Resumen de Arquitectura de fusión sensorial tolerante a fallos para la estimación de la actitud en UAVs

Ramón Rico Azagra, Montserrat Gil Martínez, Javier Rico Azagra

• español

  La redundancia de unidades de medida inercial (IMU) dota al sistema de navegación de mayor precisión, confiabilidad y robustez en el control del vehículo aéreo no tripulado (VANT). Así, se presenta una arquitectura de fusión sensorial tolerante a fallos. Las estimaciones de actitud realizadas con acelerómetros y giroscopios triaxiales de tres IMUs, más la obtenida con un modelo del VANT, se fusionan mediante un algoritmo de medias ponderadas. Sus pesos se asignan: (i) en virtud de un sistema de votación que penaliza las discrepancias entre las fuentes de información y (ii) en base a la confiabilidad de las fuentes. Para ello, se han caracterizado los errores estocásticos de estimadores y sensores IMU, incluyendo fenómenos no estacionarios identificados mediante la varianza de Allan. Mas allá de obtener la fusión más precisa, la arquitectura será capaz de eliminar las estimaciones con fallo. Los resultados verifican varios escenarios de fallo de IMU y se comparan las mejoras de fusión con otros algoritmos.

• English

  Redundancy of inertial measurement units (IMU) provides the navigation system with greater accuracy, reliability, and ro-bustness in controlling the unmanned aerial vehicle (UAV). In this context, a fault-tolerant sensor fusion architecture is presented. Attitude estimates obtained with triaxial accelerometers and gyroscopes from three IMUs, as well as that obtained with a modelof the UAV, are fused using a weighted averaging algorithm. Their weights are assigned (i) under a voting system that penalizes discrepancies between information sources and (ii) based on the reliability of the sources. Previously, the stochastic errors of IMU estimators and sensors were characterized, including non-stationary phenomena identified by the Allan variance. In addition to achieving the most accurate fusion, the architecture will be able to eliminate erroneous estimates. The results verify various IMU failure scenarios and compare the fusion improvements with other algorithms.