多旋翼无人机的姿态与导航信息融合算法研究.doc

多旋翼无人机的姿态与导航信息融合算法研究多旋翼无人机已被广泛应用于军事与民用领域。导航系统是多旋翼无人机的重要组成部分,是其实现安全与稳定飞行的基础。采用INS/GPS组合导航系统可实现高精度导航,该组合导航系统具有优势互补、导航机构冗余的特点,其实质是一个多传感器导航信息优化处理系统。无人机的主要导航参数就是依靠多传感器信息融合获得的,因此信息融合技术是组合导航系统的关键技术,目前已成为国内外学者研究的热点问题。本文以课题组自行研制的全新结构多旋翼小型无人机为研究平台,展开对机载多传感器组合导航系统信息融合这一关键技术的研究。论文包括以下几个方面:(1)研究了多旋翼无人机各机载传感器的测量应用特性,重点研究了陀螺仪的噪声源种类及误差消除方法。在此基础之上,确定了基于姿态、位置、速度的多级式信息融合结构,它是基于信息融合的层次化结构设计,可明显减少导航系统的计算量,提高系统的机动性能。多级式融合结构的每一级可采用不同的融合算法,本文着重介绍了在多传感器组合导航系统中应用最成功、最广泛的Kalman滤波算法。(2)根据各传感器的测量特性分析,展开基于各传感器的导航信息解算算法研究。采用当地地理导航坐标系进行机械编排,并根据无人机实际飞行特点做出相应简化。在此基础上,研究了陀螺仪的姿态解算、加速度计与磁力计的姿态解算、加速度计的位置与速度解算、GPS的位置与速度解算。为信息融合的模型建立和算法研究奠定基础。(3)采用陀螺仪与加速度计、磁力计进行第一级姿态信息融合,该级融合算法采用Kalman滤波算法。建立姿态融合系统的非线性离散时间状态空间模型,采用扩展Kalman滤波解决了模型线性化问题。提出了一种改进的Sage-Husa自适应扩展Kalman滤波算法,该算法采用陀螺仪动态解算的姿态角方差来估计系统噪声方差,使用自适应滤波算法在线实时估计量测噪声方差,这样可以保证滤波的精度与稳定性,该算法同时引入了滤波器收敛性判据,并结合强跟踪Kalman滤波算法有效的抑制了滤波发散问题。(4)采用加速度计与GPS进行第二级水平方向位置、速度信息融合,采用改进的Kalman滤波算法,建立了线性离散时间状态空间模型,在模型中将加速度信息作为状态方程的输入控制量,从而间接预测位置与速度信息,这有利于提高信息融合的精度。引入气压高度计与加速度计、GPS组合实现第三级垂直方向高度、速度信息融合,根据联邦滤波器设计思路确定了二次融合结构,分别采用了改进的Kalman滤波算法和加权最小二乘估计算法,在第二次融合之前,还增加了GPS故障诊断环节,增强了信息融合系统的容错能力。在论文的最后,总结了全文的工作情况,并对今后的工作进行了展望。