دوره 16، شماره 1 - ( مجله کنترل، جلد 16، شماره 1، بهار 1401 )                   جلد 16 شماره 1,1401 صفحات 36-27 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Ghahremani N, Alhassan H. Design of a new algorithm to improve the convergence of extended Kalman filter based on incremental predictive model for inertial navigation system alignment and its stability analysis. JoC. 2022; 16 (1) :27-36
URL: http://joc.kntu.ac.ir/article-1-874-fa.html
قهرمانی نعمت الله، الحسن حسن. طراحی الگوریتمی برای افزایش همگرایی فیلتر کالمن توسعه‌یافته مبنی بر مدل پیش‌بین تفاضلی در ترازیابی سامانه ناوبری اینرسی و تحلیل پایداری آن. مجله کنترل. 1401; 16 (1) :36-27

URL: http://joc.kntu.ac.ir/article-1-874-fa.html


1- مجتمع دانشگاهی برق و کامپیوتر، دانشگاه صنعتی مالک اشتر، تهران، ایران
چکیده:   (2551 مشاهده)
در این مقاله نوعی فیلتر پیش‌بین با رویکرد جدید برای ترازیابی سامانه ناوبری اینرسی با مدل غیرخطی ارائه و پایداری آن تحلیل‌شده است. پایداری فیلتر جدید بر اساس روش لیاپانوف مورد تجزیه‌وتحلیل قرارگرفته است. تابع لیاپانوف را به‌صورت تابع هزینه درجه دوم انتخاب می‌شود. این روش شرایط کافی را برای پایداری حالت تعادل در برابر عدم قطعیت و نویزهای اندازه‌گیری ارائه می‌دهد. از روش پیشنهادی برای بهبود دقت ترازیابی اولیه یک سامانه ناوبری اینرسی با عدم قطعیت و خطای سمت با مقدار بزرگ استفاده‌شده است. مدل اندازه‌گیری این سامانه غیرخطی بوده و دارای خطای مدل‌سازی است. در این روش خطای مدل تخمین زده‌شده و سپس در الگوریتم فیلتر این خطا جبران می‌شود؛ به همین خاطر خطای حالت‌های تخمین نیز در مرحله بهنگام سازی اطلاعات فیلتر کاهش می‌یابد. با انجام شبیه‌سازی‌های گوناگون این روش بر روی‌داده‌های واقعی حسگر میکرو الکترومکانیکی MEMS و با مقایسه آن با فیلتر کالمن توسعه‌یافته و فیلتر کالمن بدون بو، مشاهده می‌شود که روش پیشنهادی دقت و سرعت همگرایی بالاتری نسبت به فیلتر کالمن توسعه‌یافته و فیلتر کالمن بدون بو دارد. اثبات می‌شود الگوریتم جدید دارای پایداری مجانبی است.
متن کامل [PDF 893 kb]   (148 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: 1400/3/4 | پذیرش: 1400/5/14 | انتشار الکترونیک پیش از انتشار نهایی: 1400/7/18

