基于梯度下降算法的飞行器姿态解算
2021-12-07李东航
电子设计工程 2021年23期
关键词:融合
高 怡,李东航,郭 飘
(西安石油大学电子工程学院,陕西西安 710065)
获得精确的实时飞行姿态是实现飞行器控制的前提条件。对于传统的惯性测量单元(Inertial Measurement Unit,IMU),陀螺仪与加速度计的测量性能各有利弊:加速度计在实际使用中的动态性能很差,物体高速运动下所测的数据有很大的延迟;陀螺仪可以有效处理高速运动下的动态数据,可对加速度计的数据进行补偿。但仅凭加速度计和陀螺仪的数据融合不能很好地求解偏航角的值,还需要引入磁力计来修正。
针对上述问题,国内外学者提出了多种姿态解算方法。常见的方法有互补滤波(Complementary Filtering,CF)[1]法、扩展卡尔曼滤波(Extended Kalman Filter,EKF)法[2-3]、梯度下降(Gradient Descent)法[4-6]等。
文献[1]使用互补滤波算法,针对陀螺仪在低频段的动态响应特性较差,使用高通滤波器抑制噪声;加速度计、磁力计在高频段的动态响应特性较差,使用低通滤波器抑制噪声,从而实现传感器动态响应特性的互补。该方法实用性强,但不适用于高精度要求的导航系统中。文献[2]中基于扩展卡尔曼滤波算法提出了一种改进算法,解算偏航角时加入一个方差矩阵,可以自适应改变卡尔曼增益值,从而减小了磁场对偏航角解算的影响。文献[3]提出了高阶线性互补滤波与扩展卡尔曼滤波相结合的融合算法,明显地去除了噪声并抑制了姿态角的漂移。EKF 算法虽然能求解出高精确度的姿态,但该算法计算量很大,对处理器的运算速度和精度要求很高,不适用于低成本飞行器应用。……
登录APP查看全文
