CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

بهبود دقت الگوریتم فیلتر کالمن در سامانه AHRS با بکارگیری شبکه عصبی عمیق LSTM

عنوان مقاله: بهبود دقت الگوریتم فیلتر کالمن در سامانه AHRS با بکارگیری شبکه عصبی عمیق LSTM
شناسه ملی مقاله: JR_JME-20-71_010
منتشر شده در در سال 1401
مشخصات نویسندگان مقاله:

محمد سبزواری - دانشکده مهندسی برق- دانشگاه یزد
مسعودرضا آقا بزرگی - دانشکده مهندسی برق - دانشگاه یزد

خلاصه مقاله:
استفاده از سامانه AHRSدقیق مبتنی برسنسورهای تکنولوژی MEMS، با حجم کم و قیمت ارزان،نقش به سزایی در ناوبری و هدایت وسایل بدون سرنشین ایفا می-کند.امروزه استفاده از الگوریتم ها و روش های گوناگون از جمله فیلترهای وفقی، شبکه های عصبی و فیلترهای تخمینگر جهت افزایش دقت این سامانه ها و کاهش نویز سنسورهای آن بسیار مورد توجه محققان قرار گرفته است.در این مقاله از ترکیب شبکه عصبی عمیق LSTM و فیلترکالمن جهت بهبود دقت سامانهAHRSاستفاده شده است. در این روش ابتدا شبکه عمیق مورد استفاده تحت آموزش قرار گرفته و سپس به عنوان یک تصحیح گر، ضرایب موثر فیلترکالمن را تصحیح می کند. این روش تمامی محدودیت های فیلتر کالمن از جمله خطی بودن و حافظه دار نبودن آن را برطرف کرده و بدون استفاده از سامانه GPSدقت زوایای خروجی را بهبود بخشیده است. نتایج این تحقیق برروی داده های واقعی سنسورIMU مبتنی بر تکنولوژی MEMSکه نسبت به سنسورهای مورد استفاده در کارهای مشابه دارای دقت کمتری بوده، نصب شده برروی هواپیمای بدون سرنشین با مانور بالا، انجام شده و بیانگر بهبود ۳۵ درصدی دقت زوایای وضعیت سامانهAHRS و بهبود ۴۰ درصدی کاهش نویز خروجی سنسورها می باشد.

کلمات کلیدی:
ناوبری, AHRS, فیلترکالمن, شبکه عصبی عمیقLSTM, هواپیمای بدون سرنشین

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1646122/