《附加运动约束的MEMS惯性传感器融合定姿算法》PDF+DOC
作者:陆欣,刘忠,谢宇,何爱林
单位:海军工程大学
出版:《海军工程大学学报》2019年第01期
页数:7页 (PDF与DOC格式可能不同)
PDF编号:PDFHJGX2019010200
DOC编号:DOCHJGX2019010209
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于MEMS惯性传感器的两轮自平衡小车设计》PDF+DOC2016年第Z1期 闫俊岭,张郭
《MEMS惯性传感器融合的水平姿态解算方法》PDF+DOC2015年第02期 黎永键,赵祚喜,高俊文
《基于间接EKF的MEMS惯性系统最优姿态估计》PDF+DOC2019年第01期 孙伟,吴家骥
《MEMS惯性传感器误差简易标定方法》PDF+DOC2018年第04期 孙伟,丁伟,闫慧芳
《MEMS惯性传感器ADIS16355在姿态测量中的应用》PDF+DOC2012年第04期 黎永键,赵祚喜,高俊文
《基于低成本磁场和MEMS惯性传感器的姿态测定系统(英文)》PDF+DOC2008年第05期 杨克虎,史英桂,姬靖,郭建军,郁文生
《基于MEMS惯性传感器的机器人姿态检测系统的研究》PDF+DOC2007年第02期 秦勇,臧希喆,王晓宇,赵杰,蔡鹤皋
《基于扩展卡尔曼滤波的两轮机器人姿态估计》PDF+DOC2007年第12期 王晓宇,闫继宏,秦勇,赵杰
《卡尔曼滤波在MEMS惯性姿态测量中的应用》PDF+DOC2015年第01期 张彤,孙玉国
《多MEMS传感器姿态测量系统的研究》PDF+DOC2010年第03期 高宗余,李德胜
针对MEMS惯性传感器因精度低、误差随时间累积导致无法满足长时间姿态测量要求的问题,提出了一种附加运动约束的姿态估计方法,即在以陀螺仪解算的姿态信息作为系统预测、以加速度计与磁强计解算的姿态信息作为系统量测的基础上,将载体运动约束作为虚拟观测量输入滤波器。同时,针对传统EKF算法精度不高的问题,提出了一种新的滤波融合算法,即迭代更新扩展卡尔曼滤波(iterated update extended Kalman filter,IU-EKF)。新算法通过将当前量测信息逐步引入量测更新过程实现后验状态估计,从而达到减弱观测模型非线性、提高滤波估计精度的目的。数值仿真结果表明:本文算法的姿态估计精度较传统的“双矢量法+EKF”模式有大幅提升。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。