data fusion algorithms
در نشریات گروه مکانیک-
تعیین یا تخمین وضعیت، یکی از ارکان سیستم کنترل وضعیت می باشد. حسگرها ابزار اصلی تعیین وضعیت سیستم می باشند اما به دلیل وجود نویزها و اغتشاشات مختلف موثر بر حسگرهای وضعیت، بایستی از روش های فیلتر کردن مناسب استفاده نمود. کاهش هزینه و وزن در سامانه های 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 می باشد که با ترکیب داده حسگرهای مختلف با استفاده از الگوریتم های فیلتر مناسب، می توان داده ها را به حد قابل قبولی بهبود بخشید. در این پژوهش، الگوریتم فیلتر مکمل با جدول بهره بر روی حسگر ارزان قیمت و در شرایط آزمایشگاهی و بر پایه سکوی تست طراحی و ساخته شده با دینامیک و نویز شدید پیاده سازی شده و با داده های فیلتر کالمن و مرجع ثابت مقایسه شده است. درنهایت از طریق تست های آزمایشگاهی مشهود است که الگوریتم پیشنهادی با اعمال نویزهای مکانیکی در حالت ایستا و همچنین حرکت نوسانی در نظر گرفته شده، دقیق تر از فیلتر کالمن عمل می کند. به صورتی که می توان نتیجه گرفت، در شرایط مفروض، الگوریتم پیشنهادی داده بسیار دقیق تر و قابل اتکاتری نسبت به فیلتر کالمن ارائه می دهد.
کلید واژگان: تخمین وضعیت، حسگرهای میکرو الکترومکانیکی، الگوریتم های ترکیب داده، فیلتر کالمن، فیلتر مکمل با جدول بهرهDetermination or state estimation is one of the pillars of the Attitude Control System. Sensors are the main instrument for determining the attitude of the system, but due to the presence of various noises and disturbances affecting the attitude sensors, appropriate filtering methods should be used. Cost and weight reduction in flight systems has been very important, so the use of microelectromechanical sensors, due to energy consumption, weight and low price, has received much attention. But noise is one of the drawbacks of microelectromechanical sensors that by combining data from different sensors using fusion algorithms, the data can be improved. In this research, the Gain scheduled complementary filter algorithm on a low-cost sensor and in laboratory conditions, based on a test platform with high dynamics and noise is implemented and compared with Kalman filter data and fixed reference. Finally, laboratory tests that the proposed algorithm works more accurately than the Kalman filter by applying noises in a static state as well as considering the oscillatory motion.
Keywords: Attitude Estimation Microelectromechanical Sensor, Data Fusion Algorithms, Kalman Filter, Gain Scheduledcomplementary Filter
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.