Mems ataletsel ölçüm birimi stokastik hata parametrelerinin tanılanması ve kestirimi
Identification and estimation of stochastic error parameters of mems inertial measurement unit
- Tez No: 651308
- Danışmanlar: DR. ÖĞR. ÜYESİ DİNÇER GÖKCEN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- 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
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2019
Mekatronik MühendisliğiMarmara ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. NİHAT AKKUŞ
DR. HÜSEYİN YÜCE
- MEMS accelerometers and gyroscopes for inertial measurement units
Ataletsel ölçüm birimi için MEMS ivmeölçerler ve dönüölçerler
MEHMET AKİF ERİŞMİŞ
Yüksek Lisans
İngilizce
2004
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. TAYFUN AKIN
- 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
2007
Makine MühendisliğiOrta Doğu Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. KEMAL ÖZGÖREN
DR. OSMAN MERTTOPÇUOĞLU
- 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
2017
Mühendislik BilimleriOrta Doğu Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. KIVANÇ AZGIN
- 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
2024
Savunma ve Savunma TeknolojileriBaşkent ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT ÜÇÜNCÜ