Diseño e implementación de filtros de Kalman y observadores no lineales para la estimación de la orientación y posición en

tiempo real; aplicación a vehículos autónomos y a biomecánica.

Becario:Javier Isaac Espinosa Muñoz

Asesor:Dr. José Fermi Guerrero Castellanos

Concepto general : es una técnica muy utilizada en el procesamiento digital de señales. Hace uso de un estimador recursivo de estados, el cual su función es observar parcialmente un proceso estocástico no estacionario, y generar un porcentaje de ganancia que compensara el ruido ya sea de tipo (aleatorio, determinista, etc) proveniente del ambiente o dentro del sistema del sistema.

¿Que es un filtro Kalman y que hace?

Diseño e implementación de filtros de Kalman y observadores no lineales para la estimación de la orientación y posición en tiempo real; aplicación a vehículos

autónomos y a biomecánica.

Estimador actual Valor medido

Ganancia de Kalman Estimación previa

No es un filtro en lo absoluto, si no un estimador.

Diseño e implementación de filtros de Kalman y observadores no lineales para la estimación de la orientación y posición en tiempo real; aplicación a vehículos

autónomos y a biomecánica.

Iniciar el trabajo con KFConstrucción del modelo

Iniciar el proceso

Predicción Corrección

TIME UPDATE MEASUREMENT UPDATE

Predicción Corrección

TIME UPDATE MEASUREMENT UPDATE

1 proyecto del estado por delante

2 proyecto de la covarianza de error por delante

1 calcular la ganancia de Kalman

2 actualización de la estimación a través de zk

3 actualización del error de covarianza

las estimaciones iniciales en K = 0

las salidas en k +1  serán  la entrada

Diseño e implementación de filtros de Kalman y observadores no lineales para la estimación de la orientación y posición en tiempo real; aplicación a vehículos

autónomos y a biomecánica.

Entorno*Filtro de Kalman

*automóvil

Central inercial MEMS(orientación)

Receptor GPS(ubicación global)

MICROCONTROLADOR(Recolecta y transmite)

Objetivos

PC(interpreta)

*Estimar la orientación en tiempo real

*Estimar la posición en tiempo real

Controles e indicadores(información del desempeño

y confiabilidad)

Diseño e implementación de filtros de Kalman y observadores no lineales para la estimación de la orientación y posición en tiempo real; aplicación a vehículos

autónomos y a biomecánica.

Herramientas

*.VI *.m

Diseño e implementación de filtros de Kalman y observadores no lineales para la estimación de la orientación y posición en tiempo real; aplicación a vehículos

autónomos y a biomecánica.

Tipo de errores que nos enfrentamos

Error aleatorio

-Ruido blanco -ruido de baja frecuencia-errores aleatorios-errores acumulativos

Se corrigen mediante

-Filtros-Algoritmos de estimación y corrección

Error determinista

-Efectos de temperatura-Características propias

Se corrigen mediante

-Filtros-Algoritmos de estimación y corrección

-errores de manufactura-errores de calibración-ganacias-tiempos de respuesta y muestreo-resolución-sensibilidad

Diseño e implementación de filtros de Kalman y observadores no lineales para la estimación de la orientación y posición en tiempo real; aplicación a vehículos

autónomos y a biomecánica.

Diagrama de Flujo

Configurar comunicación

USB

Leer puerto USB

Obtener información inercial:

Cuaterniones Y vectores.VI

Obtener información GPS

Análisis GPS.VI

KF_GPS.VI

KF_MEMS.VI

El vector de campo magnéticoEl vector de aceleracionesEl vector de velocidad angular

Actualizar indicadores

Diseño e implementación de filtros de Kalman y observadores no lineales para la estimación de la orientación y posición en tiempo real; aplicación a vehículos

autónomos y a biomecánica.

Construcción del estimador

GPS We

Muchas gracias por su atención.