25772

بهبود دقت سامانه تلفيقي INS و GPS ارزان‌قيمت مبتني بر روشهاي يادگيري ماشيني در كاربردهاي هوايي

دكترا

مهندسي برق- الكترونيك

1396

1400/7/7

سيد محمدرضا موسوي ميركلائي

مهندسي برق

تلفيق دو سامانه موقعيت‌ياب جهاني GPS و سامانه ناوبري اينرسي INS از روش‌هاي كاربردي براي ناوبري دقيق‌تر، مقاوم‌تر و پيوسته‌تر نسبت به هر يك از سامانه‌ها به‌تنهايي مي‌باشد. هدف از اين رساله، بهبود دقت سامانه تلفيق GPS و حسگرهاي ارزان‌قيمت INS با فنّاوري ساخت MEMS به‌منظور دستيابي به راه‌حل مكان‌يابي دقيق و كم‌هزينه حتي در زمان‌هاي قطعي سيگنال GPS مي‌باشد. شرايط چالشي در اين تحقيق استفاده از حس‌گرهاي اينرسي ارزان‌قيمت، سرعت‌120 كيلومتر بر ساعت وسيله نقليه، درصد بالايي از نويزهاي تصادفي حاصل از واقعي بودن داده، بلادرنگ بودن سامانه و چندين مورد قطعي بلند-مدت سيگنال GPS در طول فرآيند پرواز مي‌باشد. ازآنجايي‌كه دامنه خطاي مكان‌يابي سامانه تلفيقي به كيفيت حس‌گرهاي اينرسي انتخاب‌شده، طول بازه قطعي سيگنال GPS، سرعت وسيله پرنده و كارآيي الگوريتم به‌كار رفته جهت پيش‌بيني خطاي مكان‌يابي بستگي دارد، در اين تحقيق دو رويكرد، طراحي و به كار گرفته‌شده است. در ابتدا، باهدف كاهش تأثير مخرب عدم قطعيت‌ها و نويزهاي بالاي موجود در اندازه‌گيري‌هاي خام حس‌گرهاي ارزان‌قيمت اينرسي در سامانه ناوبري تلفيقي و درنتيجه آموزش بهتر سامانه هوشمند، الگوريتم‌¬هايي جديد با ويژگي¬هاي منحصر به فرد به‌عنوان پيش‌پردازش اندازه‌گيري‌ها ارائه مي‌شود. سپس در رويكرد اول در بازه¬هاي قطعي سيگنال GPS، الگوريتم‌هايي مبتني بر هوش مصنوعي براي پيش‌بيني خطاي INS طراحي شده است كه كارآيي بالايي در مدل كردن عدم قطعيت‌هاي پيچيده شرايط موجود داشته باشد. در اين الگوريتم‌ها مصالحه‌ي بين سرعت و دقت لحاظ شده است تا مناسب كاربرد بلادرنگ باشد. در رويكرد دوم گام فراتر رفته است و در هر دو بازه قطعي و حضور سيگنال GPS، دقت و عملكرد سامانه تلفيقي بهبود يافته است. بدين‌صورت كه در بازه حضور GPS، با طراحي فيلتر جديد كالمن كرونتروپي متمركز غيرمستقيم بهينه‌شده با به‌كارگيري روش‌هاي مبتني بر هوش مصنوعي، علاوه بر اينكه نواقص روش‌هاي فيلتر كالمني را برطرف كرده است، ويژگي‌هاي منحصربه‌فردي را به سامانه تلفيقي اضافه كرده است. همچنين در بازه قطعي GPS با طراحي الگوريتم¬هاي هوشمند مناسب، ناوبري پيوسته و دقيقي را فراهم آورده است. عملكرد و دقت بالا به¬خصوص در برابر نويزهاي اندازه¬گيري غيرگوسي GPS، مانورهاي ديناميكي وسيله پروازي در طول مسير، نويزهاي حسگرهاي اينرسي و قطعي-هاي بلندمدت سيگنال GPS از جمله ويژگي‌هاي متمايز اين الگوريتم مي¬باشد. الگوريتم¬هاي پيشنهادي موفق شده¬اند نتايج را نسبت به آخرين دستاوردهاي موجود در اين حوزه دست¬كم 20 درصد بهبود بخشند.

1400/10/08

Improving the accuracy of the low-cost integrated GPS/INS system based on machine learning methods in aerial applications

9/29/2022 12:00:00 AM

The integration of two GPS global positioning systems and the INS inertial navigation system is one of the practical methods for more accurate, robust and continuous navigation than any of the systems alone. This dissertation aims to improve the accuracy of the integrated GPS/INS system with the low-cost INS sensors with MEMS technology to achieve an accurate and low-cost positioning solution even at long-term GPS outages. Challenging conditions in this study are low-cost inertial sensors, vehicle speeds of 120 km / h, a high percentage of random noise due to real data, system real-time, and several long-term GPS interruptions during the flight process. Since the positioning error of the integrated system depends on the quality of the inertial sensors, the length of the GPS outage, the speed of the flight test and the effectiveness of the algorithm used to predict the positioning error, two approaches have been designed and used in this study. Initially, to reduce the destructive effect of high uncertainties and noise in the raw measurements of low-cost inertial sensors in the integrated navigation system and as a result of better training of the intelligent system, new algorithms with unique features are introduced as preprocessing steps. Then, in the first approach, at GPS outages, artificial intelligence (AI)-based algorithms are designed to predict INS error, which is highly efficient in modeling the complex uncertainties of existing conditions. In these algorithms, a compromise between speed and accuracy is considered to be suitable for real-time applications. In the second approach, a step has been taken and in both GPS outages and the presence of GPS signals, the accuracy and performance of the integrated system have been improved. Thus, in the presence of GPS, by designing a new Indirect Centralized Correntropy Kalman filter, optimized by using AI-based methods, in addition to eliminating the shortcomings of Kalman filtering methods, it has added unique features to the integrated system. It also provides continuous and accurate navigation in the GPS blockages with the design of appropriate intelligent algorithms. High performance and accuracy, especially against non-Gaussian GPS measurement noises, dynamic maneuvers of the in-flight vehicle, noises of inertial sensors and long-term GPS blockages are among the distinctive features of the proposed algorithm. The proposed algorithms have succeeded in improving the results by at least 20% compared to the latest achievements in this field.