Открытый доступ
Только для подписчиков
Сравнение подходов фильтрации Калмана при оценивании параметра движения самолета
https://doi.org/10.17587/mau.24.590-597
Аннотация
В настоящее время требования к точности авиационных бортовых систем измерений постоянно повышаются, тогда как датчики имеют различные погрешности измерения сигналов, прежде всего случайные. Зашумленные сигналы, полученные из бортовых измерений, могут быть сглажены или отфильтрованы различными способами. Одним из наиболее популярных подходов является фильтрация Калмана, эффективность которой была доказана многими исследованиями.
В данной работе проводится сравнительный анализ расширенного фильтра Калмана и сигма-точечного, или взвешенного, фильтра Калмана, применяемых для оценивания угла тангажа самолета с использованием данных стендового моделирования. При моделировании водились также нормальные шумы измерений. По результатам, полученным в данной работе, можно отметить, что взвешенный фильтр Калмана работает лучше, когда априорные знания о шумах объекта и наблюдений достоверны. Однако эффективность взвешенного фильтра Калмана при оценке сигнала снижается, когда априорные знания о процессе становятся неопределенными, в то время как производительность расширенного фильтра Калмана остается стабильной. Это связано с тем, что взвешенный фильтр Калмана использует более сложные аппроксимации, которые характеризуются высокой чувствительностью к точности принятых допущений. Полученные результаты также показывают, что различные варианты калмановской фильтрации сохраняют актуальность по сравнению с распространившимися в последние годы методами сглаживания, основанными на идеях оптимального управления и эволюционных алгоритмах численной оптитмизации.
Об авторах
О. Н. Корсун
Государственный научно-исследовательский институт авиационных систем; Московский авиационный институт (Национальный исследовательский университет)
Россия
Россия
д-р техн. наук, проф., нач. лаб.
г. Москва
Секу Горо
Московский авиационный институт (Национальный исследовательский университет)
Россия
Россия
аспирант
г. Москва
Моунг Хтанг Ом
Московский авиационный институт (Национальный исследовательский университет)
Россия
Россия
канд. техн. наук, докторант
г. Москва
Список литературы
1. Wan E. A., Van Der Merwe R. The unscented Kalman filter for nonlinear estimation, Proceedings of the IEEE 2000 Adaptive Systems for Signal Processing, Communications, and Control Symposium (Cat. No.00EX373), 2000, pp. 153—158, DOI: 10.1109/ASSPCC.2000.882463.
2. Menegaz H. M. T., Ishihara J. Y., Borges G. A., Vargas A. N. A Systematization of the Unscented Kalman Filter Theory, IEEE Transactions on Automatic Control, 2015, vol. 60, no. 10, pp. 2583—2598. DOI: 10.1109/TAC.2015.2404511.
3. Meinhold R. J., Singpurwalla N. D. Understanding the Kalman Filter, The American Statistician, 1983, vol. 37, no. 2, pp. 123—127, DOI: 10.1080/00031305.1983.10482723.
4. Li Q., Li R., Ji K., Dai W. Kalman Filter and Its Application, The 8th International Conference on Intelligent Networks and Intelligent Systems (ICINIS), 2015, pp. 74—77, DOI: 10.1109/ICINIS.2015.35.
5. Willner D., Chang C. B., Dunn K. P. Kalman filter algorithms for a multi-sensor system, IEEE Conference on Decision and Control including the 15th Symposium on Adaptive Processes, 1976, pp. 570—574, DOI: 10.1109/CDC.1976.267794.
6. Dunik J., Simandl M., Straka O. Unscented Kalman Filter: Aspects and Adaptive Setting of Scaling Parameter, IEEE Transactions on Automatic Control, 2012, vol. 57, no. 9, pp. 2411—2416, DOI: 10.1109/TAC.2012.2188424.
7. De Marina H. G., Pereda F. J., Giron-Sierra J. M., Espinosa F. UAV Attitude Estimation Using Unscented Kalman Filter and TRIAD, IEEE Transactions on Industrial Electronics, 2012, vol. 59, no. 11, pp. 4465—4474, DOI: 10.1109/TIE.2011.2163913.
8. St-Pierre M., Gingras D. Comparison between the unscented Kalman filter and the extended Kalman filter for the position estimation module of an integrated navigation information system, IEEE Intelligent Vehicles Symposium, 2004, pp. 831—835, DOI: 10.1109/IVS.2004.1336492.
9. Chen B.-C., Hsieh F.-C. Sideslip angle estimation using extended Kalman filter, Vehicle System Dynamics, 2008, 46: sup. 1, 353—364, DOI: 10.1080/00423110801958550.
