CN109470613B - 一种基于互补滤波姿态融合算法的无人机pm2.5检测装置 - Google Patents

一种基于互补滤波姿态融合算法的无人机pm2.5检测装置 Download PDF

Info

Publication number
CN109470613B
CN109470613B CN201811337138.5A CN201811337138A CN109470613B CN 109470613 B CN109470613 B CN 109470613B CN 201811337138 A CN201811337138 A CN 201811337138A CN 109470613 B CN109470613 B CN 109470613B
Authority
CN
China
Prior art keywords
aerial vehicle
unmanned aerial
detection device
filtering
attitude
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201811337138.5A
Other languages
English (en)
Other versions
CN109470613A (zh
Inventor
刘万太
吕雨农
周展
李谟发
邓朋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan Electrical College of Technology
Original Assignee
Hunan Electrical College of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hunan Electrical College of Technology filed Critical Hunan Electrical College of Technology
Priority to CN201811337138.5A priority Critical patent/CN109470613B/zh
Publication of CN109470613A publication Critical patent/CN109470613A/zh
Application granted granted Critical
Publication of CN109470613B publication Critical patent/CN109470613B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/06—Investigating concentration of particle suspensions
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
    • G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
    • G05D1/0816—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft to ensure stability

Landscapes

  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Dispersion Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Navigation (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开一种基于互补滤波姿态融合算法的无人机PM2.5检测装置，属于雾霾环境检测领域，包括四旋翼无人机和PM2.5检测装置，PM2.5检测装置采用AGS‑V8PM2.5粉尘传感器，姿态参考***包括基于互补滤波姿态融合算法的飞行器稳定控制模块，该稳定控制模块包括Allan方差分析与间接卡尔曼滤波相结合以及一阶低通滤波与一阶高通滤波相结合的互补滤波器，先后两次采用不同的互补滤波算法对飞行器的稳定控制，使四旋翼无人机更稳定停留在某一固定位置。本发明不仅能检测空气中PM2.5的浓度，同时解决了因为低成本GPS的数据刷新率太低，在高速运动时数据滞后导致无人机高度跌落精度不高的问题，具有抗干扰能力强，稳定性高的特点。

Description

一种基于互补滤波姿态融合算法的无人机PM2.5检测装置
技术领域
本发明涉及雾霾治理领域，特指一种基于互补滤波姿态融合算法的无人机PM2.5检测装置。
背景技术
由于近年来，我国雾霾天气愈发恶劣，空气质量问题已经引起全社会高度关注。随着飞行器在日常生活日益广泛的应用，微型PM2.5检测四旋翼无人机检测设备会成为社会和人类的关注。高空中的检测则需要四旋翼无人机携带PM2.5监测装置。而控制***的设计是实现无人机自主飞行的关键与核心，飞行控制***的性能优劣直接决定了PM2.5四旋翼无人机监测的飞行性能及其完成任务的情况。由于旋翼飞行器旋翼转动时振动强烈，故姿态参考***受振动的影响较大，必须要求其减少震动。为无人机上PM2.5传感器提供相对稳定的监测平台，以准确检测周围空气中的粉尘浓度。因此需要其控制周期更小，响应速度更快，进而提高稳定性。
互补滤波算法是无人机飞行控制***中的常用算法，但是现有的互补滤波算法一般只是两种滤波算法的简单组合，虽然能在一定程度上保持无人机稳定飞行，但是所采用的两种滤波算法之间可能会有误差，也会影响滤波精度，从而影响无人机的稳定性，进而影响PM2.5的检测精度。所以，需要设计更加精确的针对无人机飞行控制的相关算法。
发明内容
本发明的目的是提供一种基于互补滤波姿态融合算法的无人机PM2.5检测装置，用于检测空气中PM2.5的浓度，同时解决因为低成本的GPS的数据刷新率太低，在高速运动时数据滞后导致无人机高度跌落精度不高的问题。
为解决上述技术问题，本发明的技术方案如下：
一种基于互补滤波姿态融合算法的无人机PM2.5检测装置，包括四旋翼无人机和PM2.5粉尘传感器，其特征在于：
所述四旋翼无人机属于非共轴式碟形无人机，包括旋翼、无刷电机、无刷电调、电源、起落架、机体和飞行控制***，所述飞行控制***包括飞行控制计算机、姿态参考***、遥控接收机、GPS接收机，通过控制四只旋翼的转速集合使得无人机实现各种飞行动作；
所述PM2.5检测装置为AGS-V8 PM2.5粉尘传感器，包括激光器、光散射检测腔体、滤波放大电路、微型处理器、内置加热器，光散射检测腔体内具有气流发生器，粉尘传感器的内部对角放置红外线发光二极管和光电晶体管，并且将其光轴相交；
在所述四旋翼无人机顶端设有机架，粉尘传感器位于机架上方，起落架同机身相连，成十字形分布。
为进一步提高整个装置的性能：
优选的，所述机体由碳纤维材料制成，起落架由铝合金板制成。
优选的，所述粉尘传感器中气流发生器为5V的输入电路。
优选的，所述检测装置采用ZigBee无线网络传输方式。
优选的，所述姿态参考***包括基于互补滤波姿态融合算法的飞行器稳定控制模块，所述稳定控制模块包括Allan方差分析与间接卡尔曼滤波相结合以及一阶低通滤波与一阶高通滤波相结合的互补滤波器。
一种针对无人机飞行器的互补滤波姿态融合算法，其特征在于，主要包括以下步骤：
步骤1：采用Allan方差分析方法分析无人机传感器的噪声源，分析得到数据的量化噪声、角度随机游走噪声、零偏不稳定噪声、速率随机游走噪声和速率斜坡噪声。具体分析方法如下：
Figure GDA0001908192770000021
公式(1)中，Q为量化噪声系数，N为角度游走噪声系数，B为零偏不稳定噪声系数，C为速率游走噪声系数，R为速率斜坡噪声系数，t为方差随时间的变化，σ2(t)为方差表达式。
设数据采样周期为T，一定时间内共采集N个数据，将N个数据分成L组，每组M个数据，则每组的平均值为：
Figure GDA0001908192770000022
公式(2)中，M表示每组数据个数，下标i表示第i个数据，
Figure GDA0001908192770000023
表示每组的平均值，下标k表示第k组数据。
由公式(1)和公式(2)定义Allan方差如下所示：
Figure GDA0001908192770000024
公式(3)中，τ为自定义变量，σA 2为Allan方差，A表示Allan方差，M为每组数据个数，L为数据的组数。
步骤2：采用间接卡尔曼滤波对无人机陀螺仪的数据进行处理，间接卡尔曼滤波的***状态方程推导过程如下：
首先建立卡尔曼滤波方程，假设测量噪声为白噪声，采用信号与噪声的状态空间法描述***，由状态方程和测量方程组成：
Figure GDA0001908192770000031
