Wyniki wyszukiwania - BazTech

1

Optimal State Estimation via Adaptive Fuzzy Particle Filter

Sąsiadek Jurek, Bitlmal Hamdan Alatresh

Pomiary Automatyka Robotyka

|

2023

|

R. 27, nr 4

5--12

EN

Particle Filters (PF) accomplish nonlinear system estimation and have received high interest from numerous engineering domains over the past decade. The main problem of PF is to degenerate over time due to the loss of particle diversity. One of the essential causes of losing particle diversity is sample impoverishment (most of particle’s weights are insignificant) which affects the result from the particle depletion in the resampling stage and unsuitable prior information of process and measurement noise. To address this problem, a new Adaptive Fuzzy Particle Filter (AFPF) is used to improve the precision and efficiency of the state estimation results. The error in AFPF state is avoided from diverging by using Fuzzy logic. This method is called tuning weighting factor (α) as output membership function of fuzzy logic and input memberships function is the mean and the covariance of residual error. When the motion model is noisier than measurement, the performance of the proposed method (AFPF) is compared with the standard method (PF) at various particles number. The performance of the proposed method can be compared by keeping the noise level acceptable and convergence of the particle will be measured by the standard deviation. The simulation experiment findings are discussed and evaluated.

PL

Adaptacyjny filtr cząstek rozmytych (AFPF) służy do poprawy precyzji i wydajności wyników szacowania stanu. Metoda ta nazywana jest dostrajaniem współczynnika ważenia (α), ponieważ wyjściowa funkcja przynależności logiki rozmytej, a wejściowa funkcja przynależności jest średnią i kowariancją błędu resztowego. Wydajność proponowanej metody jest porównywana przez utrzymanie dopuszczalnego poziomu hałasu, a zbieżność cząstki będzie mierzona przez odchylenie standardowe. Wyniki eksperymentu symulacyjnego są omawiane i oceniane.

2

Analiza rozwiązań algorytmów estymacji orientacji przestrzennej

Elert Szymon, Sokołowski Dariusz, Falkowski Krzysztof

Problemy Techniki Uzbrojenia

|

2022

|

R. 51, z. 162

67--88

PL

W artykule przedstawiono dostępne rozwiązania algorytmów estymacji orientacji obiektu w przestrzeni, które potencjalnie mogą zostać wykorzystane do określenia kątów orientacji obiektu o dużej dynamice. Opisane zostały cztery metody, które obecnie są najczęściej spotykane w systemach, gdzie wymagana jest informacja o kątach orientacji przestrzennej. Na wstępie opisano podstawowe czujniki wykorzystywane do wyznaczania kątów orientacji, a więc akcelerometr, giroskop oraz magnetometr. W kolejnym rozdziale pokazana została metodyka każdego z algorytmów w celu ukazania różnic pomiędzy nimi. Na tej podstawie możliwa jest ocena, który algorytm będzie bardziej odpowiedni do określenia kątów orientacji wybranego przez nas obiektu. W drugiej części pracy w oparciu o przeprowadzoną analizę rozwiązań dokonano porównania wyników z przeprowadzonego eksperymentu wykorzystując jednostkę pomiarową składającą się z triady akcelerometrów, giroskopów oraz magnetometrów. Wyniki przestawiono w postaci wykresów dla każdego z trzech kątów: pochylenia, przechylenia i odchylenia.

EN

The paper presents available solutions of object’s space orientation estimation algorithms which could be used for determination of orientation angles for objects with high dynamics. There were described four methods which are most often used now in the systems requiring information on the space orientation angles. First, some basic sensors used for identification of orientation angles were presented, including accelerometer, gyroscope, and magnetometer. In the next chapter, the methodology of each algorithms was shown to illustrate differences between them. On this ground the evaluation can be made for selecting the best algorithm for determination of orientation angles for specific object. In the second part of the paper the results of carried out experiment with an measurement unit consisting of a triad of accelerometers, gyroscopes, and magnetometers were compared basing on the performed analysis. The results were presented in the form of graphs for each angle of: pitch, roll, and yaw.

3

Decision trees and the effects of feature extraction parameters for robust sensor network design

Gerdes M., Galar D., Scholz D.

Eksploatacja i Niezawodność

|

2017

|

Vol. 19, no. 1

31--42

EN

Reliable sensors and information are required for reliable condition monitoring. Complex systems are commonly monitored by many sensors for health assessment and operation purposes. When one of the sensors fails, the current state of the system cannot be calculated in same reliable way or the information about the current state will not be complete. Condition monitoring can still be used with an incomplete state, but the results may not represent the true condition of the system. This is especially true if the failed sensor monitors an important system parameter. There are two possibilities to handle sensor failure. One is to make the monitoring more complex by enabling it to work better with incomplete data; the other is to introduce hard or software redundancy. Sensor reliability is a critical part of a system. Not all sensors can be made redundant because of space, cost or environmental constraints. Sensors delivering significant information about the system state need to be redundant, but an error of less important sensors is acceptable. This paper shows how to calculate the significance of the information that a sensor gives about a system by using signal processing and decision trees. It also shows how signal processing parameters influence the classification rate of a decision tree and, thus, the information. Decision trees are used to calculate and order the features based on the information gain of each feature. During the method validation, they are used for failure classification to show the influence of different features on the classification performance. The paper concludes by analysing the results of experiments showing how the method can classify different errors with a 75% probability and how different feature extraction options influence the information gain.

PL

Niezawodne monitorowanie stanu wymaga niezawodności czujników i pochodzących z nich informacji. Systemy złożone są zazwyczaj monitorowane przez wiele czujników, co pozwala na ocenę stanu technicznego oraz aspektów eksploatacyjnych. Gdy jeden z czujników ulega uszkodzeniu, uniemożliwia to obliczenie bieżącego stanu systemu z dotychczasową niezawodnością lub uzyskanie kompletnych informacji o bieżącym stanie. Stan można co prawda monitorować nawet przy niekompletnych danych, ale wyniki takiego monitorowania mogą nie odpowiadać rzeczywistemu stanowi systemu. Sytuacja taka ma miejsce w szczególności, gdy uszkodzony czujnik jest odpowiedzialny za monitorowanie istotnego parametru systemu. Problem uszkodzenia czujnika można rozwiązywać na dwa sposoby. Pierwszy polega na zwiększeniu złożoności systemu, co umożliwia jego sprawniejsze działanie w sytuacji, gdy dane są niekompletne. Drugim sposobem jest wprowadzenie nadmiarowego sprzętu (hardware'u) lub oprogramowania. Niezawodność czujników stanowi krytyczny aspekt systemu. Oczywiście, ze względu na ograniczenia przestrzenne, ekonomiczne i środowiskowe nie wszystkie czujniki w systemie mogą być nadmiarowe. Redundancja powinna dotyczyć wszystkich czujników, które dostarczają istotnych informacji na temat stanu systemu, natomiast dopuszczalne są błędy mniej ważnych czujników. W niniejszej pracy pokazano jak obliczać istotność informacji o systemie dostarczanych przez poszczególne czujniki z wykorzystaniem metod przetwarzania sygnałów oraz drzew decyzyjnych. Zademonstrowano również w jaki sposób parametry przetwarzania sygnałów wpływają na poprawność klasyfikacji metodą drzewa decyzyjnego, a tym samym na poprawność dostarczanych informacji. Drzew decyzyjnych używa się do obliczania i porządkowania cech w oparciu o przyrost informacji charakteryzujący poszczególne cechy. Podczas weryfikacji zastosowanej metody, drzewa decyzyjne wykorzystano do klasyfikacji uszkodzeń celem przedstawienia wpływu różnych cech na dokładność klasyfikacji. Pracę kończy analiza wyników eksperymentów pokazujących w jaki sposób zastosowana metoda pozwala na klasyfikację różnych błędów z 75-procentowym prawdopodobieństwem oraz jak różne opcje ekstrakcji cech wpływają na przyrost informacji.