بهبود دقت الگوریتم فیلتر کالمن در سامانه AHRS با بکارگیری شبکه عصبی عمیق LSTM
Publish place: Journal Of Modeling in Engineering، Vol: 20، Issue: 71
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 147
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JME-20-71_010
تاریخ نمایه سازی: 17 اردیبهشت 1402
Abstract:
استفاده از سامانه AHRSدقیق مبتنی برسنسورهای تکنولوژی MEMS، با حجم کم و قیمت ارزان،نقش به سزایی در ناوبری و هدایت وسایل بدون سرنشین ایفا می-کند.امروزه استفاده از الگوریتم ها و روش های گوناگون از جمله فیلترهای وفقی، شبکه های عصبی و فیلترهای تخمینگر جهت افزایش دقت این سامانه ها و کاهش نویز سنسورهای آن بسیار مورد توجه محققان قرار گرفته است.در این مقاله از ترکیب شبکه عصبی عمیق LSTM و فیلترکالمن جهت بهبود دقت سامانهAHRSاستفاده شده است. در این روش ابتدا شبکه عمیق مورد استفاده تحت آموزش قرار گرفته و سپس به عنوان یک تصحیح گر، ضرایب موثر فیلترکالمن را تصحیح می کند. این روش تمامی محدودیت های فیلتر کالمن از جمله خطی بودن و حافظه دار نبودن آن را برطرف کرده و بدون استفاده از سامانه GPSدقت زوایای خروجی را بهبود بخشیده است. نتایج این تحقیق برروی داده های واقعی سنسورIMU مبتنی بر تکنولوژی MEMSکه نسبت به سنسورهای مورد استفاده در کارهای مشابه دارای دقت کمتری بوده، نصب شده برروی هواپیمای بدون سرنشین با مانور بالا، انجام شده و بیانگر بهبود ۳۵ درصدی دقت زوایای وضعیت سامانهAHRS و بهبود ۴۰ درصدی کاهش نویز خروجی سنسورها می باشد.
Keywords:
Authors
محمد سبزواری
دانشکده مهندسی برق- دانشگاه یزد
مسعودرضا آقا بزرگی
دانشکده مهندسی برق - دانشگاه یزد
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :