PX4 悬停油门预估算法

中空为用

已于 2024-03-21 09:53:50 修改

阅读量647

点赞数 8

CC 4.0 BY-SA版权

文章标签：算法无人机

于 2024-03-21 09:51:41 首次发布

本文链接：https://blog.csdn.net/hkzuibang/article/details/136896705

本文探讨了在动态状态估计中如何通过自适应调整噪声协方差来优化PX4悬停油门的参数估计。作者提到使用AEKF处理噪声驱动的油门更新，并在Matlab中展示了关键的更新算法，包括残差滤波和测量噪声更新的过程，特别关注了R矩阵的变化趋势。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

相关资料：

悬停油门的参数估计方法_px4悬停油门-CSDN博客

大概思路(ps:遗忘了很多细节)：

1、油门更新为噪声驱动，其次由加速度计算悬停油门；

2、PX4使用的是AEKF，自适应卡尔曼滤波。

问题发现：

自己虚拟的油门、加速度数据，测试过程中，加速度计相关的R矩阵会先增大再收敛。

Matlab中关键更新部分实现：

    % updateLpf(residual, signed_innov_test_ratio)
    alpha = dt / (lpf_time_constant + dt);
    residual_lpf = (single(1) - alpha) * residual_lpf + alpha * residual;
    signed_innov_test_ratio_lpf = (single(1) - alpha) * signed_innov_test_ratio_lpf + alpha * signed_innov_test_ratio;
    
    % updateMeasurementNoise(residual, H)  
    beta = dt / (noise_learning_time_constant + dt) ;
    res_no_bias = residual - residual_lpf;
    P = state_var;
    acc_var = (single(1) - beta) * acc_var  + ...           % 更新R矩阵
                beta * (res_no_bias * res_no_bias + H * P * H);