فیلتر کالمن توسعه یافته جمعی چند نرخی تاخیردار برای تخمین وضعیت با ترکیب سنسورهای ژیروسکوپ و ستاره

در این مقاله، اطلاعات سنسورهای وضعیت ژیروسکوپ و ستاره به منظور تخمین وضعیت و با وجود زمان نمونه­برداری چندنرخی و تاخیر اندازه­گیری در سنسور ستاره ترکیب می­شوند. در این راستا، نیاز است تا فیلتر کالمن توسعه­یافته ([i]EKF) اصلاح شود به نحوی که به دلیل کاهش حجم محاسبات، نیازی به تکرارگام­های قبلی پس از رسیدن داده تاخیردار و با نرخ نمونه­برداری متفاوت نباشد همچنین الگوریتم در صورت عدم وجود داده سنسور ستاره به دلیل نرخ پایین نمونه­برداری، بتواند به کار خود ادامه دهد و پس از رسیدن داده بتواند به نحوی بهینه عملکرد خود را اصلاح نماید. برای این منظور و با هدف به دست­گیری تاخیرهای اندازه­گیری، از پیش­بینی مدل اندازه­گیری همانند آنچه در مرجع [۷] پیشنهاد شده است، استفاده می­گردد و برای مسئله تخمین وضعیت با استفاده از فیلتر کالمن توسعه­یافته و با وجود سنسورهای چندنرخی ژیروسکوپ و ستاره و در حضور تاخیر اندازه­گیری در سنسور ستاره، بسط و توسعه داده می­شود. سپس، توسط شبیه­سازی و همچنین با استفاده از داده­های آفلاین جمع­آوری شده از سنسورهای واقعی، صحت روش مورد ارزیابی قرار می­گیرد.   ۱ Extended Kalman Filter

کلیدواژه ها:

Attitude estimation ، Multi-rate data ، Sensor information fusion ، Gyroscope ، Stat tracker ، تخمین وضعیت ، داده های چندنرخی ، ترکیب اطلاعات سنسوری ، سنسور ستاره ، سنسور ژیروسکوپ