留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

双渐消Kalman滤波补偿六维力传感器矩形板噪声模型误差

何飞 双丰 许玉云 胡广宇

何飞, 双丰, 许玉云, 胡广宇. 双渐消Kalman滤波补偿六维力传感器矩形板噪声模型误差[J]. 机械科学与技术, 2019, 38(4): 594-600. doi: 10.13433/j.cnki.1003-8728.20180207
引用本文: 何飞, 双丰, 许玉云, 胡广宇. 双渐消Kalman滤波补偿六维力传感器矩形板噪声模型误差[J]. 机械科学与技术, 2019, 38(4): 594-600. doi: 10.13433/j.cnki.1003-8728.20180207
He Fei, Shuang Feng, Xu Yuyun, Hu Guangyu. Model Error Compensation of Double-fading Kalman Filtering to Rectangular Board of Six-axis Force Sensors[J]. Mechanical Science and Technology for Aerospace Engineering, 2019, 38(4): 594-600. doi: 10.13433/j.cnki.1003-8728.20180207
Citation: He Fei, Shuang Feng, Xu Yuyun, Hu Guangyu. Model Error Compensation of Double-fading Kalman Filtering to Rectangular Board of Six-axis Force Sensors[J]. Mechanical Science and Technology for Aerospace Engineering, 2019, 38(4): 594-600. doi: 10.13433/j.cnki.1003-8728.20180207

双渐消Kalman滤波补偿六维力传感器矩形板噪声模型误差

doi: 10.13433/j.cnki.1003-8728.20180207
基金项目: 

国家自然科学基金项目 61473272

国家自然科学基金项目 61403362

国家自然科学基金青年项目 61301060

详细信息
    作者简介:

    何飞(1972-), 副教授, 硕士, 研究方向为多维力传感器, 信号与信息处理, hefei12@163.com

    通讯作者:

    双丰(1973-), 研究员, 博士生导师, fshuang@iim.ac.cn

  • 中图分类号: TP391

Model Error Compensation of Double-fading Kalman Filtering to Rectangular Board of Six-axis Force Sensors

  • 摘要: 六维力传感器能够通过应变片及板梁结构实时检测空间六方向的力信息,但其输出信号不可避免地被噪声干扰所污染。为改善这一现象,同时针对过程噪声模型不精准致使经典卡尔曼滤波器性能差的问题,设计了一种双因子渐消卡尔曼滤波器。算法研究了加性噪声信号的统计特性,建立了矩形板主振型增广状态方程,分析了两种过程噪声模型偏差对滤波性能的影响。在经典卡尔曼滤波器的基础上,基于新息正交性原理,依据Sage开窗估计原理与最小二乘准则,构造了双渐消因子的解析式,阐述了滤波器的工作原理。研究表明:双渐消卡尔曼滤波器稳定性强,能够有效削弱噪声模型偏差的影响;对比抗差卡尔曼滤波器,精度提升38.66%。
  • 图  1  双E型弹性体六维力传感器结构图

    图  2  六维力传感器标定实验台

    图  3  滤波前期算法效果对比

    图  4  滤波中期算法效果对比

    图  5  滤波后期算法效果对比

    图  6  滤波末期算法效果对比

    表  1  传感器材料参数

    材料 弹性模量 泊松比 密度
    LY12 72 GPa 0.33 2 780 kg/m3
    下载: 导出CSV

    表  2  矩形板结构参数

    长度/mm 宽度/mm 高度/mm
    20 8 1.5
    下载: 导出CSV

    表  3  四枚应变片中心位置信息

    应变片编号 X/mm Y/mm Z/mm
    1 16.35 0 -0.75
    2 16.35 0 0.75
    3 3.65 0 0.75
    4 3.65 0 -0.75
    下载: 导出CSV

    表  4  固有频率与振型函数

    固有频率/Hz 简化振型函数
    19 542 W1=0.999 6sin(157x)2
    33 856 W2=0.999 8sin(157x)sin(314x)
    51 403 W3=0.991 0sin(157x)2 (1-250y)+0.133 9sin(157x)sin(471x)(1-250y)
    下载: 导出CSV

    表  5  滤波前期算法性能比较

    滤波算法 RMSE 精度提升
    SKF 0.001 487 7 /
    RKF 0.000 938 1 36.94%
    AKF 0.000 938 1 36.94%
    下载: 导出CSV

    表  6  滤波中期算法性能比较

    滤波算法 RMSE 精度提升
    SKF 0.002 070 5 /
    RKF 0.000 942 2 54.49%
    AKF 0.000 9422 54.49%
    下载: 导出CSV

    表  7  滤波后期算法性能比较

    滤波算法 RMSE 精度提升
    SKF 0.003 257 /
    RKF 0.000 946 2 /
    AKF 0.000 898 4 5.05%
    下载: 导出CSV

    表  8  滤波末期算法性能比较

    滤波算法 RMSE 精度提升
    RKF 0.000 950 8 /
    AKF 0.000 583 2 38.66%
    下载: 导出CSV
  • [1] 汪志红.电阻应变片式六维力传感器弹性体力学特性的研究[D].安徽芜湖: 安徽工程大学, 2013 http://cdmd.cnki.com.cn/Article/CDMD-10363-1014155700.htm

    Wang Z H. Research on mechanical properties of the elastic body of a six-axis force sensor based on strain gauge[D]. Anhui Wuhu: Anhui Polytechnic University, 2013(in Chinese) http://cdmd.cnki.com.cn/Article/CDMD-10363-1014155700.htm
    [2] Chang G B, Liu M. M-estimator-based robust Kalman filter for systems with process modeling errors and rank deficient measurement models[J]. Nonlinear Dynamics, 2015, 80(3):1431-1449 doi: 10.1007/s11071-015-1953-0
    [3] Hajiyev C, Soken H E. Robust adaptive Kalman filter for estimation of UAV dynamics in the presence of sensor/actuator faults[J]. Aerospace Science and Technology, 2013, 28(1):376-383
    [4] 周启帆, 张海, 王嫣然.一种基于冗余测量的自适应卡尔曼滤波算法[J].航空学报, 2015, 36(5):1596-1605 http://d.old.wanfangdata.com.cn/Periodical/hkxb201505023

    Zhou Q F, Zhang H, Wang Y R. A redundant measurement adaptive Kalman filter algorithm[J]. Acta Aeronautica et Astronautica Sinica, 2015, 36(5):1596-1605(in Chinese) http://d.old.wanfangdata.com.cn/Periodical/hkxb201505023
    [5] Chang G B, Liu M. An adaptive fading Kalman filter based on Mahalanobis distance[J]. Proceedings of the Institution of Mechanical Engineers, Part G:Journal of Aerospace Engineering, 2015, 229(6):1114-1123 doi: 10.1177/0954410014545181
    [6] 朱枫, 张葆, 李贤涛, 等.基于强跟踪卡尔曼滤波的陀螺信号处理[J].吉林大学学报:工学版, 2017, 47(6):1868-1875 http://d.old.wanfangdata.com.cn/Periodical/jlgydxzrkxxb201706027

    Zhu F, Zhang B, Li X T, et al. Gyro signal processing based on strong tracking Kalman filter[J]. Journal of Jilin University:Engineering and Technology Edition, 2017, 47(6):1868-1875(in Chinese) http://d.old.wanfangdata.com.cn/Periodical/jlgydxzrkxxb201706027
    [7] 宋康宁, 丛爽, 邓科, 等.自适应强跟踪卡尔曼滤波在陀螺稳定平台中的应用[J].中国科学技术大学学报, 2015, 45(1):17-22 doi: 10.3969/j.issn.0253-2778.2015.01.003

    Song K N, Cong S, Deng K, et al. Application of adaptive strong tracking Kalman filter to gyro-stabilized platform[J]. Journal of University of Science and Technology of China, 2015, 45(1):17-22(in Chinese) doi: 10.3969/j.issn.0253-2778.2015.01.003
    [8] Gao W, Li J C. Adaptive Kalman filtering for the integrated SINS/DVL system[J]. Journal of Computational Information Systems, 2013, 9(16):6443-6450
    [9] Hajiyev C, Soken H E. Robust adaptive Kalman filter for estimation of UAV dynamics in the presence of sensor/actuator faults[J]. Aerospace Science and Technology, 2013, 28(1):376-383 doi: 10.1016/j.ast.2012.12.003
    [10] 胡辉, 颜瑜军, 欧敏辉, 等.基于模糊逻辑的自适应强跟踪卡尔曼滤波在GPS定位中的应用[J].全球定位系统, 2017, 42(1):6-11 http://d.old.wanfangdata.com.cn/Periodical/qqdwxt201701002

    Hu H, Yan Y J, Ou M H, et al. Application of adaptive strong tracking Kalman filter based on fuzzy logic to GPS positioning[J]. GNSS World of China, 2017, 42(1):6-11(in Chinese) http://d.old.wanfangdata.com.cn/Periodical/qqdwxt201701002
    [11] 黎宝琳.基于半参数模型的卡尔曼滤波在变形监测中的应用[J].地理空间信息, 2017, 15(8):120-123 doi: 10.3969/j.issn.1672-4623.2017.08.038

    Li B L. Application of Kalman filtering based on semi-parametric model in deformation monitoring[J]. Geospatial Information, 2017, 15(8):120-123(in Chinese) doi: 10.3969/j.issn.1672-4623.2017.08.038
    [12] 朱文超, 许德章.双E型弹性体六维力传感器矩形梁Kalman滤波研究[J].机械科学与技术, 2014, 33(6):909-912 http://journals.nwpu.edu.cn/jxkxyjs/CN/abstract/abstract4928.shtml

    Zhu W C, Xu D Z. Research on Kalman filtering for rectangular beam of dual-E elastic body six-axis force sensor[J]. Mechanical Science and Technology for Aerospace Engineering, 2014, 33(6):909-912(in Chinese) http://journals.nwpu.edu.cn/jxkxyjs/CN/abstract/abstract4928.shtml
    [13] 邵腾.面向参数不精准系统的Kalman滤波理论研究[D].杭州: 杭州电子科技大学, 2016 http://cdmd.cnki.com.cn/Article/CDMD-10336-1016074091.htm

    Shao T. Kalman filter theory of the mismatched system parameters[D]. Hangzhou: Hangzhou Dianzi University, 2016(in Chinese) http://cdmd.cnki.com.cn/Article/CDMD-10336-1016074091.htm
    [14] 薛海建, 郭晓松, 周召发.基于自适应多重渐消因子卡尔曼滤波的SINS初始对准方法[J].系统工程与电子技术, 2017, 39(3):620-626 http://d.old.wanfangdata.com.cn/Periodical/xtgcydzjs201703024

    Xue H J, Guo X S, Zhou Z F. SINS initial alignment method based on adaptive multiple fading factors Kalman filter[J]. Systems Engineering and Electronics, 2017, 39(3):620-626(in Chinese) http://d.old.wanfangdata.com.cn/Periodical/xtgcydzjs201703024
    [15] 宋会杰, 董绍武, 屈俐俐, 等.基于Sage窗的自适应Kalman滤波用于钟差预报研究[J].仪器仪表学报, 2017, 38(7):1809-1816 doi: 10.3969/j.issn.0254-3087.2017.07.030

    Song H J, Dong S W, Qu L L, et al. Research on clock difference prediction using adaptive Kalman filter based on Sage window[J]. Chinese Journal of Scientific Instrument, 2017, 38(7):1809-1816(in Chinese) doi: 10.3969/j.issn.0254-3087.2017.07.030
    [16] 占芳芳.改进抗差Kalman滤波的INS/GPS紧组合导航算法[J].兰州工业学院学报, 2017, 24(5):75-79 doi: 10.3969/j.issn.1009-2269.2017.05.016

    Zhan F F. INS/GPS tightly coupled navigation based on improved Robust Kalman filter[J]. Journal of Lanzhou Institute of Technology, 2017, 24(5):75-79(in Chinese) doi: 10.3969/j.issn.1009-2269.2017.05.016
  • 加载中
图(6) / 表(8)
计量
  • 文章访问数:  383
  • HTML全文浏览量:  90
  • PDF下载量:  56
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-04-27
  • 刊出日期:  2019-04-05

目录

    /

    返回文章
    返回