فهرست منابع
1. [1] N. Nagui et al., "Improved GPS/IMU Loosely Coupled Integration Scheme Using Two Kalman Filter-based Cascaded Stages", Arabian Journal for Science and Engineering, vol. 46, no. 2, pp. 1345-1367, 2021. [DOI:10.1007/s13369-020-05144-8]
2. [2] N. A. Anbu and D. Jayaprasanth. "Integration of Inertial Navigation System with Global Positioning System using Extended Kalman Filter", in International Conference on Smart Systems and Inventive Technology, IEEE, 2019. [DOI:10.1109/ICSSIT46314.2019.8987949]
3. [3] H. Rahimi and A. A. Nikkhah, "Improving the speed of initial alignment for marine strapdown inertial navigation systems using heading control signal feedback in extended Kalman filter", International Journal of Advanced Robotic Systems, vol. 17, no. 1, 2020. [DOI:10.1177/1729881419894849]
4. [4] F. Farhangian and R. Landry, "Accuracy improvement of attitude determination systems using EKF-based error prediction filter and PI controller", Sensors, vol. 20, no. 14, pp. 4055, 2020. [DOI:10.3390/s20144055]
5. [5] W. Liu and et al., "TLIO: Tight Learned Inertial Odometry". IEEE Robotics and Automation Letters, vol. 5, no. 4, pp. 5653-5660, 2020. [DOI:10.1109/LRA.2020.3007421]
6. [6] S. Song and J. Wu, "Motion State Estimation of Target Vehicle under Unknown Time-Varying Noises Based on Improved Square-Root Cubature Kalman Filter", Sensors, vol. 20, no. 9, pp. 2620, 2020. [DOI:10.3390/s20092620]
7. [7] I. Hashlamon, "A new adaptive extended Kalman filter for a class of nonlinear systems", Journal of Applied and Computational Mechanics, vol. 6, no. 1, pp. 1-12, 2020.
8. [8] K. H. Kim et al., "The stability analysis of the adaptive fading extended Kalman filter using the innovation covariance", international journal of control, automation and systems, vol. 7, no. 1, pp. 49-56, 2009. [DOI:10.1007/s12555-009-0107-x]
9. [9] A. Daid, E. Busvelle, and M. Aidene, "On the convergence of the unscented Kalman filter", European Journal of Control, vol.57, pp. 125-134, 2021. [DOI:10.1016/j.ejcon.2020.05.003]
10. [10] M. Boutayeb, H. Rafaralahy, and M. Darouach, "Convergence analysis of the extended Kalman filter used as an observer for nonlinear deterministic discrete-time systems", IEEE transactions on automatic control, vol. 42, no. 4, pp. 581-586, 1997. [DOI:10.1109/9.566674]
11. [11] K. Reif and R. Unbehauen, "The extended Kalman filter as an exponential observer for nonlinear systems", IEEE Transactions on Signal processing, vol. 47, no. 8, pp. 2324-2328, 1999. [DOI:10.1109/78.774779]
12. [12] K. Reif et al., "Stochastic stability of the discrete-time extended Kalman filter", IEEE Transactions on Automatic control, vol. 44, no. 4, pp. 714-728, 1999. [DOI:10.1109/9.754809]
13. [13] T. Karvonen et al., "On Stability of a Class of Filters for Nonlinear Stochastic Systems", SIAM Journal on Control and Optimization, vol. 58, no. 4, pp. 2023-2049, 2020. [DOI:10.1137/19M1285974]
14. [14] M. Ren, Q. Zhang, and J. Zhang, "An introductory survey of probability density function control", Systems Science & Control Engineering, vol. 7, no. 1, pp. 158-170, 2019. [DOI:10.1080/21642583.2019.1588804]
15. [15] Q. Zhang, "Performance enhanced Kalman filter design for non-Gaussian stochastic systems with data-based minimum entropy optimisation", AIMS Electronics and Electrical Engineering, vol. 3, no. 4, pp. 382-396, 2019. [DOI:10.3934/ElectrEng.2019.4.382]
16. [16] N. Ghahramani and F. Towhidkhah, "Constrained incremental predictive controller design for a flexible joint robot", ISA transactions, vol. 48, no. 3, pp. 321-326, 2009. [DOI:10.1016/j.isatra.2009.01.010]
17. [17] N. Ghahramani, A. Naghash, and F. Towhidkhah, "Incremental Predictive Command of Velocity to Be Gained Guidance Method", JAST, vol. 5, no. 3, pp. 99-105, 2008.
18. [18] K.R. Britting, Inertial navigation systems analysis, Johan Wiley and Sons. Inc, New York, 1971.
19. [19] D. Titterton, J.L. Weston, and J. Weston, Strapdown inertial navigation technology, IET, Vol. 17, 2004. [DOI:10.1049/PBRA017E]
20. [20] ADIS16488A, Tactical Grade Ten Degrees of Freedom Inertial Sensor, Analog Devices, "http://www.analog.com", access: 2018.
21. [21] س. ظهیری، م. نصیری، ر. هاونگی، ح. الیاسی، "طراحی یک فیلتر تلفیق غیرخطی بهینه مبتنی بر الگوریتم بهینه سازی گروه ذرات برای سیستم ناوبری تلفیقی INS/GPS"، فصلنامه علمی دریا فنون، دوره 5، شماره 3، صفحه 1-17،2018.

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به مجله کنترل می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2022 CC BY-NC 4.0 | Journal of Control

Designed & Developed by : Yektaweb