四旋翼飛行器姿態(tài)穩(wěn)定性優(yōu)化探討范文

本站小編為你精心準(zhǔn)備了四旋翼飛行器姿態(tài)穩(wěn)定性優(yōu)化探討參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

摘要:姿態(tài)穩(wěn)定在整個(gè)四旋翼飛行器系統(tǒng)中起到了關(guān)鍵的作用，但由于模型具有高度非線性，捷聯(lián)慣導(dǎo)測(cè)量單元中陀螺儀積分誤差大，加速度在時(shí)變環(huán)境誤差大等問題。為了得到更加精準(zhǔn)的姿態(tài)角，在擴(kuò)展卡爾曼濾波(EKF)的基礎(chǔ)上研究姿態(tài)性能，要解決擴(kuò)展卡爾曼濾波算法中的預(yù)測(cè)誤差P的發(fā)散和過程噪聲矩陣Q和測(cè)量噪聲矩陣R的設(shè)置的問題，提出了UD分解濾波結(jié)合自適應(yīng)過程噪聲矩陣Q和測(cè)量噪聲矩陣R調(diào)整。經(jīng)過仿真和實(shí)際測(cè)試與互補(bǔ)濾波和常規(guī)EKF算法對(duì)比，提出的方法在估計(jì)精度和收斂速度都明顯好于互補(bǔ)濾波算法和卡爾曼濾波算法，能夠在時(shí)變的環(huán)境下得到更加精準(zhǔn)穩(wěn)定的姿態(tài)角。

關(guān)鍵詞:姿態(tài)解算;四旋翼飛行器;擴(kuò)展卡爾曼;分解濾波;自適應(yīng)噪聲

1引言

四旋翼飛行器具有廣闊的商用價(jià)值和軍用前景，近年來其已經(jīng)成為一個(gè)研究熱點(diǎn)，相關(guān)成果被廣泛應(yīng)用于氣象監(jiān)測(cè)、森林防火、快遞投送等領(lǐng)域。姿態(tài)解算是整個(gè)四旋翼飛控系統(tǒng)的的核心。但在結(jié)算過程中，如何解算出精度高、穩(wěn)定性強(qiáng)的姿態(tài)角，一直以來是人們研究的熱點(diǎn)。由于其模型具有高度非線性，捷聯(lián)慣導(dǎo)測(cè)量單元中陀螺儀積分誤差大，加速度在時(shí)變環(huán)境誤差大等問題，解算出來的姿態(tài)角存在誤差。而要實(shí)時(shí)獲取四旋翼飛行器精準(zhǔn)的姿態(tài)角來進(jìn)行動(dòng)態(tài)調(diào)整則顯得尤為重要［1］。為了得到更加精準(zhǔn)的姿態(tài)角，現(xiàn)階段采用互補(bǔ)濾波算法和擴(kuò)展卡爾曼濾波算法。互補(bǔ)濾波解算精度較低，穩(wěn)定性較差，不適合四旋翼飛行器對(duì)姿態(tài)數(shù)據(jù)穩(wěn)定與高精度的要求［2］。擴(kuò)展卡爾曼解算的角度比較理想，但在估計(jì)過程中仍然有一些缺陷，如需要進(jìn)行大量的矩陣運(yùn)算，如果不加濾波處理就有可能使濾波器發(fā)散。通過調(diào)查，采用UD分解的濾波算法，能夠有效地抑制了由于計(jì)算舍入誤差而造成的濾波器不穩(wěn)定的問題，并在一定程序上提高了濾波器的濾波精度［3］。另一個(gè)問題是過程噪聲矩陣Q和測(cè)量噪聲矩陣R是常值，在時(shí)變的環(huán)境中，解算出來的姿態(tài)角誤差將會(huì)增大，不能智能適用于實(shí)時(shí)應(yīng)用的場(chǎng)合。傳統(tǒng)的噪聲估計(jì)方法有諸如僅適應(yīng)線性系統(tǒng)，跟蹤突變的延時(shí)性等缺陷，無法滿足當(dāng)今的工程應(yīng)用［4］。克服上述缺陷的方法是使用自適應(yīng)濾波算法。2016年劉宇、劉瓊等［5］設(shè)計(jì)了一種自適應(yīng)UKF微型航姿系統(tǒng)噪聲在線估計(jì)，對(duì)噪聲的協(xié)方差進(jìn)行在線更新，動(dòng)靜態(tài)精度都有較大的提高，但是收斂速度比較慢。2015年蘇義鑫、朱敏達(dá)等［6］提出了一種自適應(yīng)卡爾曼濾波的姿態(tài)估計(jì)方法，自適應(yīng)濾波算法對(duì)加速度噪聲變化更加靈敏，收斂速度快，但是估計(jì)精度不是很高，容易發(fā)散。通過與前人的比較分析，本文提出采用基于EKF的姿態(tài)解算，同時(shí)加入誤差預(yù)測(cè)P的UD分解濾波和Q、R的自適應(yīng)調(diào)整。通過實(shí)驗(yàn)驗(yàn)證，預(yù)測(cè)誤差P的發(fā)散明顯降低、精度提高。在時(shí)變的環(huán)境下，Q、R自適應(yīng)調(diào)整后收斂速度明顯提高，得到的姿態(tài)角更加精準(zhǔn)、穩(wěn)定。

