基于MEMS技術(shù)的四旋翼無人機(jī)姿態(tài)解算.pdf

1、近年來，隨著計算機(jī)和電子技術(shù)的進(jìn)步，四旋翼無人機(jī)迅速的發(fā)展起來。由于其體積小、結(jié)構(gòu)簡單、成本低、能夠在惡劣的環(huán)境中完成任務(wù)，因此，被廣泛的應(yīng)用在軍事、民事領(lǐng)域，逐漸成為人們的研究熱點(diǎn)。
　　四旋翼無人機(jī)工作的過程中，我們需要時刻知道無人機(jī)的準(zhǔn)確姿態(tài)，因此，需要使用傳感器來測量四旋翼無人機(jī)的姿態(tài)信息，傳統(tǒng)的傳感器成本高、體積大，不符合微型化的市場需求，而 MEMS傳感器由于其體積小、成本低、功耗小的優(yōu)點(diǎn)，被廣泛的應(yīng)用在四旋翼無人機(jī)上

2、。但是，在實(shí)際的工程應(yīng)用中，MEMS陀螺儀傳感器存在漂移，經(jīng)過積分會造成累積誤差越來越大，最終甚至?xí)?dǎo)致姿態(tài)發(fā)散；MEMS加速度計動態(tài)性能不好，四旋翼在飛行過程中特別是加速的時候，機(jī)體會劇烈的振動，劇烈的振動會以白噪聲的形式對加速度計的測量值造成影響；磁強(qiáng)計在工作過程中容易受到外界磁場的影響。MEMS傳感器的這些缺點(diǎn)都會導(dǎo)致四旋翼無人機(jī)姿態(tài)信息獲取不準(zhǔn)確。為了解決上面的問題，需要設(shè)計合適的姿態(tài)解算算法對 MEMS傳感器測得的數(shù)據(jù)進(jìn)行融合

3、，本文提出了兩種姿態(tài)解算算法，第一種是擴(kuò)展卡爾曼濾波(Extended Kalman Filter, EKF)算法，該算法以四元數(shù)和陀螺儀漂移為狀態(tài)向量建立狀態(tài)方程，以加速度和磁場強(qiáng)度在機(jī)體坐標(biāo)系中的分量為觀測向量建立觀測方程，然后通過擴(kuò)展卡爾曼濾波算法對其進(jìn)行融合。但是擴(kuò)展卡爾曼濾波算法的計算量比較大，對處理器的要求比較高，并且只是針對白噪聲，因此在實(shí)際中應(yīng)用比較少。針對擴(kuò)展卡爾曼濾波算法的缺點(diǎn)，我們提出了第二種姿態(tài)解算算法：梯度下降

4、法。該算法首先建立四元數(shù)微分方程，使用陀螺儀的測量數(shù)據(jù)通過一階畢卡對微分方程求解，可得到一組四元數(shù)數(shù)據(jù)，然后使用梯度下降法對加速度數(shù)據(jù)和磁力計數(shù)據(jù)進(jìn)行處理得到最優(yōu)四元數(shù)，再將得到的兩組四元數(shù)根據(jù)權(quán)重值(線性)把兩者融合到一起得到最終的姿態(tài)四元數(shù)，再根據(jù)四元數(shù)得到四旋翼的姿態(tài)信息。該算法處理器的要求不高，而且計算量比較小，但是在接近最優(yōu)值時收斂速度比較慢。
　　以下是本文的主要研究內(nèi)容：
　　首先，對四旋翼無人機(jī)的研究背景和意

5、義進(jìn)行闡述；介紹了目前四旋翼無人機(jī)的國內(nèi)外研究現(xiàn)狀；介紹了 MEMS傳感器的國內(nèi)外研究現(xiàn)狀；介紹了航姿參考系統(tǒng)的研究現(xiàn)狀。
　　其次，介紹了四旋翼無人機(jī)的基本知識。介紹了四旋翼無人機(jī)的基本結(jié)構(gòu)，并對其飛行原理進(jìn)行簡單介紹；介紹了四旋翼無人機(jī)常用的坐標(biāo)系并且對其建立坐標(biāo)系；介紹了四旋翼無人機(jī)常用的兩種姿態(tài)表示方法：歐拉角法和四元數(shù)法。
　　然后，提出了一種擴(kuò)展卡爾曼濾波的姿態(tài)解算算法，對四旋翼無人機(jī)的姿態(tài)進(jìn)行解算。該算法以四元

6、數(shù)和陀螺儀漂移為狀態(tài)向量建立狀態(tài)方程，以加速度和磁場強(qiáng)度在機(jī)體坐標(biāo)系中的分量為觀測向量建立觀測方程，然后通過擴(kuò)展卡爾曼濾波算法對其進(jìn)行融合。并對該算法進(jìn)行仿真驗(yàn)證，表明該算法能夠?qū)崿F(xiàn)姿態(tài)的解算，并且可以抑制白噪聲。
　　最后，針對擴(kuò)展卡爾曼濾波算法的缺點(diǎn)，提出了梯度下降法的姿態(tài)解算算法，對四旋翼無人機(jī)的姿態(tài)進(jìn)行解算。該算法首先建立四元數(shù)微分方程，使用陀螺儀的測量數(shù)據(jù)通過一階畢卡對微分方程求解，可得到一組四元數(shù)數(shù)據(jù)，然后使用梯度下降