Im Rahmen dieser Bachelorarbeit wird die Erweiterung eines Zustandsschätzers um weitere Sensoren angestrebt. Hierbei beruht der Zustandsschätzer auf einem Fehlerzustandsschätzer, welcher unabhängig von der aktuellen Zustandsgenerierung den aktuellen Fehler abschätzt und korrigiert. Zunächst soll die Erweiterung des Zustandsschätzers vorgenommen werden, anschließend soll dann die Funktionalität der neuen Sensoren überprüft werden. Bei der Bearbeitung der Arbeit wurde auf ein bestehendes Framework aufgebaut, welches die Funktionalität eines Fehlerzustandsschätzers bereits implementiert hatte. Die Berechnung des aktuellen Systemzustandes teilt sich dabei in zwei Teile auf, zum einen die aktuelle Zustandsschätzung, welche aus einem einfachen Inertialen Navigationsalgorithmus(INS) besteht, zum anderen dem tatsächlichen Fehlerschätzer. Dieser besteht dabei aus einem Unscented Kalman Filter, in welchem der aktuelle Fehler mithilfe von weiteren Sensoren berechnet wird. Anschließend wird mithilfe des Fehlerzustandes der tatsächliche Fehler korrigiert. Im Rahmen dieser Arbeit wurden dabei weitere Sensoren implementiert. Ursprünglich war hierbei nur die reine Fusionierung der aktuellen Position implementiert. Da diese jedoch von der Verfügbarkeit von GNSS Signalen abhängig ist, ist diese störanfällig. Somit wurden im Folgenden vier Sensoren implementiert. Nämlich die Geschwindigkeit im erdfesten Koordinatensystem, die Lage im Inertialsystem wie es zum Beispiel von Sternensensoren genutzt wird, das Magnetfeld, sowie die relative Messung der Position mithilfe von visueller Odometrie. Hierbei mussten jeweils zwei Stellen erweitert werden. Zum einen die Generierung der tatsächlichen Messwerte bzw. die Umwandlung in den Fehlerzustandsraum, zum anderen die Generierung der geschätzten Messwerte im Kalman Filter. Nachdem die Sensoren implementiert waren, wurden diese getestet. Hierzu wurde innerhalb einer bestehenden Testumgebung eine Flugtrajektorie genutzt. Hierbei wurden die Sensoren zunächst einzeln getestet, wobei alle der implementierten Sensoren einzeln betrachtet fur eine deutliche Verbesserung der Zustandssch ¨ ätzung sorgen. Dabei zeigten sowohl die Geschwindigkeit als auch die Lage eine enge Korrelation zwischen Messtoleranz und geschätzter dreifacher Standardabweichung. Dabei kann jedoch die Fusionierung der Geschwindigkeit etwaige zu Beginn auftretende Positionsabweichungen nicht ausgleichen. Weiterhin bleibt bei reiner Fusionierung des Magnetfeldes ein gewisser Offset bestehen, dieser tritt jedoch nicht auf, falls ein weiterer Sensor fusioniert wird. Dieser lässt sich dadurch erklären, dass das lokale Magnetfeld von der Position abhängig ist. Die Fusionierung der relativen Position lieferte bezüglich der Positionsbestimmung die zu erwartende Verbesserung, jedoch ist die geschätzte Standardabweichung deutlich zu gering.
Multi-Sensor Data Fusion zur optischen Navigation im Kontext unbemannter Luftfahrzeuge
2020
Sonstige
Elektronische Ressource
Deutsch
Ontologiebasierte Modellierung perzeptiver Ressourcen an Bord unbemannter Luftfahrzeuge
TIBKAT | 2018
|Drone Decarbonisation: Ansätze zur Reduzierung von Treibhausgasen mittels unbemannter Luftfahrzeuge
Deutsches Zentrum für Luft- und Raumfahrt (DLR) | 2022
|Europäisches Patentamt | 2019
|