文 献 综 述
由于受到风、浪、流等的作用，海上作业浮式生产系统不可避免地产生摇荡和升沉运动，给海上作业带来了许多不便和危险。波浪补偿平台是针对海上作业系统，特别是船舶在各种海况中的运动进行补偿的系统装置。对于船舶的横荡、纵荡和升沉运动，需要使用惯性传感器测量出相应方向的加速度，再二次积分获取位移。本课题对消除积分误差的滤波算法进行研究，进而掌握现存的全时域积分、频域滤波后时域积分和全频域积分几种积分算法，对其进行理论公式上的推演。提出适合于海上波浪运动补偿系统的加速度积分算法。
- 惯性传感器以及加速度积分
随着微机电系统（MEMS）的进一步发展，产生了一系列的低成本惯性测量单元（IMU），IMU系统主要由MEMS陀螺仪和加速度计组成[1]。张杰等[2]提出结论：陀螺仪和加速度计具有互补性:陀螺仪可以测量动态物体的角速度并在短时间内具有较高的准确性，加速度计可以测量静止物体的倾角并具有较高的准确性。
在采集到实时的加速度信号后，为了获得海上波浪补偿系统所需要的位移信号，需要对加速度信号进行二次积分转化为位移信号。加速度积分可以在时域下进行，常用的时域下的数值积分方法有矩形法、梯形法、Simpson法[3]和拉格朗日插值法[4]等，时域积分的精度和采样频率以及处理器运算速度有关；也可以在频域下进行，频域积分是时程数值积分的另一种方法[5]，基本原理是先将需要积分的时域信号作傅里叶变换到频域内，则时域积分运算在频域内就成为了傅里叶分量系数的正弦、余弦积分互换，其结果再经傅里叶逆变换，得到积分后的时域信号。
- 惯性传感器的信息融合
针对惯性传感器的信息融合问题，专家们提出了很多滤波算法，一类是以卡尔曼滤波算法为基础的各种扩展和衍生算法，如扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF） 及联邦卡尔曼滤波等；另一类是以互补滤波为基础的各种改进互补滤波算法，如经典互补滤波（CF）、显性互补滤波（ECF）及基于梯度下降法的互补滤波（GDCF）算法等。
卡尔曼滤波法是一种时域范围内的估计方法，采用状态空间方法描述系统，在被提取信号有关的量中通过算法估计出所需信号[6]。
岳晋忠[7]针对 IMU 的数学模型，设计了一个线性卡尔曼滤波（KF）模型和一个的非线性卡尔曼滤波模型，对非线性卡尔曼滤波模型分别用扩展卡尔曼滤波（EKF）和无味卡尔曼滤波（UKF）进行算法实现。设计了自适应参数调节器，从而形成了 AKF、AEKF 和 AUKF 三种算法。最终得出结论，AKF、AEKF 和 AUKF 算法都可以减小估计误差，AKF算法的效果没有 AEKF 和AUKF 算法的效果好，AEKF 和 AUKF 的滤波效果没有明显优劣差别。朱丰超等[8]提出一种利用UKF滤波器对载体姿态角进行估计,然后利用互补滤波器对陀螺漂移进行估计的算法。该算法通过设计三维完全可观测UKF滤波方程和陀螺误差校正模型对姿态角和陀螺漂移分别进行估计,有效避免了利用卡尔曼滤波进行姿态估计和陀螺漂移误差估计时由于误差模型不准确而产生的发散问题,同时降低了滤波器维数。Khoder W等[9]设计四元数概念的缩放无迹卡尔曼滤波器（SUKF）应用于在大误差条件下辅助GPS测量的惯性导航系统（INS）。叶锃锋等[10]采用四元数的姿态解算算法,利用Levenberg-Marquardt非线性最小二乘法对自平衡两轮车陀螺仪信号拟合,建立了随机漂移误差数学模型,应用卡尔曼滤波融合陀螺仪和加速度计输出的信号,补偿了陀螺仪输出角速度的随机漂移误差,得到了自平衡两轮车姿态的最优估计。TARHAN[11]等、MARINA[12]等分别基于EKF、UKF来进行无人驾驶飞行器的控制。
付勇杰等[13]通过分析惯性传感器在姿态检测系统中的优缺点,提出一种简易互补滤波算法对陀螺仪和加速度计进行数据融合,生成动态倾角信号。Mahony R[14]等提出经典滤波算法基础上的一种改进算法，在经典滤波算法的补偿环节中加入积分器，以消除陀螺仪漂移常值误差，称之为显性互补滤波算法。傅忠云[15]等也以此为基础０提出了一种参数可调的自适应显性互补滤波算法，具有思路清晰，计算量小，估算精度高及易实现等特点，改进后的算法综合性能最优，适用于各种运动姿态测量系统。Madgwick S[16]提出了一种新颖的定向算法, 该算法使用四元数表示，是基于梯度下降法的互补滤波算法，以计算陀螺仪测量误差的方向作为四元数导数, 用来估算IMU和MARG的方向。
汪俊等[17]设计了一种新型两级扩展卡尔曼滤波器: 基于四元数的运动姿态测量模型,首先构造自适应加速度误差协方差矩阵, 消除载体线性加速度, 再采用多传感器融合技术进行数据融合, 修正陀螺仪信号漂移产生的误差。
- 积分趋误差的消除
在实际的工程中，由于人为、设备、技术或环境的不确定性，会导致采集到的加速度信号存在很多噪声。噪声主要分为两类：一类是随机噪声，分布在整个频率范围内，比如船舶发动机振动带来的噪声；一类是尖峰噪声，幅度高出信号，但是持续时间较短[18]。同时，在积分过程中，不可避免地会产生常数项、一次趋势项和二次趋势项。为了提高后续加速度数据积分成位移数据的准确性，对采集到的加速度信号进行预处理处理是必不可少的。预处理包括加速度信号滤波和积分趋势项消除。消除这些噪声需要常用的滤波方式有一阶滞后滤波、滑动加权平均值滤波和FIR滤波等。常用的积分趋势项消除方法有最小二乘消除法和滑动平均消除法等。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
