Arquitectura de fusión sensorial tolerante a fallos para la estimación de la actitud en UAVs

Autores/as

DOI:

https://doi.org/10.17979/ja-cea.2024.45.10941

Palabras clave:

Fusión sensorial, Detección y diagnóstico de fallos, Estimación y filtrado, Aviónica y equipos embarcados

Resumen

La redundancia de unidades de medida inercial (IMU) dota al sistema de navegación de mayor precisión, confiabilidad y robustez en el control del vehículo aéreo no tripulado (VANT). Así, se presenta una arquitectura de fusión sensorial tolerante a fallos. Las estimaciones de actitud realizadas con acelerómetros y giroscopios triaxiales de tres IMUs, más la obtenida con un modelo del VANT, se fusionan mediante un algoritmo de medias ponderadas. Sus pesos se asignan: (i) en virtud de un sistema de votación que penaliza las discrepancias entre las fuentes de información y (ii) en base a la confiabilidad de las fuentes. Para ello, se han caracterizado los errores estocásticos de estimadores y sensores IMU, incluyendo fenómenos no estacionarios identificados mediante la varianza de Allan. Mas allá de obtener la fusión más precisa, la arquitectura será capaz de eliminar las estimaciones con fallo. Los resultados verifican varios escenarios de fallo de IMU y se comparan las mejoras de fusión con otros algoritmos.

Citas

Bader, K., Lussier, B., Sch¨on, W., 2017. A fault tolerant architecture for data fusion: A real application of kalman filters for mobile robot localization. Robotics and Autonomous Systems 88, 11–23. DOI: 10.1016/j.robot.2016.11.015 DOI: https://doi.org/10.1016/j.robot.2016.11.015

de Alteriis, G., Silvestri, A. T., Conte, C., Bottino, V., Caputo, E., Squillace, A., Accardo, D., Schiano Lo Moriello, R., 2023. Innovative fusion strategy for mems redundant-imu exploiting custom 3d components †. Sensors 23 (5). DOI: 10.3390/s23052508 DOI: https://doi.org/10.3390/s23052508

Farrell, J. A., Silva, F. O., Rahman, F., Wendel, J., 2022. Inertial measurement unit error modeling tutorial: Inertial navigation system state estimation with real-time sensor calibration. IEEE Control Systems 42 (6), 40 – 66. DOI: 10.1109/MCS.2022.3209059 DOI: https://doi.org/10.1109/MCS.2022.3209059

Fourlas, G. K., Karras, G. C., 2021. A survey on fault diagnosis and faulttolerant control methods for unmanned aerial vehicles †. Machines 9 (9). DOI: 10.3390/machines9090197 DOI: https://doi.org/10.3390/machines9090197

Gao, S., Zhong, Y., Li, W., 2011. Random weighting method for multisensor data fusion. IEEE Sensors Journal 11 (9), 1955 – 1961. DOI: 10.1109/JSEN.2011.2107896 DOI: https://doi.org/10.1109/JSEN.2011.2107896

Hamadi, H., Lussier, B., Fantoni, I., Francis, C., 2022. Data fusion fault tolerant strategy for a quadrotor uav under sensors and software faults. ISA Transactions 129, 520–539. DOI: 10.1016/j.isatra.2022.01.007 DOI: https://doi.org/10.1016/j.isatra.2022.01.007

Huang, H., Zhang, H., Jiang, L., 2023. An optimal fusion method of multiple inertial measurement units based on measurement noise variance estimation. IEEE Sensors Journal 23 (3), 2693 – 2706. DOI: 10.1109/JSEN.2022.3229475 DOI: https://doi.org/10.1109/JSEN.2022.3229475

IEEE Std 1293™-2018, 2018. IEEE Standard Specification Format Guide and Test Procedure for Linear Single-Axis, Nongyroscopic Accelerometers.

IEEE Std 647-2006, 2006. IEEE Standard Specification Format Guide and Test Procedure for Single-Axis Ring Laser Gyros.

