基于四元数平方根容积卡尔曼滤波的姿态估计

针对飞行器姿态确定中乘性扩展卡尔曼滤波(MEKF,Multiplicative Extended Kalman Filter)在较大初始姿态误差角情况下存在估计精度低及收敛速度慢的问题,提出了一种四元数平方根容积卡尔曼滤波(QSCKF,Quaternion Square-root Cubature Kalman Filter)算法.在推导姿态确定系统四元数非线性误差模型的基础上,采用容积数值积分理论来计算非线性函数的均值与方差,同时使用平方根的形式来提高数值稳定性;针对四元数规范化问题,采用拉格朗日代价函数法求解四元数加权均值.仿真结果表明:在初始姿态误差较大的情况下,该算法相比较于MEKF以及无迹四元数估计法(USQUE,Unscented Quaternion Estimator),估计精度高且收敛速度快,滤波稳定性好,同时估计时间比USQUE缩短了1/3.     

姿态四元数相关问题

介绍了四元数计算中的相关问题,包括四元数与方向余弦阵之间的转换、四元数运动方程、求解四元数运动方程时积分步长的选取和高动态应用中非互易误差的补偿,此外还介绍了对偶四元数的发展。     

基于误差四元数分解的刚体姿态跟踪滑模控制

对于转动惯量参数时变和参数不确定以及外部扰动和作用力矩方向偏差的刚体姿态跟踪系统,文章提出了采用滑模控制的方法。利用误差四元数建立数学模型,通过误差四元数分解进行反馈线性化得到指令角加速度;设计滑模控制律,实现指令角加速度跟踪。仿真结果表明,文章所求控制律对刚体姿态跟踪系统具有稳定性和鲁棒性。     

混合式惯导系统姿态四元数连续自标定模型

混合式惯导系统作为一种新型惯导系统,具有三轴全姿态物理平台、捷联姿态算法和系统装机自标定等特点。针对以上特点,为提高其导航定位精度,在混合式惯导系统框架角约束方程的基础上,利用姿态四元数代替欧拉角描述混合式惯导系统中三轴物理平台的转动,建立了一种混合式惯导系统姿态四元数连续自标定模型对其进行误差系数标定。针对该模型的特点,对传统的无迹卡尔曼滤波（UKF）算法进行改进,提出了一种基于奇异值分解的四元数无迹卡尔曼滤波（SVD-QUKF）算法进行模型误差系数辨识。仿真和试验结果表明,基于SVD-QUKF算法,四元数连续自标定模型能够以低于1%的相对误差标定出混合式惯导系统所有的误差系数,在标定精度和计算速度上相比基于传统UKF算法的框架角自标定模型都具有一定优势。      

四元数、Rodrigues参数在卫星姿态解算上的对比研究

详细阐述了罗德里格(Rodrigues)参数及改进型罗德里格(Modified Rodrigues)参数与四元数间的关系;推导了Rodrigues参数及改进型罗德里格参数微分方程和姿态阵,提出了后者避免奇异性的方法。通过仿真对以Rodrigues参数及改进型罗德里格参数描述的卫星姿态算法和以四元数描述的姿态算法在计算量和计算精度上进行了详细比较。仿真结果表明,Rodrigues参数和改进型罗德里格参数计算精度相当且计算量上优于四元数。     

四元数微分方程最小参数解法研究

对一种求解正交矩阵微分方程的三阶最小参数方法进行改造 ,将其用于四元数微分方程求解 ,并对其在捷联惯性导航系统姿态矩阵实时求解中的应用进行了仿真。结果表明 ,其计算精度比经典的三阶Peano Baker数值解法提高 35倍 ,而浮点运算次数则仅为后者的一半 ,对于提高捷联惯性导航系统姿态计算的精度具有重要意义。     

基于FD的微小型姿态系统的姿态估计算法

分别利用微惯性测量单元(MIMU,Micro Inertial Measurement Unit)中的3个加速度计与3个陀螺仪对载体的姿态角进行估计,同时,搭建捷联惯性导航系统,建立姿态误差方程,使用卡尔曼滤波估计载体姿态误差角.构造残差及统计量,利用状态残差检验的故障检测方法,对载体的运动状态进行分离,判断加速度计估计出的姿态角的可用性,对姿态角进行融合.既保证了姿态估计系统的动态性能,又提高了估计精度.由于使用微电子机械系统(MEMS,Micro Electro Mechanical System)惯性器件,使得姿态估计系统的体积小、重量轻、造价低,特别适于微小型载体使用.      

