[发明专利]一种基于扩展卡尔曼滤波的无人机角加速度估计方法及装置

说明书

本发明涉及基于扩展卡尔曼滤波的无人机角加速度估计方法及装置，方法包括：S1初始化，S2预测过程，S3校正过程。本发明提供的基于扩展卡尔曼滤波的角加速度估计方法，从含有噪声的低成本传感器中估计出角加速度状态量，并且针对实际工程应用中的传感器不完全测量的问题和如何提取方位角，提供了计算策略。此外，本发明提供的基于扩展卡尔曼滤波的角加速度估计方法不仅可以估计出角加速度，还可以将陀螺仪，磁罗盘和加速度计原始值进行滤波。

技术领域

本发明涉无人机飞行控制技术领域，特别涉及一种基于扩展卡尔曼滤波的无人机角加速度估计方法及装置。

背景技术

无人机是一种由无线电遥控设备或自身程序控制装置操纵的无人驾驶飞行器。目前，随着科技的发展，无人机技术日趋成熟，无人机以其速度快、操作灵活的特点被广泛应用。民用领域中，地图测绘无人机、地质勘测无人机、灾害监测无人机、气象探测无人机、空中交通管制无人机、边境控制无人机、通信中继无人机、农药喷洒无人机、救援无人机的研究和应用在国内外都在不断的发展中。

多旋翼无人机又叫多轴飞行器，由三个或三个以上的独立动力系统来进行各种控制装置，结构简单，协调电机之间的转速即可实现控制，飞行器姿态保持能力较高，具有非常广阔的使用领域和研究价值。

在无人机飞行控制技术中，飞行器稳定姿态是飞行器稳定飞行的前提条件，获取飞行器姿态数据是必要的，飞行器在自主导航中需要用到加速度计、陀螺仪、磁罗盘和GPS等传感器，加速度计用于测量加速度，陀螺仪用于测量机体围绕某个轴向的旋转角速率值，磁罗盘用于确定飞行器的航向角，GPS用于测量飞行器的经纬度、高度、航迹方向、地速等信息。目前多旋翼无人机设计中，没有针对角加速度的测量装置，无法获取可靠的角加速度信息，然而角加速度信息对无人机飞行的稳定性以及抗干扰能力具有一定影响。

卡尔曼滤波，是一种高效率的递归滤波器，能够从一系列的不完全及包含噪声的测量中，估计动态系统的状态，并使估计均方差最小。即使并不知道模型的确切性质，也可以估计信号的过去和当前状态，甚至能估计将来的状态。针对随机线性离散系统的状态或参数估计方法如下：

在用卡尔曼滤波之前需要建立被估计信号的过程模型：

x_k＝Ax_k-1+Bu_k-1+w_k-1 (1.1)

观测方程为

z_k＝Hx_k+v_k (1.2)

其中x_k表示k时刻的系统状态，u_k-1表示k时刻对系统的控制量，z_k表示k时刻的测量值，A、B和H为状态变换矩阵，是状态变换过程中的调整系数，此处为常数，矩阵B代表可选的控制输入u的增益，矩阵H表示状态变量x_k对测量变量z_k的增益。

(当控制函数u_k-1或过程激励噪声w_k-1为零时，模型中的增益矩阵A将上一时刻k-1的状态线性映射到当前时刻k的状态。实际中可能随时间变化，但在这儿假设为常数。矩阵B代表可选的控制输入u的增益。矩阵H表示状态变量x_k对测量变量z_k的增益。实际中H可能随时间变化，这里假设为常数。)

w_k-1和v_k分别表示过程激励噪声和观测噪声。假设它们为相互独立，正态分布的白色噪声：

p(w)～N(0,Q) (1.3)

p(v)～N(0,R) (1.4)

其中，Q为过程激励噪声协方差矩阵，R为观测噪声协方差矩阵，Q和R为常数。