Most of the advanced control systems use sensor-based feedback for robust control. Tilt angle estimation is key feedback for many robotics and mechatronics applications in order to stabilize a system. Tilt angle cannot be directly measured when the system in consideration is not attached to a stationary frame. it is usually estimated through indirect measurements in such systems. The precision of this estimation depends on the measurements; hence it can get expensive and complicated as the precision requirement increases. This research is aimed at developing a novel and economic method to estimate tilt angle with a relatively less sophisticated and complicated system, while maintaining precision in estimating tilt angle. The method is developed to explore a pendulum as an inertial measurement sensor and estimates tilt angle based on dynamics of pendulum and parameter estimation models. Further, algorithms are developed with varying order of complexity and accuracy to have customization for different applications. Furthermore, this study will validate the developed algorithms by experimental testing. This method focuses on developing algorithms to reduce the input measurement error in the Kalman filter.


翻译:大多数先进的控制系统都使用基于传感器的反馈进行稳健的控制。 斜角估计是许多机器人和机械学应用的关键反馈,以便稳定一个系统。 当考虑中的系统不附在固定框架之后, 倾角无法直接测量。 通常通过这些系统中的间接测量来估计。 这一估计的精确度取决于测量结果; 因此随着精确要求的增加, 其成本会变得昂贵和复杂。 这项研究的目的是开发一种新颖和经济的方法, 以相对不那么复杂和复杂的系统来估计倾斜角度, 同时在估计倾斜角度时保持精确性。 该方法旨在探索一个作为惯性测量传感器的支线, 并根据笔数和参数估计模型的动态来估计倾斜角度。 此外, 算法的制定过程复杂性和准确度各不相同, 以便按不同应用的定制。 此外, 这项研究将通过实验性测试来验证已开发的算法。 该方法侧重于开发算法, 以减少Kalman过滤器中的输入测量错误。

0
下载
关闭预览

相关内容

《日本在智慧农业上的举措》最新报告,24页PPT
专知会员服务
57+阅读 · 2022年3月23日
《5G+智慧农业解决方案》22页PPT,三昇农业
专知会员服务
54+阅读 · 2022年3月23日
专知会员服务
53+阅读 · 2020年9月7日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
154+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
177+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
94+阅读 · 2019年10月10日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年7月29日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
国家自然科学基金
0+阅读 · 2016年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月18日
VIP会员
相关VIP内容
《日本在智慧农业上的举措》最新报告,24页PPT
专知会员服务
57+阅读 · 2022年3月23日
《5G+智慧农业解决方案》22页PPT,三昇农业
专知会员服务
54+阅读 · 2022年3月23日
专知会员服务
53+阅读 · 2020年9月7日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
154+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
177+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
94+阅读 · 2019年10月10日
相关资讯
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年7月29日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
相关基金
国家自然科学基金
0+阅读 · 2016年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员