Evaluación de Algoritmos de Fusión de Datos de Medición Inercial para Vehículos Aéreos no Tripulados

Published in: Global Partnerships for Development and Engineering Education: Proceedings of the 15th LACCEI International Multi-Conference for Engineering, Education and Technology
Date of Conference: July 19-21, 2017
Location of Conference: Boca Raton, FL, United States
Authors: Humberto Rodríguez, PhD. (UTP, PA)
Cristobal Chérigo, (UTP, PA)
Full Paper: #455

Abstract:

El objetivo de este trabajo es evaluar y comparar los tres algoritmos de procesamiento de datos más usados en sistemas de referencia de orientación y rumbo (AHRS, por sus siglas en inglés), para vehículos aéreos no tripulados (UAVs, por sus siglas en inglés), los cuales implementan procesos de filtrado y de fusión de datos. Estos algoritmos son el Filtro de Kalman, el de Mahony y el de Madgwick. Comercialmente, existen varios tipos de sensores IMU-Magnetómetros que proporcionan una muy buena retroalimentación de los estados de una aeronave, sin embargo suelen ser muy costosos, por lo que en este trabajo nos concentraremos en aquellos que tienen un costo medio y una buena relación costo/funcionamiento. Se desarrolló una plataforma para probar experimentalmente los tres algoritmos mencionados. Se evaluó el error absoluto en la medición de los ángulos de rotación alrededor de los ejes x, y, z (roll, pitch and y yaw) bajo las mismas condiciones de perturbación externa. Se desarrolló una metodología, mediante la cual se pudo comparar que algoritmo se adapta mejor a sistemas con diferentes características. Los resultados mostraron que el algoritmo que mejor funcionó es el filtro complementario de Robert Mahony debido a su mayor velocidad de convergencia. De los tres ángulos de rotación alrededor de los ejes principales x y z, en todas las estimaciones evaluadas, el ángulo alrededor de z(ψ) fue el que presentó la magnitud del error mayor, ya que estas estimaciones dependen principalmente de la exactitud del magnetómetro.