26432

تلفيق سامانه هاي GPS و INS با استفاده از فيلتر كالمن با تخمين مدل چندگانه

كارشناسي ارشد

مهندسي برق- سيستم هاي الكترونيك ديجيتال

98-99

1400/12/11

سيد محمدرضا موسوي ميركلايي

مهندسي برق

يكي از معايب سامانه ناوبري اينرسي، افزايش خطاي آن باگذشت زمان به دليل وجود خطا در حسگرهاي اندازه‌گيري اينرسي مي‌باشد. به همين دليل، همواره براي دستيابي به دقت بالاتر در ناوبري هاي طولاني مدت از سامانه هاي ناوبري كمكي در كنار آن استفاده شده است. ﺳامانه ﻣﻮﻗﻌﻴﺖياب جهاني با توجه به خواص مكمل خود با سامانه ناوبري اينرسي، مناسب ترين سامانه كمكي محسوب مي شود. در اين پايان نامه، جهت افزايش دقت ناوبري در تلفيق GPS/INS، يك رويكرد فيلترينگ كالمني مستقيم مبتني بر مدل چندگانه تعاملي معرفي شده است. در ساختار IMM-RSTEKF پيشنهادي، از معادلات ناوبري اينرسي و معادلات رديابي هدف جهت بهبود تخمين موقعيت و سرعت استفاده شده است. همچنين، براي افزايش دقت زواياي جهت، از روش هاي تخمين جهت مبتني بر ژيروسكوپ، شتاب سنج و GPS بهره برده شده است. با اضافه شدن معادلات جهت در ساختار مدل ها و غيرخطي شدن معادلات، فيلتر كالمن توسعه يافته در ساختار مدل ها به كار گرفته شد. سپس، براي مقابله با خطاي مدل سازي، روش رديابي قوي تصحيح شده در فرآيند تخمين EKF اضافه شد. روش پيشنهادي به همراه روش هاي فيلترينگ غيرمستقيم KF متداول، فيلترينگ مستقيم UKF ،RSTUKF و IMM-EKF با استفاده از داده هاي جمع آوري شده در يك آزمايش ميداني واقعي توسط هواپيما راستي آزمايي شدند. با توجه به نتايج بدست آمده، روش پيشنهادي توانسته خطاي موقعيت را نسبت به KF ،UKF و IMM-EKF بيش از 12% كاهش بدهد. با اين حال، عملكرد مشابه اي را در خطاي موقعيت نسبت به RSTUKF داشته است. همچنين، در خطاي سرعت نيز عملكرد مشابه اي را نسبت به IMM-EKF از خود نشان داده است. با اين حال، توانسته خطاي سرعت را نسبت به KF ،UKF و RSTUKF به ترتيب بيش از 34%، 29% و 32% كاهش بدهد.

1401/02/12

GPS/INS Integration using Kalman Filter Method with Multiple Model Estimation

3/2/2023 12:00:00 AM

One of the disadvantages of the Inertial Navigation System (INS) is that its error increases over time due to an error in the inertial measuring sensors. For this reason, auxiliary navigation systems have always been used to achieve higher accuracy in long-term navigation. The Global Positioning System (GPS) is the most suitable auxiliary system due to its complementary properties with the INS. This dissertation introduces a direct Kalman filtering approach based on Interacting Multiple Models (IMM) to increase navigation accuracy in GPS/INS integration. In the proposed IMM-Refined Strong Tracking Extended Kalman Filter (IMM-RSTEKF) structure, inertial navigation equations and target tracking equations improve position and velocity. Also, gyroscope-based, accelerometer-based, and GPS-based attitude estimation methods have been used to increase the accuracy of attitude angles. With the addition of attitude equations in the structure of the models and the nonlinearization of the equations, the EKF was used in the structure of the models. Then, to deal with model errors, the RST method was used in the EKF estimation process. The proposed method along with conventional indirect KF filtering methods, direct filtering Unscented Kalman Filter (UKF), RSTUKF and IMM-EKF were verified by aircraft using data collected in a real field test. According to the obtained results, the proposed method was able to reduce the position error by more than 12% compared to KF, UKF and IMM-EKF. However, it has a similar performance in position error to RSTUKF. Also, it has shown a similar performance to IMM-EKF in velocity error. However, it was able to reduce the velocity error by more than 34%, 29% and 32% compared to KF, UKF and RSTUKF, respectively.

سامانه موقعيت‌ياب جهاني , سامانه ناوبري اينرسي , فيلتر كالمن , فيلتريتگ مستقيم , فيلترينگ غيرمستقيم , تخمين مدل چندگانه , مدل چندگانه تعاملي

Global Positioning System , Inertial Navigation System , Kalman Filter , Direct Filtering , Indirect Filtering , Multiple Model Estimation , Interacting Multiple Models

Hossein heidary sadrabady

Seyed Mohammadreza Mousavi mirkolaei