一种无人飞艇高度传感器信息融合方法

时间：2024-05-04

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，设计了相应的融合算法。

本文设计的无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，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。