基于事件驱动的容积卡尔曼滤波定位算法

以网络化非线性滤波系统为研究对象,为了平衡系统的通信率和滤波精度之间的矛盾,引入随机事件驱动（stochastic event-triggered）的思想,并在此基础上建立了基于残差检测的事件驱动（detected event-triggered）模型。针对系统的强非线性,将线性随机事件驱动滤波系统中的更新结论推广至非线性系统,推导了两种事件驱动机制在容积卡尔曼滤波（CKF）算法框架中的滤波更新过程,得到了检测事件驱动CKF（DECKF）和随机事件驱动CKF（SECKF）两种算法。最后,通过天基平台空间目标跟踪问题对算法性能进行检验。仿真结果表明,当通信率下降20.64%时,DECKF算法的位置跟踪精度和速度跟踪精度相比标准CKF仅下降了5.50%和7.74%。此外,在通信率相同的情形下,DECKF比SECKF的精度高40%以上,证明检测事件驱动模式优于随机事件驱动模式。     

基于Unscented四元数粒子滤波的 微小卫星姿态估计

针对基于微小卫星姿态确定系统精度低和噪声存在非高斯分布的情况,研究了适用于该定姿系统的Unscented粒子滤波(UPF,Unscented Particle Filter)算法.UPF方法结合了Unscented卡尔曼滤波(UKF,Unscented Kalman Filter) 与粒子滤波(PF,Particle Filter)的特点,用UKF得到PF的重要采样函数,从而克服了PF没有考虑最新量测信息、 扩展卡尔曼滤波(EKF,Extended Kalman Filter)和UKF只能应用到噪声为高斯分布的不足.以MEMS(Micro Electronic Mechanical System)陀螺和CMOS APS(Complementary Metal Oxide Semiconductor Active Pixel Sensors)星敏感器为姿态敏感器件,将UPF与基于误差四元数的卫星姿态运动学方程结合,构建了UPF定姿滤波器,并用MEMS陀螺采集的随机噪声数据进行了半物理仿真,对其特性进行了分析与比较.仿真比较结果表明:在敏感器精度较差并且系统噪声非高斯分布的情况下,这种基于UPF的姿态估计方法在计算粒子数目相对于PF较少的情况下,可以取得比UKF更好的滤波精度,从而有效地提高了定姿性能.      

四元数在弹射座椅性能仿真中的应用

针对弹射座椅性能仿真中欧拉角速率方程在大幅度姿态运动时存在奇异性,以及四元数法由于姿态角的有界性而出现跳跃、难以实现全姿态角的问题,提出了四元数与欧拉角相结合的方法.阐述了四元数的定义、几何意义及四元数表示的运动学方程.通过四元数到欧拉角的转换,给出了仿真中四元数的积分初值计算公式;分析了弹射仿真中姿态角的跳跃和间断问题.以某型号座椅为例进行了仿真计算,通过对比仿真结果和试验数据,确认了仿真的有效性;与采用单一四元数法的仿真结果进行对比表明,该方法充分结合了四元数与欧拉角速率方程的优点,有效解决了欧拉角速率方程的奇异性和弹射仿真中全姿态角的实现.      

基于SRCKF的多传感器融合自适应鲁棒算法

为解决模型误差和异常量测值发生时平方根容积卡尔曼滤波（SRCKF）算法滤波性能下降甚至滤波发散的问题,提出了一种多传感器融合自适应鲁棒算法。基于新息协方差匹配原则设计了鲁棒子系统以抑制量测异常值,同时为克服模型误差使用基于新息修正的低复杂度自适应SRCKF(LCASRCKF)算法设计了自适应子系统,根据2种子系统的特点和局限提出全局融合架构,使系统可以充分平衡并利用滤波过程中先验的模型预测值信息和后验的量测值信息,最终降低估计误差。仿真结果表明：相比鲁棒多渐消因子容积卡尔曼滤波（RMCKF）等算法,所提融合算法在滤波精度、稳定性和收敛速度等方面有明显优势。     

低复杂度自适应容积卡尔曼滤波算法

确定采样型滤波算法中的容积卡尔曼滤波（CKF）算法滤波性能优良,但是却难以克服目标模型不确定性或者目标状态突变带来的影响。构造强跟踪CKF能有效改善算法的自适应性,但是在求解渐消因子时大大增加了计算量。为此,提出一种低复杂度自适应CKF算法,通过设立基于新息的自适应修正判决准则和修正方式,直接对状态预测值进行修正,使滤波算法能及时跟上目标真实状态,以提高滤波精度。使用浮点操作数计算并分析了CKF算法、强跟踪CKF算法及所提算法的复杂度,同时将3种算法应用在建模不准确的目标跟踪中,并进行仿真验证。仿真结果表明:在目标建模不匹配的情况下,低复杂度自适应CKF算法和强跟踪CKF算法都能保持较好的滤波精度和数值稳定性,同时所提算法在算法复杂度上有明显改善。      

