21042

۲۱۰۴۲

بهبود مشخصات عملكردي ژايروسكوپ مجازي با استفاده از فيلتر كالمن

كارشناسي ارشد

كنترل

۱۳۹۴-۱۳۹۸

۱۳۹۸/۰۴/۳۰

دكتر سيد مجيد اسماعيل زاده

برق

وجود سطح نويز بسيار بالا در خروجي ژايروسكوپ¬هاي مبتني بر فناوري MEMS، منجر به ايجاد محدوديت در بكارگيري آن¬ها در كاربردهاي با دقت بالا همچون هدايت و ناوبري اينرسي شده است. فناوري ژايروسكوپ مجازي با تركيب بهينه داده‌هاي سنجشي آرايه ژايروسكوپي، منجر به بهبود دقت اندازه¬گيري ژايروسكوپ¬هاي مبتني بر فناوري MEMS مي-گردد. در اين پژوهش با توجه به ضعف فناوري ژايروسكوپ مجازي در بهبود دقت اندازه¬گيري در شرايط ديناميكي، بهبود توصيف ديناميك سيستم به‌عنوان ابزاري براي دستيابي به دقت اندازه-گيري بيشتر در نظر گرفته شده و مدل ديناميكي نويني براي توصيف دريفت باياس ژايروسكوپ¬هاي مبتني بر فناوري MEMS ارائه شده است. مدل پيشنهادي ارائه‌شده، برخلاف مدل ديناميكي مرسوم براي توصيف رفتار دريفت باياس ژايروسكوپ¬هاي مبتني بر فناوري MEMS، منجر به مشاهده¬پذيري وضعيت سيستم مي¬¬گردد. در ادامه با تعميم مدل يادشده براي آرايه ژايروسكوپي متشكل از چهار عدد ژايروسكوپ، داده‌هاي سنجشي آرايه يادشده با هدف بهبود دقت اندازه¬گيري فناوري ژايروسكوپ مجازي با استفاده از فيلتر كالمن با يكديگر به‌صورت بهينه تركيب شده¬اند. به دست آوردن ضرايب همبستگي واقعي ميان خطاهاي تصادفي ژايروسكوپ¬هاي موجود در آرايه در هنگام پيكربندي فيلتر كالمن براي آرايه ژايروسكوپي، از اهميت بسيار بالايي برخوردار است كه بدين منظور، يك روش رياضي آماري نوين ارائه شده است كه قادر به شناسايي ضرايب يادشده و به دنبال آن تعيين مقادير واقعي ماتريس¬هاي كواريانس نويز فرآيند و نويز اندازه¬گيري براي پيكربندي عملي فيلتر كالمن است. با به دست آوردن مقادير واقعي همبستگي، هم¬چنين امكان اعتبارسنجي نحوه تاثير ضرايب همبستگي عملي بر روي دقت اندازه¬گيري ژايروسكوپ مجازي فراهم گرديد. تحليل¬هاي نظري و شبيه¬سازي¬هاي انجام¬شده حاكي از مؤثر بودن مدل¬ ديناميكي پيشنهادي نسبت به مدل ديناميكي مرسوم در بهبود دقت اندازه¬گيري فناوري ژايروسكوپ مجازي در شرايط ديناميكي بوده است. واژه‌هاي كليدي: ژايروسكوپ مبتني بر فناوري MEMS، فناوري ژايروسكوپ مجازي، تركيب داده¬هاي سنجشي، تبديل موجك، شناسايي همبستگي.

1398/06/30

Improving the Performance Specifications of the Virtual Gyroscope using Kalman Filter

7/20/2020 12:00:00 AM

The existence of high-level stochastic errors in the output of microelectromechanical system (MEMS)-based gyroscopes has restricted their use in high-precision applications, including inertial navigation. The virtual gyroscope technology improves the accuracy of the MEMS-based gyroscopes by combining the multiple outputs of the gyroscope array. In this thesis, due to the weakness of the virtual gyroscope technology in improving the measurement accuracy in dynamic conditions, improving the dynamic characterization of the system is considered as a tool for obtaining higher measurement accuracy and a new dynamic model for modeling the bias drift of a MEMS-based gyroscope is obtained. In contrast to the conventional dynamic model for describing the behavior of the bias drift of the MEMS-based gyroscopes, the proposed model, gives an observable description for the system. Then, by extending the proposed model for a gyroscope array consisting of four MEMS-based gyroscopes, the measurements are optimally combined using the Kalman filter (KF) to improve the measurement accuracy of the virtual gyroscope. For a practical KF implementation, obtaining the correlation coefficients between the stochastic errors of multiple gyroscopes in a gyroscope array is very important. For this purpose, a mathematical statistics method is proposed for obtaining the practical correlation factors between the stochastic errors. The proposed method is also able to determine the practical values of the process and measurement noise covariance matrices for a practical KF implementation. By obtaining the practical correlation coefficients, it was also possible to evaluate the correlation effect on the accuracy improvement of the virtual gyroscope measurement. Theoretical analyses and simulations have shown that the proposed dynamic model is more effective than the conventional dynamic model in improving the measurement accuracy of the virtual gyroscope under dynamic conditions. Keywords: MEMS-based gyroscope, virtual gyroscope technology, data fusion, wavelet decomposition, correlation identification