طراحي و پياده‌سازي سيستم AHRS با ديناميك اويلر و استفاده از تابع كاتز و تخمين‌ گر پيش‌بين

Design and implementation of AHRS by using Kautz function and predictive estimator with Euler’s dynamic

در سال‌هاي اخير، به‌منظور كاهش هزينه در موقعيت‌يابي در استفاده‌هاي غيرنظامي و رباتيك، حسگر اينرسي كم‌هزينه به‌خصوص انواع سيستم ميكرو الكترومكانيكي (MEMS) توليدشده‌اند. خطا موقعيت‌يابي سيستم ناوبري اينرسي كه شامل حسگر اينرسي كم‌هزينه مي‌باشند، به علت عدم قطعيت قابل‌توجه ناشي از نويز، باياس و دريفت حسگرهاي MEMS در مدت‌زمان كوتاه افزايش مي‌يابند؛ بنابراين، تركيب با سيستم كمكي مانند سيستم موقعيت‌يابي جهاني (GPS) به‌منظور كاهش خطاها از طريق الگوريتم تخمين يكپارچه‌سازي انجام‌شده است. در اين مقاله هدف توسعه يك الگوريتم تخمين‌گر جديد براي ادغام مجموعه زواياي سمت و تراز يك سيستم مرجع (AHRS) با GPS، است. فيلتر كالمن معمولاً براي سيستم‌هاي خطي و نسخه توسعه‌يافته آن براي سيستم غيرخطي استفاده مي‌شود. به‌طوركلي، زماني كه سيستم داراي رفتار غيرخطي باشد تخمين‌ گر فيلتر كالمن با مشكل مواجه مي‌شود. براي غلبه بر اين مشكل تخمين‌ گر پيش‌بين در اين مقاله در نظر گرفته مي‌شود. فرايند طراحي تخمين‌ گر پيش‌بين (MPO) بر مبناي دوگان بين مسائل كنترل و تخمين در سيستم‌هاي خطي ارائه‌شده است. براي دست‌يابي به عملكرد بهتر براي روش ارائه‌شده، با فيلتر كالمن توسعه‌يافته شده در آزمايش‌هاي عملي AHRS/GPS بر روي خودرو و وسيله نقليه هوايي مقايسه شده است. نتايج آزمايش MPO طراحي‌شده در تمام آزمايش‌ها نشان‌دهنده برتري قابل‌توجهي در مقايسه با فيلتر كالمن توسعه‌ يافته است.

In recent years, to reduce positioning cost for civil and robotic applications, low-cost inertial sensors, especially Micro Electro Mechanical System (MEMS) types have been produced. Positioning Error of an inertial navigation system comprising low-cost inertial sensors increases due to significant uncertainty of noises, bias and drift of MEMS sensors in short times. Therefore, combination with an auxiliary system such as the Global Positioning System (GPS) is proposed in order to reduce the errors through integration estimator algorithms. This paper aims to develop a new estimation algorithm for integrated attitude and heading reference system (AHRS) with GPS. Kalman Filter is commonly used for linear systems and its extended version has been used for nonlinear system. Generally, the Kalman type estimators fall into trouble when the system exhibits nonlinear behavior and to overcome these issues, the predictive estimator is considered in the paper. Design process of Model Predictive Observer (MPO) is proposed based on the duality between the problems of control and estimation in linear systems. To assess the performance of the proposed method compared with the extended Kalman filter, practical tests of AHRS/GPS have been done on car and flight vehicles. The test results of the designed MPO during all tests show the significant superiority in comparison to the extended Kalman filter.