Αξιολόγηση αδρανειακού αισθητήρα IMU και βελτίωση ανάδρασης με χρήση επεκτεταμένου φίλτρου Κάλμαν(EKF)

Abstract

Στην εργασία αυτή γίνεται αρχικά αξιολόγηση της ποιότητας των μετρήσεων ενός αισθητήρα IMU (Inertial Measurement Unit). Ο συγκεκριμένος αισθητήρας βρίσκεται τοποθετημένος στο κέντρο μάζας ενός τετράποδου ρομπότ. Για το σκοπό της αξιολόγησης του αισθητήρα IMU χρησιμοποιείται ένα σύστημα αναγνώρισης κίνησης, Phase Space Motion Capture, το οποίο παρέχει, έχοντας μεγάλη ακρίβεια, τη δυνατότητα να συγκριθούν με αυτό, τα δεδομένα που προέρχονται από τις μετρήσεις του αισθητήρα. Στη συνέχεια και αφού έχει αξιολογηθεί ο αισθητήρας IMU ως προς την αξιοπιστία των μετρήσεών του, γίνεται μια προσπάθεια βελτιστοποίησης αυτών, σε πραγματικό χρόνο κατά τη διάρκεια εκτέλεσης του αλγορίθμου ελέγχου του ρομπότ. Για το σκοπό αυτό επιλέχθηκε να αναπτυχθεί και να προστεθεί στον αλγόριθμο ελέγχου του τετράποδου ρομπότ ένα φίλτρο Κάλμαν (και συγκεκριμένα μάλιστα ένα Extended Kalman Filter). Τόσο για την ανάλυση, επεξεργασία και απεικόνιση των δεδομένων από τα διάφορα συστήματα που χρησιμοποιήθηκαν, όσο και για την ανάπτυξη του αλγορίθμου τού Extended Kalman Filter, έγινε χρήση του προγραμματιστικού περιβάλλοντος Matlab σε λειτουργικό σύστημα Windows. Για την απαιτούμενη υλοποίηση των εξισώσεων του συστήματος που μελετήσαμε χρησιμοποιήθηκε το περιβάλλον Simulink του Matlab. Η αξιολόγηση του αισθητήρα IMU οδήγησε στο συμπέρασμα πως εισάγεται θόρυβος στο σύστημα κατά τη χρήση του αισθητήρα, ο οποίος όμως τελικά δεν καθιστά απαγορευτική τη χρησιμοποίηση του αισθητήρα, για το σκοπό που επιθυμούμε, καθώς υπάρχει ένας κατάλληλος τρόπος ώστε να απαλλαχθούμε από το θόρυβο αυτό. Κατά την ανάπτυξη του αλγορίθμου EKF, κατέστη σαφές ότι αυτός από μόνος του δεν αρκούσε για επαρκή βελτίωση της εκτίμησης της εκάστοτε μετρούμενης ποσότητας. Για το λόγο αυτό έγινε προσπάθεια περαιτέρω βελτίωσης του αλγορίθμου και τελικά εφαρμόστηκε μία μέθοδος, η οποία καταφέρνει να μας προσφέρει καλύτερη εκτίμηση της κατάστασης του συστήματος που επιθυμούμε να μελετήσουμε, στην περίπτωσή μας του τετράποδου ρομπότ.

This thesis contains an initial assessment of the quality of an IMU sensor (Inertial Measurement Unit). This particular sensor is mounted at the center of mass of a four-legged robot. For the purpose of evaluating the IMU sensor, a motion capture system, the Phase Space Motion Capture, was used. This system provides high precision so that the data derived from it, can be compared with the data collected by the IMU sensor. After having evaluated the IMU sensor, as far as the reliability of its measurements is concerned, an attempt to optimize them is made. This optimization has to take place in real time, whilst the control algorithm of the robot is being executed. To serve this purpose, a Kalman Filter was developed and attached to the robot’s control algorithm (more specifically an Extended Kalman Filter). All of the analysis, processing and visualization of the data collected from the various systems used was done using Matlab programming environment on Windows operating system. In addition to this, the Extended Kalman Filter algorithm was developed using Matlab as well. The system equations were implemented using Simulink, so as to be easily used in Matlab environment. The evaluation of the IMU sensor, made it clear that there is noise involved while using the sensor. However the IMU sensor can still be used for the purpose we opt for, because of the fact that there is a suitable way to get rid of the measurement noise. While implementing the EKF algorithm, it was clear that this specific algorithm alone was not enough to make a sufficient estimate of the state. For this reason an extra improvement algorithm was attached to the EKF algorithm. This method made it possible for us to finally get an even better state estimate of the system under study, in this case the quadruped robot.