[论文解读] Attitude Estimation and Control Using Linear-Like Complementary Filters: Theory and Experiment

L. Benziane, A. El Hadri+3 more|arXiv (Cornell University)|Mar 9, 2015

Inertial Sensor and Navigation参考文献 20被引用 4

一句话总结

本文提出了一种基于惯性矢量测量的高阶直接与无源线性类似互补滤波器，用于姿态估计与控制，集成陀螺仪bias估计，实现稳定且抗噪声的姿态跟踪。该方法确保了估计误差的全局渐近收敛以及控制的几乎全局渐近稳定性，并在使用APM2.6自动驾驶仪的自制四旋翼上通过实验验证。

ABSTRACT

This paper proposes new algorithms for attitude estimation and control based on fused inertial vector measurements using linear complementary filters principle. First, n-order direct and passive complementary filters combined with TRIAD algorithm are proposed to give attitude estimation solutions. These solutions which are efficient with respect to noise include the gyro bias estimation. Thereafter, the same principle of data fusion is used to address the problem of attitude tracking based on inertial vector measurements. Thus, instead of using noisy raw measurements in the control law a new solution of control that includes a linear-like complementary filter to deal with the noise is proposed. The stability analysis of the tracking error dynamics based on LaSalle's invariance theorem proved that almost all trajectories converge asymptotically to the desired equilibrium. Experimental results, obtained with DIY Quad equipped with the APM2.6 auto-pilot, show the effectiveness and the performance of the proposed solutions.

研究动机与目标

• 解决低成本系统中惯性测量数据存在噪声与偏差时的姿态估计与控制挑战。
• 开发一种确定性、计算高效的互补滤波方法，作为卡尔曼滤波的替代方案，用于姿态估计。
• 将互补滤波器的稳定性保证扩展至n阶系统，实现直接与无源滤波形式的全局收敛。
• 设计一种新型控制律，使用滤波后的惯性矢量而非姿态测量，确保几乎全局渐近稳定性。
• 通过使用APM2.6自动驾驶仪的自制四旋翼进行真实世界实验，验证所提方法的有效性。

提出的方法

• 基于线性类似滤波原理，设计n阶直接与无源互补滤波器，融合陀螺仪与加速度计/磁力计测量数据。
• 在滤波后应用TRIAD算法进行姿态解算，利用其确定性特性提升鲁棒性。
• 制定一种控制律，使用滤波后的惯性矢量测量与角速率陀螺数据，避免直接使用姿态估计值。
• 应用李雅普诺夫分析与拉塞尔不变性定理，证明估计误差的全局渐近收敛性以及跟踪误差动态的几乎全局渐近稳定性。
• 在使用APM2.6自动驾驶仪的自制四旋翼上实现滤波器与控制律，采用100Hz控制周期与归一化矢量测量。
• 采用滤波增益（α₁=6, α₂=10）与阻尼系数（k=0.2621）进行调参，以确保稳定性和噪声抑制，z轴因磁力计性能较差而采用减小的增益。

实验结果

研究问题

• RQ1 高阶线性类似互补滤波器能否在惯性矢量测量下实现姿态估计的全局渐近收敛？
• RQ2 无源滤波形式在抗噪声能力与估计精度方面相较于直接形式表现如何？
• RQ3 在控制律中采用基于互补滤波的数据融合方法，能否在不依赖姿态测量的情况下确保几乎全局渐近稳定性？
• RQ4 在真实世界噪声环境中，所提方法相较于标准卡尔曼滤波或现有观测器（如MHP）的性能优势有多大？
• RQ5 所提框架能否通过滤波有效处理低采样率磁力计数据，从而提升整体系统性能？

主要发现

• n阶直接与无源互补滤波器实现了估计误差的全局渐近收敛，通过李雅普诺夫分析得到证明。
• 实验结果验证表明，无源滤波形式在抗噪声能力方面优于直接形式。
• 所提出的控制律使用滤波后的惯性矢量，确保了跟踪误差动态的几乎全局渐近稳定性。
• 在自制四旋翼上的实验结果表明，估计姿态能平滑收敛至期望轨迹，且噪声极小，性能优于卡尔曼滤波与MHP观测器基准。
• 两种观测器均准确捕获了陀螺仪bias，所提方法与参考方法结果高度一致。
• 使用滤波后测量数据可生成平滑的控制力矩，无高频噪声，证实了该滤波策略在实时控制中的有效性。