Filtragem estocástica para sistemas híbridos e suas aplicações em robótica aérea

Abstract

Estimação de estados a partir de informações sensoriais de sistemas operando em ambientes reais, não-controlados e possivelmente hostis é um assunto de grande interesse científico e aplicabilidade prática, ainda que seja uma tarefa difícil de ser efetuada com sucesso. Em razão das diversas, e geralmente desconhecidas, fontes de interferência atuando sobre o sistema, a hipótese de correta operação dos sensores assumida pelas técnicas de filtragem tradicionais pode se tornar inválida. Tendo em vista que falhas muitas vezes são inevitáveis e que suas conseqüências podem ser trágicas dependendo da situação, este trabalho propõe uma abordagem de sistemas híbridos para tratar de sistemas com falhas e operando sob perturbações, propondo três novos filtros híbridos (HDFF, MHMF e MHMF-2) para estimação estocástica de estados. Todos esses algoritmos, juntamente com os filtros FKE, IMMe M3H, têm seus desempenhos comparados por meio de dados reais e de simulação provenientes do sistema de localização de um veículo aéreo não-tripulado equipado com GPS, IMU e magnetômetro. Desenvolve-se o modelo matemático do sistema de localização e dá-se ênfase às questões relativas à representação de atitude e sua extração a partir de leituras dos sensores embarcados. Mostra-se que todos os filtros propostos neste trabalho superam os resultados disponíveis na literatura e conclui-se da análise dos dados que o MHMF-2 é o melhor algoritmo em termos de menores erros de estimação e complexidade computacional. _________________________________________________________________________________ ABSTRACT

State estimation for sensory systems operating in real, uncontrolled, and possibly hostil environments is a matter of great scientific interest and practical applicability, though often difficult to accomplish. Because of the many different, and usually unknown, sources of interference acting over the system, the theoretical assumptions of correct sensor operation considered by traditional filtering techniques may not be valid. Since occasional faults are often inevitable and may have tragic outcomes depending on the situation, this work uses a stochastic hybrid systems approach to tackle the problem of faulty and heavily disturbed systems and proposes three new hybrid stochastic state estimators (HDFF, MHMF and MHMF-2). All these algorithms, along with the EKF, the IMM and the M3H filters, have their performances compared using simulated and real experimental data from an unmanned aerial vehicle’s localization system equipped with GPS, IMU, and magnetometer. The localization system’s mathematical model is developed and special attention is paid to the matters of attitude representation and extraction from onboard sensor data. All filters proposed in this work are shown to outperform the available results in the litterature and one concludes from the analysis that the MHMF-2 is the best algorithm in terms of smaller estimation error and computational complexity.