Geri Dön

Mems ataletsel ölçüm birimi stokastik hata parametrelerinin tanılanması ve kestirimi

Identification and estimation of stochastic error parameters of mems inertial measurement unit

  1. Tez No: 651308
  2. Yazar: ŞÜKRÜ TUNA AKAN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ DİNÇER GÖKCEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Allan sapması, ataletsel ölçüm birimi, Kalman filtresi, en küçük kareler algoritması, stokastik hatalar, Allan deviation, inertial measurement unit, Kalman filter, least square algorithm, stochastic errors
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Hacettepe Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 135

Özet

Navigasyon sistemleri için yaygın olarak kullanılan atalet sensörleri, deterministik ve stokastik hatalar olarak sınıflandırılan belirli hata özelliklerine sahiptir. Hata parametreleri atalet sensörünün performansını doğrudan etkilemektedir. Ataletsel bir sensörün hata özelliklerinin belirlenmesi, tanılama ve kestirim süreçlerinin kalitesine bağlıdır. Bu tezde, frekans-bölgesi ve zaman-bölgesi yaklaşımlarına bağlı olarak stokastik ataletsel sensör parametreleri tanılanmıştır. Stokastik sensör parametrelerini frekans-bölgesi yaklaşımını (yani, güç tayf yoğunluğu-GTY) kullanarak ortaya çıkarmak, zaman-bölgesi yaklaşımına (Allan sapması tabanlı) kıyasla daha karmaşık ve uygulaması daha zordur. Bu nedenle, zaman bölgesi yöntemleri daha ayrıntılı olarak incelenmiş ve stokastik hata parametrelerini tanılamak için yeni yöntemler geliştirilmiştir. Stokastik hata parametreleri, güç tayf yoğunluğu fonksiyonlarıyla Allan sapması arasında kurulan matematiksel ilişkiye dayanarak zaman-bölgesinde Allan sapması eğrisi üzerinde farklı eğimlere sahip doğrular sayesinde tanılanmıştır. Bu tezde kullanılan yeni yöntemler, en küçük kare algoritması ve unutma faktörlü, yinelemeli en küçük kareler algoritması üzerine inşa edilmiştir. En küçük kareler algoritması sayesinde belirli bir zaman diliminde toplanmış ataletsel ölçüm birimi (AÖB) verilerinin Allan sapması değerlerinden, her bir AÖB ekseninin stokastik hata parametreleri çözümlenerek elde edilmiştir. Unutma faktörlü en küçük kareler algoritması sayesindeyse bu çözümleme yinelemeli ve uyarlamalı olarak gerçekleştirilip, unutma faktörünün değerine bağlı olarak belirli miktardaki güncel veriler kullanılarak parametreler elde edilmiştir. Bunlara ek olarak, Kalman filtresi algoritmasının modele dayalı sonuçları ve gerçek zamanlı sonuçları da bu tez kapsamında paylaşılmıştır.

Özet (Çeviri)

Inertial sensors commonly used for navigation systems have specific error characteristics, classified as deterministic and stochastic errors. The error parameters directly affect the inertial sensor performance. Specifying the error characteristics of an inertial sensor depends on the quality of identification and estimation processes. In this thesis, inertial sensor parameters were identified depending on the frequency-domain and time-domain approaches. Revealing the stochastic sensor parameters using the frequency-domain approach (i.e. power spectral density-PSD) is more complex and challenging to apply as compared with the time-domain approach (Allan deviation based). Because of this reason, time-domain methods were investigated in more detail, and new approaches were developed to identify stochastic error parameters. Stochastic error parameters were identified by lines with different slopes on the Allan deviation curve in the time-domain based on the mathematical relationship established between the Power Spectral Density function and the Allan deviation. The new methods used in this thesis are built on the least squares algorithm and the least squares algorithm with a forgetting factor. The stochastic error parameters of each inertial measurement unit (IMU) axis were analyzed from the Allan deviation values of the IMU data collected in a certain time period via the least squares algorithm. Thanks to the least squares algorithm with forgetting factor, analysis of the stochastic error parameters was performed recursively and adaptively. Besides, parameters were obtained using a certain amount of current data depending on the value of the forgetting factor. In addition to that, model-based simulation results and real-time results of Kalman Filter algorithm are also shared in this thesis.

Benzer Tezler

  1. Gerçek zamanlı işletim sistemi tabanlı insansız otonom bir kara taşıtı

    An unmanned autonomous land vehicle design based on real time operating system

    AYTAÇ MACİT

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Mekatronik MühendisliğiMarmara Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. NİHAT AKKUŞ

    DR. HÜSEYİN YÜCE

  2. MEMS accelerometers and gyroscopes for inertial measurement units

    Ataletsel ölçüm birimi için MEMS ivmeölçerler ve dönüölçerler

    MEHMET AKİF ERİŞMİŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2004

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. TAYFUN AKIN

  3. Modeling and simulation of a navigation system with an IMU and a magnetometer

    AÖB ve manyetometreli bir seyrüsefer sisteminin modellenmesi ve simulasyonu

    UĞUR KAYASAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2007

    Makine MühendisliğiOrta Doğu Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. KEMAL ÖZGÖREN

    DR. OSMAN MERTTOPÇUOĞLU

  4. Extended Kalman filter based multi-purpose inertial sensor field calibration algorithm

    Genişletilmiş Kalman filtresi tabanlı çok amaçlı ataletsel sensör saha kalibrasyon algoritması

    LİSAN OZAN YAMAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Mühendislik BilimleriOrta Doğu Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. KIVANÇ AZGIN

  5. MEMS-IMU sensörünün ölçüm hatası ve sıcaklık değişimine bağlı tahmin performansının sönümleme faktörlü adaptif kalman filtresi ile iyileştirilmesi

    Başlık çevirisi yok

    EREN MEHMET AKBAŞ

    Doktora

    Türkçe

    Türkçe

    2024

    Savunma ve Savunma TeknolojileriBaşkent Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MURAT ÜÇÜNCÜ