Dissertação

{pt_PT=Satellite Navigation Complemented by Inertial Sensors} {} EVALUATED

{pt=Existem inúmeras aplicações que requerem um posicionamento preciso e robusto, a tal ponto que o GPS deixa de ser adequado, como em ocasiões de multi percurso severo. Em tais situações, o sistema de navegação pode ser melhorado, recorrendo à fusão de sensores, como unidades de medição inercial (IMU), que têm demonstrado uma sinergia para com o GPS e têm usufruído de uma redução no custo. Esta abordagem apresenta dois obstáculos. Por um lado, as equações inerciais são altamente não lineares. Adicionalmente, os sensores de baixo custo apresentam erros que tendem a crescer rapidamente e sem limite. Para ultrapassar estas dificuldades, técnicas de estimação de erros foram utilizadas, em contraste às técnicas clássicas. Uma integração de acopulamento fraco foi estudada, recorrendo a rotações do referencial do computador através de quaterniões. Vários algoritmos foram implementados, baseados no Extended Kalman Filter (EKF) e no Unscented Kalman Filter (UKF), cada um com uma versão simples de 10 estados e uma versão aumentada de 34 estados. Por meio de simulações, foi possível concluir que o UKF era consistentemente mais preciso que o EKF. Adicionalmente, a versão aumentada do UKF mostrou um melhor desempenho em relação à sua versão simples, enquanto que o mesmo não acontecia consistentemente para as versões do EKF. Finalmente, os algoritmos foram testados num ambiente empírico, fornecendo uma prova de conceito. O sistema concedido apresentou um desempenho superior ao do GPS a um custo reduzido. Contudo, em situações de grandes erros de GPS, o sistema era incapaz de melhorar a estimativa., en=Precise and robust positioning is essential for many applications, so-much so that the ubiquitous Global Position System (GPS) may not be adequate, such as in the case of severe multipath. In such situations, the navigation system can be improved by fusing extra sensors, such as inertial measurement units (IMU), which has presented a synergy with the GPS and has experience a decrease in it's cost. There are two main obstacles to this approach, for one the inertial equations are highly non-linear, additionally the low-cost sensors present errors which tend to grow quickly and without bounds. To overcome these difficulties, error estimation techniques were employed, in contrast to the classical techniques. A loosely-coupled integration, relying on quaternion rotations of the computer-frame was studied, leading to the implementation of various algorithms, based on the Extended Kalman Filter (EKF) and the Unscented Kalman Filter (UKF), both with a simplified 10-state version and an augmented 34 state version. Through a simulation environment, it was able to conclude that the UKF was consistently more precise than the EKF. Moreover, the augmented version of the UKF presented an even higher performance than it's simpler counterpart, while the same did not consistently occur with the EKF versions. Finally, the algorithms were tested in an empirical environment, providing a proof of concept. The implemented system presented a higher performance relative to the GPS and at a low cost increment. However, in situations of substantial GPS errors, the system was unable to improve the estimation.}
{pt=Sistemas de Navegação Inercial, GPS, Quaternião, Acopulamento fraco, Filtragem não linear, Kalman Unscented Filter, en=Inertial Navigation System, Global Positioning System, Quaternion, Loosely-Coupled Integration, Nonlinear filtering, Unscented Kalman Filter}

Junho 18, 2018, 16:0

Orientação

ORIENTADOR

José Eduardo Charters Ribeiro da Cunha Sanguino

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar