지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 원문철
- 발행연도
- 2017
- 저작권
- 충남대학교 논문은 저작권에 의해 보호받습니다.
이용수4
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
Accurate 3-axis angular velocity and absolute orientation angle are required to estimate the heading angle of moving objecst in AHRS (Attitude and Heading Reference System). Previous studies have used GPS compass or geomagnetic sensor for gyro bias. However, the geomagnetic sensors can have a large error and the GPS compass or other sensors are difficult to obtain accurate values in a tunnel, area around a lot of buildings or the like.
This study proposes a temperature model kalman filter that estimates gyro bias without using an absolute heading sensor for a relatively short time and a heading angle estimation algorithm using compensated angular velocity.
When there is no movement of the sensor, gyro bias can be measured. Therefore, an algorithm is devised to find when the movement of the sensor is similar to the no movement state through experiments. In addition, the performance of the bias estimation Kalman filter was confirmed through indoor experiment and actual vehicle tests.
Experimental results show that the bias estimation method using the temperature model results in less yaw angle error than non - temperature model method. Also, when the initial state values of the Kalman filter are choose by regularized linear regression analysis, the estimation result of yaw angle is better than when the initial value is chosen by zero.
This study proposes a temperature model kalman filter that estimates gyro bias without using an absolute heading sensor for a relatively short time and a heading angle estimation algorithm using compensated angular velocity.
When there is no movement of the sensor, gyro bias can be measured. Therefore, an algorithm is devised to find when the movement of the sensor is similar to the no movement state through experiments. In addition, the performance of the bias estimation Kalman filter was confirmed through indoor experiment and actual vehicle tests.
Experimental results show that the bias estimation method using the temperature model results in less yaw angle error than non - temperature model method. Also, when the initial state values of the Kalman filter are choose by regularized linear regression analysis, the estimation result of yaw angle is better than when the initial value is chosen by zero.
목차
1. 서 론 11.1. 연구 배경 및 필요성 11.2 기존 연구 동향 및 기존 AHRS 센서의 단점 41.3. 연구 내용 및 방법 62. 본 론 72.1. 온도변화에 따른 자이로 바이어스 측정 실험 72.2. 자이로 바이어스 추정 칼만필터 알고리즘 102.2.1. 온도 모델을 이용한 자이로 바이어스 추정 칼만필터 알고리즘 102.2.2. 온도 모델을 이용하지 않은 단순 자이로 바이어스 추정 칼만필터 알고리즘 122.2.3. 자이로 바이어스 추정을 위한 AHRS의 움직임 판단 132.3. 정규화 된 선형회귀를 이용한 칼만필터의 초기 상태변수 추정 142.3.1. 칼만필터의 초기 상태 변수가 0일 때 온도 모델 계수 변화 확인 142.3.2. 선형회귀분석을 이용한 초기 상태변수 결정 162.3.3. 정규화 된 선형회귀분석을 이용한 초기 상태변수 결정 182.4. 보정된 자이로(Gyro)센서를 이용한 지향각(Yaw Angle) 계산 202.5. AHRS 알고리즘 테스트 212.5.1. 실내 6자유도 모션테스트 232.5.1.1 센서가 탑재된 물체가 정지 상태일 때 지향 각 측정시작 232.5.1.2 센서가 탑재된 물체가 움직일 때 지향 각 측정시작 252.5.2. 차량주행테스트 272.5.2.1 차량 주행 전 지향 각 측정시작 272.5.2.2 차량 주행 중 지향 각 측정시작 292.5.3. 테스트 결과 분석 303. 결론 31참고문헌 32ABSTRACT 34
최근 본 자료
댓글(0)
0