ПРИМЕНЕНИЕ ФИЛЬТРА КАЛМАНА ДЛЯ ЗАДАЧ УПРАВЛЕНИЯ ПОДВИЖНЫМИ ОБЪЕКТАМИ

  • Валерий Мариафович Понятский Акционерное общество «Конструкторское бюро приборостроения им. академика А. Г. Шипунова» http://orcid.org/0000-0001-8326-165X
  • Борис Владиславович Зенов Акционерное общество «Конструкторское бюро приборостроения им. академика А. Г. Шипунова» http://orcid.org/0000-0003-1914-8892

Аннотация

Рассматриваются проблемы, возникающие в процессе управления объектом по сигналам от нескольких датчиков с отличающимися характеристиками шумов в выдаваемых показаниях в условиях отсутствия априорной информации об интенсивности шумов исследуемого процесса и применяемых датчиков. Приводятся основные подходы их решения, предлагаются варианты структур фильтров, вырабатывающих оценку угловой ориентации тела путем объединения показаний, снимаемых с датчиков угловых скоростей и акселерометров, с учетом специфики их шумов. Проводится моделирование работы предложенных структур при различных интенсивностях шумов в показаниях датчиков и различном выборе коэффициентов фильтрующих звеньев с целью получения требуемой полосы пропускания. На основе сравнительного анализа полученных результатов вырабатываются рекомендации по выбору количества каналов в структуре для фильтрации приходящих измерений и полосы их пропускания.

Сведения об авторах

Валерий Мариафович Понятский, Акционерное общество «Конструкторское бюро приборостроения им. академика А. Г. Шипунова»

кандидат технических наук, начальник отдела

Борис Владиславович Зенов, Акционерное общество «Конструкторское бюро приборостроения им. академика А. Г. Шипунова»

