Comparação de modelos dinâmicos utilizando filtro IMM aplicado ao problema de rastreamento de VANTs

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorFrencl, Victor Baptista-
Autor(es): dc.contributorMello, Alexandre José Tuoto Silveira-
Autor(es): dc.contributorOroski, Elder-
Autor(es): dc.contributorFrencl, Victor Baptista-
Autor(es): dc.creatorNunes, Pedro Humberto Augusto Paz Teixeira-
Autor(es): dc.creatorGruetzmacher, Sarah Beatriz-
Data de aceite: dc.date.accessioned2022-02-21T22:14:25Z-
Data de disponibilização: dc.date.available2022-02-21T22:14:25Z-
Data de envio: dc.date.issued2020-11-10-
Data de envio: dc.date.issued2020-11-10-
Data de envio: dc.date.issued2019-06-26-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/8207-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/670778-
Descrição: dc.descriptionIn target tracking problems, two of the main concerns are the choice of suitable mathematical models that represent the dynamics of a certain object’s movements and the choice of suitable stochastic filters used to estimate its trajectory and verify the quality of the models through the performance of such models. The literature has several models proposed to represent such dynamics, but most of these models are two-dimensional. This work aims to implement, propose and compare not only existing models in the literature, but also new three-dimensional dynamic models using the IMM filter, to analyze the performance of the filters based on the verification of the quality of the estimates. In order to do this, three mathematical models were modified in the three-dimensional form - Constant Velocity Model with Polar Velocity, Constant Velocity Model with External Input and Maneuver Centered Constant Velocity Model - outside the study and analysis of four other models. To verify that all models are suitable, these were implemented computationally in three stochastic filters: Kalman filter, Extended Kalman filter and Unscented Kalman filter. First, the models were individually implemented each of the filters, paying attention to their limitations, and then they were aggregated into an IMM filter. As a comparative of performance, it was used mean squared errors. For the trajectory data it was used a modified and updated trajectory simulator, capable of offering measurements closer to reality, that is, measurements with noises. As a result, it was observed that in the application of the filters individually, the combination of Constant Velocity Model with Polar Velocity with Extended Kalman Filter had the best performance. In relation to the results obtained by the IMM filter estimates, one of the combinations is highlighted due to the low MSE, even when compered to the individual filters.-
Descrição: dc.descriptionEm problemas de rastreamento de alvos, duas das principais preocupações são a escolha de modelos matemáticos adequados que representem as dinâmicas de movimentações de um certo objeto e a escolha de filtros estocásticos adequados utilizados para estimar sua trajetória e verificar a qualidade dos modelos através do desempenho de tais modelos. A literatura possui diversos modelos propostos para representar tais dinâmicas, porém a maioria desses modelos são bidimensionais. Esse trabalho visa implementar, propor e comparar não só modelos existentes na literatura, mas também novos modelos dinâmicos tridimensionais utilizando o filtro IMM, com o intuito de analisar o desempenho dos filtros com base na verificação da qualidade das estimativas. Para isso foram modificados/propostos três modelos matemáticos na forma tridimensional – Modelo de Curvatura Constante com Velocidade Polar, Curvatura Constante com Entrada Externa e Curvatura Constante Centrado na Manobra – fora o estudo e a análise de outros quatro modelos. Para verificar se todos os modelos são adequados, estes foram implementados computacionalmente em três filtros estocásticos: filtro de Kalman, filtro de Kalman Estendido e filtro de Kalman Unscented. Primeiramente, os modelos dinâmicos foram implementados individualmente cada um dos filtros, atentando para suas limitações e, em seguida, eles foram agregados em um filtro IMM. Como comparativo de desempenho, usou-se erros quadráticos médios. Para as medidas das trajetórias, utilizou-se um simulador de trajetórias, modificado e atualizado, capaz de oferecer medições mais próximas da realidade, ou seja, medidas com ruídos. Como resultado, foi observado que, na aplicação dos filtros de forma individual, destacou-se a combinação do Modelo de Curvatura Constante com Velocidade Polar com o Filtro de Kalman Estendido. Em relação aos resultados obtidos pelas estimativas do filtro IMM, destaca-se uma das combinações, que obteve o menor valor de MSE, inclusive quando comparado aos filtros individuais.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherCuritiba-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherEngenharia de Controle e Automação-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Palavras-chave: dc.subjectDrone-
Palavras-chave: dc.subjectKalman, Filtragem de-
Palavras-chave: dc.subjectEspaços de curvatura constante-
Palavras-chave: dc.subjectSimulação (Computadores)-
Palavras-chave: dc.subjectDrone aircraft-
Palavras-chave: dc.subjectKalman filtering-
Palavras-chave: dc.subjectSpaces of constant curvature-
Palavras-chave: dc.subjectComputer simulation-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS::ENGENHARIA ELETRICA-
Título: dc.titleComparação de modelos dinâmicos utilizando filtro IMM aplicado ao problema de rastreamento de VANTs-
Título: dc.titleComparison of dynamic models using IMM filter applied to VANT tracking problem-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.