基于Adams–Bashforth方法的无味卡尔曼滤波器及其在由可倾斜旋翼机构组成的鱼鹰型无人机状态估计中的应用 渡边圭吾（Keigo Watanabe）、武田索马（Soma Takeda）和永井功（Isaku Nagai）

《Sensors》：An Unscented Kalman Filter Based on the Adams–Bashforth Method with Applications to the State Estimation of Osprey-Type Drones Composed of Tiltable Rotor Mechanisms Keigo Watanabe, Soma Takeda and Isaku Nagai

　　

摘要

在非线性系统的状态估计问题中，无迹卡尔曼滤波器（UKF）作为一种基于高保真离散化的算法，因能够实现精确的状态估计而受到关注，尤其适用于强非线性系统。此外，为了将UKF应用于连续时间状态空间模型，已经提出了一种在时间更新方程中使用龙格-库塔（Runge–Kutta）方法来处理西格玛点（sigma points）的方法，以实现高精度的状态估计。尽管这种方法采用了高阶数值近似，但由于计算时间的增加，导致计算效率下降，因此不适用于需要高采样频率的快速移动物体（如自动驾驶车辆和无人机）的状态估计。在本研究中，为了在保持相对较高估计精度的同时减少计算负担，我们首次将亚当斯-巴什福斯（Adams–Bashforth）方法应用于UKF算法。通过首先解释一个低维模型的状态估计问题，然后对比Osprey型无人机模型的状态估计仿真中的估计精度和计算时间，证明了所提方法的有效性。