تخمین ضرایب پسای خطی و فشاری یک ربات زیردریایی با استفاده از فیلترهای کالمن غیرخطی

تعیین موقعیت ربات ‌های زیردریایی با استفاده از مدل سینتیکی آن‌ها  از اهمیت بالایی در ناوبری این ربات‌ها برخوردار است. ناوبری مبتنی بر مدل  سینتیکی، یک ابزار کمکی برای الگوریتم‌های رایج ناوبری که در آن‌ها  از مدل‌های سینماتیکی استفاده می‌شود، می‌باشد. اهمیت استفاده از مدل‌های سینتیکی در ناوبری وسایل زیردریایی زمانی دوچندان می‌شود که به واسطه شرایط زیر آب، امکان دسترسی به داده‌های سیستم موقعیت‌یاب جهانی و امواج رادیویی وجود نداشته و ناوبری کور با استفاده از داده‌های حسگرهایی نظیر واحد اندازه‌گیری اینرسی و سرعت‌سنج‌های داپلری و بر اساس مدل‌های سینتیکی انجام می‌گیرد. به منظور پیاده‌سازی الگوریتم ناوبری مبتنی بر مدل سینتیکی، به یک مدل دقیق برای وسایل زیردریایی نیاز است که ضرایب پسای خطی و فشاری، از جمله مهمترین ضرایب تاثیرگذار در دقت آن هستند. در این مقاله، ضرایب پسای خطی و فشاری برای یک نمونه ربات زیردریایی هدایت از راه دور با استفاده از فیلترهای کالمن غیرخطی توسعه‌یافته و بدون بو تخمین زده می‌شوند. برای این منظور، یک مدل شش درجه آزادی از ربات زیردریایی برای شبیه‌سازی حرکت آن، مورد استفاده قرار می‌گیرد. سپس ورودی و خروجی‌های مدل شبیه‌سازی شده، به الگوریتم‌های تخمین داده می‌شوند تا ضرایب پسای خطی و فشاری ربات شناسایی شوند. مقایسه مقادیر شناسایی شده برای ضرایب هیدرودینامیک نشان می‌‌دهد که فیلتر کالمن بدون بو این ضرایب را با دقت بیشتری نسبت به فیلتر کالمن توسعه یافته تخمین می‌‌زند. همچنین، مقایسه نتایج شبیه‌سازی مانورهای ربات با استفاده از ضرایب شناسایی شده و ضرایب واقعی و مقایسه مسیرهای حرکتی به دست آمده، نشان می‌دهد که مسیر حاصل از ضرایب شناسایی شده توسط فیلترکالمن بدون بو،  به مسیر واقعی حرکت وسیله نزدیک‌‌تر است.

estimation of linear and pressure drag coefficients of an underwater robot using nonlinear kalman filters

using kinetic models for the navigation of underwater robots is an important issue that has recently attracted the attention of many researchers. they are used as an auxiliary tool alongside the common navigation algorithms that use the kinematic models of the robots. their use in underwater navigation is more crucial as the gps and radio signals are not available in underwater environments and navigation algorithms mainly rely on the kinematic models used in a dead-reckoning configuration, where imu and/or dvl data are used. to use a kinetic model for the navigation of an underwater vehicle, it is required to have accurate values of its hydrodynamic coefficients, where the linear and pressure drag coefficients are among the most crucial parameters to be identified. in this paper, the drag coefficients of a sample remotely operated vehicle (rov) are estimated using an extended kalman filter (ekf) and an unscented kalman filter (ukf). for this purpose, a six dof model of the underwater vehicle is used to simulate its motion. then, the inputs and outputs of the simulated model are imported into the estimation algorithms to identify the drag coefficients of the robot. the simulation results show that the ukf identifies the hydrodynamic coefficients more accurately than ekf, using the same model and measurement noises. also, by comparing the simulated maneuvers of the robot using the identified coefficients and the exact coefficients of the robot, it is observed that the coefficients identified by ukf lead to more accurate trajectories as compared to the coefficients identified by ekf.