首先声明本文是对专栏文章《幾种飞控的姿态解算算法》进行修订，更正文中的一些错误之处（主要是原文的一些仿真结果错误导致结论错误），并增加一些新的见解

姿态估计是飞控算法的一个基础部分，而且十分重要为了完成飞行器平稳的姿态控制，首先需要精准的姿态数据作为控制器的反馈

姿态估计的一个难点主要是一般选用的惯性传感器，都是MEMS器件精度相对较差；此外，实际工作中很难准确的判定姿态估计的是否准确

一般考虑三个性能，收敛性、精确性、准确性

? 收敛性：即估计出的姿态角数据不会轻易发散，在动态变化时能很快的收敛到对应嘚角度；

? 精确性：比如飞行器放置不动，此时得到的姿态角在0度左右波动这个波动范围即考虑的精确性；

? 准确性：这个比较难以考究，即没办法确定所得到的角度的精确程度一般用外部参考的方法测量，比如飞机上同时挂载自己的飞控以及高精度的IMU设备（比如xsens、sbg等）飞行完成后，对比自己飞控所解算的角度和外部设备的误差；又或者在室内装vicon设备来给出外部参考。注意验证算法的时候，最好還是用实际飞行的数据否则加最大速度怎么求噪声对算法的影响无法验证。

需要什么基础即在进行姿态估计前需要做什么？

主要对传感器数据进行校准、滤波陀螺仪、加最大速度怎么求、地磁的数据预处理以及滤波算法请看专栏或公众号的其他文章。

本文主要从工程角度去实现姿态估计算法相应的理论知识也可见其他文章。

一言以蔽之根据陀螺仪的角度数据高频特性好，而加最大速度怎么求计和哋磁计得到的角度数据低频特性好从而进行互补，得到最优角度无论什么算法，本质都是陀螺仪积分得到角度然后根据加最大速度怎么求计和地磁计修正积分的漂移误差。

工程上每个算法的引入都是为了解决问题的所以下面将从简单的互补开始，逐步解释每个算法嘚优缺点

1、 记录实际飞行数据，需要保存陀螺仪、加最大速度怎么求、地磁计数据；

笔者这里采用了现成的模块所以有参考的角度数據。

即调整数据的正负号初学者往往会忽略这一点，这个在姿态估计算法中非常重要很多人经常有疑问，为什么自己移植别人的代码一模一样，但是自己就得不到正确的结果往往原因都在这里。

这里笔者以前右下（xyz）为机体系另外如果飞行数据噪音很大，可以在汸真中做滤波处理

3、分析单独的陀螺仪积分角度与加最大速度怎么求计计算得到的角度数据

%对比角最大速度怎么求积分与加最大速度怎麼求得到的姿态角之间的区别
%角最大速度怎么求积分得到的角度会随时间漂移
%加最大速度怎么求得到的角度会噪声很大
 
 
 
 
 
 

如上图所示，蓝色嘚陀螺积分角度随着时间会有漂移而加最大速度怎么求计得到的角度则噪声很大，都无法使用（这里的数据不是飞行数据所以噪声很尛）。

所以既然单独的角度都各自有缺陷，而恰好一个有漂移一个没有漂移一个噪音大一个噪音小，很自然能联想到用互补的办法烸个周期的最优角度为两者加权得到。

通过设置一个权重值让每个周期得到的角度由两个数据源共同作用，还可以通过调节权重值选擇是更相信陀螺仪还是加最大速度怎么求。

首先我们可以看出互补滤波的结果不再像陀螺仪角度那样随着时间漂移。实际飞行时固定嘚权重值很难找到理想值，要不陀螺仪的权重大了动态性能还可以，大致能跟上角度但是不能静态保持；加最大速度怎么求权重大了，噪音大另外动态性能差，原地来回摆动时得到的角度幅值会很小，这里的数据很难看出这个问题

所以最好是当飞行器在动态过程時，我们更相信陀螺仪反之，飞行器静止时又更相信加最大速度怎么求计。即参数进行自适应调整

判定角最大速度怎么求数据，大於一定阈值认为在运动，所以加大陀螺仪权重

作为状态估计常用的算法，卡尔曼滤波的卡尔曼增益是动态调整的所以这一点比固定權重的线性互补滤波要好，此外要注意的是卡尔曼的效果好坏与所选用的状态变量建立的模型有很大关系，不可一概而论卡尔曼就一定佷好具体情况具体分析。

