在无人机飞行姿态控制中，通常在用MEMS传感器测量角度的变化时，一般都要选择组合式的传感器。也就是说，既不能单纯地依赖加速度传感器，也不能单纯依赖陀螺仪。为什么呢？
究其原因，这是由每种传感器自身的局限性所决定的。
例如，陀螺仪输出的是角速度，要通过积分才能获得角度，但是即使在零输入状态时，陀螺仪仍是有输出的，它的输出是白噪声和慢变随机函数的叠加，受此影响，在积分的过程中，必然会引进累计误差，积分时间越长，误差就越大。这时候，便需要加速度传感器的加入，利用加速度传感器来对陀螺仪进行校正。
由于加速度传感器可以利用力的分解原理，通过重力加速度在不同轴向上的分量来判断倾角。同时，它没有积分误差，所以加速度传感器在相对静止的条件下，可以有效校正陀螺仪的误差。但在运动状态下，加速度传感器输出的可信度就要下降，因为它测量的是重力和外力的合力。
目前，无人机在应用中的较常见算法，就是利用互补滤波，即结合加速度传感器和陀螺仪的输出，来算出角度变化。
另外，无人机应用的环境决定了它所使用的MEMS传感器必须适用于各种恶劣条件，同时获得高精度的输出。
例如，陀螺仪的理想输出是只响应角速度变化，但实际上受设计和工艺的限制，陀螺仪对加速度也是敏感的，就是我们在陀螺仪数据手册上常见的deg/sec/g的指标。对于多轴飞行器的应用来说，这个指标尤为重要，因为飞行器中的马达一般会带来较强烈的振动，一旦减震控制不好，就会在飞行过程中产生很大的加速度，那势必会带来陀螺仪输出的变化，进而引起角度变化，马达就会误动作，最后带给用户的直观感觉就是飞行器飞得不稳。
在无人机飞行姿态控制中，通常在用MEMS传感器测量角度的变化时，一般都要选择组合式的传感器。也就是说，既不能单纯地依赖加速度传感器，也不能单纯依赖陀螺仪。为什么呢？
究其原因，这是由每种传感器自身的局限性所决定的。
例如，陀螺仪输出的是角速度，要通过积分才能获得角度，但是即使在零输入状态时，陀螺仪仍是有输出的，它的输出是白噪声和慢变随机函数的叠加，受此影响，在积分的过程中，必然会引进累计误差，积分时间越长，误差就越大。这时候，便需要加速度传感器的加入，利用加速度传感器来对陀螺仪进行校正。
由于加速度传感器可以利用力的分解原理，通过重力加速度在不同轴向上的分量来判断倾角。同时，它没有积分误差，所以加速度传感器在相对静止的条件下，可以有效校正陀螺仪的误差。但在运动状态下，加速度传感器输出的可信度就要下降，因为它测量的是重力和外力的合力。
目前，无人机在应用中的较常见算法，就是利用互补滤波，即结合加速度传感器和陀螺仪的输出，来算出角度变化。
另外，无人机应用的环境决定了它所使用的MEMS传感器必须适用于各种恶劣条件，同时获得高精度的输出。
例如，陀螺仪的理想输出是只响应角速度变化，但实际上受设计和工艺的限制，陀螺仪对加速度也是敏感的，就是我们在陀螺仪数据手册上常见的deg/sec/g的指标。对于多轴飞行器的应用来说，这个指标尤为重要，因为飞行器中的马达一般会带来较强烈的振动，一旦减震控制不好，就会在飞行过程中产生很大的加速度，那势必会带来陀螺仪输出的变化，进而引起角度变化，马达就会误动作，最后带给用户的直观感觉就是飞行器飞得不稳。
举报
举报
