بخشی از مقاله
چکیده :
ردگیری هدف یکی از مهمترین قسمتهای بسیاری از سیستم های نظارتی، راهبردی و ... است که کار آن میتواند تعیین تعداد، مکان و خصوصیات حرکتی اهداف باشد. اصلی ترین مسئله در ناوبری زیرآب، به دست آوردن اطلاعات صحیح و عاری از هرگونه خطا در سنسورهای ربات های زیردریایی می باشد. در این مقاله به مسئله خطایابی و بهینه سازی تشخیص خطا در سنسورهای ربات های زیردریایی خودکار در محیط آبی پرداخته شده است. مدل مبنا بر اساس داده های سنسور عمق است و محیط شبیه سازی با مدل مبنای فرضی انجام گردیده است. نتایج نشان می دهد فیلتر کالمن توسعه یافته دقت بالاتری در ردگیری را از خود نشان می دهد که این امر موجب افزایش ضریب اطمینان سیستم می گردد. چنین ساختاری می تواند در مناطقی که مدل نویز کاملا ناشناخته است و قابل مدل سازی بر اساس یک مدل شناخته شده نیست، قابل استفاده باشد.
کلید واژه- تخمین هدف، رباتهای زیردریایی، مدل فرضی.
-1 مقدمه
ردیابی غیر فعال، به تعقیب یک هدف بدون ارسال سیگنال از سوی ردیاب در محیط زیر آب اطلاق میشود. در این روش برخلاف روش ردیابی فعال سیگنال اکوستیکی از سوی ردیاب برای برخورد با هدف و بازگشت آن به سوی ردیاب استفاده نمیشود بلکه فقط با دریافت سیگنالهای آکوستیکی ارسال شده از هدف، به ردیابی هدف پرداخته میشود. مسأله حائز اهمیت در این سیستم کشف نشدن توسط عوامل شنودی دشمن است که علت این امر عدم ارسال سیگنال توسط ردیاب میباشد.[1-2-3] با توجه به جایگاه خاص ربات های زیردریایی خودکار و کاربرد آن ها در صنایع مختلف، لزوم ایجاد راهکارهایی جهت شناسایی نویزها و خطایابی برای افزایش اطمینان داده ها و اطلاعات دریافتی از ربات ها بسیار ضروری و قابل توجه می باشد.[4-5-6]هدف از بکارگیری روش های تشخیص و شناسایی خطا، اعمال نظارت پیشرفته، مدیریت خطا، بهبود قابلیت اطمینان و دسترس پذیری، کاهش سوانح و میزان پیامدهای آن ها و همچنین اعمال تعمیر و نگهداری بهینه است.[7]
-2 مواد و روش ها -
1-2 انواع روش های تشخیص و شناسایی خطاها
هدف از کاربرد روش های تشخیص خطا، اعمال نظارت پیشرفته، مدیریت خطا، بهبود قابلیت اطمینان، کاهش سوانح و میزان پیامدهای آنها و همچنین اعمال تعمیر و نگهداری بهینه است. این قابلیتها از طریق نظارت پیوسته برفرآیند، پایش کمیتهای قابل اندازهگیری و استفاده از الگوریتمهای مناسب جهت تحلیل، تامین میشوند. پژوهشگران، روشها و الگوریتمهای متنوعی را جهت تشخیص و یا شناسایی خطا در سیستمهای مختلف ارائه کردهاند. بدیهی است که ماهیت سیستم، مدل خطاها، میزان آشنایی طراح با عملکرد و رفتار سیستم، نوع و تعداد سیگنالهای قابل اندازه گیری و همچنین پوشش دهی خطاها توسط سیگنالهای مورد اندازه گیری، در انتخاب روش تشخیص و شناسایی خطا تاثیرگذار است.
به طور کلی روشهای تشخیص خطا به دو گروه اصلی مبتنی بر آنالیز سیگنال و مبتنی بر مدل فرایند دسته بندی می شوند. در روشهای مبتنی بر آنالیز سیگنال، یک یا چند سیگنال قابل اندازهگیری از سیستم با استفاده از الگوریتمهای مختلفی چون آنالیز طیف فرکانسی، آنالیز دامنه و یا آنالیز روند تغییرات سیگنال وغیره مورد تحلیل قرار میگیرد و هرگونه تغییر غیر مجاز در خصوصیات سیگنال، بیانگر وقوع خطا در سیستم است. روشهای مبتنی بر سیگنال از متداول ترین روشهای تشخیص خطا هستندکه با اندازهگیری مستقیم سیگنالy میسر میشوند. برای هر سیگنال دو آستانه حداقل و حداکثر ymin و ymax تعریف میشود. در حالت نرمال مقدار اندازهگیری شده y بین دو مقدار حدی قرار دارد - Ymin< Y <Ymax - و در صورتی که از این محدوده خارج شود، نشان دهنده وقوع خطاست.[8]
در روشهای تشخیص خطا بر مبنای مدل فرآیند، با اندازهگیری یک یا چند متغیر و با استفاده از ارتباط تعریف شده بین پارامترهای سیستم، نظیر ورودیها، خروجیها و متغیرهای حالت، به تشخیص تغییراتی که میتواند توسط خطا ایجاد شده باشد، پرداخته میشود.شکل1 فرایند تشخیص خطا براساس مدل فرآیند را نشان می دهد که در آن ارتباط بین ورودی U و خروجیY توسط یک مدل ریاضی ارائه می شود. در روشهای مبتنی بر مدل فرآیند ویژگی های مشخص از سیستم مانند پارامترهای ، متغیرهای حالت X، خروجی Y و یا باقیمانده r مورد بررسی قرارمی گیرند و با مقایسه این مقادیر با مقادیر اسمی آن ها که از مدل استخراج می شود و اعمال روشهای تشخیص تغییرات، علائم یا شاخصهای S تولید میشوند . این شاخصها مبنای تشخیص و به دنبال آن شناسایی خطا در فرآیند هستند.راهکارهایی برای شناسایی، تشخیص خطا1 و کنترل تحملپذیری در برابر خطا2 در یک چهارچوب کلی در سیستمهای کنترل تحمل پذیر در برابر خطا 3 وجود دارند که بر طبق ضوابط و شرایط مختلفی مانند مدل های طراحی و نیز کاربردها طبقهبندی شدهاند.
-2-2 فیلتر کالمن توسعه یافته به جای فیلتر کالمن
-1عوامل اصلی که در فیلتر کالمن موجب ایجاد خطا در تخمین ها می شود عبارتند از:[9] -1 مانور جسم متحرک: برای نوشتن معادلات فیلتر، نوع حرکت جسم معلوم فرض می شود. اما در عمل حرکت جسم دقیقا مانند فرض ما نبوده و اندکی با آن تفاوت می کند که منظور از مانور جسم نیز همین می باشد.
-2 نویز اندازه گیری: ناشی از خطای رادار، خطاهای انسانی یا لرزش های دستگاهی است که رادار روی آن نصب شده است.
-3 پریود نمونه برداری: هر چه پریود نمونه برداری رادار کمتر باشد، سرعت همگرایی پاسخ فیلتر بیشتر و خطای آن کمتر خواهد بود.
فیلتر کالمن توسعه یافته یک روش متداول جهت تخمین سیستمهای غیرخطی می باشد. به دلیل پارامترها و متغیرهای گوناگون موجود در محیط زیرآب و رفتار غیر خطی موثر از آن ها فیلتر کالمن قادر به تخمین متغیرهای حالت نخواهد بود و فرم توسعه یافته آن به کار گرفته میشود.تخمین در این فیلتر مبتنی بر روش تحلیلی است. خاصیت اصلی این فیلتر این است که توابع غیرخطی موجود در معادلات دینامیک سیستم غیر خطی را با استفاده از بسط سری تیلور توابع غیرخطی مربوطه حول تخمینهای انجام شده مرحله قبل، توسط توابع خطی تقریب میزنند و نوعی خطی سازی محلی را انجام میدهند.
[10] فرایند تخمین فیلتر کالمن توسعه یافته شامل دو مرحله پیشگویی و به روزرسانی است. در فیلتر کالمن معادلات حاکم بر سیستم به صورت زیر فرمولبندی میشود:که در روابط بالا Xk بردار حالات سیستم، f , h روابط شناخته شده غیرخطی حاکم بر سیستم، Wk بردار نویز فرایند، Vk بردار نویز اندازهگیری و Zk بردار اندازهگیری، از طرفی wk و vk دو نویز سفید مستقل از هم با میانگین صفر و کواریانسی به ترتیب زیر هستند:که QK ماتریس کواریانس نویز فرایند و Rk ماتریس کواریانس نویز اندازهگیری است و هر دو این ماتریسها مثبت معین هستند
-3 نتایج -1-3 شبیه سازی براساس مدل مبنای فرضی
دراین بخش با استفاده از نرم افزار متلب به شبیه سازی و بررسی عملکرد و مقایسه تخمین حالت هدف در فیلترهای ذرهای، کالمن، کالمن نمونه بردار و کالمن توسعه یافته پرداخته شده است. در این شبیه سازی ابتدا از یک حالت فرضی که دارای تغییرات سرعت خطی و سرعت زاویه ای در هر سه راستا میباشد استفاده شده است. سپس به متغیرهای تحت اندازه گیری در این مسیر نویز اضافه شده و در ادامه به تخمین هدف و تشخیص خطا در ردیابی آن پرداخته شده است.برای مقایسه تشخیص مقدار خطای اندازه گیری شده توسط فیلترها، باید آن ها را با توجه به متغیرهای اولیه و پارامترهایی که در فرمول ها و معادلات بکار گرفته شدهاند باهم پیاده سازی نمود. علت آن به خاطر نویز تصادفی است که در نظر گرفته می شود و باید نویز تصادفی در یک لحظه به صورت یکسان اثر نماید. روابط بازگشتی و زمان عوامل دیگری است که میان فیلترها حاکم است. در بعضی از مواقع ممکن است فیلتر کالمن بهتر از فیلتر کالمن توسعه یافته عمل نماید. اما براساس نتایج بدست آمده عموما فیلتر کالمن توسعه یافته عملکرد بهتری نسبت به کالمن دارد.
