Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/8255| Título: | Estudo de aplicação de filtragem estocástica ao problema de rastreamento de trajetórias de um drone |
| Título(s) alternativo(s): | Study and application of stochastic filtering applied to drone trajectory tracking |
| Autor(es): | Martins, Gabriel Dadalto Mendes Naruto, Isutomu de Lima Danner, Patricia |
| Orientador(es): | Frencl, Victor Baptista |
| Palavras-chave: | Sistema de Posicionamento Global Kalman, Filtragem de Processo estocástico Drone Veículo Aéreo não Tripulado Engenharia elétrica Global Positioning System Kalman filtering Stochastic processes Drone aircraft Unmanned aerial vehicles Electric engineering |
| Data do documento: | 26-Nov-2018 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Curitiba |
| Citação: | MARTINS, Gabriel Dadalto Mendes; NARUTO, Isutomu de Lima; DANNER, Patricia. Estudo de aplicação de filtragem estocástica ao problema de rastreamento de trajetórias de um drone. 2018. 73 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Controle e Automação) - Universidade Tecnológica Federal do Paraná, Curitiba, 2018. |
| Resumo: | Filtros estocásticos podem ser utilizados em diversas situações, entre elas, o problema de rastreamento de veículos aéreos não tripulados, como o drone. A filtragem neste caso é utilizada para estimar trajetórias e outros parâmetros relevantes, como a velocidade, a partir das medidas de sensores de posição, que são ruidosas. Estudar e aplicar os filtros de Kalman, Kalman Estendido e IMM a diferentes trajetórias, criadas através de um simulador baseado nas equações de Frenet-Serret, fora o foco do trabalho. O simulador de trajetórias implementado permitiu gerar uma gama diversificada de trajetórias através da utilização de poucos parâmetros, o que possibilitou o foco, quando os filtros foram aplicados, nos próprios filtros estocásticos e nas suas sintonias. Os resultados obtidos através da filtragem realizada por cada filtro foram comparados entre si através do erro quadrático médio, sendo possível observar como: o KF se comporta melhor que o EKF quando se trata de uma curva descrita por um sistema linear; o inverso quando se trata de um sistema não-linear; e que o IMM tem melhores resultados que os dois nas suas áreas de especialidade devido ao processamento de chaveamento entre filtros para determinadas situações. |
| Abstract: | Stochastic filters can be used in several situations, as in unmanned aerial vehicles tracking problems. In this case, filtering is used for estimating trajectories and other relevant parameters, such as velocity, from measurements provided by position sensors, which are noisy. This work studies the Kalman, Extended Kalman and IMM filters applied to different trajectories, created through a simulator based on the Frenet-Serret equations. The trajectory simulator implemented proved to be a very useful tool in the stochastic filters study and application, being possible to create several trajectories using few parameters. The results obtained through the filtering performed by each filter were compared to each other using the the mean squared error, which made possible to observe: that the KF has a better performance than the EKF when dealing with a curve that is described as linear system; the opposite is truth when dealing with a curve described by a non-linear system; the IMM has better performance than both, even in their field of expertise due to the switching that it’s able to do between the filters that can better deal with the curve in hand. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/8255 |
| Aparece nas coleções: | CT - Engenharia de Controle e Automação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| CT_COEAU_2018_2_09.pdf | 1,36 MB | Adobe PDF |  Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.