Um estudo sobre arquiteturas de hardware para técnicas de fusão sensorial através do EKF e da estimação de estados baseada em filtros híbridos otimizados

Detalhes bibliográficos
Autor(a) principal: Barrera Prieto, Fabián
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UnB
Texto Completo: http://repositorio.unb.br/handle/10482/32669
Resumo: Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2018.
id UNB_a511814d5b08f89e1d25fb5baf10ff58
oai_identifier_str oai:repositorio2.unb.br:10482/32669
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Barrera Prieto, FabiánMuñoz Arboleda, Daniel MaurícioLlanos Quintero, Carlos Humberto2018-09-21T21:19:30Z2018-09-21T21:19:30Z2018-09-192018-04-27BARRERA PRIETO, Fabián. Um estudo sobre arquiteturas de hardware para técnicas de fusão sensorial através do EKF e da estimação de estados baseada em filtros híbridos otimizados. 2018. xi, 106 f., il. Dissertação (Mestrado em Sistemas Mecatrônicos)—Universidade de Brasília, Brasília, 2018.http://repositorio.unb.br/handle/10482/32669Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2018.Este trabalho apresenta um estudo e uma implementação em hardware de uma técnica de fusão sensorial de Unidades de Medição Inercial (IMUs) de 9 graus de liberdade (DOF) baseada no Filtro de Kalman Estendido (EKF) como mecanismo de fusão; com o objetivo de estimar a posição (attitude) e a orientação (heading) em tempo real. A IMU usada está composta por sensores (giroscópio, acelerômetro e magnetômetro) nos três eixos ortogonais (X, Y e Z). A técnica de fusão de sensores foi baseada em dois Filtros de Kalman Estendidos (EKFs), um para estimar a posição (rolagem e arfagem) e o outro para estimar a orientação (guinada). Portanto, o giroscópio foi usado como modelo do sistema nos dois casos, enquanto o acelerômetro e o magnetômetro foram usados independentemente como modelos de medição. Esses sensores foram calibrados previamente à filtragem (processamento). O estudo dessa abordagem de fusão sensorial foi realizado através de uma bancada (plataforma) fabricada em impressão 3D, afim de facilitar os movimentos durante a calibração e os testes das IMUs. Nesse estudo, as leituras dos sensores e o processamento dos dados foram feitos através do Arduino e do Matlab R2015a, respectivamente. A arquitetura foi embarcada em FPGA (Field Programmable Gate Array) e desenvolvida usando a linguagem de descrição de hardware VHDL (Very High Description Language). A arquitetura opera a uma frequência de 50MHz e faz uso de operadores em ponto flutuante de 27 bits. Adicionalmente, a comunicação entre a IMU e o FPGA foi realizada através do protocolo I2C implementado em software, através do processador Nios II. Portanto, a leitura das medições fornecidas pelos sensores foi feita pelo Nios II, enquanto o processamento de dados foi realizado na arquitetura embarcada no FPGA. Com respeito ao estudo do desempenho de diferentes filtros híbridos otimizados para problemas de estimação de estados, tiveram-se em conta quatro tipos de resamplings diferentes (multinomial, systematic, stratified e residual). Isto foi feito com o intuito de avaliar diferentes abordagens que poderiam ser utilizadas em aplicações onde seja fundamental ter uma boa qualidade de estimação das variáveis de estado (e.g. rede multi-sensor em um exoesqueleto). Essas abordagens combinam o Filtro de Partículas (PF), o Filtro de Kalman (KF) e o algoritmo de Otimização por Enxame de Partículas (PSO). Onde o KF e o PSO são implementados na etapa de amostragem e após do resampling do PF, respectivamente. Além disso, dois métodos de adição de diversidade foram utilizados (Aprendizagem Baseada em Oposição (OBL) e Atrativo e Repulsivo (AR)). Com o intuito de avaliar essas abordagens híbridas foram levados em consideração dois sistemas não lineares (benchmarks). Finalmente, os resultados em hardware apresentados neste trabalho mostraram um ganho significativo na velocidade de processamento da fusão sensorial, pois o processamento na arquitetura é 6023 vezes mais rápido do que o mesmo algoritmo implementado no Nios II (operando a 100 MHz). Com respeito aos resultados dos filtros híbridos otimizados, os que atingiram menor erro (RMSE) na estimação de estados foram o UKF PF OPSO para o benchmark 1 e o UKF PF PSO para o benchmark 2.Fundação de Apoio à Pesquisa do Distrito Federal (FAP-DF).This work presents a study and hardware implementation of a sensor fusion technique of 9 Degrees Of Freedom (DOF) Inertial Measurement Units (IMUs) based on the Extended Kalman Filter (EKF) as a fusion mechanism; with the objective of estimating the position (attitude) and orientation (heading) in real time. The IMU used is composed of sensors (gyroscope, accelerometer and magnetometer) in the three orthogonal axes (X, Y and Z). The sensor fusion technique was based on two Extended Kalman Filters (EKFs), one for attitude estimation (roll and pitch) and the other for estimating the heading (yaw). Therefore, the gyroscope was used as the model of the system in both cases, while the accelerometer and the magnetometer were used independently as measurement models. These sensors were calibrated prior to filtration (processing). The study of this approach of sensorial fusion was carried out through a bench (platform) manufactured in 3D printing to facilitate movement during calibration and tests of IMUs. In this study, sensor readings and data processing were done through Arduino and Matlab R2015a, respectively. The architecture was embedded in Field Programmable Gate Array (FPGA) and developed using the hardware description language VHDL (Very High Description Language). The architecture operates at a frequency of 50MHz and makes use of 27-bits floating-point operators. Additionally, the communication between the IMU and the FPGA was performed through the I2C protocol implemented in software, through the processor Nios II. Therefore, the readings of the measurements provided by the sensors were made by Nios II, while the data processing was performed in the FPGA-embedded architecture. Regarding the study of the performance of different optimized hybrid filters for state estimation problems, four different types of resamplings (multinomial, systematic, stratified and residual) were considered. This was done with the aim of evaluating different approaches that could be used in applications where it is essential to have a good quality of estimation of state variables (eg multi-sensor network in an exoskeleton). These approaches combine the Particle Filter (PF), the Kalman Filter (KF), and the Particle Swarm Optimization (PSO) algorithm. Where the KF and the PSO were implemented in the sampling step and after the resampling of the PF, respectively. Furthermore, two methods of adding diversity were used (Opposition Based Learning (OBL) and Attractive and Repulsive (AR)). In order to evaluate these hybrid approaches two nonlinear systems (benchmarks) were considered. Finally, the hardware results presented in this work showed a significant gain in the processing speed of the sensor fusion, since the processing in the architecture is 6023 times faster than the same algorithm implemented in Nios II (operating at 100 MHz). With respect to the results of the optimized hybrid filters, the ones that reached the lowest error (RMSE) in the state estimation were the UKF PF OPSO for the benchmark 1 and the UKF PF PSO for the benchmark 2.A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessUm estudo sobre arquiteturas de hardware para técnicas de fusão sensorial através do EKF e da estimação de estados baseada em filtros híbridos otimizadosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisFusão de sensoresFiltro de Kalman Estendido (FKE)Unidades de medição inercialporreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNBORIGINAL2018_FabiánBarreraPrieto.pdf2018_FabiánBarreraPrieto.pdfapplication/pdf21491390http://repositorio2.unb.br/jspui/bitstream/10482/32669/1/2018_Fabi%c3%a1nBarreraPrieto.pdfdd2b967624317f847f07bc982c4f1b6fMD51open