18660

۱۸۶۶۰

استفاده از حسگرهاي افزونه در ساختار IMU به‌منظور افزايش صحت و دقت حسگرهاي مبنا

كارشناسي ارشد

كنترل

مهر 1396

دكتر سعيد عبادالهي

برق

اگرچه با ظهور فنّاوري MEMS حجم، وزن، قيمت و توان مصرفي در حسگرهاي اينرسي كاهش پيداكرده است و اين فنّاوري سهم قابل‌توجهي از فروش بازار را به خود اختصاص داده اما دقت و صحت اين حسگرها هنوز مناسب نيستند به‌طوري‌كه حسگرهاي اينرسي دقيق و گران‌قيمت، هنوز تنها انتخاب ناوبري دقيق هستند. هدف از اين پايان‌نامه افزايش دقت به‌وسيله افزونگي سخت‌افزاري و بهبود صحت با ارائه روشي جديد براي كاليبراسيون كامل حسگرهاي اينرسي است. اين روش براي حسگرهاي MEMS مناسب‌تر است چراكه داراي حجم، وزن، قيمت و توان مصرفي كم‌ هستند. به‌منظور حذف خطاي تصادفي و افزايش دقت، روشي جديد بر مبناي حداقل مربعات با قيد خطي و با بروز رساني پارامترهاي تخمين، براي حسگرهاي افزونه پيشنهادشده است. در اين روش براي اولين بار مدل‌سازي جديدي براي حسگرهاي افزونه به‌صورت قيد خطي بكار رفته است. برخلاف روش‌هاي معمول مدل‌سازي در اين زمينه، كه فقط براي مدل‌سازي حسگرهاي اينرسي است، مدل حسگر افزونه پيشنهادي، مي‌تواند براي حسگرهاي افزونه نوع ديگر مانند فشار و دما بكار برده ‌شود. اين مدل، در يك فرم حداقل مربعات به همراه به‌روزرساني ضرايب به‌منظور تركيب داده حسگرهاي اينرسي افزونه بكار رفته است. به‌صورت كاملا تحليلي جواب حداقل مربعات با قيد خطي و به‌روزرساني ضرايب به‌دست‌آمده‌ و اثبات‌شده‌ تخمينگر پيشنهادي بي‌باياس است. افزايش دقت در اين تخمينگر نيز، با تحليل ماتريس كوواريانس نشان داده‌شده است. به‌منظور بهبود صحت، روش جديدي براي كاليبراسيون چند وضعيتي حسگرهاي اينرسي، با استفاده از تعميم حداقل مربعات به همراه به‌روزرساني ضرايب ارائه‌شده است. روش‌هاي قبلي محدوديت‌هايي مانند نيازمندي به داده‌هاي فقط شش يا دوازده وضعيت، و قرارگيري تنها در راستا و يا خلاف راستاي بردار شتاب گرانش و تخمين تعداد محدودي از ضرايب كاليبراسيون را دارند. اما درروش پيشنهادي به‌صورت كاملاً تحليلي نشان داده‌شده است به اطلاعات اندازه‌گيري حداقل در چهار وضعيت نياز است و قيدي در قرارگيري در جهت خاص ندارد. بااين‌وجود تمام ضرايب كاليبراسيون شامل باياس، ضريب مقياس، عدم تعامد و عدم هم‌راستايي را تخمين مي‌زند. علاوه بر آن، در روش پيشنهادي قابليت استفاده از پنج، شش و يا تعداد دلخواه بيشتري وضعيت مختلف به‌منظور تخمين بهتر ضرايب كاليبراسيون وجود دارد. به‌عنوان كاربرد، روش تخمين پيشنهادي، در الگوريتم‌ تعيين وضعيت با استفاده از شتاب‌سنج و مغناطيس‌سنج بكار گرفته‌شده است. نتايج، بهبود صحت و دقت در تعيين وضعيت را نشان مي‌دهد.

1397/01/19

4/8/2018 12:00:00 AM

Although emergence of MEMS technology has decreased volume, weight, price and power consumption of inertial sensors and it plays a significant role in the market, but accuracy and precision of these sensors are not suitable for many applications; thus, accurate and expensive inertial sensors are still the only option for accurate navigation systems. Purpose of this thesis is to increase precision through hardware redundancy and improve accuracy through a novel method for complete calibration of inertial sensors. Hardware redundancy is particularly suitable for MEMS sensors due to their lower volume, weight, price and lower power consumption. In order to eliminate random error and increase precision, a novel method is proposed for redundant sensors based on linear constrained least squares with updating estimation parameters. In this method, a new modeling is proposed for redundancy sensors as a linear constraint. Unlike conventional models, which are only used for modelling inertial sensors, the proposed redundant sensor model can be employed for other kinds of measurement like pressure or temperature. This model is employed in least squares form with updating parameters to combine data of inertial sensors. Solution of the linear constrained least squares with updating estimation parameters is obtained analytically and it is proved that the proposed estimator is unbiased. Increasing precision in this estimator is shown through analyzing covariance matrix. In order to improve accuracy, a new method is proposed for calibrating inertial sensors through extension of least squares with updating coefficients. In the previous methods, there were constraints like requiring data of only 6 or 12 positions, being oriented along gravity vector and estimating a limited number of calibration coefficients. But in the proposed method, it has been shown analytically that measurement information of at least 4 positions is required witch they have no need to align in particular direction. However, all calibration coefficients including bias, scale factor, non-orthogonality and misalignment are estimated. In addition, 5, 6 or more number of different positions can be used for better estimation of calibration coefficients. The proposed estimation method is applied to the attitude determination algorithm using accelerometer and magnetometer. Results show that precision and accuracy are improved.