2姿態(tài)系統(tǒng)建模原理

解算四旋翼飛行器的姿態(tài)就是計(jì)算導(dǎo)航坐標(biāo)系OXYZ和機(jī)體坐標(biāo)系OXYZ之間的向量關(guān)系。機(jī)體坐標(biāo)系簡記為B坐標(biāo)系，原點(diǎn)位于四旋翼質(zhì)心處，Yb軸沿機(jī)體橫軸向左，Xb軸沿機(jī)體縱軸指向前，Zb軸垂直于XYZ平面沿機(jī)體豎軸向上。導(dǎo)航坐標(biāo)系選用原點(diǎn)與地球質(zhì)心重合的地理坐標(biāo)系，即東北坐標(biāo)系(n系)。機(jī)體坐標(biāo)系與導(dǎo)航坐標(biāo)系轉(zhuǎn)換角如圖1。定義機(jī)體坐標(biāo)系X軸與水平面的夾角為橫滾角φ，機(jī)體坐標(biāo)系Y軸與水平面的夾角為俯仰角θ，機(jī)體坐標(biāo)系相對(duì)于地面坐標(biāo)系沿Z軸變化的角度為偏航角ψ，機(jī)體坐標(biāo)系到導(dǎo)航坐標(biāo)系的旋轉(zhuǎn)矩陣。

3擴(kuò)展卡爾曼算法的原理

四旋翼飛行器姿態(tài)解算系統(tǒng)為非線性系統(tǒng)。

4對(duì)EKF的改進(jìn)的方法

4．1誤差預(yù)測(cè)P的UD分解

UD濾波主要解決在濾波過程中矩陣復(fù)雜而引起濾波發(fā)散的問題，相比固定增益分解濾波、平方根分解濾波的計(jì)算量小一些，更適合實(shí)時(shí)的應(yīng)用場(chǎng)合。在擴(kuò)展卡爾曼濾波器算法中主要解決第六步更新協(xié)方差矩陣P可能出現(xiàn)的非奇異。擴(kuò)展卡爾曼濾波方程中的計(jì)算可能導(dǎo)致P矩陣變成非對(duì)稱或不定的，UD分解的擴(kuò)展卡爾曼濾波能夠很好地解決。具體的方法是將預(yù)測(cè)估計(jì)P矩陣進(jìn)行UD分解，即P=UDUT，其中D是一個(gè)對(duì)角矩陣，U是一個(gè)上三角矩陣且對(duì)角線元素為1。利用U、D更新傳遞來替代P矩陣的傳遞更新，，UDUT不會(huì)變成非對(duì)稱的或不定的，與P矩陣相比，U、D具有更小的條件數(shù)［8］。因此UD濾波能夠有效限制由于計(jì)算誤差而引起濾波發(fā)散的可能性。

4．2自適應(yīng)觀測(cè)噪聲R和過程噪聲Q的研究

四旋翼飛行器不可以一直保持勻速飛行，了解到影響姿態(tài)解算的角度誤差跟四旋翼的震動(dòng)和非重力加速度有關(guān)。而陀螺儀的積分誤差，時(shí)變的非重力加速度誤差必將影響姿態(tài)角的計(jì)算，對(duì)后期的姿態(tài)控制產(chǎn)生不利影響。由于非重力加速度引起的噪聲是一種非零均值的隨機(jī)噪聲，在不同的環(huán)境和時(shí)間不停地發(fā)生改變，為了得到更精準(zhǔn)。穩(wěn)定的姿態(tài)角，定常的Q和R肯定是不行的［9］。本文對(duì)Q、R作自適應(yīng)調(diào)整處理，對(duì)應(yīng)于加速度分量的觀測(cè)噪聲R和過程噪聲Q分別視為觀測(cè)值和預(yù)測(cè)值的可信度因子，其大小隨著非重力加速度的變化而實(shí)時(shí)改變［10］。

5仿真驗(yàn)證及結(jié)果

為了驗(yàn)證算法的有效性和實(shí)用性。采用相同三軸加速度計(jì)，三軸陀螺儀，三軸磁強(qiáng)計(jì)，更新周期為0．02s。由于橫滾角Roll、俯仰角Pitch與偏航角Yaw測(cè)試結(jié)果是相同的，下面只展示橫滾角Roll的測(cè)量值與真實(shí)值之差的分析結(jié)果。

6結(jié)論

研究了基于EKF四旋翼飛行器姿態(tài)解算模型的方法，建立了非線性姿態(tài)解算系統(tǒng)建模。針對(duì)傳統(tǒng)擴(kuò)展卡爾曼濾波器無法處理時(shí)變參數(shù)的缺陷和解決預(yù)測(cè)誤差P的發(fā)散，提出了一種基于EKF和UD分解濾波，同時(shí)加入了根據(jù)環(huán)境的變化對(duì)Q和R進(jìn)行了自適應(yīng)處理的算法。得到的姿態(tài)信息實(shí)時(shí)性好、輸出平滑、動(dòng)態(tài)誤差小。證明此算法的估計(jì)精度和收斂速度都明顯好于互補(bǔ)濾波算法和卡爾曼濾波算法。該算法也可應(yīng)用于其它動(dòng)態(tài)性能要求較高的導(dǎo)航信息測(cè)量系統(tǒng)中。

參考文獻(xiàn):

［1］賀海鵬，等．基于IEKF的四旋翼無人機(jī)姿態(tài)測(cè)量方法研究［J］．計(jì)算機(jī)仿真，2015，(4):56－60．

［2］曾鈺，林都．基于偽線性KF和EKF的無源定位算法研究［J］．中北大學(xué)學(xué)報(bào)(自然科學(xué)版)，2011，(2):174－178.

作者：杜永興；鄧峰峰；李寶山；秦嶺 單位：內(nèi)蒙古科技大學(xué)信息工程學(xué)院