بهبود عملکرد فیلتر ذره ای در سیستم ناوبری gps/ins

پایان نامه
چکیده

امروزه مسئله تخمین حالات به وسیله فیلترها، یکی از روش های مهم به منظور افزایش دقت در سیستم ها می باشد که مورد توجه دانشمندان زیادی قرارگرفته است. در دسته بندی این فیلترها، آن ها را به سه دسته ی خطی و غیرخطی با نویز گوسی و غیرخطی با نویز غیرگوسی تقسیم می کنند. در این تحقیق، عملکرد فیلتر ذره ای را بررسی نموده که در دسته فیلترهای غیرخطی با نویز غیرگوسی قرار می گیرد. در این فیلتر، گام باز نمونه برداری باعث به وجود آمدن مسئله فقر ذرات می شود که سعی شده است با دسته بندی ذرات بر اساس وزنشان، این مشکل را حل نموده که مسئله تخمین حالات، بدون از دست دادن سرعت تخمین بهبود بخشیده شده است. در انتها نیز برای اثبات ادعای خود، فیلتر ذره ای با الگوریتم پیشنهادی را بر روی سیستم ناوبری gps/ins شبیه سازی نموده که با فیلتر کالمن توسعه یافته و فیلتر ذره ای عمومی مقایسه شده است.

منابع مشابه

طراحی و تحلیل دقت یک سیستم ناوبری تلفیقی ins/gps مبتنی بر فیلتر ذره ای

سیستم ناوبری اینرسی (ins) با استفاده از مقادیر اولیه حالت های متحرک (مکان، سرعت و جهت) و اندازه گیری سرعت زاویه ای و شتاب ها، حالت های متحرک را تخمین می زند. سنسورهای اینرسی معمولاً دارای نویز در خروجی می باشند. در نتیجه، خطای خروجی ins سریعاً با گذشت زمان افزایش می یابد. برای افزایش دقت و محدود کردن خطا، ins را با سنسورهای کمکی دیگر مثل سیستم مکان یابی جهانی (gps) ترکیب می کنند. یکی از انواع ترک...

15 صفحه اول

تلفیق سیستم ناوبری اینرسی متصل به بدنه و سیستم موقعیت یاب جهانی با استفاده از فیلتر ذره ای تطبیقی فازی

ناوبری اینرسی تلفیق شده با ناوبری های کمکی مانند gps کارایی سیستم های ناوبری اینرسی را بطور قابل ملاحظه ای افزایش داده است. سیستم های ناوبری اینرسی بطور مستقل قادر به محاسبه موقعیت وسیله بدون نیاز به منبع خارجی می باشد. اگرچه خطاهای موجود در سنسورها باعث شیفت قابل ملاحظه ای در خروجی می شود. در حال حاضر سیستم های ناوبری تلفیقی بیشتر از فیلتر کالمن توسعه یافته (ekf) و فیلتر کالمن خنثی (ukf) استفا...

پیش آگاهی بهبود یافته مبتنی بر فیلتر ذره برای سیستم های هایبرید

در این مقاله مدلی جدید برای مدلسازی روند رشد عیب معرفی شده است. این مدل از توانایی پوشش دادن رفتارهای چندگانه­ی سیستم­ها برای اهداف پیش­آگاهی برخوردار است. در ابتدا روابط جامع تقویت شده افزونگی تحلیلی برای تعقیب سیستم در وضعیت سالم به کار می­روند. هر زمان که عیبی در سیستم رخ دهد، الگوریتم با استفاده از ماتریس امضای تغییر مود بررسی می­کند که آیا این عدم سازگاری به دلیل تغییر مود ناشناخته­ای بوده...

متن کامل

بهبود دقت مدل انتشار خطای ناوبری اینرسی به منظور افزایش کارایی سیستم ناوبری تلفیقی

یکی از موضوعاتی که امروزه در حوزه ناوبری از اهمیت وی‍‍ژه‌ای برخوردار است، استفاده از معادلات انتشار خطای ناوبری به منظور تلفیق خروجی یک سیستم ناوبری اینرسی با یک اندازه‌گیری بیرونی جهت استفاده توأم از مزایای هر دو مکانیزم ناوبری اینرسی و اندازه‌گیری خارجی است. مطالعه تحقیقات گذشته نشان می‌دهد که معادلات انتشار خطا عموماً در دستگاه جغرافیایی استخراج شده که می‌تواند نقاط ضعفی داشته باشد. در این مق...

متن کامل

کاهش تعداد ماهواره‌ها در یک سیستم ناوبری ترکیبی GPS/INS با استفاده از فیلتر ذره‌ای

The estimation of situation in a combinational navigation GPS/INS with least number of satellites is the main purpose of this paper. As inertial measurement unit uses altimeter for height measurement, we can assume which height poses certain amounts, whereas geographical length and width are unknown to us in this paper. The single difference GPS is employed for updating the inertial navigation ...

متن کامل

موقعیت یابی ربات بر اساس فیلتر ذره ای بهبود یافته با فیلتر کالمن گروهی هوشمند و گام mcmc

چکیده:مسئله موقعیت یابی یکی از نیازهای ضروری برای ربات های خودمختار است. روش های  مختلفی برای موقعت یابی ارائه شده است که  موقعیت یابی بر اساس فیلتر ذره­ای یکی از مؤثرترین روش ها است. با­وجود­این، این روش دارای مشکلاتی  که مهم­ترین آن­ها عدم سازگاری، تباهیدگی و وابستگی به مشخصات آماری نویزها است. برای حل این مشکلات، در این مقاله، یک الگوریتم موقعیت یابی مبتنی بر فیلتر ذره ای بهبودیافته  با فیلت...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده مهندسی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023