文献

J-GLOBAL ID：202202241946097820   整理番号：22A1047938

厳しい条件下でのMEMS磁力計に基づく機械学習モデルによるヨー/ヘッド最適化【JST・京大機械翻訳】

Yaw/Heading optimization by Machine learning model based on MEMS magnetometer under harsh conditions

著者 (2件)： Long Hoang Minh (Department of Industrial Engineering, University of Salerno, Via Giovanni Paolo II, 132 Fisciano (SA), ITALY) ,  Pietrosanto Antonio (Department of Industrial Engineering, University of Salerno, Via Giovanni Paolo II, 132 Fisciano (SA), ITALY)
資料名： Measurement  (Measurement)
巻： 193  ページ： Null  発行年： 2022年 
JST資料番号： W0315B  ISSN： 0263-2241  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文は,車両/装置キャリブレーションの運動範囲が制限されるとき,機械学習方式によってヨー/ヘッディングの高精度を達成することである。適切な訓練による非線形ランダムフォレスト(RF)回帰は,較正前の磁力計の不確実性と鉄歪事例を扱う高い可能性を有する。提案した解決策は,他のセンササポートのない磁力計のみを必要とする。高精度位置決めを有するPan Tiltユニット-C46(PTU-C46)を参照ヘッディング値として用いて,学習モデルにおける対応する磁気特徴をラベル付けした。提案方法は,厳しい条件下でヨー推定を行うのを助け,それは,磁力計が環境中の硬鉄と軟鉄に影響されやすいので,方位追跡における多くの困難を解決する。さらに,多くの機械的デバイスが特定の範囲内でのみ動作し,2軸周りのそれらの動的運動を,あるいは,較正のために,よりすぐれる。したがって,研究は,実際の応用に対して制限された範囲の運動内のZ軸周りのレベル回転較正に焦点を当てた。実験は,ジャイロスコープ,加速度計,および磁力計としてマイクロ電気機械システム(MEMS)センサを備えた低コストプラットフォームを用いて行った。9つの自由度(DoF)MadgwickをMicroコントローラに実装し,提案モデルと比較した。センサ融合は,様々な誤差伝導にもかかわらず,レベル較正後のヨー値を追跡することができる。RFモデルは,より多くの安定性とよりわずかな誤差で優れた結果を達成した。鉄擾乱またはキャリブレーション不在の下で,MLモデルは,まだ,約0.3°の最大平均二乗誤差で良好な追跡コマンドを維持し,一方,Madgwickは,これらの環境における巨大な誤差のために,ヘッディング測定において不成功であった。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  *磁力計 ,  *学習モデル ,  不確実性 ,  鉄 ,  軟鋼 ,  加速度計 ,  磁気 ,  ヘッディング ,  自由度 ,  ジャイロスコープ ,  *機械学習 ,  *MEMS
準シソーラス用語： 平均二乗誤差 ,  ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (8件)： 磁力計 ,  機械学習 ,  ランダムフォレスト回帰 ,  MEMS ,  IMU ,  加速度計 ,  ジャイロスコープ ,  センサフュージョン

分類 (1件)： 操縦・制御系統  (QK05020Z)

タイトルに関連する用語 (4件)： MEMS ,  磁力計 ,  学習モデル ,  最適化