بهبود دقت الگوريتم فيلتر كالمن در سامانه AHRS با بكارگيري شبكه عصبي عميق LSTM

استفاده از سامانه AHRSدقيق مبتني برسنسورهاي تكنولوژي MEMS، با حجم‌كم و قيمت ارزان،نقش به سزايي در ناوبري و هدايت وسايل بدون سرنشين ايفا مي-كند.امروزه استفاده از الگوريتم‌ها و روش هاي گوناگون از جمله فيلترهاي وفقي، شبكه هاي عصبي و فيلترهاي تخمينگر جهت افزايش دقت اين سامانه ها و كاهش نويز سنسورهاي آن بسيار مورد توجه محققان قرار گرفته است.در اين مقاله از تركيب شبكه عصبي عميق LSTM و فيلتركالمن جهت بهبود دقت سامانهAHRSاستفاده شده است. در اين روش ابتدا شبكه عميق مورد استفاده تحت آموزش قرار گرفته و سپس به عنوان يك تصحيح‌گر، ضرايب موثر فيلتركالمن را تصحيح مي‌كند. اين روش تمامي محدوديت هاي فيلتر كالمن از جمله خطي بودن و حافظه دار نبودن آن را برطرف كرده و بدون استفاده از سامانه GPSدقت زواياي خروجي را بهبود بخشيده است. نتايج اين تحقيق برروي داده‌هاي واقعي سنسورIMU مبتني بر تكنولوژي MEMSكه نسبت به سنسورهاي مورد استفاده در كارهاي مشابه داراي دقت كمتري بوده، نصب شده برروي هواپيماي بدون سرنشين با مانور بالا، انجام شده و بيانگر بهبود 35 درصدي دقت زواياي وضعيت سامانهAHRS و بهبود 40 درصدي كاهش نويز خروجي سنسورها مي‌باشد.