Integração GPS/INS baseada em filtro de Kalman para navegação

• Autor(a) principal: Pereira, Lucas Boaventura
• Data de Publicação: 2022
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFU
• Texto Completo: https://repositorio.ufu.br/handle/123456789/35016
• topic: CNPQ::ENGENHARIAS::ENGENHARIA MECANICA; Sistema de navegação integrado; Integrated navigation system; Filtro de Kalman; Kalman filter; GPS; GPS; INS; INS; Estimativa de atitude; Attitude estimation; Estimativa de posição; Position estimation

Navegação significa determinar a posição e a atitude de um corpo móvel em relação a um referencial ao longo do tempo. As grandezas posição, velocidade e atitude, que permitem georreferenciar esse corpo, são chamadas de estados de navegação. Já a combinação de sensores que possibilita a determinação dos estados de navegação é conhecida como sistema de navegação. A integração de sistemas de navegação busca superar a qualidade da estimativa dos estados em relação àquela obtida com qualquer um dos sistemas operando isoladamente. Para isso, tipicamente combinam-se sistemas com características complementares. Neste contexto, o presente trabalho envolveu o desenvolvimento de um sistema de navegação utilizando a integração GPS/INS por meio de dois filtros de Kalman. O primeiro é usado para estimativa de atitude, utilizando as leituras do acelerômetro, giroscópio e magnetômetro. Já o segundo é empregado para estimar a posição a partir da medição do GPS e da saída do acelerômetro. A integração GPS/INS se beneficia dos pequenos erros de estimativa do INS a curto prazo e do fato das medições do GPS não divergirem ao longo do tempo. Para validar o sistema implementado, definiu-se uma trajetória de referência, a partir de quatro pontos que foram definidos utilizando um GPS de precisão. Tal validação foi realizada em simulação e a partir de dados experimentais. Com os dados simulados a integração GPS/INS apresentou um resultado melhor que a medição do GPS isoladamente. Mais precisamente, o erro médio e a variância do erro dos valores estimados pelos filtros foram menores que os dos valores medidos. No entanto, no teste com dados reais os resultados do sistema de navegação desenvolvido ficaram abaixo do esperado. Isso ocorreu devido ao alto nível de ruídos do acelerômetro de baixo custo empregado, alinhado à dupla integração feita no modelo dinâmico do filtro de Kalman para estimativa de posição.