SCEADU-50直升机姿态估计：EKF与UKF性能对比

本文探讨了在微型直升机姿态估计中，EKF（Extended Kalman Filter，扩展卡尔曼滤波器）和UKF（ Unscented Kalman Filter，无迹卡尔曼滤波器）两种算法的比较。研究对象是SCEADU-50微型直升机，该直升机装备了IMU（Inertial Measurement Unit，惯性测量单元）和电子罗盘等传感器，这些设备用于获取姿态数据。文章首先介绍了卡尔曼滤波的基本原理，它是基于线性和非线性状态空间模型的数据融合方法，广泛应用于飞行器的姿态估计、导航等领域。 EKF是早期较为流行的方法，通过泰勒展开将非线性系统近似为线性，然后进行求解。然而，EKF对于初始值偏差敏感，当存在较大误差时，其收敛速度和稳定性可能受到影响。另一方面，UKF利用无迹传播的方式处理非线性系统，避免了EKF的局部线性化带来的问题，具有更好的全局一致性。尽管UKF在初期的收敛速度与EKF接近，但在处理复杂非线性问题时，其性能通常更优。 本文针对SCEADU-50直升机的具体硬件构成，包括134mm旋翼直径、TS5700电子罗盘等，构建了基于这两种滤波器的姿态估计系统。作者采用了详细的数学推导和仿真，对比了EKF和UKF的实际应用效果，尤其是在解决姿态估计的非线性问题和处理噪声数据方面。实验结果显示，UKF在初始条件偏差较大的情况下，仍能保持良好的收敛性，且与EKF相比，其结果的稳定性更高，尽管在收敛速度上略有差异，但整体性能更为优越。 总结来说，本文通过实例分析，揭示了UKF在微型直升机姿态估计中的优势，特别是在非线性系统处理和鲁棒性方面，这使得无迹卡尔曼滤波器成为当前解决这类问题的首选算法之一。尽管EKF作为传统的卡尔曼滤波方法仍有其应用，但对于微型直升机这样的复杂系统，UKF的性能提升使其在实际应用中更具竞争力。此外，这些研究成果对于直升机制造商、控制系统设计者以及相关科研人员，提供了改进和优化姿态估计算法的重要参考依据。