پیاده‌سازی تجربی فیلتر مکمل با جدول بهره و مقایسه با فیلتر کالمن روی حسگرهای ارزان‌قیمت

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشیار، دانشکده مهندسی فناوری‌های نوین، دانشگاه شهید بهشتی؛ تهران، ایران

2 دانش‌آموخته کارشناسی ارشد مهندسی فضایی، دانشکده مهندسی فناوری‌های نوین، دانشگاه شهید بهشتی، ایران

چکیده

تعیین یا تخمین وضعیت، یکی از ارکان سیستم کنترل وضعیت می‌باشد. حسگرها ابزار اصلی تعیین وضعیت سیستم می‌باشند اما به دلیل وجود نویزها و اغتشاشات مختلف مؤثر بر حسگرهای وضعیت، بایستی از روش‌های فیلتر کردن مناسب استفاده نمود. کاهش هزینه و وزن در سامانه‌های پروازی بسیار حائز اهمیت بوده است، به همین جهت استفاده از حسگرهای میکرو الکترومکانیکی باوجود مصرف انرژی، وزن و قیمت پایین، موردتوجه بسیاری قرارگرفته است. اما نویزپذیری از ایرادهای حسگرهای میکرو الکترومکانیکی می‌باشد که با ترکیب داده حسگرهای مختلف با استفاده از الگوریتم‌های فیلتر مناسب، می‌توان داده‌ها را به حد قابل قبولی بهبود بخشید. در این پژوهش، الگوریتم فیلتر مکمل با جدول بهره بر روی حسگر ارزان‌قیمت و در شرایط آزمایشگاهی و بر پایه سکوی تست طراحی و ساخته‌شده با دینامیک و نویز شدید پیاده‌سازی شده و با داده‌های فیلتر کالمن و مرجع ثابت مقایسه شده است. درنهایت از طریق تست‌های آزمایشگاهی مشهود است که الگوریتم پیشنهادی با اعمال نویزهای مکانیکی در حالت ایستا و همچنین حرکت نوسانی در نظر گرفته‌شده، دقیق‌تر از فیلتر کالمن عمل می‌کند. به صورتی که می‌توان نتیجه گرفت، در شرایط مفروض، الگوریتم پیشنهادی داده بسیار دقیق‌تر و قابل‌اتکاتری نسبت به فیلتر کالمن ارائه می‌دهد.
 

کلیدواژه‌ها


[1]     Gautam D, Lucieer A, Malenovský Z, Watson Ch. Comparison of MEMS-Based and FOG-Based IMUs to Determine Sensor Pose on an Unmanned Aircraft System. Journal of Surveying Engineering. 2017 Nov;143.
[2]
Wei G, Wang Z, Shen B, Li M. Probability-Dependent Gain-Scheduled Filtering for Stochastic Systems With Missing Measurements. IEEE Transactions on Circuits and Systems. 2011 Nov;58:753-757.
[3]
Kottath R, Narkhede P, Kumar V, Karar V, Poddar S. Multiple Model Adaptive Complementary Filter for Attitude Estimation. Aerospace Science and Technology. 2017 Oct;69:574-581.
[4]
Yang Qi, Sun L. A fuzzy complementary Kalman filter based on visual and IMU data for UAV landing. Optik. 2018 Nov;173:279-291.
[5]
Rong H, Zhu Y, Lv J, Chen Y, Peng C, Zou L. Conditional equivalence between Extended Kalman filter and complementary filter for two-vector gyro-aided attitude determination. Measurement. 2021 Jan;168.
[6]
Redhyka GG, Setiawan D, Soetraprawata D. Embedded sensor fusion and moving-average filter for Inertial Measurement Unit (IMU) on the microcontroller-based stabilized platform. International Conference on Automation, Cognitive Science, Optics, Micro Electro-Mechanical System, and Information Technology, Indonesia 2015.
[7]
InvenSense Inc. MPU-9250 Product Specification Revision 1.1. InvenSense Inc, U.S.A. 2016.
[8]
Castanedo F. A Review of Data Fusion Techniques. Scientific world journal, 2013 Oct.
[9]
Titterton DH, Weston JL. Strapdown inertial navigation technology(2nd Edition). Institution of Engineering and Technology; 2004.
[10]
Kim S, Tadiparthi V, Bhattacharya R. H2 Optimal Attitude Estimation of UAVs Using Sensor Fusion. UAS Guidance, Navigation, and Control I. 2020 Jan.
[11]
Fan B, Li Q, Liu T. How Magnetic Disturbance Influences the Attitude and Heading in Magnetic and Inertial Sensor-Based Orientation Estimation. Sensors. 2018 Dec;18:76.
[12]
Navabi M, Barati M. Mathematical modeling and simulation of the earth's magnetic field: A comparative study of the models on the spacecraft attitude control application. Applied Mathematical Modelling. 2017 Jun;47:365-381.
[13]
Fresk E, Nikolakopoulos G. Full quaternion based attitude control for a quadrotor. In European Control Conference (ECC), Switzerland 2013.
[14]
Liu W, Shi P, Zhang H. Kalman filtering with finite-step autocorrelated measurement noise. Journal of Computational and Applied Mathematics.2022 Jul;408.
[15]
Rong H, Zhu Y. Conditional equivalence between Extended Kalman filter and complementary filter for two-vector gyro-aided attitude determination. Measurement, 2021 Jan;168.
[16]
Sabatini AM. Kalman-filter-based orientation determination using inertial/magnetic sensors: Observability analysis and performance evaluation. Sensors. 2011 Sep;11:10.
[17]
Zhao Xu, Feng R, Wu Y, Yu N, Meng X. A Complementary Filter-Based All-Parameters Estimation for Triaxis Gyroscopes and Optical Angular Encoders With Intrinsic Eccentricity. Sensors Journal. 2021 Oct;21:5060-5069
.
[18]
 Pham MD, Low KS, Goh ST, Chen S. Gain-scheduled extended kalman filter for nanosatellite attitude determination system. IEEE Transactions on Aerospace and Electronic Systems. 2015 Apr;51:1017-1028