《一种无人飞艇高度传感器信息融合方法》由会员分享,可在线阅读,更多相关《一种无人飞艇高度传感器信息融合方法(4页珍藏版)》请在金锄头文库上搜索。
1、 一种无人飞艇高度传感器信息融合方法 左颖辉+王月海摘 要 为了提高无人飞艇自主垂直起飞和降落过程的高精度高度定位,本文提出了一种信息融合方法,即在机上安装多个传感器测量高度,根据飞行控制系统高度状态方程,充分利用各传感器的测量信息进行递推平均滤波和Kalman滤波,最后提出了一种基于GNSS高度、气压高度和对地高度的信息融合方案,设计了相应的融合算法,从而进行修正。【关键词】无人飞艇 信息融合 测量高度 平均滤波1 前言无人飞艇是利用轻于空气的气体(如氦气等)作为升力的飞行器,其基本原理是在软式囊体内冲入氦气,产生浮力以克服重力,同时通过控制飞艇的舵面和动力装置实现飞艇控制飞行。无人飞艇在飞
2、行动态情况下,GNSS/INS组合导航系统的高度估计值有较大误差,不能直接使用,因此本文考虑使用多个传感器测量无人飞艇高度,并进行数据融合,以降低高度测量误差,提高无人飞艇的飞行安全性。2 多传感器气压高度采集模块高度信息可以由多种传感器进行测量,各种传感器的特点和适用场合不同。首先总结了GNSS接收机、气压高度计和超声测距仪等常用高度传感器的特点;然后针对气压高度计抗干扰能力弱的不足,对气压高度分别进行递推平均滤波和卡尔曼滤波,并讨论两种滤波算法的特点;最后提出了一种基于GNSS高度、气压高度和对地高度的信息融合方案,设计了相应的融合本文来自于wwW.zz-news.CoM算法。本文设计的无
3、人飞艇系统携带多种高度测量传感器,包括GNSS接收机、气压高度计和超声测距仪等。3 气压高度的滤波算法对气压高度来说,大气压力随时间、地理位置、天气和气温等因素本文来自于wwW.Zz-news.Com变化,为了提高抗干扰能力,保证气压高度稳定性,需要对气压高度进行滤波。本文使用Matlab对气压高度进行递推平均滤波,取队列长度n为10得到滤波前后的高度曲线如图1所示。Kalman滤波方法由匈牙利裔美国数学家R. E. Kalman在1960年提出,已经在控制等领域获得了广泛的应用。本文使用Matlab对气压高度进行卡尔曼滤波,取过程噪声的协方差Q值恒为0.01,测量噪声的协方差R值恒为0.05
4、,得到滤波前后的高度曲线如图2所示。为了减小滞后,提高灵敏度,在应用卡尔曼滤波算法时,对传感器精度有较高要求。本文采用的气压高度计MS5611分辨率可达0.1m,精度较高,可以使用卡尔曼滤波算法进行滤波。卡尔曼滤波是目前应用最为广泛的滤波方法,对于大部分的问题,它是最优、效率最高甚至是最有用的,因此本文选择卡尔曼滤波算法对气压高度进行滤波。4 高度信息融合方法本文选择卡尔曼滤波算法对气压高度进行滤波,并对GNSS高度、气压高度和对地高度进行信息融合,融合方案如图3所示。5 结论(1)首先对抗干扰能力差的气压高度进行卡尔曼滤波,然后对GNSS高度、气压高度和对地高度进行信息融合;该方案利用软件算
5、法提高了高度信息的测量精度,可以编写代码实现后直接集成原有的代码用于飞行控制系统,实现了不增加硬件成本,保证了系统的完整性。(2)已利用实际试飞实验数据验证本文方法,结果表明该方法提高了系统高度信息获取的准确度。参考文献1王日俊,白越,续志军,赵常均,张欣,田彦涛.基于扰动观测器的机载云台扰动复合补偿方法J.光电子激光,2015(01).2张欣,白越,赵常均,王日俊,宫勋,续志军.多旋翼姿态解算中的改进自适应扩展Kalman算法J.光学精密工程,2014(12).3牟宏伟.水下航行器组合导航系统与信息融合技术研究D.哈尔滨:哈尔滨工程大学,2013.4袁克非.组合导航系统多源信息融合关键技术研究D.哈尔滨:哈尔滨工程大学,2012.作者单位北方工业大学 北京市 100041-全文完-