Jerath, K., Brennan, S., Lagoa, C., 2018. Bridging the gap between sensor noise modeling and sensor characterization. Measurement: Journal of the International Measurement Confederation 116, 350 – 366. DOI: 10.1016/j.measurement.2017.09.012 DOI: https://doi.org/10.1016/j.measurement.2017.09.012

Larey, A., Aknin, E., Klein, I., 2020. Multiple inertial measurement units–an empirical study. IEEE Access 8, 75656–75665. DOI: 10.1109/ACCESS.2020.2988601 DOI: https://doi.org/10.1109/ACCESS.2020.2988601

Latif-Shabgahi, G., 2004. A novel algorithm for weighted average voting used in fault tolerant computing systems. Microprocessors and Microsystems 28 (7), 357 – 361. DOI: 10.1016/j.micpro.2004.02.006 DOI: https://doi.org/10.1016/j.micpro.2004.02.006

Madgwick, S. O. H., Harrison, A. J. L., Vaidyanathan, R., 2011. Estimation of IMU and MARG orientation using a gradient descent algorithm. In: 2011 IEEE International Conference on Rehabilitation Robotics. pp. 1–7. DOI: 10.1109/ICORR.2011.5975346 DOI: https://doi.org/10.1109/ICORR.2011.5975346

Nájera, S., Zambrano, F., Rico, R., Rico-Azagra, J., Gil-Martínez, M., 2023. Improved gyroscopic platform for control engineering labs. In: Actas de las XLIV Jornadas de Automática. pp. 259–264. DOI: 10.17979/spudc.9788497498609.259 DOI: https://doi.org/10.17979/spudc.9788497498609.259

Nazarahari, M., Rouhani, H., 2021. 40 years of sensor fusion for orientation tracking via magnetic and inertial measurement units: Methods, lessons learned, and future challenges. Information Fusion 68, 67–84. DOI: 10.1016/j.inffus.2020.10.018 DOI: https://doi.org/10.1016/j.inffus.2020.10.018

Patel, U. N., Faruque, I. A., 2022. Multi-imu based alternate navigation frameworks: Performance comparison for uas. IEEE Access 10, 17565–17577. DOI: 10.1109/ACCESS.2022.3144687 DOI: https://doi.org/10.1109/ACCESS.2022.3144687

Puchalski, R., Giernacki,W., 2022. Uav fault detection methods, state-of-theart. Drones 6 (11). DOI: 10.3390/drones6110330 DOI: https://doi.org/10.3390/drones6110330

Rico, R., Rico-Azagra, J., Gil-Martínez, M., 2022. Hardware and rtos design of a flight controller for professional applications. IEEE Access 10, 134870 – 134883. DOI: 10.1109/ACCESS.2022.3232749 DOI: https://doi.org/10.1109/ACCESS.2022.3232749

Rico-Azagra, J., Gil-Martínez, M., Rico, R., Nájera, S., Elvira, C., 2021. A benchmark for orientation control of a multirotor in a three degrees-of-freedom rotation structure. RIAI - Revista Iberoamericana de Automática e Informática Industrial 18 (3), 265–276. DOI: 10.4995/riai.2021.14356 DOI: https://doi.org/10.4995/riai.2021.14356

Rivera Velazquez, J. M., Latorre, L., Mailly, F., Nouet, P., 2022. A new algorithm for fault tolerance in redundant sensor systems based on real-time variance estimation. IEEE Sensors Journal 22 (15), 15410 – 15418. DOI: 10.1109/JSEN.2022.3186636 DOI: https://doi.org/10.1109/JSEN.2022.3186636

Xu, B., Wen, Z., Zhang, G., Li, P., 2023. A novel fault detection and isolation technology for redundant inertial measurement unit. IEEE Transactions on Instrumentation and Measurement 72, 1–11. DOI: 10.1109/TIM.2023.3284054 DOI: https://doi.org/10.1109/TIM.2023.3284054

Ye, X., Song, F., Zhang, Z., Zeng, Q., 2023. A review of small uav navigation system based on multisource sensor fusion. IEEE Sensors Journal 23 (17), 18926–18948. DOI: 10.1109/JSEN.2023.3292427 DOI: https://doi.org/10.1109/JSEN.2023.3292427

Descargas

Publicado

19-07-2024

Número

Sección

Computadores y Control