Sintonia automática de filtro de Kalman para navegação inercial auxiliada

• Main Author: Leandro Ribeiro Lustosa
• Publication Date: 2012
• Format: Master thesis
• Language: por
• Source: Biblioteca Digital de Teses e Dissertações do ITA
• Download full: http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=2093
• topic: Navegação inercial; Sistema de navegação; Filtros de Kalman; Sistema de posicionamento global; Engenharia aeronáutica; Engenharia eletrônica

Sistemas de navegação inercial (INS) possuem erros de posição, velocidade e atitude divergentes com o tempo em uma taxa dependente da precisão dos sensores inerciais. Por outro lado, as taxas divergentes da INS, sistemas de posicionamento global por satélites (GNSS) e dispositivos imageadores (SD) fornecem medidas de posição, velocidade e desalinhamento com erros limitados e em baixas frequências. A complementariedade das características dos sistemas motiva a fusão de dados. A estratégia tradicional de integração é o filtro de Kalman extendido (EKF) como estimador do vetor de erros. Sob certas condições, o filtro de Kalman é o estimador ótimo sob ampla variedade de critérios. Essas condições necessitam de uma modelagem acurada da dinâmica da planta e da sintonia das estatísticas do ruído de modelo e sensores. Portanto, erros de modelagem e sintonia impossibilitam otimalidade e consistência estatística do erro de estimação do filtro e ainda podem levá-lo à divergência. O presente trabalho aborda o problema de buscar a consistência estatística na operação do filtro de Kalman estendido através de técnicas de sintonia automática do ruído de modelagem, a saber, Estimação Adaptativa baseada em Inovação (IAE) e Escalonamento do Ruído de Modelo (SPN). Será experimentalmente demonstrado que IAE falha ao sintonizar o filtro. Será proposta uma alteração na estratégia IAE, a saber, Estimação Adaptativa baseada em Inovação Parcial (IAEP), que deixará o filtro consistente e habilitado a fornecer uma solução de navegação satisfatória. Resultados são obtidos por simulações, onde um veículo aéreo não-tripulado voa uma trajetória conhecida com medidas de sensores inerciais corrompidas por um modelo de constante aleatória e ruído branco. Erros de posição e velocidade, desalinhamento, bias de acelerômetro, deriva de girômetro e erros de relógio GNSS são estimados através da fusão INS/GNSS/SD e testados para consistência estatística em diversos cenários. Adicionalmente, o algoritmo de navegação inercial operando autonomamente é avaliado através de dados reais obtidos em um experimento em montanha-russa.