İçeriğe atla
Arama sonuçlarına dön

Mahony Filtresi

Ortaya koyan
Robert Mahony
Yıl
2008
Tür
Observer algorithm
Aile
Complementary Filtering

Bu metin makine çevirisidir ve henüz incelenmedi. Asıl metni İngilizce oku

Yazı boyutu

Ne işe yarar?

Mahony Filtresi, jiroskop, ivmeölçer ve manyetometre ölçümlerini birleştirerek kuaterniyon yönelimini tahmin eden, gözlemci tabanlı tamamlayıcı bir filtredir.

Robert Mahony ve meslektaşları tarafından 2008 yılında geliştirilen filtre, oransal-integral kontrol prensiplerini kullanarak jiroskop hız entegrasyonunu vektör ölçümlerinden (ivmeölçer, pusula) gelen düzeltici geri besleme ile birleştirir. Mahony Filtresi, Kalman Filtrelerine benzer bir performans sunar ancak daha basit bir uygulamaya ve daha düşük hesaplama maliyetine sahiptir, bu da onu kaynak kısıtlı sistemler ve gerçek zamanlı kontrol için ideal kılar.

Yöntemin mantığı

Mahony Filtresini, jiroskopun 'açık döngü' tahminini (hızlı ancak sürüklenen) ve ivmeölçer/pusulanın hata sinyallerini (yavaş ancak kararlı) sağladığı kapalı döngü bir kontrolör olarak düşünebilirsiniz. Bir oransal-integral (PI) kontrolör düzeltmeleri hesaplar ve bunları jiroskop entegrasyon döngüsüne geri besler. Yüksek jiroskop kazançları hızlı tepki verir; yüksek ivmeölçer kazançları kararlılık sağlar. Hem duyarlılık hem de sürüklenmesiz tutum elde etmek için ikisi dengelenir.

Tarih

Mahony ve meslektaşları, 2008 civarında Avustralya Ulusal Üniversitesi'nde dört rotorlu kontrol üzerinde çalışırken tamamlayıcı gözlemci yaklaşımını geliştirdiler. Yöntem, çok rotorlu tutum tahmini üzerine birkaç etkili makalede biçimlendirildi. Mahony'nin formülasyonu, onlarca yıldır havacılıkta kullanılan klasik tamamlayıcı filtrelemeyi modern kuaterniyon cebiri ve kontrol teorisi ile birleştirdi. Filtre, açık kaynaklı otopilot topluluğunda (ArduPilot, PX4) standart hale geldi ve araştırma ve ticari sistemlerde yaygın olarak kullanılmaktadır.

Ne zaman kullanılır?

Kalman Filtresi çok karmaşık veya maliyetli olduğunda, gömülü sistemlerde tutum tahmini için Mahony Filtresini kullanın. Dört rotorlu, çok rotorlu ve uçak otopilotları için idealdir. Gradyan iniş kullanan Madgwick'e fiziksel olarak motive edilmiş, kolayca ayarlanabilen bir alternatif istediğinizde dağıtın. Düşük gecikme süresi ve kararlı tahminler gerektiren gerçek zamanlı kontrol döngüleri için uygundur. Oransal-integral kontrolü anladığınız ve K_p, K_i'yi ayarlayabildiğiniz durumlarda kullanın.

Sınırlar ve dikkat edilmesi gerekenler

  • K_p ve K_i'yi ayarlamak, kontrol teorisi anlayışı ve ampirik deney gerektirir.
  • Performans ayara duyarlıdır; kazançların yanlış seçilmesi salınıma veya yavaş tepkiye neden olabilir.
  • İntegral terim aşırı yüklenmeye neden olabilir; büyük, sürekli hatalar birikir ve aşırı salınıma neden olur; azaltma gerekir.
  • Madgwick gibi, manyetometre bozulması başlık doğruluğunu etkiler; kalibrasyon ve potansiyel olarak bozulma tespiti gerektirir.

Kaynak metnin koşulları, bağımsız bilimsel inceleme veya analiz motoru doğrulaması yerine geçmez.

Güçlü yönleri

  • Fiziksel olarak sezgisel; kontrol teorisine (PI geri besleme) dayanır; gradyan inişten daha kolay anlaşılır ve hata ayıklanır.
  • Açık jiroskop sapması tahmini; integral terim zamanla sensör sapmasını öğrenir ve düzeltir.
  • İki ayar parametresi (K_p, K_i) Madgwick'teki beta'nın aksine açık fiziksel anlama sahiptir (oransal ve integral kazanç).
  • Madgwick ile benzer hesaplama maliyeti; hafif ve gömülü sistemler için uygundur.

Uygulama alanları

  • Dört rotorlu ve çok rotorlu uçuş kontrolü: çoğu açık kaynaklı otopilotta (ArduPilot, PX4) birincil tutum tahmincisi.
  • Sabit kanatlı uçak otopilotu: düşük maliyetli İHA uçuş kontrolörlerinde tutum referansı.
  • İnsansız hava aracı (İHA) araştırması: akademik hareket kontrol çalışmaları için standart filtre.
  • Deniz aracı baş ve stabilizasyonu: gemi otopilotu ve yalpa stabilizasyonu için tutum referansı.
  • Mobil robot yönelim takibi: tekerlekli ve bacaklı robotlar için yönelim tahmini.

Nasıl çalışır?

Nasıl çalışır?

1

50+ Hz'de 9-DOF IMU'dan ölçümler toplayın: 3 eksenli ivmeölçer, 3 eksenli jiroskop ve 3 eksenli manyetometre.

2

İvmeölçer ve manyetometre vektörlerini normalleştirin; jiroskop hızını elde edin; mevcutsa kalibrasyon uygulayın.

3

Yerçekiminin beklenen yönünü (aşağı) ve manyetik kuzeyi (mevcut tutum tahmininden) hesaplayın; ölçülen yönlerle karşılaştırın; çapraz çarpım olarak hatayı hesaplayın (geometrik hata).

Formül
\dot{\vec{q}} = \frac{1}{2}\vec{q} \otimes \vec{\omega} + k_p \vec{e} + k_i \int \vec{e} dt
4

Jiroskop sapmasını tahmin etmek için oransal düzeltme (K_p * hata) ve integral düzeltme (K_i * integral(hata)) uygulayın; düzeltilmiş açısal hızla kuaterniyonu güncelleyin.

5

Kuaterniyonu çıktı alın; gerekirse Euler açılarına dönüştürün; hata büyüklüğüne ve sensör uyumuna göre güvenilirliği değerlendirin.

Sık yapılan hatalar

  • K_p ve K_i'yi çok yüksek seçmek salınıma ve kararsızlığa neden olur; tipik değerler K_p ~ 1.0, K_i ~ 0.1'dir, ampirik olarak ayarlanır.
  • İntegral terimi sınırlamayı unutmak; sınırsız entegrasyon hataları biriktirebilir; integral aşırı yüklenme sınırları ekleyin.
  • İvmeölçer hata modelinin Gauss olduğu varsayılır; Gauss olmayan bozulmalar (titreşim, darbe) filtreyi bozabilir; sağlam tahminciler gerekebilir.
  • Amaçlanan hareket profilleri altında test etmeden dağıtım; filtre ayarı beklenen manevra oranı ve sensör kalitesine bağlıdır.

Sık sorulan sorular

K_p ve K_i'yi nasıl ayarlayabilirim?

K_p oransal kazançtır (tipik olarak 0.5–2.0); daha yüksek K_p daha hızlı düzeltme anlamına gelir ancak salınım riski taşır. K_i integral kazançtır (tipik olarak 0.01–0.1); sapma düzeltme oranını kontrol eder. K_p=1.0, K_i=0.1 ile başlayın. Filtre manevraların gerisinde kalıyorsa K_p'yi artırın; salınım yapıyorsa azaltın. Sapma sürüklenmesi önemliyse K_i'yi artırın; integral aşırı yüklenme meydana gelirse azaltın.

İntegral aşırı yüklenme nedir ve nasıl önlenir?

İntegral aşırı yüklenme, sürekli hata sırasında (örneğin, manyetometre bozulması) integral terimin sınırsız büyümesiyle oluşur. Hata nihayet temizlendiğinde, filtre aşırı salınım yapar. İntegral terimi doyurarak (sınırlar arasında sınırlayarak) veya koşullu entegrasyonla (yalnızca hata küçükken entegre ederek) önleyin.

Mahony ve Madgwick filtreleri arasındaki fark nedir?

Mahony, açık sapma tahmini ile PI geri besleme kullanır; Madgwick gradyan iniş kullanır. Mahony kontrol teorisine dayanır; Madgwick optimizasyona. Her ikisi de benzer hesaplama maliyetine sahiptir. Mahony tipik olarak daha hızlı sapma yakınsamasına sahiptir; Madgwick uygulaması daha basittir. Yalnızca tutum (sapma yok) için benzer performans gösterirler.

Mahony büyük ivmeleri kaldırabilir mi?

Büyük ivmeler sırasında, ivmeölçer atalet ivmesini + yerçekimini ölçer, bu da sapma/yalpa hatasına neden olur. Mahony Filtresi, ivmeölçerin aşağıyı gösterdiğini varsayar; büyük ivmeler bunu ihlal eder. Bazı uygulamalar, manevralar sırasında ivmeölçerin ağırlığını azaltmak için ivme büyüklüğü eşikleme kullanır, bu da sağlamlığı artırır.

İlgili yöntemler

Kaynaklar

  1. Mahony, R., Hamel, T., & Pflimlin, J. M. (2008). Multirotor aerial vehicles: Modeling, estimation, and control of quadrotors. IEEE Robotics and Automation Magazine, 19(3), 20–32.

    Yayın kaynağını aç
    Kopyalandı.
  2. Mahony, R., Hamel, T., & Pflimlin, J. M. (2012). Multirotor aerial vehicles: Modeling, estimation, and control of quadrotors. IEEE Robotics & Automation Magazine, 19(3), 20–32.

    DOI kaynağını aç
    Kopyalandı.
  3. Valenti, R. G., Dryanovski, I., & Xiao, J. (2016). Keeping a good attitude: A quaternion-based orientation filter for IMUs and MARGs. Sensors, 15(8), 19302–19330.

    DOI kaynağını aç
    Kopyalandı.