Modelos baseados em funções Kernel para localização de veículos autônomos subaquáticos

Detalhes bibliográficos
Autor(a) principal: Pinheiro, Breno Carneiro
Data de Publicação: 2015
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/xmlui/handle/123456789/134936
Resumo: Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2015.
id UFSC_af76bdea3901413e2602d9814c38e7a2
oai_identifier_str oai:repositorio.ufsc.br:123456789/134936
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Modelos baseados em funções Kernel para localização de veículos autônomos subaquáticosEngenharia de sistemasAutomaçãoNavegaçãoKalman, Filtragem deKernel, Funções deTese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2015.Esta tese aborda a análise do sistema de localização acústica de veículos subaquáticos em uma configuração dita de base longa auxiliada por sensores inerciais. Para o processo de filtragem de dados, o filtro de Kalman, em sua versão estendida EKF (Extended Kalman Filter), é utilizado de modo a aproveitar toda informação relacionada aos estados do veículo proveniente dos sensores. O foco do trabalho está no processo de aprendizagem a partir de dados com vistas à identificação das medições errôneas do tempo de chegada da sonda sonora e à correção das mesmas. As técnicas exploradas para essas finalidades são o AAKR (AutoAssociative Kernel Regression) e o SVDD (Support Vector Data Description). O objetivo é melhorar a estimação dos estados do veículo (posição, velocidade e orientação) provenientes dos sensores inerciais, aproveitando um conjunto de medições corretas obtidas durante a navegação ou em missões anteriores à atual. A melhoria no desempenho do sistema de localização foi analisado por simulação utilizando dados experimentais obtidos em missões com veículos de baixo custo e modelos de propagação acústica que inserem desvios factíveis aos tempos de chegada medidos. Os resultados são comparados ao desempenho obtido com uma solução clássica para a localização acústica de veículos autônomos em ambiente subaquático. Destaca-se ainda que a arquitetura proposta não se apresenta firmemente acoplada ou fortemente dependente de qualquer outro algoritmo presente no veículo, o que a caracteriza como uma solução bastante modular com a possibilidade de estendê-la a outras aplicações.<br>Abstract : This thesis deals with the analysis of an acoustic localization system in a long baseline configuration for navigation of underwater vehicles aided by inertial sensors. For the process of filtering data, the Extended Kalman Filter (EKF) is used in order to take advantage of all information related to the states of the vehicle from the sensors. The focus is on the process of learning from data with a view to identify erroneous measurements of the time of flight of the acoustic signal and correct eventual deviations in this quantity. The techniques used for these purposes are AAKR (AutoAssociative Kernel Regression) and SVDD (Support Vector Data Description). The objective is to improve the accuracy of the estimates of the vehicle s states (position, velocity and orientation) coming from the inertial sensors, taking advantage of a set of correct measurements obtained during prior navigations or in the current missions. The improved performance of the tracking system is evidenced by the data obtained using in field missions with low-cost vehicles and acoustic propagation models that insert feasible deviations to arrival times measured. The results are compared with the performance obtained with other classical solution to acoustic localization task in underwater environment of autonomous vehicles. It is highlighted also that the proposed architecture is not tightly coupled to any other algorithm running in the vehicle , which characterizes the approach as a very modular and cost-effective computing solution.Moreno, Ubirajara FrancoUniversidade Federal de Santa CatarinaPinheiro, Breno Carneiro2015-09-15T04:07:11Z2015-09-15T04:07:11Z2015info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesis180 p.| il., grafs., tabs.application/pdf334381https://repositorio.ufsc.br/xmlui/handle/123456789/134936porreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccess2015-09-15T04:07:11Zoai:repositorio.ufsc.br:123456789/134936Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732015-09-15T04:07:11Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Modelos baseados em funções Kernel para localização de veículos autônomos subaquáticos
title Modelos baseados em funções Kernel para localização de veículos autônomos subaquáticos
spellingShingle Modelos baseados em funções Kernel para localização de veículos autônomos subaquáticos
Pinheiro, Breno Carneiro
Engenharia de sistemas
Automação
Navegação
Kalman, Filtragem de
Kernel, Funções de
title_short Modelos baseados em funções Kernel para localização de veículos autônomos subaquáticos
title_full Modelos baseados em funções Kernel para localização de veículos autônomos subaquáticos
title_fullStr Modelos baseados em funções Kernel para localização de veículos autônomos subaquáticos
title_full_unstemmed Modelos baseados em funções Kernel para localização de veículos autônomos subaquáticos
title_sort Modelos baseados em funções Kernel para localização de veículos autônomos subaquáticos
author Pinheiro, Breno Carneiro
author_facet Pinheiro, Breno Carneiro
author_role author
dc.contributor.none.fl_str_mv Moreno, Ubirajara Franco
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Pinheiro, Breno Carneiro
dc.subject.por.fl_str_mv Engenharia de sistemas
Automação
Navegação
Kalman, Filtragem de
Kernel, Funções de
topic Engenharia de sistemas
Automação
Navegação
Kalman, Filtragem de
Kernel, Funções de
description Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2015.
publishDate 2015
dc.date.none.fl_str_mv 2015-09-15T04:07:11Z
2015-09-15T04:07:11Z
2015
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv 334381
https://repositorio.ufsc.br/xmlui/handle/123456789/134936
identifier_str_mv 334381
url https://repositorio.ufsc.br/xmlui/handle/123456789/134936
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 180 p.| il., grafs., tabs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808652193634451456

Registros relacionados