accessLICENSElicense.txtlicense.txttext/plain671http://repositorio2.unb.br/jspui/bitstream/10482/32669/2/license.txtbacfee268cc5d4f6aaa2e6e0066d38f5MD52open access10482/326692023-07-13 17:17:23.33open accessoai:repositorio2.unb.br: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Biblioteca Digital de Teses e DissertaçõesPUBhttps://repositorio.unb.br/oai/requestopendoar:2023-07-13T20:17:23Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.pt_BR.fl_str_mv Um estudo sobre arquiteturas de hardware para técnicas de fusão sensorial através do EKF e da estimação de estados baseada em filtros híbridos otimizados
title Um estudo sobre arquiteturas de hardware para técnicas de fusão sensorial através do EKF e da estimação de estados baseada em filtros híbridos otimizados
spellingShingle Um estudo sobre arquiteturas de hardware para técnicas de fusão sensorial através do EKF e da estimação de estados baseada em filtros híbridos otimizados
Barrera Prieto, Fabián
Fusão de sensores
Filtro de Kalman Estendido (FKE)
Unidades de medição inercial
title_short Um estudo sobre arquiteturas de hardware para técnicas de fusão sensorial através do EKF e da estimação de estados baseada em filtros híbridos otimizados
title_full Um estudo sobre arquiteturas de hardware para técnicas de fusão sensorial através do EKF e da estimação de estados baseada em filtros híbridos otimizados
title_fullStr Um estudo sobre arquiteturas de hardware para técnicas de fusão sensorial através do EKF e da estimação de estados baseada em filtros híbridos otimizados
title_full_unstemmed Um estudo sobre arquiteturas de hardware para técnicas de fusão sensorial através do EKF e da estimação de estados baseada em filtros híbridos otimizados
title_sort Um estudo sobre arquiteturas de hardware para técnicas de fusão sensorial através do EKF e da estimação de estados baseada em filtros híbridos otimizados
author Barrera Prieto, Fabián
author_facet Barrera Prieto, Fabián
author_role author
dc.contributor.advisorco.none.fl_str_mv Muñoz Arboleda, Daniel Maurício
dc.contributor.author.fl_str_mv Barrera Prieto, Fabián
dc.contributor.advisor1.fl_str_mv Llanos Quintero, Carlos Humberto
contributor_str_mv Llanos Quintero, Carlos Humberto
dc.subject.keyword.pt_BR.fl_str_mv Fusão de sensores
Filtro de Kalman Estendido (FKE)
Unidades de medição inercial
topic Fusão de sensores
Filtro de Kalman Estendido (FKE)
Unidades de medição inercial
description Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2018.
publishDate 2018
dc.date.submitted.none.fl_str_mv 2018-04-27
dc.date.accessioned.fl_str_mv 2018-09-21T21:19:30Z
dc.date.available.fl_str_mv 2018-09-21T21:19:30Z
dc.date.issued.fl_str_mv 2018-09-19
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv BARRERA PRIETO, Fabián. Um estudo sobre arquiteturas de hardware para técnicas de fusão sensorial através do EKF e da estimação de estados baseada em filtros híbridos otimizados. 2018. xi, 106 f., il. Dissertação (Mestrado em Sistemas Mecatrônicos)—Universidade de Brasília, Brasília, 2018.
dc.identifier.uri.fl_str_mv http://repositorio.unb.br/handle/10482/32669
identifier_str_mv BARRERA PRIETO, Fabián. Um estudo sobre arquiteturas de hardware para técnicas de fusão sensorial através do EKF e da estimação de estados baseada em filtros híbridos otimizados. 2018. xi, 106 f., il. Dissertação (Mestrado em Sistemas Mecatrônicos)—Universidade de Brasília, Brasília, 2018.
url http://repositorio.unb.br/handle/10482/32669
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.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
bitstream.url.fl_str_mv http://repositorio2.unb.br/jspui/bitstream/10482/32669/1/2018_Fabi%c3%a1nBarreraPrieto.pdf
http://repositorio2.unb.br/jspui/bitstream/10482/32669/2/license.txt
bitstream.checksum.fl_str_mv dd2b967624317f847f07bc982c4f1b6f
bacfee268cc5d4f6aaa2e6e0066d38f5
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv
_version_ 1803573427134529536

Registros relacionados