Semi-Aerodynamic Model Aided Invariant Kalman Filtering for UAV Full-State Estimation

要約

状態軌道に依存しない不変カルマンフィルタリング(InEKF)の特徴により、状態推定精度と外乱下での収束性が大幅に改善され、研究コミュニティで広く注目されている。本論文では、固定翼無人航空機(UAV)の全ソースデータフュージョンナビゲーション問題を、Lie群上の誤差状態右不変拡張カルマンフィルタリング(ES-RIEKF)に基づく枠組みで定式化する。UAVに搭載されたマルチレートセンサネットワークからの計測値を統合し、姿勢、気流角度、風速のリアルタイム推定を実現する。詳細な導出が提供され、誤差状態EKF（ES-EKF）や非線形相補フィルタ（NCF）のような確立された手法に対するアルゴリズムの収束と精度の向上が、UAVからの実飛行データを用いて実証される。さらに、地上で計測可能なパラメータのみに依存する半空力モデル融合フレームワークを紹介する。UAVの迎角（AOA）と横滑り角（SA）のドリフトフリー予測を、制御面のたわみのような簡単に取得可能なオンボードデータを用いて実現するために、Long Short Term Memory（LSTM）ディープネットワークを設計・訓練し、GNSSや複雑な空力モデルパラメータへの依存を大幅に低減する。さらに、GNSSが拒否された場合のアルゴリズムのロバストな利点を検証し、飛行データから130秒間の拒否期間中、最大測位誤差が30m以内に収まることを示す。我々の知る限り、この研究は固定翼UAVのフルソースナビゲーションアプリケーションにES-RIEKFを適用した最初のものであり、設計者に工学的なリファレンスを提供することを目的としている。MATLAB/Simulinkを用いた我々の実装はオープンソースで公開される予定である。

要約(オリジナル)

Due to the state trajectory-independent features of invariant Kalman filtering (InEKF), it has attracted widespread attention in the research community for its significantly improved state estimation accuracy and convergence under disturbance. In this paper, we formulate the full-source data fusion navigation problem for fixed-wing unmanned aerial vehicle (UAV) within a framework based on error state right-invariant extended Kalman filtering (ES-RIEKF) on Lie groups. We merge measurements from a multi-rate onboard sensor network on UAVs to achieve real-time estimation of pose, air flow angles, and wind speed. Detailed derivations are provided, and the algorithm’s convergence and accuracy improvements over established methods like Error State EKF (ES-EKF) and Nonlinear Complementary Filter (NCF) are demonstrated using real-flight data from UAVs. Additionally, we introduce a semi-aerodynamic model fusion framework that relies solely on ground-measurable parameters. We design and train an Long Short Term Memory (LSTM) deep network to achieve drift-free prediction of the UAV’s angle of attack (AOA) and side-slip angle (SA) using easily obtainable onboard data like control surface deflections, thereby significantly reducing dependency on GNSS or complicated aerodynamic model parameters. Further, we validate the algorithm’s robust advantages under GNSS denied, where flight data shows that the maximum positioning error stays within 30 meters over a 130-second denial period. To the best of our knowledge, this study is the first to apply ES-RIEKF to full-source navigation applications for fixed-wing UAVs, aiming to provide engineering references for designers. Our implementations using MATLAB/Simulink will open source.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL