Desenvolvimento de um Veículo Aéreo Não-Tripulado - LARA ...

EKF mostrava a mesma variância em torno do valor real.
Porém, o segundo estágio de simulação surpreendeu muito - ambos os estimadores divergiam
com parâmetros que funcionavam bem na primeira simulação. Muitos ajustes nas matrizes Q e R
foram necessários para atingir a estabilidade, e mesmo assim os resultados não foram satisfatórios
- em algumas situações, o erro chegava a mais de 10 graus entre o estado real e o estado estimado.
A fim de tentar contornar esse problema, foram implementados diversos filtros de medidas a
fim de remover possíveis outliers e forma de deteção de divergência para evitar a degeneração do
filtro em uma situação real. Mesmo assim, os filtros ainda ficaram extremamente sensíveis em
simulação, funcionando apenas para um conjunto muito particular de parâmetros.
Os resultados de uma simulação comparativa, onde a aeronave decola e pousa, está mostrada
nas Figuras 7.12, 7.13, 7.14, 7.15 e 7.16.
q0
0.8
0.75
0.7
0.65
Quaternions (Simulação)
CEKF
Dec. EKF
Simulação
q1
q2
q3
0.2
0.1
0
-0.1
-0.2
0.3
0.2
0.1
0
-0.1
0.8
0.75
0.7
0.65
0 10 20 30 40 50 60 70 80 90
CEKF
Dec. EKF
Simulação
0 10 20 30 40 50 60 70 80 90
CEKF
Dec. EKF
Simulação
0 10 20 30 40 50 60 70 80 90
CEKF
Dec. EKF
Simulação
0 10 20 30 40 50 60 70 80 90
tempo (s)
Figura 7.12: Estimação - Simulação - Quaternions
O principal problema é a estimativa de orientação, principalmente no ângulo de arfagem, que
diverge durante a subida da aeronave, como mostrado na Figura 7.13. Essa etapa do vôo está
associada a uma forte aceleração linear. O mais interessante é que o Decoupled EKF, que deveria
ser imune a esse tipo de problema, mostrou o mesmo tipo de divergência que o CEKF. A posição
e velocidade dos estimadores (Figuras 7.14, 7.15 e 7.16) ficaram muito próximas dos valores reais,
porém, o próprio GPS já fornecia uma estimativa próxima do valor simulado.
Uma tentativa de atenuar o erro de estimação de atitude seria a modulação da matriz R
referente ao TRIAD no CEKF, que não estudado nesse trabalho.
Esses problemas podem ser atribuídos a uma série de fatores. Um deles seria a própria simulação,
que pode estar gerando dados supostamente “reais” incoerentes devido a um erro de
implementação. De fato, o JSBSim é extremamente sensível a taxa de amostragem utilizada -
150