Un nouveau filtre de Kalman pour le suivi de cibles dans l’espace

Comment un scientifique a proposé un nouveau filtre de Kalman pour le suivi de cibles dans l'espace

Les robots spatiaux jouent un rôle essentiel dans la construction, l’exploitation et la maintenance des stations spatiales. Les algorithmes de suivi de cible pour les robots spatiaux doivent filtrer le bruit pour un fonctionnement précis. Comment améliorer les algorithmes de suivi de cible pour filtrer le bruit non gaussien complexe ? Crédit : Espace : Science et technologie

La station spatiale est une tête de pont pour les missions d’exploration spatiale humaine. Au cours de sa construction, de son exploitation et de sa maintenance, diverses tâches doivent être effectuées. Cependant, l’environnement spatial présente des conditions difficiles telles que la microgravité, le vide poussé, un fort rayonnement et de grandes différences de température, qui menacent gravement la santé et la sécurité des astronautes.

Étant donné que les robots spatiaux ne sont pas limités par les conditions physiologiques humaines, ils peuvent effectuer des missions d’exploration spatiale pendant longtemps avec une qualité élevée, ce qui est devenu une tendance importante dans l’exploration spatiale. Pendant les missions de la station spatiale, les robots doivent effectuer des opérations précises sur des outils ou des objets de tâche, ce qui repose sur un suivi précis de la cible. Cependant, l’environnement spatial spécial peut provoquer un bruit non gaussien complexe dans les données de suivi de cible. Et les performances d’un filtre de Kalman traditionnel se détériorent sérieusement lorsque les signaux d’erreur ne sont pas gaussiens, ce qui peut entraîner l’échec de la mission.

Il est donc nécessaire de mener des recherches sur les algorithmes de filtrage des bruits non gaussiens complexes. Dans un article de recherche récemment publié dans Espace : science et technologieune équipe de recherche combinant des universitaires et des scientifiques de l’École d’ingénierie mécatronique, de l’Institut de technologie de Pékin et de l’Université du Hunan a proposé un nouveau filtre de Kalman nommé filtre de Kalman correntropique maximal généralisé (GMCKF) pour obtenir de meilleures performances sous le bruit non gaussien avec diverses formes qui peuvent rencontrer dans le processus de suivi des cibles et d’améliorer la précision du suivi.

L’auteur a d’abord introduit la correntropie généralisée et analysé la différence entre le noyau gaussien et la densité gaussienne généralisée. Les recherches existantes se sont concentrées sur l’amélioration des performances du filtre de Kalman sous un bruit non gaussien. Le critère de correntropie maximale (MCC) a montré de bons résultats dans l’évaluation du bruit non gaussien.

Il existe de nombreux filtres basés sur MCC, qui peuvent obtenir les moments d’ordre supérieur de l’erreur et filtrer efficacement les valeurs aberrantes. Cependant, le noyau par défaut de MCC est un noyau gaussien. En raison de la limite de la fonction gaussienne, elle ne peut pas modifier librement la forme de la correntropie. Par conséquent, des filtres tels que le filtre de Kalman à correntropie maximale (MCKF) ne peuvent pas obtenir de bonnes performances sous certains bruits non gaussiens complexes.

Considérant que le critère de correntropie maximale généralisée (GMCC) utilisant la fonction de densité gaussienne généralisée (GGD) a une forme plus flexible, l’auteur a développé un algorithme GMCKF en remplaçant le noyau gaussien par une fonction GGD qui ajoute un nouveau paramètre de forme α pour s’améliorer. performance sous divers bruits non gaussiens. De plus, l’auteur a choisi les estimateurs d’appariement des moments (MME) pour estimer le paramètre α car il est suffisamment simple et précis pour l’estimation des paramètres.

Ensuite, l’influence du paramètre de forme supplémentaire α et la validité de l’algorithme de sélection automatique des paramètres pour GMCKF ont été étudiées dans les simulations. Il a été constaté à travers les simulations qu’avec le paramètre de forme supplémentaire α et l’algorithme de sélection automatique, GMCKF peut obtenir de bonnes performances sous divers bruits non gaussiens. En outre, des expériences au sol ont également été réalisées pour valider l’effet de l’algorithme GMCKF pour le suivi des cibles.

La cible peut flotter dans l’espace en raison de l’environnement de microgravité. Dans cette situation, les capteurs de vision comme les caméras dans l’espace sont exposés pendant longtemps à des particules de haute énergie ; il peut y avoir un bruit non gaussien complexe dans le processus d’acquisition et de transmission d’image. Un éclairage incontrôlé, une couverture par d’autres objets flottants et des arrière-plans complexes peuvent également apporter un bruit non gaussien complexe au suivi de la cible. Pour simuler le suivi de cible dans l’environnement spatial, le système expérimental a été construit sur la base du modèle Singer, comprenant un robot industriel 6-DOF (RS10N de Kawasaki), une paire de caméras binoculaires (MER-125-30UM d’Imavision) , une cible sphérique et un laser tracker.

Parce qu’il n’y avait pas assez de bruit complexe dans l’environnement du laboratoire, du bruit non gaussien a été délibérément ajouté aux données de mesure de la caméra binoculaire pour simuler le bruit d’observation non gaussien généré par divers facteurs dans la station spatiale. Les résultats de l’expérience ont confirmé à nouveau que le GMCKF proposé peut surpasser considérablement les autres filtres lorsque le système est perturbé par divers bruits non gaussiens. En d’autres termes, pour obtenir une position cible plus précise, l’algorithme GMCKF peut être utilisé pour filtrer le bruit non gaussien contenu dans le suivi de la cible.

Enfin, pour confirmer l’effet de l’algorithme dans l’environnement réel, l’algorithme GMCKF a été utilisé pour traiter les données expérimentales des expériences de maintenance de robots en orbite du laboratoire spatial chinois TianGong-2. Le but de l’expérience était de vérifier que le filtrage efficace du bruit non gaussien complexe causé par un environnement spatial spécial aiderait le robot à améliorer sa capacité à effectuer des opérations de maintenance de manière autonome dans des conditions spatiales difficiles et à mener à bien la tâche.

Les données expérimentales ont été transmises au sol depuis le laboratoire spatial et pourraient être considérées comme les données de mesure en temps réel dans l’environnement spatial réel, qui ont vérifié l’algorithme à l’aide des données d’application pratiques. Les résultats expérimentaux ont montré que l’algorithme GMCKF pouvait aider le robot à mieux localiser la cible et à accomplir les tâches.


Un meilleur point de départ pour explorer l’enchevêtrement


Plus d’information:
Yang Mo et al, Filtre de Kalman à correntropie maximale généralisée pour le suivi des cibles dans le laboratoire spatial TianGong-2, Espace : science et technologie (2022). DOI : 10.34133/2022/9796015

Fourni par Beijing Institute of Technology Press

Citation: Un nouveau filtre de Kalman pour le suivi des cibles dans l’espace (2022, 28 juin) récupéré le 28 juin 2022 sur https://techxplore.com/news/2022-06-kalman-filter-tracking-space.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation loyale à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.