公式(4)中，Xp∈Rn×1为目标状态向量，Ap+1/p∈Rn×n为状态转移矩阵，Bp为输入矩阵，Ap+1/p和Bp取决于***特性，Wp是p时刻的过程噪声，Yp∈Rm×1是p时刻的观测向量，Hp∈Rn×n为***观测矩阵，Vp为p时刻的过程噪声。
在卡尔曼滤波方程的基础上，间接卡尔曼滤波方程可以推导为：
Figure GDA0001908192770000032
公式(5)中，
Figure GDA0001908192770000033
表示目标状态向量，φ表示滚转角，θ表示俯仰角，ψ表示偏航角，x，y，z为陀螺常值漂移。
建立间接卡尔曼滤波的***状态方程为：
X'＝AX+W (6)
公式(6)中，X'表示目标状态向量，A表示状态转移矩，X表示输入矩阵，W表示某时刻的过程噪声。
步骤3：以最小均方差为准则，将Allan方差分析与间接卡尔曼滤波融合，构成互补滤波器对无人机的加速度计和陀螺仪进行数据融合；
步骤4：采用滑动均值滤波对无人机加速度计的原始数据进行处理：
Figure GDA0001908192770000034
公式(7)中，xi表示传感器实时采集到的加速度计数据，yi表示滤波中间数据保存，zi表示滤波后的数据输出，ai表示相应的权值，i和j表示均值滤波的参数。
步骤5：在步骤4的基础上，对无人机电动机转动时X轴加速度计的原始数据进行FFT变换，得到加速度计对振动的敏感程度，并将该敏感程度作为预处理过程的调整参数。
步骤6：再利用加速度计姿态角的测量误差不随时间累加和陀螺仪漂移在短期内可提供高动态的姿态数据在频域上的互补特性，采用一阶低通滤波器和一阶高通滤波器结合的互补滤波器对二者进行数据融合，进一步提高姿态测量的精度和动态响应，其中针对俯仰角的一阶低通滤波器和一阶高通滤波器结合的互补滤波姿态融合算法的滤波原理为：
Figure GDA0001908192770000041
公式(7)中，θ为姿态角，θref为参考姿态角，K为滤波器增益，s为传函拉式变化后自变量，
Figure GDA0001908192770000042
是无偏估计的表示符号，wm表示陀螺仪实时输出的角速率。
K/(s+K)具有低通特性，S/(s+K)具有高通特性，选择适当K值，可使***具有合理的截止频率，对陀螺仪和加速度所计算的姿态输出进行互补滤波，采用时域形式如下所示：
Figure GDA0001908192770000043
公式(8)中，K表示滤波器增益，θref为参考姿态角，wm表示陀螺仪实时输出的角速率。
优选的，考虑到运动加速度的影响，需要对加速度计输出值进行判断以确定是否可采用加速度计值解算姿态角，包括以下三种情况：
α<＝β时，K值不变，表明飞行器处于静止或匀速飞行状态。
β<α<＝λ时，减小K值，表明飞行器处于低加速飞行状态。
α>λ时，K值应趋于无穷小，表明飞行器处于高加速飞行状态。
其中，K表示滤波器增益，α为四旋翼无人机的本机体轴分量的模与加速之差的绝对值，β为四旋翼无人机的加速度计白噪声零偏的标准差的模，λ表示阈值。
本发明的有益效果为：
本发明设计的PM2.5无人机检测装置可有效检测空气中PM2.5的浓度，同时，飞行器稳定控制模块中的互补滤波姿态融合算法可有效解决低成本的GPS的数据刷新率太低，在高速运动时数据滞后导致无人机高度跌落精度不高的问题，具有抗干扰能力强，稳定性高的特点。
本发明中的互补滤波算法首先采用Allan方差分析与间接卡尔曼滤波相结合的互补滤波算法，采用Allan方差分析方法分析无人机传感器的噪声源，然后采用间接卡尔曼滤波对无人机陀螺仪的数据进行处理，构成互补滤波器对无人机的加速度计和陀螺仪进行数据融合。然后采用滑动均值滤波对无人机加速度计的原始数据进行处理。最后利用加速度计姿态角的测量误差不随时间累加和陀螺仪漂移在短期内可提供高动态的姿态数据在频域上的互补特性，采用一阶低通滤波器和一阶高通滤波器结合的互补滤波器对二者进行数据融合，进一步提高姿态测量的精度和动态响应。先后两次采用不同的互补滤波算法，可以使无人机更加稳定地停留在空中某一位置，提高整个PM2.5无人机检测装置的效率和精度。
附图说明
图1是四旋翼无人机PM2.5检测装置的整体结构示意图；
图2是PM2.5传感器功能图；
图3是互补滤波器原理图；
图4是互补滤波姿态融合算法控制原理；
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本实施例提供一种基于互补滤波姿态融合算法的无人机PM2.5检测装置，具体实施方式如下：
如图1所示为四旋翼无人机PM2.5检测装置的整体结构示意图，所采用的四旋翼无人机属于非共轴式碟形无人机，与常规旋翼无人机相比，其结构更为紧凑能够产生更大的升力。包括旋翼、无刷电机、无刷电调、电源、起落架、机体和飞行控制***，飞行控制***包括飞行控制计算机、姿态参考***、遥控接收机、GPS接收机，通过控制4只旋翼的转速集合使得无人机实现各种飞行动作。4只旋翼安装于十字形机体的4个顶点位置，分为顺时针旋转R(1、3)和逆时针转R(2、4)两组。当4只旋翼转速相等时，相互间抵消反扭力矩。
在四旋翼无人机顶端设有机架，粉尘传感器位于机架上方，起落架同机身相连，成十字形分布，一定高度的起落架能减小地面效应在无人机起飞和着落时带来的影响。
四旋翼无人机机体由碳纤维材料制成，起落架由铝合金板制成。
如图2所示，PM2.5检测装置为AGS-V8 PM2.5粉尘传感器，包括激光器、光散射检测腔体、滤波放大电路、微型处理器、内置加热器，可以自行吸引外部大气，且内置加热器不需加气泵实现自动进气，具有更低质量的PM2.5会在半路上浮，利用光的散射原理进行尘粒计数，检测出单位体积PM2.5的绝对个数，再通过光电传感器将光信号转变成电信号传输给计算机。光散射检测腔体内具有气流发生器，粉尘传感器的内部对角放置红外线发光二极管和光电晶体管，并且将其光轴相交。当带灰尘的气流通过光轴相交的交叉区域，粉尘对红外光反射，反射的光强与灰尘浓度成正比。选取光电晶体管作用在于，使得其能够探测到空气中尘埃反射光，即使非常细小的如烟草烟雾颗粒也能够被检测到，而选择红外发光二极管的目的在于，当进入的腔内的粉尘可将红外发光二极管发射出光线进行反射，得到一个反射光，接收传感器检测到反射光的光强，输出信号。
PM2.5粉尘传感器中气流发生器为5V的输入电路。
检测装置采用ZigBee无线网络传输方式，检测装置采用ZigBee无线网络传输方式，是一种数据传输安全性高，数据量不大，设备体积小。在面对复地形，监测点多，需要较大的网络覆盖具有一定的优势。根据本发明所需求功耗低的设备之间进行数据传输，选用ZigBee技术来建立一个监测粉尘浓度无线传感器网络。
四旋翼无人机的姿态参考***还包括基于互补滤波姿态融合算法的飞行器稳定控制模块，稳定控制模块包括Allan方差分析与间接卡尔曼滤波相结合以及一阶低通滤波与一阶高通滤波相结合的互补滤波器。因为旋翼飞行器旋翼转动时振动强烈，故其姿态参考***受振动的影响较大，必须要求其减少震动，为无人机上PM2.5传感器提供相对稳定的监测平台，以准确检测周围空气中的粉尘浓度。因此需要其控制周期更小，响应速度更快，进而提高稳定性。
如图3所示为互补滤波器原理图。互补滤波器即为把滤波器的高通和低通两部分加起来成为一个滤波器，使其能输出一个有意义的、准确的线性估计。其优点在于可以修订噪声，漂移和对横向加速度传感器的依赖，从而可以快速估计角度，响应比单独的低通滤波器要具有更快的速度。
本发明设计一种针对无人机飞行器的互补滤波姿态融合算法，主要包括以下步骤：
步骤1：采用Allan方差分析方法分析无人机传感器的噪声源，分析得到数据的量化噪声、角度随机游走噪声、零偏不稳定噪声、速率随机游走噪声和速率斜坡噪声。具体分析方法如下：
Figure GDA0001908192770000061
公式(1)中，Q为量化噪声系数，N为角度游走噪声系数，B为零偏不稳定噪声系数，C为速率游走噪声系数，R为速率斜坡噪声系数，t为方差随时间的变化，σ2(t)为方差表达式。
设数据采样周期为T，一定时间内共采集N个数据，将N个数据分成L组，每组M个数据，则每组的平均值为：
Figure GDA0001908192770000062
公式(2)中，M表示每组数据个数，下标i表示第i个数据，
Figure GDA0001908192770000071
表示每组的平均值，下标k表示第k组数据。
由公式(1)和公式(2)定义Allan方差如下所示：
Figure GDA0001908192770000072
公式(3)中，τ为自定义变量，σA 2为Allan方差，A表示Allan方差，M为每组数据个数，L为数据的组数。
步骤2：采用间接卡尔曼滤波对无人机陀螺仪的数据进行处理，间接卡尔曼滤波的***状态方程推导过程如下：
首先建立卡尔曼滤波方程，假设测量噪声为白噪声，采用信号与噪声的状态空间法描述***，由状态方程和测量方程组成：
Figure GDA0001908192770000073
公式(4)中，Xp∈Rn×1为目标状态向量，Ap+1/p∈Rn×n为状态转移矩阵，Bp为输入矩阵，Ap+1/p和Bp取决于***特性，Wp是p时刻的过程噪声，Yp∈Rm×1是p时刻的观测向量，Hp∈Rn×n为***观测矩阵，Vp为p时刻的过程噪声。
在卡尔曼滤波方程的基础上，间接卡尔曼滤波方程可以推导为：
Figure GDA0001908192770000074
公式(5)中，
Figure GDA0001908192770000075
表示目标状态向量，φ表示滚转角，θ表示俯仰角，ψ表示偏航角，x，y，z为陀螺常值漂移。
建立间接卡尔曼滤波的***状态方程为：
X'＝AX+W (6)
公式(6)中，X'表示目标状态向量，A表示状态转移矩，X表示输入矩阵，W表示某时刻的过程噪声。
步骤3：以最小均方差为准则，将Allan方差分析与间接卡尔曼滤波融合，构成互补滤波器对无人机的加速度计和陀螺仪进行数据融合；
步骤4：采用滑动均值滤波对无人机加速度计的原始数据进行处理：
Figure GDA0001908192770000081
公式(7)中，xi表示传感器实时采集到的加速度计数据，yi表示滤波中间数据保存，zi表示滤波后的数据输出，ai表示相应的权值，i和j表示均值滤波的参数。
步骤5：在步骤4的基础上，对无人机电动机转动时X轴加速度计的原始数据进行FFT变换，得到加速度计对振动的敏感程度，并将该敏感程度作为预处理过程的调整参数。
步骤6：再利用加速度计姿态角的测量误差不随时间累加和陀螺仪漂移在短期内可提供高动态的姿态数据在频域上的互补特性，采用一阶低通滤波器和一阶高通滤波器结合的互补滤波器对二者进行数据融合，进一步提高姿态测量的精度和动态响应，其中针对俯仰角的一阶低通滤波器和一阶高通滤波器结合的互补滤波姿态融合算法的滤波原理为：
Figure GDA0001908192770000082
公式(7)中，θ为姿态角，θref为参考姿态角，K为滤波器增益，s为传函拉式变化后自变量，
Figure GDA0001908192770000083
是无偏估计的表示符号，wm表示陀螺仪实时输出的角速率。
K/(s+K)具有低通特性，S/(s+K)具有高通特性，选择适当K值，可使***具有合理的截止频率，对陀螺仪和加速度所计算的姿态输出进行互补滤波，采用时域形式如下所示：
Figure GDA0001908192770000084
公式(8)中，K表示滤波器增益，θref为参考姿态角，
Figure GDA0001908192770000085
是无偏估计的表示符号，
Figure GDA0001908192770000086
表示最终滤波结果，wm表示陀螺仪实时输出的角速率。
考虑到运动加速度的影响，需要对加速度计输出值进行判断以确定是否可采用加速度计值解算姿态角，包括以下三种情况：
α<＝β时，K值不变，表明飞行器处于静止或匀速飞行状态。
β<α<＝λ时，减小K值，表明飞行器处于低加速飞行状态。
α>λ时，K值应趋于无穷小，表明飞行器处于高加速飞行状态。
其中，K表示滤波器增益，α为四旋翼无人机的本机体轴分量的模与加速之差的绝对值β为四旋翼无人机的加速度计白噪声零偏的标准差的模，λ表示阈值。
先后两次采用不同的互补滤波算法，可以使无人机更加稳定地停留在空中某一位置，提高整个PM2.5无人机检测装置的效率和精度。
图4是互补滤波姿态融合算法控制原理流程，首先需为***接通电源，触动开始按钮，***将自动完成MCU内部初始化的工作，即配置MCU需使用到的外设，包括时钟***、NVIC中断控制器、USART串口通信、IC接口、定时器；然后进行硬件初始化以和***的姿态解算，互补滤波姿态融合算法程序采用模块化的设计设备自动加载。具体包括以下几个个部分：
(1)开机自动完成初始化硬件自动加载，检测MUC与各硬件模块间的双工通讯；
(2)开启定时器中断，在2.5ms的计时中断实现通过IC接口读取微机电***传感器和三轴数字电子罗盘的测量数据，根据传感器的特点进行滤波后，
(3)利用初始校正所得到的校正数据对读取的数据作校正，校正完后转换成实际的物理量，再对其做加权平均减小误差，然后进行姿态解算和地磁数据校准
(4)结合遥控装置完成任意姿态信息输出；
(5)开机自动检测记录周围环境PM2.5值，在液晶屏上实时显示；
(6)可通过与USART串口相连接的ZigBee模块将数据实时或后期传送值地面接收站。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (3)

1.一种基于互补滤波姿态融合算法的无人机PM2.5检测装置，包括四旋翼无人机和PM2.5粉尘传感器，其特征在于：所述四旋翼无人机属于非共轴式碟形无人机，包括旋翼、无刷电机、无刷电调、电源、起落架、机体和飞行控制***，所述飞行控制***包括飞行控制计算机、姿态参考***、遥控接收机、GPS接收机，通过控制四只旋翼的转速集合使得无人机实现各种飞行动作；
所述PM2.5检测装置为AGS-V8PM2.5粉尘传感器，包括激光器、光散射检测腔体、滤波放大电路、微型处理器、内置加热器，光散射检测腔体内具有气流发生器，粉尘传感器的内部对角放置红外线发光二极管和光电晶体管，并且将其光轴相交；
在所述四旋翼无人机顶端设有机架，粉尘传感器位于机架上方，起落架同机身相连，成十字形分布；所述姿态参考***包括基于互补滤波姿态融合算法的飞行器稳定控制模块，所述稳定控制模块包括Allan方差分析与间接卡尔曼滤波相结合以及一阶低通滤波与一阶高通滤波相结合的互补滤波器；所述检测装置采用ZigBee无线网络传输方式；所述PM2.5检测装置还包括IC接口、微机电***、定时器、NVIC中断控制器、USART串口和ZigBee模块，所述微机电***包括传感器和三轴数字电子罗盘；所述微型处理器分别与所述IC接口、所述传感器、所述三轴数字电子罗盘、所述定时器、所述NVIC中断控制器、所述USART串口和所述ZigBee模块相连接，用于开启所述定时器中断，在设定的时间到时，通过计时中断来实现所述IC接口读取所述微机电***中所述传感器和所述三轴数字电子罗盘的测量数据，根据所述传感器的特点进行滤波后，利用初始校正所得到的校正数据对读取的数据作校正，校正完后转换成实际的物理量，再对其做加权平均减小误差，然后进行姿态解算和地磁数据校准；结合遥控装置完成任意姿态信息输出；开机自动检测记录周围环境PM2.5值，在液晶屏上实时显示；通过与所述USART串口相连接的所述ZigBee模块将数据实时或后期传送至 地面接收站。
2.根据权利要求1所述的基于互补滤波姿态融合算法的无人机PM2.5检测装置，其特征在于：所述机体由碳纤维材料制成，起落架由铝合金板制成。
3.根据权利要求1所述的基于互补滤波姿态融合算法的无人机PM2.5检测装置，其特征在于：所述粉尘传感器中气流发生器为5V的输入电路。
CN201811337138.5A 2018-11-12 2018-11-12 一种基于互补滤波姿态融合算法的无人机pm2.5检测装置 Expired - Fee Related CN109470613B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811337138.5A CN109470613B (zh) 2018-11-12 2018-11-12 一种基于互补滤波姿态融合算法的无人机pm2.5检测装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811337138.5A CN109470613B (zh) 2018-11-12 2018-11-12 一种基于互补滤波姿态融合算法的无人机pm2.5检测装置

