基于MEMS技術的四旋翼無人機姿態(tài)解算.pdf

1、近年來，隨著計算機和電子技術的進步，四旋翼無人機迅速的發(fā)展起來。由于其體積小、結構簡單、成本低、能夠在惡劣的環(huán)境中完成任務，因此，被廣泛的應用在軍事、民事領域，逐漸成為人們的研究熱點。
　　四旋翼無人機工作的過程中，我們需要時刻知道無人機的準確姿態(tài)，因此，需要使用傳感器來測量四旋翼無人機的姿態(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，被廣泛的應用在四旋翼無人機上

2、。但是，在實際的工程應用中，MEMS陀螺儀傳感器存在漂移，經過積分會造成累積誤差越來越大，最終甚至會導致姿態(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傳感器的這些缺點都會導致四旋翼無人機姿態(tài)信息獲取不準確。為了解決上面的問題，需要設計合適的姿態(tài)解算算法對 MEMS傳感器測得的數據進行融合

3、，本文提出了兩種姿態(tài)解算算法，第一種是擴展卡爾曼濾波(Extended Kalman Filter, EKF)算法，該算法以四元數和陀螺儀漂移為狀態(tài)向量建立狀態(tài)方程，以加速度和磁場強度在機體坐標系中的分量為觀測向量建立觀測方程，然后通過擴展卡爾曼濾波算法對其進行融合。但是擴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，因此在實際中應用比較少。針對擴展卡爾曼濾波算法的缺點，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微分方程，使用陀螺儀的測量數據通過一階畢卡對微分方程求解，可得到一組四元數數據，然后使用梯度下降法對加速度數據和磁力計數據進行處理得到最優(yōu)四元數，再將得到的兩組四元數根據權重值(線性)把兩者融合到一起得到最終的姿態(tài)四元數，再根據四元數得到四旋翼的姿態(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容：
　　首先，對四旋翼無人機的研究背景和意

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

6、數和陀螺儀漂移為狀態(tài)向量建立狀態(tài)方程，以加速度和磁場強度在機體坐標系中的分量為觀測向量建立觀測方程，然后通過擴展卡爾曼濾波算法對其進行融合。并對該算法進行仿真驗證，表明該算法能夠實現姿態(tài)的解算，并且可以抑制白噪聲。
　　最后，針對擴展卡爾曼濾波算法的缺點，提出了梯度下降法的姿態(tài)解算算法，對四旋翼無人機的姿態(tài)進行解算。該算法首先建立四元數微分方程，使用陀螺儀的測量數據通過一階畢卡對微分方程求解，可得到一組四元數數據，然后使用梯度下降