基于层级异常检测与自适应卡尔曼滤波的旋转弹体滚转角高精度磁惯融合估计方法

为解决低成本磁/惯性传感器在姿态估计中存在的磁干扰与惯性漂移问题，北京航空航天大学团队提出了一种融合层级异常检测与Sage-Husa自适应卡尔曼滤波(SHFAKF)的混合校正框架。研究通过轻量级增量局部离群因子(LILOF)结合RANSAC的磁数据清洗方法，以及基于Sampson距离的动态加权融合策略，实现了旋转弹体滚转角的高精度估计。实验表明该方法在计算效率与几何精度间取得最优平衡，为低成本精确制导弹药研发提供了关键技术支撑。

　　

在精确制导武器成本居高不下的背景下，如何通过智能化改造赋予传统弹药低成本高精度能力成为研究热点。旋转弹体的滚转角精确测量是实现弹道修正的关键，但现有磁/惯性传感器面临两大技术瓶颈：磁传感器易受环境干扰与制造误差影响，而陀螺仪存在积分漂移问题。传统Tolles-Lawson(T-L)模型虽能补偿环境磁场干扰，却难以解决传感器非正交性等固有误差；而常规卡尔曼滤波(KF)在非线性动态和磁扰动场景下性能受限。

北京航空航天大学的研究团队在《Sensors and Actuators A: Physical》发表的研究中，创新性地提出了层级异常检测与自适应滤波融合的解决方案。研究采用HMC1022三轴磁力计和ICM-20948陀螺仪构建测量系统，通过三轴无磁转台实验验证方法有效性。关键技术包括：(1)开发轻量级增量局部离群因子(LILOF)算法进行粗粒度异常检测；(2)采用Sampson距离优化的RANSAC方法实现精校准；(3)设计带衰减因子的Sage-Husa自适应卡尔曼滤波(SHFAKF)动态融合磁/惯性数据。

【Geomagnetic sensor-based roll angle solution principle】
通过建立弹体准坐标系与体坐标系转换模型，推导出滚转角γ与磁传感器测量值B_y、B_z的数学关系，为后续误差补偿提供理论基础。

【Measurement error analysis of magnetic sensors】
分析表明弹体运动频率(约10Hz)远低于磁传感器μs级响应速度，干扰主要来自硬磁材料剩磁、软磁材料磁化效应以及传感器非正交误差，需通过椭圆拟合进行系统补偿。

【Roll angle integrated calculation method】
提出双阈值LILOF算法快速剔除70%异常点后，采用Sampson距离替代传统欧氏距离进行RANSAC优化，将椭圆拟合误差降低62%。融合阶段通过SHFAKF实时估计噪声统计特性，当磁测量Sampson距离超过阈值时自动切换至纯惯性模式。

【Experiment and discussion】
转台测试显示：在200r/s转速与±1mT干扰下，该方法滚转角估计误差<0.5°，较传统EKF方法精度提升3倍；引入的衰减因子使滤波器收敛速度提高40%。

该研究创新性地将密度聚类与几何约束相结合解决磁干扰问题，其层级处理框架兼顾了算法实时性与鲁棒性。提出的SHFAKF架构通过动态噪声估计与故障检测机制，为强扰动环境下的姿态估计提供了普适性解决方案。研究成果不仅适用于制导弹药，还可拓展至无人机、机器人等领域，为低成本MEMS传感器的军事化应用树立了新标杆。