اندازه گیری زوایای سه بعدی با استفاده از IMU مبتنی بر فنّاوری MEMS به وسیله‌ فیلتر کالمن تطبیقی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری دانشکده مهندسی برق، دانشگاه علم و صنعت ایران

2 استاد دانشکده مهندسی برق، دانشگاه علم و صنعت ایران

چکیده

اندازه­گیری زوایای سه­بعدی در تعداد زیادی از کاربردها از جمله سامانه­های موقعیت­یابی INS استفاده می­شود .اندازه­گیری زاویه در حسگر   شتاب­سنج به دلیل اثر دیگر شتاب­ها علاوه بر شتاب جاذبه با خطای زیادی همراه­ است. همچنین زاویه می­تواند به­‌وسیله‌ انتگرال گرفتن از خروجی ژیروسکوپ به­دست آید، اما در عمل به خاطر مشکل دریفت در ژیروسکوپ، زاویه­ اندازه­گیری از مقدار واقعی دور است که این مقدار خطا در طول زمان افزایش می­یابد. در این مقاله، با استفاده از ترکیب­ ویژگی­های شتاب­سنج و ژیروسکوپ به­‌وسیله‌ یک فیلتر کالمن تطبیقی توانسته­ایم نقاط ضعف هر یک از این دو حسگر را بپوشانیم. به­منظور تطبیقی کردن فیلتر مورد نظر از یک سامانه فازی استفاده شده است. در این سامانه فازی، ورودی خطای فرآیند است که اختلاف بین مقدار اندازه‌گیری و مقدار تخمین زده شده می‌باشد که باعث می‌گردد، ‌فیلتر تطبیقی پیشنهاد شده، نسبت به نمونه‌های قبلی، خود را متناسب با شرایط استاتیکی و دینامیکی تنظیم کند تا بتواند اطلاعات خروجی حسگرها را به شکل مناسب ترکیب نماید. برای ارزیابی ساختار پیشنهاد شده، به‌ صورت عملی آزمایش­های دینامیکی و استاتیکی بر روی یک IMU مبتنی بر فنّاوری MEMS انجام‌ شده است. نتایج نشان می­دهد که مقدار مؤثر خطای زاویه در طرح پیشنهادی نسبت به ساختار کالمن بدون تطبیق، دارای بهبودی در حدود 34٪ در حالت استاتیکی و حدود 3/34٪ و 8/29٪ به­ترتیب در حالت­های دینامیکی چرخش حول محور Y و X است.

کلیدواژه‌ها


[1]   S. B. Lazarus, I. Ashokaraj, A. Tsourdos, P. M. Silson, N. Aouf, and B. A. White, “Vehicle Localization using Sensors Data Fusion via Integration of Covariance Intersection and Interval Analysis,” IEEE Sensors Journal, vol. 7, no. 9, pp. 1302-1314, 2007.##

[2]   M. Ghanbari and M. J. Yazdanpanah, “Delay Compensation of Tilt Sensors based on MEMS Accelerometer using Data Fusion Technique,” IEEE Sensors Journal, vol. 15, no. 3, pp. 1959-1966, 2015##.

[3]   S. Luczak, W. Oleksiuk, and M. Bodnicki, “Sensing Tilt with MEMS Accelerometers,” IEEE Sensors Journal, vol. 6, no. 6, pp. 1669-1675, 2006##.

[4]   F. Alam, Z. ZhaiHe, and H. Jia, “A Comparative Analysis of Orientation Estimation Filters using MEMS based IMU,” in Proceedings of the International Conference on Research in Science, Engineering and Technology, Dubai, UAE, pp. 21-22, 2014##.

 [5]   D. Gebre-Egziabher, R. C. Hayward, and J. D. Powell, “A Low-Cost GPS/Inertial Attitude Heading Reference System (AHRS) for General Aviation Applications,” in Position Location and Navigation Symposium, pp. 518-525, 1998##.

[6]   S. O. Madgwick, A. J. Harrison, and R. Vaidyanathan, “Estimation of IMU and MARG Orientation using a Gradient Descent Algorithm,” in IEEE International Conference on Rehabilitation Robotics (ICORR), pp. 1-7, 2011##.

[7]   E. R. Bachmann, I. Duman, U. Usta, R. B. McGhee, X. Yun, and M. Zyda, “Orientation Tracking for Humans and Robots using Inertial Sensors,” in International Conference on Computational Intelligence in Robotics and Automation, pp. 187-194, 1999##.

 [8]  E. Foxlin, “Inertial Head-Tracker Sensor Fusion by a Complementary Separate-Bias Kalman Filter,” in Virtual Reality Annual International Symposium, pp. 185-194, 1996##.

[9]   J. N. Lim, “Design of Attitude Estimation System for Micro Aerial Vehicle,” Mechanical and Aerospace Engineering, Seoul National University, Korea, Seoul, 1993##.

[10] N. Miller, O. C. Jenkins, M. Kallmann, and M. J. Mataric, “Motion Capture from Inertial Sensing for Untethered Humanoid Teleoperation,” in IEEE/RAS International Conference on Humanoid Robots, vol. 2, pp. 547-565, 2004##.

 [11] F. M. Mirzaei and S. I. Roumeliotis, “A Kalman Filter-based Algorithm for IMU-Camera Calibration: Observability Analysis and Performance Evaluation,” IEEE Transactions on Robotics, vol. 24, no. 5, pp. 1143-1156, 2008##.

[12] D. Roetenberg, H. J. Luinge, C. T. Baten, and P. H. Veltink, “Compensation of Magnetic Disturbances Improves Inertial and Magnetic Sensing of Human Body Segment Orientation,” IEEE Transactions on Neural Systems and Rehabilitation Engineering, vol. 13, no. 3, pp. 395-405, 2005##.

[13] S. Sabatelli, M. Galgani, L. Fanucci, and A. Rocchi, “A Double Stage Kalman Filter for Sensor Fusion and Orientation Tracking in 9D IMU,” in Sensors Applications Symposium (SAS), pp. 1-5, 2012##.

[14] R. Faragher, “Understanding the Basis of the Kalman Filter via a Simple and Intuitive Derivation,” IEEE Magazine on Signal Processing, vol. 29, no. 5, pp. 128-132, 2012##.

 [15] M. Ghanbari and M. J. Yazdanpanah, “Delay Compensation of Tilt Sensors Based on MEMS Accelerometer Using Data Fusion,” IEEE Sensors Journal, vol. 15, no. 3, pp. 1959-1966, 2015##.

[16] J. Lim and D. Hong, “Cost Reference Particle Filtering Approach to High-Bandwidth Tilt Estimation,” IEEE Transactions on Industrial Electronics, vol. 57, no. 11, pp. 3830-3839, 2010##.

[17] S. Jung, H. T. Cho, and T. C. Hsia, “Neural Network Control for Position Tracking of a Two-Axis Inverted Pendulum System: Experimental Studies,” IEEE Transactions on Neural Networks, vol. 18, no. 4, pp. 1042-1048, 2007##.

[18] C. W. Kang and C. G. Park, “Attitude Estimation with Accelerometers and Gyros using Fuzzy Tuned Kalman Filter,” in IEEE International Conference on Control Conference (ECC), pp. 3713-3718, 2009##.

  [19] H. Sun, J. Fu, X. Yuan, and W. Tang, “Analysis of the Kalman Filter with Different INS Error Models for GPS/INS Integration in Aerial Remote Sensing Applications,” The International Archives of the Phogrammetry, Remote Sensing and Spatial Information Sciences, vol. 37, pp. 883-890, 2008##.

[20] D. Simon, “Kalman Filtering,” Embedded Systems Programming, vol. 14, no. 6, pp. 72-79, 2001##.

[21] P. Gui, L. Tang, and S. Mukhopadhyay, “MEMS based IMU for Tilting Measurement: Comparison of Complementary and Kalman Filter based Data Fusion,” in IEEE International Conference on Industrial Electronics and Applications (ICIEA), pp. 2004-2009, 2015##.

 [22] M. R. Remus, “Fuzzy Logic Applied to Adaptive Kalman Filtering,” University of Nebraska - Lincoln, 1992.

[23] M. M. Fateh and S. Khorashadizadeh, “Robust Control of Electrically Driven Robots by Adaptive Fuzzy Estimation of Uncertainty,” Nonlinear Dynamics, vol. 69, no. 3, pp.        1465-1477, 2012.