चमन कलमन फ़िल्टर

Question

मेरी टीम एक बाहरी वातावरण में स्वायत्त रूप से नेविगेट करने के लिए एक रोबोट का निर्माण कर रही है। हमें हाल ही में एक नया एकीकृत IMU / GPS सेंसर मिला है, जो स्पष्ट रूप से कुछ विस्तारित कलमन ऑन-चिप को करता है। यह पिच, रोल, और यव, उत्तर, पूर्व, और नीचे वेग, और अक्षांश और देशांतर देता है।

हालांकि, हमारे पास हमारे पहियों से जुड़े कुछ एनकोडर भी हैं, जो रैखिक और कोणीय वेग प्रदान करते हैं। इससे पहले कि हम इस नए IMU / GPS सेंसर को प्राप्त करते, हमने एनकोडर और कुछ अन्य कम लागत वाले सेंसर का उपयोग करके अपने राज्य का अनुमान लगाने के लिए अपना ईकेएफ बनाया। हम इस नए सेंसर के ऑन-चिप फिल्टर का उपयोग करना चाहते हैं, लेकिन हमारे एनकोडर को भी मिश्रण में शामिल करते हैं।

क्या फिल्टर को चैन करने में कोई समस्या है? मेरा क्या मतलब है, हम IMU / GPS सेंसर के ऑन-चिप EKF के आउटपुट को अपने EKF के अपडेट के रूप में उपयोग करेंगे, ठीक उसी तरह जैसे हम एन्कोडर्स से पढ़े गए डेटा को अपने EKF के अपडेट के रूप में उपयोग करते हैं। यह मुझे उचित लगता है, लेकिन मैं सोच रहा था कि इस मामले में आमतौर पर क्या किया जाना चाहिए।

Comments

क्या आप ईकेएफ "ब्लैक बॉक्स" में सुधार / अनुमान वापस कर सकते हैं?

— डेमियन

@Damien नहीं, ऐसा करने का कोई तरीका प्रतीत नहीं होता है।

— रोबज

Answer 1

आप अपने पहले ईकेएफ के आउटपुट के अपडेट के रूप में आईएनएस / जीपीएस का उपयोग कर सकते हैं। यह वास्तव में, चेनिंग नहीं है, बल्कि आईएनएस / जीपीएस से अतिरिक्त जानकारी के आधार पर अनुमान को कंडीशनिंग करता है।

मान लें कि हमारे पास निम्नलिखित कार्य हैं:

$x_{t+1|t}$, $P_{t+1|t}$ = EKF_PREDICT ($x_t$, $P_t$, $u_t$), राज्य के रूप में आदानों के लिए $x$, कोविर्सियस $P$, और नियंत्रण आदानों (ओडोमेट्री द्वारा अनुमानित) $u_t$।

तथा

$x_{t+1|t+1}$, $P_{t+1|t+1}$ = EKF_UPDATE ($x_{t+1|t}$, $P_{t+1|t}$, $\hat{x}_{t+1}$)।

सेंसर से अनुमान हैं $\hat{x}_{t+1}$। हमारे पास चीजें हैं:

$\hat{x}^{gps}_{t+1} = f(GPS)$

$\hat{x}^{map}_{t+1} = f(map)$

$\hat{x}^{ins}_{t+1} = f(INS)$

रोबोट की स्थिति का अनुमान लगाने के अन्य सभी तरीकों के लिए। तो उन सभी सेंसरों के लिए फ़ंक्शन EKF_UPDATE चलाना काफी अच्छा है।

आपका लूप कुछ इस तरह होगा:

हमेशा के लिए $t$

• चलो $u_t$ मुद्रा के वर्तमान ओडोमेट्री / कीनेमेटिक अनुमान हो, और $R_u$ उस अनुमान पर शोर करो।

• $x_{t+1|t}$, $P_{t+1|t}$ = EKF_PREDICT ($x_t$, $P_t$, $u_t$, $R_u$)

• सभी सेंसर के लिए $S$,

  • चलो $\hat{x}^{S}_{t+1}$ उस सेंसर से मुद्रा का अनुमान हो, और $R_{S}$ उस अनुमान पर शोर करो

  • $x_{t+1|t+1}$, $P_{t+1|t+1}$ = EKF_UPDATE ($x_{t+1|t}$, $P_{t+1|t}$, $\hat{x}_{t+1}, R_S$)।

  • अंत के लिए

• अंत के लिए

कुछ चेतावनी हैं:

• चूंकि हम ईकेएफ का उपयोग कर रहे हैं, इसलिए कोई गारंटी नहीं है कि अनुमान अपडेट के आदेश से स्वतंत्र है। यही है, यदि आप INS करते हैं तो GPS, परिणामी अनुमान भिन्न हो सकता है यदि आप GPS के साथ अद्यतन करते हैं तो INS। यह हमारे लिए बहुत बड़ी बात नहीं है, लेकिन फिल्टर में काफी अधिक ट्यूनिंग की आवश्यकता होगी।

• कृपया ध्यान रखें कि आपके INS में एक पूर्वाग्रह और बहाव है, जो आपकी दीर्घकालिक विश्वसनीयता को प्रभावित कर सकता है। यहां जीपीएस आपकी बहुत मदद कर सकता है। अधिकांश साहित्य एक साथ आईएनएस में पूर्वाग्रह और बहाव का अनुमान लगाते हैं।