চেইন কলম্যান ফিল্টারগুলি

Question

আমার দল বাইরের পরিবেশে স্বায়ত্তশাসিত নেভিগেট করতে একটি রোবট তৈরি করছে। আমরা সম্প্রতি একটি নতুন ইন্টিগ্রেটেড আইএমইউ / জিপিএস সেন্সর পেয়েছি যা স্পষ্টতই কিছু বর্ধিত কালম্যান ফিল্টার অন-চিপ করে। এটি পিচ, রোল এবং ইওউ দেয় উত্তর, পূর্ব এবং নীচে বেগ এবং অক্ষাংশ এবং দ্রাঘিমাংশ দেয়।

তবে, আমাদের চাকাগুলির সাথে কিছু সংখ্যক এনকোডারও সংযুক্ত রয়েছে, যা লিনিয়ার এবং কৌণিক বেগ সরবরাহ করে। আমরা এই নতুন আইএমইউ / জিপিএস সেন্সরটি পাওয়ার আগে, এনকোডার এবং কিছু অন্যান্য স্বল্প মূল্যের সেন্সর ব্যবহার করে আমাদের রাজ্যটি অনুমান করার জন্য আমরা নিজস্ব ইকেএফ তৈরি করেছিলাম। আমরা এই নতুন সেন্সরের অন-চিপ ফিল্টারটি ব্যবহার করতে চাই, তবে আমাদের এনকোডারগুলিকে মিশ্রণে অন্তর্ভুক্ত করব।

ফিল্টার শৃঙ্খলাবদ্ধতা নিয়ে কোন সমস্যা আছে? আমি যা বলতে চাইছি তা হল, আমরা যেমন আমাদের ইকেএফ-তে আপডেট হিসাবে এনকোডার থেকে পঠিত ডেটা ব্যবহার করি, ঠিক তেমনি আমরা নিজের ইকিএফ-এর আপডেট হিসাবে আইএমইউ / জিপিএস সেন্সরের অন-চিপ ইকেএফের আউটপুটটি ব্যবহার করব। এটি আমার কাছে যুক্তিসঙ্গত বলে মনে হচ্ছে তবে আমি ভাবছিলাম যে এই ক্ষেত্রে সাধারণত কী করা উচিত।

Comments

আপনি কি EKF "ব্ল্যাক বক্স" এ সংশোধন / অনুমান ফিরিয়ে দিতে পারেন?

— ড্যামিয়েন

@ দামিয়ান না, এটি করার কোনও উপায় বলে মনে হয় না।

— রবজ

Answer 1

আপনি আপনার প্রথম EKF এর আউটপুট আপডেট হিসাবে INS / GPS ব্যবহার করতে পারেন। এটি আসলে শৃঙ্খলাবদ্ধ নয়, কেবল আইএনএস / জিপিএসের যোগ করা তথ্যের ভিত্তিতে অনুমানকে কন্ডিশনিং করে।

ধরুন আমাদের নিম্নলিখিত ফাংশন রয়েছে:

$x_{t+1|t}$, $P_{t+1|t}$ = EKF_PREDICT ($x_t$, $P_t$, $u_t$), রাষ্ট্র হিসাবে ইনপুট জন্য $x$, সমবায় $P$, এবং নিয়ন্ত্রণ ইনপুট (ওডোমেট্রি দ্বারা অনুমান) $u_t$।

এবং

$x_{t+1|t+1}$, $P_{t+1|t+1}$ = EKF_UPDATE ($x_{t+1|t}$, $P_{t+1|t}$, $\hat{x}_{t+1}$)।

সেন্সর থেকে অনুমান হয় $\hat{x}_{t+1}$। আমাদের মতো জিনিস রয়েছে:

$\hat{x}^{gps}_{t+1} = f(GPS)$

$\hat{x}^{map}_{t+1} = f(map)$

$\hat{x}^{ins}_{t+1} = f(INS)$

রোবটের অবস্থা নির্ধারণের অন্যান্য সমস্ত উপায়ে ইত্যাদি। সুতরাং এই সমস্ত সেন্সরের জন্য EKF_UPDATE ফাংশনটি চালানো যথেষ্ট ভাল।

আপনার লুপটি এরকম কিছু হবে:

সবসময়ের জন্য $t$

• দিন $u_t$ পোজের বর্তমান ওডোমেট্রি / কাইনামেটিক অনুমান, এবং $R_u$ যে অনুমান উপর গোলমাল হতে হবে।

• $x_{t+1|t}$, $P_{t+1|t}$ = EKF_PREDICT ($x_t$, $P_t$, $u_t$, $R_u$)

• সমস্ত সেন্সর জন্য $S$,

  • দিন $\hat{x}^{S}_{t+1}$ সেই সেন্সর থেকে ভঙ্গীর অনুমানের হিসাব হও এবং $R_{S}$ যে অনুমান উপর গোলমাল হতে হবে

  • $x_{t+1|t+1}$, $P_{t+1|t+1}$ = EKF_UPDATE ($x_{t+1|t}$, $P_{t+1|t}$, $\hat{x}_{t+1}, R_S$)।

  • শেষ-জন্য

• শেষ-জন্য

কিছু সতর্কতা হ'ল:

• যেহেতু আমরা ইকেএফ ব্যবহার করছি, তাই আপডেটের ক্রম থেকে অনুমানটি স্বাধীন যে কোনও গ্যারান্টি নেই। এটি হ'ল আপনি যদি আইএনএস করেন তবে জিপিএস করুন, ফলস্বরূপ অনুমানটি যদি আপনি জিপিএসের সাথে আপডেট করেন তবে আইএনএসের চেয়ে আলাদা হতে পারে। এটি সাধারণত কোনও বড় বিষয় নয়, তবে ফিল্টারটির জন্য আরও বেশি সুরের প্রয়োজন হবে।

• আপনার আইএনএস এর একটি পক্ষপাত এবং বামনা রয়েছে দয়া করে সচেতন হন, যা আপনার দীর্ঘমেয়াদী নির্ভরযোগ্যতাকে প্রভাবিত করতে পারে। জিপিএস আপনাকে এখানে অনেক সাহায্য করতে পারে । বেশিরভাগ সাহিত্য একই সাথে আইএনএসের পক্ষপাত এবং বামনের অনুমান করে।