因卡尔曼滤波的使用条件是针对线性模型且状态分布为高斯分布，所以这里建立两种线性模型对比仿真结果。

状态量为角度和角最大速度怎么求偏移这里认为角最大速度怎么求偏移为常值，即角度是上一时刻的角度加（减）角最大速度怎么求偏移的角度再加上角最大速度怎么求积分的增量。

可以看出此算法基本能得到正确结果，除了在某些地方跟踪不好具体原因后面洅讲。

状态量分别是俯仰角、滚转角以及对应的角最大速度怎么求偏移与上面的模型相比，这里我们将水平方向的两轴姿态合并在一起这样易于代码实现，否则在软件中需针对三个轴进行三次调用

目前为止，我们介绍的都是线性模型的姿态估计以卡尔曼为例，这两種算法基本能满足使用要求但存在不足。由于线性模型的关系在只有一个轴向运动的时候，效果还不错简单来说，比如一个运动同時包含了两个轴这时候得到的结果就不准确了，上述的一些跟踪不好的地方就是因为此时yaw有运动所以计算的结果受到了影响。

所以實际飞行器的运动为非线性模型，我们也要考虑非线性模型的姿态估计

实际在飞控应用时，以上所描述的线性互补很难满足使用要求洇此要求更佳的算法。常见的有mahony属于非线性互补滤波。算法原理：根据加最大速度怎么求计和地磁计的数据转换到地理坐标系后，与對应参考的重力向量和地磁向量进行求误差这个误差用来校正陀螺仪的输出，然后用陀螺仪数据进行四元数更新再转换到欧拉角。

图Φ可以看出算法结果基本能跟踪参考角度，性能较好实际工程中，我们也常常使用mahony算法进行姿态估计

由于是非线性模型，所以在卡爾曼的基础上我们进行改进，采用扩展卡尔曼滤波算法

此为开源代码，读者可自行进行移植测试如对理论不理解的，可参见视频教程

这里笔者进行了修改，将7状态量缩减成4状态量只更新四元数。

Yaw部分是因为参考角喥去掉了偏移，只有相对角度所以实际是正确的跟踪。上图表明EKF能达到较好的效果，满足使用要求

至此，我们已经总结了在姿态估計中常用的几种算法每个算法的不足与优点也大概介绍了。实际在应用时并不一定是理论越复杂就一定好用，比如EKF如果模型维数过哆，则计算量大大增加且增加了算法发散的风险，所以工程应用只选用满足要求的最佳算法。

1、 坐标系对应是姿态估计非常重要的一環特别是移植；

工程上进行算法开发时，笔者建议的流程是先分析问题选用相应的算法，并进行设计取飞行数据，然后在matlab仿真环境丅进行仿真调试最后转换成嵌入式代码实现功能。这样做的好处是如果在嵌入式环境下进行大量的调参时，非常繁琐不方便以及不矗观。当然现在有基于模型的开发方式，这里不做过多叙述具体如何调参，可参见视频教程；

3、 工程应用时要考虑震动对数据以及算法的影响，动加最大速度怎么求对重力参考的影响外界地磁干扰对地磁参考的影响，如何在算法中避免这些情况或者说出现这些情況下如何保证算法不崩溃，即鲁棒性；

4、 没有绝对的最好的算法理论如何使用，达到最佳效果往往是算法工程师要做的；

5、如果想更多嘚了解状态估计的理论知识可参考等其他资料。

专栏将会不定期更新读者可关注笔者微信公众号，随时分享最新见解

饥饿的鲨鱼进化掉血最大速度怎麼求怎么计算?有什么计算方法吗?带着这些问题现在就跟随小编一起来看看吧，希望对大家有所帮助

饥饿的鲨鱼进化掉血最大速度怎么求是逐渐加快的，游戏初期掉血最大速度怎么求比较慢通常是前5分钟掉血比较慢，从5分钟开始掉血最大速度怎么求就明显加快，差不哆到10分钟时掉血最大速度怎么求会达到最大化，并且持续保持这样的最大速度怎么求掉血这就需要鲨鱼补充更多的食物，若是10秒内没囿进食最强大的皱鳃鲨也会从满血直接挂掉，要求玩家保持高效率的捕食

1.提升捕食效率必不可少的就是漩涡项圈道具，装备这个道具關键时刻能够保持鲨鱼;

2.装备增加食物能量的道具也是很重要的比如水稻帽增加10%食物能量;

3.装备鲨鱼本体宝宝，能够给本体鲨鱼敖包带来更哆的生命能量

4.火箭背包可以让鲨鱼快速的转移阵地

声明：该文观点仅代表用户本人，酷乐米仅提供信息存储空间服务文中素材如有侵權请联系删除。