حامد محمدکریمی حسین هوشیار

سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 25

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JSST-19-3_006

تاریخ نمایه سازی: 18 مهر 1405

چکیده مقاله:

کالیبراسیون دقیق بایاس حسگرهای اینرسی نقش حیاتی در جلوگیری از انباشت و افزایش تدریجی خطاها در سامانه های ناوبری اینرسی ایفا می کند. روش های متداول مانند فیلتر کالمن و نسخه های گوناگون آن، معمولا دارای پیچیدگی محاسباتی بالا، وابستگی شدید به مدل سازی دقیق نویز، و نیازمند تنظیم دقیق پارامترها برای تضمین پایداری و همگرایی هستند. برای رفع این چالش ها، در این پژوهش یک روش کالیبراسیون جبری برخط نوین ارائه می شود که دینامیک خطای سامانه ناوبری اینرسی را بازنویسی کرده و مولفه های بایاس شتاب سنج و ژیروسکوپ را به صورت صریح و تحلیلی جدا می کند. الگوریتم پیشنهادی بایاس ها را با حل یک دستگاه معین معادلات خطی، تشکیل شده از حالت های خطای بین سامانه مرجع و سامانه وابسته، برآورد می کند و بدین ترتیب نیاز به فیلترسازی تکراری یا به روزرسانی احتمالاتی را به طور کامل حذف می نماید. نتایج شبیه سازی در شرایط سکون و پرواز پیمایشی نشان می دهند که روش پیشنهادی از دقت بالا، همگرایی سریع، و مقاومت قابل توجه در برابر نویز اندازه گیری برخوردار است. همچنین یافته ها پایداری عددی مطلوب و سازگاری آن با تغییرات زمانی حسگرها را تایید می کنند. در مجموع، این روش با هزینه محاسباتی بسیار کم، تخمین دقیق و پایدار بایاس را فراهم کرده و گزینه ای سریع، کارآمد و قابل اعتماد برای کاربردهای ایمنی حساس نظیر هوانوردی، وسایل خودران و رباتیک ارائه می دهد.

نویسندگان

Hamed Mohammadkarimi

Faculty of Aerospace, Amirkabir University of Technology, Tehran, Iran

hossein Houshyar

Faculty of Aerospace, Amirkabir University of Technology, Tehran, Iran

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • M. B. Ignagni, “Optimal strapdown attitude integration algorithms,” Journal of ...
  • P. G. Savage, “Strapdown inertial navigation integration algorithm design part ...
  • P. D. Groves, Principles of GNSS, Inertial, and Multisensor Integrated ...
  • J. L. Crassidis and J. L. Junkins, Optimal Estimation of ...
  • S. J. Julier and J. K. Uhlmann, “Unscented filtering and ...
  • A. M. Sabatini, “Quaternion-based extended Kalman filter for determining orientation ...
  • J. L. Crassidis and F. L. Markley, “Unscented filtering for ...
  • A. M. Sabatini, “Kalman-filter-based orientation determination using inertial/magnetic sensors: Observability ...
  • E. H. Shin, “Estimation techniques for low-cost inertial navigation,” Ph.D. ...
  • N. Cohen and I. Klein, “Inertial navigation meets deep learning: ...
  • H. Xing, B. Hou, Z. Lin, and M. Guo, “Modeling ...
  • R. Mahony, T. Hamel, and J. M. Pflimlin, “Nonlinear complementary ...
  • M. Fliess and H. Sira-Ramírez, “An algebraic framework for linear ...
  • H. Nobahari and H. Mohammadkarimi, “Body-referenced inertial navigation systems,” Report, ...
  • H. Mohammadkarimi, H. Nobahari, and A. Sharifi, “A new approximative ...
  • نمایش کامل مراجع