Publications (2)

Publication Number Publication Date
CN109470613A CN109470613A (zh) 2019-03-15
CN109470613B true CN109470613B (zh) 2020-07-03

Family

ID=65671640

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811337138.5A Expired - Fee Related CN109470613B (zh) 2018-11-12 2018-11-12 一种基于互补滤波姿态融合算法的无人机pm2.5检测装置

Country Status (1)

Country Link
CN (1) CN109470613B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111398631A (zh) * 2020-03-31 2020-07-10 西北工业大学 一种无人机加速度计误差识别及校正方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103868521A (zh) * 2014-02-20 2014-06-18 天津大学 基于激光雷达的四旋翼无人机自主定位及控制方法
CN104149982A (zh) * 2014-04-11 2014-11-19 陕西科技大学 基于四轴飞行器的空气质量探测器
CN105136145A (zh) * 2015-08-11 2015-12-09 哈尔滨工业大学 一种基于卡尔曼滤波的四旋翼无人机姿态数据融合的方法
CN105955302A (zh) * 2016-06-20 2016-09-21 武汉理工大学 一种多旋翼无人机环境自主监测控制***及方法
CN105974934A (zh) * 2016-06-24 2016-09-28 天津理工大学 基于领航-跟随法的空气质量智能监测四旋翼编队***
CN205940634U (zh) * 2016-08-15 2017-02-08 幻飞智控科技（上海）有限公司 一种环境监测无人机
CN106444804A (zh) * 2016-09-16 2017-02-22 杭州电子科技大学 基于互补滤波算法和串级pid的四旋翼飞行器设计方法
CN106482734A (zh) * 2016-09-28 2017-03-08 湖南优象科技有限公司 一种用于imu多传感器数据融合的滤波方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105043385B (zh) * 2015-06-05 2018-10-26 北京信息科技大学 一种行人自主导航定位的自适应卡尔曼滤波方法
CN105300381B (zh) * 2015-11-23 2018-09-28 南京航空航天大学 一种基于改进互补滤波的自平衡移动机器人姿态快速收敛方法
CN105698792A (zh) * 2016-01-26 2016-06-22 上海实汇机电科技有限公司 一种基于自适应鲁邦融合算法的动态mems惯性姿态测量***
CN106094868A (zh) * 2016-08-01 2016-11-09 杨珊珊 无人飞行器的悬停控制装置及其悬停控制方法
CN107977014A (zh) * 2017-11-30 2018-05-01 广州市华科尔科技股份有限公司 一种无人机自动悬停方法
CN107992073A (zh) * 2017-12-07 2018-05-04 深圳慧源创新科技有限公司 无人机定点飞行方法、无人机定点飞行装置和无人机

