也稱(chēng)為六軸姿態(tài)模塊，其只能用于測(cè)量無(wú)人機(jī)傾斜角度，而加入了三軸磁力計(jì)的姿態(tài)測(cè)量模塊稱(chēng)之為姿態(tài)

2、及航向參考系統(tǒng)(AHRS)，又稱(chēng)為九軸姿態(tài)模塊，其可以提供航向角度信息?；谧藨B(tài)模塊提供的信息外加GPS位置和速度信息、高度計(jì)提供的高度信息等就可組成一個(gè)簡(jiǎn)單的導(dǎo)航系統(tǒng)。由于各種傳感器提供的測(cè)量量單位不同，需要一套濾波算法來(lái)對(duì)所有傳感器得到數(shù)據(jù)進(jìn)行融合，本文就是討論姿態(tài)模塊的融合算法和導(dǎo)航系統(tǒng)中獲取位置和速度信息的融合算法。
　　在姿態(tài)模塊中，由傳感器信息獲取姿態(tài)角的過(guò)程稱(chēng)之為姿態(tài)解算，姿態(tài)模塊的性能好壞包括兩個(gè)部分：傳感器芯片的

3、性能和解算算法的性能。目前為止，已經(jīng)提出了多種姿態(tài)解算算法，在小型旋翼無(wú)人機(jī)上應(yīng)用較多的有兩套算法體系：第一套是以卡爾曼濾波算法為基礎(chǔ)并擴(kuò)展的算法，例如應(yīng)用較多的是MEKF、UKF等；第二套是以互補(bǔ)濾波思想為基礎(chǔ)而擴(kuò)展的算法，如非線性互補(bǔ)濾波和梯度下降互補(bǔ)濾波等。它們各有利弊，可根據(jù)所用傳感器芯片、計(jì)算能力大小和應(yīng)用場(chǎng)合來(lái)選擇。通過(guò)大量飛行數(shù)據(jù)證明濾波算法只是影響姿態(tài)模塊性能的一部分，機(jī)械振動(dòng)及飛行過(guò)程中產(chǎn)生的外力加速度對(duì)姿態(tài)解算算法性

4、能影響或許更為明顯。很多算法提出時(shí)只是在理想環(huán)境下做仿真或?qū)嶒?yàn)，并沒(méi)有分析實(shí)際飛行中其性能的優(yōu)劣；針對(duì)無(wú)人機(jī)做機(jī)動(dòng)飛行時(shí)產(chǎn)生的外力加速度情況，有人提出用GPS提供速度信息來(lái)補(bǔ)償，但其更新速率太慢，補(bǔ)償精度太低。故本文在姿態(tài)解算方面將(1)嘗試分析無(wú)人機(jī)的機(jī)動(dòng)狀態(tài)，據(jù)此來(lái)針對(duì)性的減少外力加速度的影響；(2)針對(duì)目前的主流算法，分析其在不同無(wú)人機(jī)狀態(tài)下的性能表現(xiàn)；(3)基于四旋翼，將其動(dòng)力學(xué)模型引入姿態(tài)解算以找到一種估計(jì)外力加速度的方法。<

5、br>　　在導(dǎo)航系統(tǒng)中，獲取坐標(biāo)位置信息是第一宗旨。GPS給出的位置信息和速度信息存在較大的噪聲，通過(guò)融合姿態(tài)模塊提供的加速度在短時(shí)間內(nèi)積分得到的速度和位置信息就可以得到更準(zhǔn)確的估計(jì)值。在某些特殊環(huán)境下，得不到GPS信號(hào)，或從提高導(dǎo)航可靠性和冗余度上考慮，需要其他手段來(lái)得到無(wú)人機(jī)位置。綜合上面兩方面本文將(1)建立一個(gè)算法框架，利用卡爾曼濾波算法融合GPS、高度計(jì)和姿態(tài)信息以得到導(dǎo)航所需的位置和速度信息；(2)建立一個(gè)視覺(jué)導(dǎo)航平臺(tái)，利用