基于日地月信息的航天器全弧段自主容积卡尔曼滤波导航

高精度全弧段航天器自主导航是航天应用技术的发展方向,是实现航天器在轨任务执行的前提和基础。文章对仅利用日、地、月等天文信息进行航天器全弧段自主导航方法进行了研究。首先,以航天器轨道动力学方程和航天器与日地月之间的夹角信息及地心距作为自主导航系统的状态模型和观测模型,构建了非线性导航系统模型。其次,给出了全弧段自主导航算法,在日月可见弧段采用非线性容积卡尔曼滤波实现航天器自主导航,在星蚀时段利用航天器轨道动力学模型进行高精度轨道预报。最后,给出了数值仿真算例。结果表明,基于日地月天文信息的航天器全弧段自主导航精度保持在2km以内,能够满足其自主导航的要求。     

基于改进卡尔曼滤波的电池SOC估算

以研究电动汽车动力电池管理系统为背景,以电池荷电状态估算为关键技术,介绍了荷电状态与其主要影响因素的非线性动态关系,建立了二阶RC等效电池模型.在此基础上,考虑了温度对电池内阻的影响,采用卡尔曼滤波算法、改进的安时计量法和开路电压法,结合基于温度的电池模型参数在线辨识,对电池荷电状态进行估算,通过MATLAB仿真,并与基于经验公式的卡尔曼滤波算法进行了对比,平均误差为2.46%,提高了估算精度,验证了算法的可行性和可靠性.      

基于Kalman滤波的镍氢动力电池SOC估算方法

动力电池的荷电状态(SOC,State-of-Charge)是电动车能量控制的重要参数,针对镍氢动力电池,建立了一种新的状态空间模型.电池模型采用荷电状态和极化状态作为状态向量,考虑持续充放电时电荷累积效应对电池电压的影响,对模型的状态方程进行了优化,增加了电荷累积项,以提高模型在变电流充放电过程中的精度.根据Kalman最优滤波理论,设计了电池荷电状态Kalman滤波递推算法,估算方法考虑了电池电压、电流和电池温度,给出了递推计算公式.根据恒流充电、恒流放电、脉冲充/放电、变电流充/放电实验的实验数据,对模型进行了仿真分析.结果表明,采用Kalman滤波估算方法有利于提高动力电池的荷电状态估算精度,适合应用在混合动力电动车中.      

基于双滤波器的高精度目标跟踪估计方法

针对连续推力的合作航天器,采用双重无迹卡尔曼滤波(DUKF)算法估计其状态和加速度.通过状态滤波器和参数滤波器的配合,提升滤波精度,完成运动状态和参数的估计,从而实现合作目标的运动轨迹跟踪.与合作航天器相比,非合作航天器存在大小未知、发生时刻未知的机动,无法获得加速度,且信息获取和运动状态的估计难度大.针对非合作航天器...     

基于遗传算法的多模型Kalman滤波算法 及应用研究

基于长航时无人机惯性/天文/卫星(INS/CNS/GPS)组合导航系统模型,针对复杂环境所引起的系统模型参数变化导致单一固定参数滤波器精度降低问题,提出了一种基于遗传算法的多模型自适应Kalman滤波算法,并与单一模型下的Kalman滤波器方法进行了比较.仿真结果表明,与采用单一模型的Kalman滤波算法相比,该方法不仅能大大提高导航系统的精度和可靠性,而且还可以较好地辨识出组合导航系统惯性器件噪声统计模型参数.      

基于扩展卡尔曼滤波的舰机相对位姿估测

通过将基于扩展卡尔曼滤波的长序列图像分析方法与单目视觉技术相结合,把无人机自主着舰视觉导引中舰机间相对位姿的估测,转化为机载摄像机对着舰靶标平面3D位姿的实时估测问题.首先根据透视投影理论,建立了以摄像机的透镜中心为原点且Z轴与光轴重合的摄像机坐标系和世界坐标系,然后利用机载摄像机连续拍摄的靶标图像序列,选择描述相对运动的3个欧拉角、平移向量及它们的速度作为状态变量;由靶标角点的提取和帧间匹配,建立了反映着舰靶标上特征点的图像坐标和状态变量之间关系的观测方程,带入扩展卡尔曼滤波器,估测出舰机的相对运动参数.计算机数据仿真和基于DSP平台的半实物仿真试验验证了算法的有效性和鲁棒性.