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103868521A (zh) * 2014-02-20 2014-06-18 天津大学 基于激光雷达的四旋翼无人机自主定位及控制方法
CN104149982A (zh) * 2014-04-11 2014-11-19 陕西科技大学 基于四轴飞行器的空气质量探测器
CN105136145A (zh) * 2015-08-11 2015-12-09 哈尔滨工业大学 一种基于卡尔曼滤波的四旋翼无人机姿态数据融合的方法
CN105955302A (zh) * 2016-06-20 2016-09-21 武汉理工大学 一种多旋翼无人机环境自主监测控制***及方法
CN105974934A (zh) * 2016-06-24 2016-09-28 天津理工大学 基于领航-跟随法的空气质量智能监测四旋翼编队***
CN205940634U (zh) * 2016-08-15 2017-02-08 幻飞智控科技（上海）有限公司 一种环境监测无人机
CN106444804A (zh) * 2016-09-16 2017-02-22 杭州电子科技大学 基于互补滤波算法和串级pid的四旋翼飞行器设计方法
CN106482734A (zh) * 2016-09-28 2017-03-08 湖南优象科技有限公司 一种用于imu多传感器数据融合的滤波方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
"EKF和互补滤波器在飞行姿态确定中的应用";郭晓鸿;《传感器与微***》;20111231;第149-152页 *
PM2.5传感器工作原理;展誉传感;《百度》;20171102;第1-2页 *
基于Allan方差的MEMS陀螺仪性能评价方法;邹学锋;《微纳电子技术》;20100831;第490-493页 *
基于光散射原理的矿用激光粉尘浓度传感器;高昊;《煤矿安全》;20160331;第98-100页 *
粉尘传感器工作原理;道客巴巴;《百度》;20171206;第1-7页 *

Also Published As

Publication number Publication date
CN109470613A (zh) 2019-03-15

Similar Documents

Publication Publication Date Title
CN105353762B (zh) 基于双余度姿态传感器的六旋翼无人机的控制方法
WO2019024303A1 (zh) 一种基于有限时间神经动力学的多旋翼无人飞行器的稳定飞行控制方法
CN105955302A (zh) 一种多旋翼无人机环境自主监测控制***及方法
CN110488850A (zh) 一种基于树莓派的四旋翼无人机视觉导航***及方法
CN202939489U (zh) 一种多旋翼自动平衡飞行控制器
CN106043695B (zh) 一种油动多旋翼无人机定桨距变转速***及控制技术
CN111824406A (zh) 一种基于机器视觉的公共安全自主巡查四旋翼无人机
CN106325289A (zh) 基于瑞萨r5f100lea主控的四旋翼飞行控制器及其控制方法
CN112612294A (zh) 一种带激光雷达自动避障***的无人机
CN110498039A (zh) 一种基于仿生扑翼飞行器的智能监控***
CN110209182A (zh) 一种基于avr单片机的四旋翼飞行器
CN110109469A (zh) 一种具有颜色、识别、定位、跟踪功能的四旋翼无人机的控制***
CN109470613B (zh) 一种基于互补滤波姿态融合算法的无人机pm2.5检测装置
CN205594456U (zh) 一种可语音警报避障的四旋翼无人飞行器
CN112445231A (zh) 一种姿态控制方法、多旋翼飞行器及可读存储介质
CN105974935B (zh) 一种四旋翼农用遥控飞行器及其控制方法
CN109782782A (zh) 多旋翼无人机飞行姿态控制***
CN107310716A (zh) 飞行器自动降落的控制***及方法
Wei Autonomous control system for the quadrotor unmanned aerial vehicle
CN110488857A (zh) 一种太阳能的四旋翼无人飞行器的控制***
CN207650653U (zh) 基于Leap Motion的手势控制四旋翼飞行器
Cai et al. Design of STM32-based Quadrotor UAV Control System.
CN113433963B (zh) 一种针对磁悬浮轨道巡检的无人机多平台***及方法
Lv et al. Research and Design of Four Rotor UAV Based on Cascade PID
Yin et al. Research on attitude control system design and flight experiments of small-scale unmanned aerial vehicle

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200703

Termination date: 20201112