10. Luo C., McClean S. I., Parr G., Teacy L., De Nardi R. UAV Position Estimation and Collision Avoidance Using the Extended Kalman Filter, IEEE Transactions on Vehicular Technology, 2013, vol. 62, no. 6, pp. 2749—2762, DOI:10.1109/TVT.2013.2243480.
11. Mao G., Drake S., Anderson B. D. O. Design of an Extended Kalman Filter for UAV Localization, 2007 Information, Decision and Control, Adelaide, SA, Australia, 2007, pp. 224—229, DOI: 10.1109/IDC.2007.374554.
12. Li M., Liu L., Veres S. M. Aerodynamic parameter estimation of an Unmanned Aerial Vehicle based on extended kalman filter and its higher order approach, The 2nd International Conference on Advanced Computer Control, 2010, pp. 526—531, DOI: 10.1109/ICACC.2010.5487116.
13. Madyastha V., Ravindra V., Mallikarjunan S.,G oyal A. Extended Kalman Filter vs. Error State Kalman Filter for Aircraft Attitude Estimation, AIAA Guidance, Navigation, and Control Conference, 2011.
14. Majeed M., Narayan Kar I. Aerodynamic parameter estimation using adaptive unscented Kalman filter, Aircraft Engineering and Aerospace Technology, 2013, vol. 85, no. 4, pp. 267—279, DOI: 10.1108/AEAT-Mar-2011-0038.
15. Angrisani L., Baccigalupi A., Lo Moriello S. R. On the Use of Unscented Kalman Filter for Improving Ultrasonic Timeof- Flight Measurement, IEEE Instrumentationand Measurement Technology Conference Proceedings, Ottawa, ON, Canada, 2005, pp. 1606—1611, DOI: 10.1109/IMTC.2005.1604438.
16. Khazraj H., Faria da Silva F., Bak C. L. A performance comparison between extended Kalman Filter and unscented Kalman Filter in power system dynamic state estimation, 51st International Universities Power Engineering Conference (UPEC), Coimbra, Portugal, 2016, pp. 1—6, DOI: 10.1109/UPEC.2016.8114125.
17. LaViola J. J. A comparison of unscented and extended Kalman filtering for estimating quaternion motion, Proceedings of the 2003 American Control Conference, 2003, vol. 3, pp. 2435—2440, DOI: 10.1109/ACC.2003.1243440.
18. Chowdhary G., Jategaonkar R. Aerodynamic Parameter Estimation from Flight Data Applying Extended and Unscented Kalman Filter, AIAA 2006-6146, AIAA Atmospheric Flight Mechanics Conference and Exhibit. 2006.
19. Hao Y., Xiong Z., Sun F., Wang X. Comparison of Unscented Kalman Filters, 2007 International Conference on Mechatronics and Automation, Harbin, China, 2007, pp. 895—899, DOI: 10.1109/ICMA.2007.4303664.
20. Saptoro A. Extended and unscented Kalman filters for artificial neural network modelling of a nonlinear dynamical system, Theor Found Chem Eng., 2012, 46, pp. 274—278, DOI: 10.1134/S0040579512030074
21. Wan E. A., van der Merwe R., Nelson A. T. Dual Estimation and the Unscented Transformation, Advances in Neural Information Processing Systems. Cambridge, MIT, 2000, vol. 12, p. 666.
22. Korsun O., Poliyev A., Stulovskii A. Aircraft Optimal Control for Longitudinal Maneuver Using Population-Based Algorithm. Eng. Proc., 2023, 33(1), 53. https://doi.org/10.3390/engproc2023033053.
23. Diveev A. I., Sofronova E. A., Konstantinov S. V. Approaches to numerical solution of optimal control problem using evolutionary computations, Appl. Sci., 2021, 11, 7096.
24. Korsun O. N., Stulovskii A. V. Direct method for forming the optimal open loop control of aerial vehicles, J. Comput. Syst. Sci. Int., 2019, vol. 58, pp. 229—243.
Рецензия
Для цитирования:
Корсун О.Н., Горо С., Ом М.Х. Сравнение подходов фильтрации Калмана при оценивании параметра движения самолета. Мехатроника, автоматизация, управление. 2023;24(11):590-597. https://doi.org/10.17587/mau.24.590-597
For citation:
Korsun O.N., Goro S., Om M.H. A Comparison between Kalman Filtering Approaches in Aircraft Flight Signal Estimation. Mekhatronika, Avtomatizatsiya, Upravlenie. 2023;24(11):590-597. https://doi.org/10.17587/mau.24.590-597
Просмотров: 104
.png)
Послать статью по эл. почте 