Développement d’un système de détermination d’attitude robuste et précis basé sur l’utilisation d’un magnétomètre à faible coût pour l’application automobile

Ouni, Mohamed Ayoub (2016). Développement d’un système de détermination d’attitude robuste et précis basé sur l’utilisation d’un magnétomètre à faible coût pour l’application automobile. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation	PDF Télécharger (15MB) | Prévisualisation
Prévisualisation	PDF Télécharger (10MB) | Prévisualisation

Résumé

L’avancement technologique dans tous les domaines a permis d’offrir plusieurs systèmes permettant de calculer la solution de navigation et d’attitude. Par exemple, les systèmes de navigation inertielle (INS) composés par des accéléromètres, des gyroscopes et un micro-processeur permettent de calculer la position et l’orientation du véhicule à partir de la fusion des forces spécifiques et des vitesses de rotation. Cette fusion de données pourrait être réalisée à l’aide de plusieurs techniques comme le filtre de Kalman (KF) qui est le plus utilisé ou aussi les filtres à particules, etc. L’avantage de l’utilisation des systèmes INS provient du fait qu’ils sont des systèmes entièrement autonomes puisqu’ils ne nécessitent pas des signaux externes. Dans le même ordre d’idée, il existe d’autres capteurs qui deviennent récemment très utilisés dans les systèmes de navigation, tels que les magnétomètres. Ils sont des capteurs complémentaires utilisés dans les algorithmes de navigation pour déterminer la solution d’attitude en se basant sur l’utilisation des algorithmes de Cap et d’Attitude du Système de Référence (AHRS). Cependant, les magnétomètres à faible coût affectent la précision de la solution d’attitude en raison des erreurs inhérentes sur leurs mesures qui dépendent de l’environnement dans lequel le capteur évolue. Par la suite, la solution d’attitude obtenue à partir des algorithmes AHRS devient non fiable. Il est important alors de mettre en œuvre une procédure de calibration des erreurs déterministes pour les magnétomètres et ensuite développer modèle AHRS robuste et précis en utilisant principalement les mesures de ces capteurs.

Ce mémoire répond à cette problématique à travers de nouvelles pistes originales et innovatrices d’utilisation des mesures provenant des magnétomètres. Tout d’abord, une étude de la littérature sur les principales sources d’erreur des magnétomètres, les méthodes de calibration et les modèles AHRS existants permet d’avoir une idée sur les performances possibles à atteindre. Par la suite, la technique d’optimisation par essaims particulaires (PSO), qui est un exemple d’approche de l’Intelligence Distribuée (SI), sera améliorée et ensuite employée pour développer une méthode de calibration des magnétomètres permettant principalement de compenser les erreurs de fer dur et de fer doux même en haute distorsion du champ magnétique. Finalement, un modèle AHRS basé sur un Filtre de Kalman Étendu (EKF) a été développé. De plus, une nouvelle méthode innovante pour l’estimation des matrices de covariance du filtre EKF a été développée afin d’améliorer la convergence de l’algorithme AHRS. Plusieurs scénarios ont été élaborés afin d’évaluer les performances des algorithmes développés, ainsi les résultats démontrent clairement leurs avantages.

Titre traduit

Development of a robust ins precise magnetometer-based navigation and attitude determination system for automotive application

Résumé traduit

The technological advancement in all fields has provided several systems for computing the navigation and attitude solution. For example, Inertial Navigation Systems (INS) consist of accelerometers, gyroscopes and a microprocessor used to compute the position and orientation of the vehicle from the data fusion of the specific forces and rotation rates. This data fusion could be performed using several techniques such as the Kalman filter (KF), which is widely used, and the particle filter, etc. The advantage of the INS systems utilization comes from the fact that they are fully self-contained systems because they do not require external signals. In addition, there are others sensors that become mostly used in navigation systems, such as magnetometers. They are complementary sensors used in navigation algorithms to achieve the attitude solution based on utilizing of Heading and Attitude Reference System (AHRS) algorithms. However, the low-cost magnetometers affect the accuracy of the attitude solution due to inherent errors in their measurements that depend on the surrounding environment. Thereafter, the attitude solution obtained from the AHRS algorithms diverge over time. So, the calibration process must be conducted as a first step to compensate the deterministic errors and then develop a robust and accurate AHRS model mainly using the magnetometers measurements.

This thesis address this problem based on original and innovative new methods of using of the magnetometers measurements. First, a literature review on the major sources of magnetometers errors, the existing calibration and AHRS methods to get an idea about the possible performance can be obtained. Thereafter, the Particle Swarm Optimization (PSO) technique, which is an example of an approach of the Swarm Intelligence (SI), will be improved and then used to develop a magnetometers calibration method to primarily compensate the effects of the hard and soft errors even in high distortion of the magnetic field. Finally, an AHRS model based on Extended Kalman Filter (EKF) was developed. In addition, a new innovative method for the optimization of the covariance matrices of the Kalman filter was developed in order to improve the convergence of the AHRS algorithm. Several scenarios were developed to assess the performance of the algorithms developed and the results clearly demonstrate their benefits.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Mots-clés libres:	magnétomètre, capteurs MEMS à faible coût, calibration, erreur de fer dur, erreur de fer doux, technique PSO, AHRS, attitude, filtre de Kalman étendu
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Landry, René Jr.
Programme:	Maîtrise en ingénierie > Génie électrique
Date de dépôt:	03 févr. 2021 21:26
Dernière modification:	03 févr. 2021 21:26
URI:	https://espace.etsmtl.ca/id/eprint/1738

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt