本論文探討設計一個具實用價值的低成本之慣性量測組件，以供無人飛行載具及輕航機之飛行姿態計算、控制及導航運算使用。本文主要包含兩部份，第一部分為慣性量測組件的設計及驗證，此自製之慣性量測組件包含三軸之微機電陀螺儀及加速儀，提供三軸之角速度及加速度之量測，重點為慣性量測組件之軟硬體設計、系統整合、信號分析與處理、及接收端之介面及顯示軟體，完成一個具實用價值的低成本之慣性量測組件，並以市場上價格昂貴的慣性量測組件以同步方式做性能比較測試，將兩系統固定於實驗平台上，執行單軸運動(俯仰角、滾轉角、偏航角)及三軸同動測試，驗證其量測及運算精度，最後並比較兩系統經一段時間之運動後回復靜止狀態時之姿態角的漂移情形，證明此自製系統之實用價值。此慣性量測組件並利用直昇機實際量測飛行資訊以供下一階段之導航計算分析使用。本文之第二部份則利用此低成本之慣性量測組件結合全球定位系統(GPS)，以實際的飛行數據，利用卡曼濾波器來做整合導航計算，包含系統動態方程式說明及利用四元素法和座標轉換觀念來求解姿態角，及整合導航之運算邏輯，並使用卡曼濾波器作導航運算及估測的影響分析。

This thesis develops a practical low-cost inertial measurement unit (IMU) for unmanned aerial vehicle (UAV) and light jet aircraft application. A hardware-software integrated, function tested real system is accomplished in the study. The performance of the in-house developed IMU is checked by using a market available, with much higher cost, IMU system. The results show that the in-house designed low-cost IMU can achieve similar performance compared to the high cost IMU system. Integration of the low-cost IMU and GPS signals for integrated navigation computation using flight data is also discussed in the thesis. The flight attitude is computed by using the quaternion method. Kalman filter is implemented to minimize the estimation error of
the flight information including latitude, longitude, height, north velocity, east velocity, and down velocity.

目錄 .......................................................... I
圖目錄 ........................................................ III
表目錄 ........................................................ VII
符號定義 ....................................................... VIII
第一章 序論 .......................................................... 1
1.1 研究動機與目的 .......................................................... 2
1.2 文獻回顧 .......................................................... 3
1.3 研究方法 .......................................................... 5
1.4 論文架構 .......................................................... 5
第二章 慣性量測組件(IMU) .......................................................... 6
2.1 系統架構 .......................................................... 6
2.2 取樣邏輯說明與取樣流程圖 ......................................................... 15
2.3 慣性量測組件軟體設計 ......................................................... 17
2.4 慣性量測組件訊號處理 ......................................................... 21
第三章 低成本IMU 姿態計算驗証與性能比較 ......................................................... 26
3.1 實驗儀器及規格 ......................................................... 26
3.2 姿態計算 ......................................................... 30
3.3 實驗結果分析 ......................................................... 35
3.3.1 IMU 平放靜止一分鐘 ......................................................... 36
3.3.2 各軸分別測試 ......................................................... 37
3.3.3 兩顆IMU 同步測試 ......................................................... 40
3.4 互補濾波及姿態顯示 ......................................................... 43
第四章 慣性導航系統與卡曼濾波器 ......................................................... 47
4. 1 位置動態方程式....................................................... 47
4. 2 速度動態方程式....................................................... 48
4.3 卡曼濾波器 ......................................................... 53
第五章 導航飛行數據分析 ......................................................... 59
5.1 爬升區段 ......................................................... 67
5.2 平飛區段 ......................................................... 70
5.3 盤旋區段 ......................................................... 73
5.4 下降區段 ......................................................... 76
第六章 結論與未來展望 ......................................................... 79
參考文獻 ......................................................... 81
附錄A 動態方程式推導過程 ......................................................... 83
附錄B 科氏力理論 ........................................................ 101
附錄C 四元素法 ........................................................ 105
附錄D ........................................................ 111

圖目錄
圖2- 1慣性量測組件傳輸基本架構圖	7
圖2- 2慣性量測組件訊號架構圖	8
圖2- 3飛行姿態顯示畫面圖	9
圖2- 4 慣性量測組件主板電路圖	10
圖2- 5 慣性量測組件電源及傳輸切換電路圖	11
圖2- 6 慣性量測組件實體圖	12
圖2- 7陀螺儀實體圖	14
圖2- 8 PC端接收顯示流程圖	15
圖2- 9 Borland C++ Builder接收介面	20
圖2- 10 Moving Average流程圖	22
圖2- 11 IMU靜止平放未做任何濾波動作	23
圖2- 12 IMU靜止平放作Threshold濾波後結果	24
圖2- 13 訊號處理流程圖	25
圖3- 1 AHRS400CC 慣性量測組件	27
圖3- 2 Gyro View 顯示畫面	27
圖3- 3 四元素示意圖	32
圖3- 4 IMU靜止一分鐘(未濾波)	36
圖3- 5 IMU靜止一分鐘(含濾波)	37
圖3- 6 滾轉角從0-90-0實驗結果	38
圖3- 7俯仰角從0-90-0實驗結果	38
圖3- 8航向角從0-90-0實驗結果	39
圖3- 9 實驗室低成本慣性量測組件同步動作圖	41
圖3- 10高價位慣性量測組件同步動作圖	41
圖3- 11 低成本慣性量測組件動作回穩圖	42
圖3- 12 高價位慣性量測組件動作回穩圖	42
圖3- 13 互補濾波流程圖	44
圖3- 14 動作後回穩偏移情形	45
圖3- 15 加速儀訊號每五秒修正後結果	45
圖4- 1估測說明	57
圖4- 2 狀態及狀態誤差協方差時間流程圖	57
圖5- 1 載具及儀器安裝圖	59
圖5- 2 整合導航計算流程圖	61
圖5- 3 緯度	63
圖5- 4 經度	63
圖5- 5 高度	63
圖5- 6 向北速度	64
圖5- 7 向東速度	64
圖5- 8 向下速度	64
圖5- 9 緯度誤差圖	65
圖5- 10 經度誤差圖	65
圖5- 11 高度誤差圖	65
圖5- 12 向北速度誤差	66
圖5- 13 向東速度誤差	66
圖5- 14 向下速度誤差	66
圖5- 15 GPS爬升區段	67
圖5- 16 緯度於爬升區段誤差估測	67
圖5- 17經度於爬升區段誤差估測	68
圖5- 18高度於爬升區段誤差估測	68
圖5- 19向北速度於爬升區段誤差估測	68
圖5- 20向東速度於爬升區段誤差估測	69
圖5- 21向下速度於爬升區段誤差估測	69
圖5- 22 GPS平飛階段	70
圖5- 23緯度於平飛區段誤差估測	70
圖5- 24經度於平飛區段誤差估測	71
圖5- 25高度於平飛區段誤差估測	71
圖5- 26向北速度於平飛區段誤差估測	71
圖5- 27向東速度於平飛區段誤差估測	72
圖5- 28向下速度於平飛區段誤差估測	72
圖5- 29 GPS盤旋區段	73
圖5- 30緯度於盤旋區段誤差估測	73
圖5- 31經度於盤旋區段誤差估測	74
圖5- 32高度於盤旋區段誤差估測	74
圖5- 33向北速度於盤旋區段誤差估測	74
圖5- 34向東速度於盤旋區段誤差估測	75
圖5- 35向下速度於盤旋區段誤差估測	75
圖5- 36 GPS下降區段	76
圖5- 37緯度於下降區段誤差估測	77
圖5- 38經度於下降區段誤差估測	77
圖5- 39高度於下降區段誤差估測	77
圖5- 40向北速度於下降區段誤差估測	78
圖5- 41向東速度於下降區段誤差估測	78
圖5- 42向下速度於下降區段誤差估測	78

表目錄
表2- 1 IMU封包資料格式(更新率20Hz)	16
表2- 2感測器靈敏度理論值	18
表3- 1 (黃色)慣性量測組件規格	28
表3- 2 (黑色)慣性量測組件規格	29

[1] Demoz Gebre-Egziabher, Gabriel H. Elkaim, J. D. Powell and Bradford W. “A Gyro-Free Quaternion-Based Attitude Determination System Suitable for Implementation Using Low Cost Sensors”, Department of Aeronautics and Astronautics, Stanford University.
[2] Riyanto T. Bambang, “Adjoint EKF learning in recurrent neural networks for nonlinear active noise control” Applied Soft Computing Journal, 2008 -Elsevier 
[3] S.Sp. Pappas, L. Ekonomou, D.Ch. Karamousantas, G.E. Chatzarakis.“Electricity demand loads modeling using AutoRegressive Moving Average”, Energy33(2008)-Elsevier, pp. 1353-1360.
[4] Wei Wang , Zong-yu Liu, Rong-rong Xie, “Quadratic extended Kalman filter approach for GPS-INS integration”, Aerospace Science and Technology10(2006) 709-713.
[5] Johan Bijker, Willem Steyn, “Kalman filter configurations for a low-cost loosely integrated inertial”, Control Engineering Practice(2008).
[6] Bian Hongwei, Jin Zhihua & Tian Weifeng, “ Adaptive Kalmanfilter for INS GPS integrated navigation”, Journal of Systems Engineering and Electronics, Vol.17, No.3, 2006, pp. 502-508.
[7] 吳宗興，微機電慣性量測組件驗證環境之設計，淡江大學航空太
空工程研究所碩士論文，民國97 年6 月。
[8] 陳沛仲，手擲無人飛行載具之研究、設計與實現，淡江大學航太
工程研究所碩士論文，民國98 年6 月。
[9] Jay A.Farrel & M.Barth, “The Global Positioning System & Inertial Navigation”, McGraw Hill 1999.
[10] Dan Simon, “Optimal state estimation”, Wiley 2006.