ведущий инженер-исследователь

Литература

[1] Ponyatskiy V.M. Quality improvement of the information processing derived from several video sensors in control problems. Modern Information Technology and IT-education. 2016; 12(4):165-172. Available at: https://elibrary.ru/item.asp?id=28151074 (accessed 12.07.2018). (In Russian)
[2] Shpektorov A.G., Fam V.T. Analysis of micromechanical measuring systems application for marine ocean vehicles stabilization. Izvestiya SPbGETU “LETI”. 2017; 5:16-20. Available at: https://izv.eltech.ru/assets/files/izv-etu-5-2017-16-20.pdf (accessed 12.07.2018). (In Russian)
[3] Basics of building strapless inertial navigation systems [Osnovy postroyeniya besplatformennykh inertsial’nykh navigatsionnykh system]. V.Ya. Raspopov (Ed.). SPb.: GNTS RF OAO “Kontsern “TSNII “Elektropribor”, 2009. 280 p. (In Russian)
[4] Gan Q., Harris C.J. Comparison of two measurement fusion methods for Kalman-filter-based multisensor data fusion. IEEE Transactions on Aerospace and Electronic Systems. 2001; 37(1):273–279. DOI: 10.1109/7.913685
[5] Assa A., Janabi-Sharifi F. A Kalman Filter-Based Framework for Enhanced Sensor Fusion. IEEE Sensors Journal. 2015; l(6):3281–3292. DOI: 10.1109/JSEN.2014.2388153
[6] Wu Y., Cai M., Li J. Multi-sensor adaptive data fusion with colored measurement noise. Proceedings of the 29th Chinese Control And Decision Conference (CCDC), pp. 6102–6107, 2017. DOI: 10.1109/CCDC.2017.7978267
[7] Sun S.L., Deng Z.L. Multi-sensor optimal information fusion Kalman filter. Automatica. 2004; 40(6):1017–1023. DOI: 10.1016/j.automatica.2004.01.014
[8] Shivashankarappa N., Adiga S., Avinash R.A., Janardhan H.R. Kalman filter based multiple sensor data fusion in systems with time delayed state. 3rd International Conference on Signal Processing and Integrated Networks (SPIN), pp. 375–382, 2016. DOI: 10.1109/SPIN.2016.7566723
[9] Ka-Veng Yuen, Ka-In Hoi, Kai-Meng Mok. Selection of noise parameters for Kalman filter. Earthquake Engineering and Engineering Vibration. 2007; 6:49–56. DOI: 10.1007/s11803-007-0659-9
[10] Guan H., Li L., Jia X. Multi-sensor fusion vehicle positioning based on Kalman Filter. 2013 IEEE Third International Conference on Information Science and Technology (ICIST). Yangzhou, pp. 296–299, 2013. DOI: 10.1109/ICIST.2013.6747554
[11] Caron F., Duflos E., Pomorski D., Vanheeghe P. GPS/IMU data fusion using multisensor Kalman filtering: Introduction of contextual aspects. Information Fusion. 2006; 7(2):221-230. DOI: 10.1016/j.inffus.2004.07.002
[12] Chavez-Garcia R.O., Aycard O. Multiple Sensor Fusion and Classification for Moving Object Detection and Tracking. IEEE Transactions on Intelligent Transportation Systems. 2016; 17(2):525–534. DOI: 10.1109/TITS.2015.2479925
[13] Yang C., Zheng J., Ren X., Yang W., Shi H., Shi L. Multi-Sensor Kalman Filtering With Intermittent Measurements. IEEE Transactions on Automatic Control. 2018; 63(3):797–804. DOI: 10.1109/TAC.2017.2734643
[14] Saha R.K., Chang K.C. An efficient algorithm for multisensor track fusion. IEEE Transactions on Aerospace and Electronic Systems. 1998; 34(1):200–210. DOI: 10.1109/7.640278
[15] Ponyatskiy V.M. Study of ways to implement an adaptive control system with Kalman filter. Stokhasticheskaya optimizatsiya v informatike. 2008; 4(1-1):196-210. Available at: https://elibrary.ru/item.asp?id=12994135 (accessed: 12.07.2018). (In Russian)
[16] Anitha R., Renuka S., Abudhahir A. Multi sensor data fusion algorithms for target tracking using multiple measurements. IEEE International Conference on Computational Intelligence and Computing Research, 1–4, 2013. DOI: 10.1109/ICCIC.2013.6724283
[17] Pornsarayouth S., Wongsaisuwan M. Sensor fusion of delay and non-delay signal using Kalman Filter with moving covariance. IEEE International Conference on Robotics and Biomimetics. 2009:2045–2049. DOI: 10.1109/ROBIO.2009.4913316
[18] Sage A.P., Melsa J.L. Estimation Theory with Applications to Communications and Control. McGraw-Hill Inc., US, 1971. 752 p.
[19] Durrant-Whyte H., Henderson T.C. Multisensor Data Fusion. B. Siciliano, O. Khatib (Eds.) Springer Handbook of Robotics. Springer Handbooks. Springer, Cham, pp. 867-896, 2016. DOI: 10.1007/978-3-319-32552-1_35
[20] Kasper R., Schmidt S. Sensor-data-fusion for an autonomous vehicle using a Kalman-filter. 6th International Symposium on Intelligent Systems and Informatics. Subotica, pp. 1-5, 2008. DOI: 10.1109/SISY.2008.4664905
[21] Roecker J.A., McGillem C.D. Comparison of two-sensor tracking methods based on state vector fusion and measurement fusion. IEEE Transactions on Aerospace and Electronic Systems. 1988; 24(4):447–449. DOI: 10.1109/7.7186
[22] Fung M.L., Chen M.Z.Q., Chen Y.H. Sensor fusion: A review of methods and applications. 29th Chinese Control And Decision Conference (CCDC). Chongqing, pp. 3853–3860, 2017. DOI: 10.1109/CCDC.2017.7979175
[23] Zgurovsky M.Z., Podladchikov V.N. Analytical methods of Kalman filtering for systems with a priori uncertainty [Analiticheskiye metody kalmanovskoy fil’tratsii dlya sistem s apriornoy neopredelennost’yu]. Kiev: Naukova Dumka, 1995. 298.
[24] Bar-Shalom Y., Li X. R. Multitarget-Multisensor Tracking: Principles and Techniques. CT, Storrs: YBS Publishing, 1995. 615 p.
Опубликована
2018-09-30
Как цитировать
ПОНЯТСКИЙ, Валерий Мариафович; ЗЕНОВ, Борис Владиславович. ПРИМЕНЕНИЕ ФИЛЬТРА КАЛМАНА ДЛЯ ЗАДАЧ УПРАВЛЕНИЯ ПОДВИЖНЫМИ ОБЪЕКТАМИ. Современные информационные технологии и ИТ-образование, [S.l.], v. 14, n. 3, p. 609-615, sep. 2018. ISSN 2411-1473. Доступно на: <http://sitito.cs.msu.ru/index.php/SITITO/article/view/429>. Дата доступа: 29 mar. 2024 doi: https://doi.org/10.25559/SITITO.14.201803.609-615.
Раздел
Когнитивные информационные технологии в системах управления