Modelling, simulation and testing of artificial neural network augmented kalman filter for ins/gps and magnetometer integration
Yapay sinir ağları ile genişletilmiş kalman filtresinin bütünleştirilmiş ans/kks ve manyetometre ile modellenmesi, simülasyonu ve test edilmesi
- Tez No: 442091
- Danışmanlar: DOÇ. DR. ERHAN İLHAN KONUKSEVEN, DR. VOLKAN NALBANTOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 223
Özet
Bu tezde amaç küresel konumlama sisteminin devre dışı kaldığı durumlarda karma yapay zeka ve Kalman filtresini kullanarak 3 boyutlu yönelme açıları, hız ve pozisyon değerlerini belirlemektir. Seyrüsefer çözümlemelerinde amaç, aracın ilk durum bilgilerini kullanarak konum ve hız belirlemektir. Ataletsel ölçüm birimini kullanarak konum ve hız bilgisine hatalı olarak ulaşılabilir. Diğer bir söylemle, ataletsel ölçüm birimini kullanarak integral alma işlemi sırsında, hata değerleri zaman içerisinde artacaktır. Literatürde interal alma sırasında oluşan hata oranlarını önlemek için, diğer sensör ölçümlerinden yararlanılır. Geleneksel olarak konum,hız ve yönelim açılarını ölçmek için tümleştirilmiş ataletsel ölçüm birimi ve küresel konumlama sistemi kullanılır. Tek başına kullanılan ataletsel ölçüm birimine kıyasla tümleştirilmiş AÖB ve KKS daha doğru sonuçlar göstermektedir. Bu doğruluğu yakalamak için ise Kalman filtresi kullanılmaktadır. Kalman filtresi yaygın bir şekilde kullanılan standart optimum kestirim tekniklerindendir. Fakat doğru bir stokastik modelin elde edilmesi ve ilk hata değerlerinin bilinmesinin getirdiği zorluklar Kalmam filtesinin belli başlı eksiklikleridir. Bu eksikliklere dayanarak yapay zeka tabanlı teknikler ön plana çıkmaktadır. Bu tezde, seyrüsefer algoritması ve algılayıcı model algoritmaları gelistirildi. Algılayıcı tümleştirmede ivme ölçer, açıölçer, KKS ve manyetik alan ölçer kullanılmıştır. İvme ölçer ve açı ölçer yardımıyla pozisyon ve hız kestirimleri seyrüsefer algoritmaları kullanılarak elde edilmektedir. Ayrıca KKS ve manyetik alan ölçer kullanılarak bağımsız bir şekilde konum-hız ve yönelim açısı sırasıyla elde edilmektedir. Algılayıcı tümleştirme algoritması genişletilmiş Kalman filtresine dayanmaktadır. Genişletilmiş Kalman filtresi doğrusallaştırılmış seyrüsefer hata modeline göre formülize edilmiştir. Yapay sinir ağları yapısı için ise küresel konumlandırma sisteminin devre dışı kalması durumunda çok katmanlı algılayıcı fonksiyon kullanılmıştır. Modelleme ve simülasyon sonuçlarının elde edilmesinden sonra, gerçel test verileri tümleştirilmiş yapay sinir ağı ve Kalman filtresinde kullanılmıştır. Ölçüm verileri bilgisayar ortamında kaydedilip tümleştirilmiş yapıya beslenmiştir. Sonuçlar KKS'nin devre dışı kaldığı durumlarda, sadece Kalman filtresinin kullanıldığı durumlara kıyasla tümleştirilmiş yapay sinir ağı ve Kalman filtesi yapısının kullanılmasının nasıl daha iyi sonuç verdiğini göstermektedir.
Özet (Çeviri)
The objective of this thesis is to investigate a hybrid Artificial Intelligence/ Kalman Filter (AI/KF) system to determine 3D attitude, velocity and position of a vehicle in challenging GPS environment. In navigation problem, the aim is to determine the position and velocity of the host vehicle from initial conditions. By using Inertial Measurement Unit (IMU), it is possible to calculate position and velocity with an error. In other words, during the integration stage of the IMU measurement, errors will be accumulated throughout the time. In literature to eliminate the divergent characteristic of integral calculation, other sensor measurements are combined with navigation calculation process. The traditional complementary technique to calculate the vehicle position, velocity and attitude is integrated Inertial Navigation System (INS) and Global Positing System (GPS). The integrated INS/GPS shows greater accuracy with respect to standalone INS. To achieve this accuracy it is common to use Kalman Filter as an integration technique. The Kalman Filter approach has been used widely as the standard optimal estimation technique. However because of the acquiring an accurate stochastic model and prior knowledge of the measurement error for the precision of the estimation KF has several shortcomings. Based on these shortcomings Artificial Intelligence (AI) based techniques are motivated. In this thesis, navigation mechanization algorithm and sensors mathematical models were studied. Accelerometer, gyroscope, GPS and magnetometer were selected for the sensor fusion integration. With the help of accelerometer and gyroscope, position and velocity of the host vehicle were realized through integration process of mechanization algorithm. Also GPS and magnetometer measurements were used for position-velocity and heading determination independent from IMU respectively. The design of sensor fusion algorithm is based on Extended Kalman Filter (EKF). The EKF linearized mathematical model relies on the error propagation model of the mechanization equations. As for the Neural Network structure Multilayer Perceptron Neural Network (MLPNN) were used to improve the integration results during GPS outages. After modelling and simulating the results in simulation environment, real test data were used in AI/KF based prediction algorithm. The measurement results were logged in computer to be used in algorithm. The results show how AI/KF based algorithm is more accurate during GPS outages with respect to standalone Kalman Filter algorithm.
Benzer Tezler
- E-çekirdek çapraz akı makinasının yapay sinir ağı tabanlı modellenmesi ve deneysel rotor pozisyonu kestirimi
Modelli?ng and artificial neural network based rotor position estimation for e-core transverse flux machine
ÇİĞDEM GÜNDOĞAN TÜRKER
Doktora
Türkçe
2013
Elektrik ve Elektronik MühendisliğiKocaeli ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. FERİHA ERFAN KUYUMCU
- İmalat sistemlerinin tasarlanması ve öncelik kurallarının belirlenmesinde yapay sinir ağlarının kullanılması
Başlık çevirisi yok
TARIK ÇAKAR
Doktora
Türkçe
1997
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. AYHAN TORAMAN
- Modelling prefrontal cortex functions by using neural networks
Korteks işlevlerinin yapay sinir ağları ile modellenmesi
GÜLAY KAPLAN BÜYÜKAKSOY
Doktora
İngilizce
2003
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. CÜNEYT GÜZELİŞ
YRD. DOÇ. DR. NESLİHAN ŞENGÖR
- Implementation and evaluation maximum power point tracking (MPPT) based on adaptive neuro fuzzy inference systems for photovoltaic pv system
Başlık çevirisi yok
ABDELHAKIM ABOBAKIR EL AGORI
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Aydın ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
Prof. Dr. MEHMET EMİN TACER
- Yapay sinir ağları kullanarak EEG modellemesi ve uyarılmış beyin potansiyellerin çıkartımı
EEG modelling and extraction of evoked brain potentials using artificial neural networks
İRFAN SAĞDINÇ
Yüksek Lisans
Türkçe
1998
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiElektronik ve Bilgisayar Sistemleri Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET ENGİN