Wieloczujnikowy neuronowy system nawigacyjny z samotestowaniem
[ 1 ] Instytut Automatyki i Robotyki, Wydział Automatyki, Robotyki i Elektrotechniki, Politechnika Poznańska | [ P ] employee
[ 1 ] Instytut Automatyki i Robotyki, Wydział Automatyki, Robotyki i Elektrotechniki, Politechnika Poznańska | [ P ] employee
[ 1 ] Instytut Automatyki i Robotyki, Wydział Automatyki, Robotyki i Elektrotechniki, Politechnika Poznańska | [ P ] employee
EN Neural multi-sensor navigation system with self-testing
polish
- wieloczujnikowy
- nawigacja
- fuzja
- sztuczne sieci neuronowe
- multi-sensor
- navigation
- fusion
- artificial neural networks
PL Zaprezentowano wieloczujnikowy neuronowy system nawigacyjny z samotestowaniem. Działanie zapewnione przez prezentowany system umożliwia odczyt pozycji kątowej oraz wykrywanie uszkodzeń czujników. Zrealizowano neuronowy aproksymator filtru AHRS zrealizowany za pomocą sztucznej sieci neuronowej typu Elmana model zapewniał poprawne wyznaczanie pozycji kątowej w przestrzeni trójwymiarowej. Zaprojektowano i wykonano dwa urządzenia do akwizycji danych pomiarowych, w tym jedno wspierane system wizyjnym OptiTrack. W pracy wykorzystano fuzję danych z wykorzystaniem AHRS. Przedstawiono porównanie trzech typów SSN: jednokierunkowe, rekurencyjne oraz konwolucyjne. Przedstawiono wyniki ewaluacji przy różnych parametrach normalizacyjnych co pozwalało na wyznaczenie parametrów przy których uzyskiwane błędy posiadały najmniejsze wartości. System poprawnie wykrywał uszkodzenia danych z czujników oraz wskazywał, które z dziewięciu źródeł sygnałów wejściowych powoduje nieprawidłowe działanie.
EN A multi-sensor neural navigation system with self-testing was presented. The operation provided by the presented system enables the reading of the angular position and the detection of sensor damage. A neural approximator of the AHRS filter was implemented using an artificial neural network of the Elman type, the model ensured the correct determination of the angular position in three-dimensional space. Two devices for the acquisition of measurement data were designed and built, including one supported by the OptiTrack vision system. The work uses data fusion using AHRS. A comparison of three ANN types is presented: unidirectional, recursive and convolutional. The results of the evaluation with various normalization parameters were presented, which allowed to determine the parameters at which the errors obtained had the smallest values. The system correctly detected sensor data corruption and indicated which of the nine sources of input signals was causing the malfunction.
79
automation, electronics, electrical engineering and space technology
DrOIN 2310
public
Aleksandra Kawala-Sterniuk
Opole, Polska
31.08.2023
polish
public
Michał Kruk
Warszawa, Polska
08.10.2023
polish
public
dissertation
Poznań, Polska
01.12.2023
Rada Dyscypliny Automatyka, Elektronika, Elektrotechnika i Technologie Kosmiczne Politechniki Poznańskiej
doktor nauk inżynieryjno-technicznych w dyscyplinie naukowej: automatyka, elektronika, elektrotechnika i technologie kosmiczne