دانلود ترجمه مقاله برآورد جهت یابی IMU و MARG با الگوریتم گرادیان کاهشی
عنوان فارسی |
برآورد جهت یابی IMU و MARG با استفاده از الگوریتم گرادیان کاهشی |
عنوان انگلیسی |
Estimation of IMU and MARG orientation using a gradient descent algorithm |
کلمات کلیدی : |
  معادلات؛ مدل ریاضیاتی؛ ژیروسکوپ؛ مگنتومتر؛ الگوریتم های ابتکاری؛ شتاب سنج |
درسهای مرتبط | مهندسی کامپیوتر |
تعداد صفحات مقاله انگلیسی : 7 | نشریه : IEEE |
سال انتشار : 2011 | تعداد رفرنس مقاله : 43 |
فرمت مقاله انگلیسی : PDF | نوع مقاله : ISI |
پاورپوینت :
ندارد سفارش پاورپوینت این مقاله |
وضعیت ترجمه مقاله : انجام شده و با خرید بسته می توانید فایل ترجمه را دانلود کنید |
1. مقدمه 2. سازماندهی مقاله 3. استنتاج الگوریتم 4. تجهیزات آزمایش 5. نتایج آزمایش 6. نتیجه گیری 7. تحقیقات آتی
چکیده – این مقاله یک الگوریتم جدید جهت یابی را ارائه می کند که برای پشتیبانی از یک سیستم پوشیدنی لختی ردیابی حرکت انسان با کارآیی محاسباتی در کاربردهای توانبخشی طراحی شده است. کاربرد آن در واحدهای سنجش لختی (IMU) متشکل از ژیروسکوپ سه محوری و شتاب سنج، و آرایه های سنسوری مغناطیسی، سرعت زاویه ای و وزن (MARG) شامل مغناطیس سنج سه محوری می باشد. پیاده سازی MARG از جبران سازی اعوجاج مغناطیسی استفاده می کند. این الگوریتم از نمایش چهارگانه (کوترنیون) استفاده می کند که امکان استفاده از داده های شتاب سنج و مغناطیس سنج در الگوریتم گرادیان کاهشی بهینه حاصل از تحلیل را برای محاسبه راستای خطای سنجش ژیروسکوپ به صورت مشتق چهارگانه فراهم می سازد. کارآیی به صورت تجربی و با استفاده از سنسور جهت یابی موجود در بازار و سنجش مرجع جهت یابی با استفاده از سیستم سنجش نوری ارزیابی می گردد. همچنین کارآیی نسبت به الگوریتم اختصاصی سنسور جهت یابی مبتنی بر کالمن ارزیابی می شود. نتایج نشان دهنده دستیابی الگوریتم به میزان دقت مطابق با الگوریتم مبتنی بر کالمن، خطای استاتیکی RMS کمتر از 0.8°، و خطای دینامیکی RMS کمتر از 1.7° است. دستاوردهای بار پایین محاسباتی و توانایی فعالیت در نرخ نمونه برداری کم موجب کاهش قابل توجه سخت افزار و توان لازم برای سیستم پوشیدنی ردیابی حرکت لختی می شود که ایجاد سیستم های سبک و کم هزینه با قابلیت عملکرد در دوره های زمانی طولانی را میسر می سازد. مقدمه: سنجش دقیق جهت، نقشی اساسی در زمینه هایی از قبیل هوا فضا [1]، روباتیک [2، 3]، ناوبری [4، 5] و تحلیل حرکت انسان [6، 7] و تعامل با ماشین [8] ایفا می کند. ردیابی حرکت در توانبخشی یک فناوری کاربردی حیاتی بویژه برای پایش محیط خارج از کلینیک می باشد؛ در حالت ایده آل، فعالیت های بیمار را می توان به صورت پیوسته پایش کرده و متعاقباً اصلاح نمود. با اینکه تحقیقات گسترده در زمینه ردیابی حرکت برای توانبخشی انجام گرفته است، اما یک سیستم پوشیدنی غیر تداخلی که قادر به ثبت داده ها برای دوره زمانی طولانی باشد، باید تحقق پیدا کند.
This paper presents a novel orientation algorithm designed to support a computationally efficient, wearable inertial human motion tracking system for rehabilitation applications. It is applicable to inertial measurement units (IMUs) consisting of tri-axis gyroscopes and accelerometers, and magnetic angular rate and gravity (MARG) sensor arrays that also include tri-axis magnetometers. The MARG implementation incorporates magnetic distortion compensation. The algorithm uses a quaternion representation, allowing accelerometer and magnetometer data to be used in an analytically derived and optimised gradient descent algorithm to compute the direction of the gyroscope measurement error as a quaternion derivative. Performance has been evaluated empirically using a commercially available orientation sensor and reference measurements of orientation obtained using an optical measurement system. Performance was also benchmarked against the propriety Kalman-based algorithm of orientation sensor. Results indicate the algorithm achieves levels of accuracy matching that of the Kalman based algorithm; <; 0.8° static RMS error, <; 1.7° dynamic RMS error. The implications of the low computational load and ability to operate at small sampling rates significantly reduces the hardware and power necessary for wearable inertial movement tracking, enabling the creation of lightweight, inexpensive systems capable of functioning for extended periods of time. INTRODUCTION: The accurate measurement of orientation plays a critical role in a range of fields including: aerospace [1], robotics [2], [3], navigation [4], [5] and human motion analysis [6], [7] and machine interaction [8]. In rehabilitation, motion tracking is vital enabling technology, in particular for monitoring outside clinical environs; ideally, a patient’s activities could be continuously monitored, and subsequently corrected. While extensive work has been performed for motion tracking for rehabilitation, an unobtrusive, wearable system capable of logging data for extended periods of time has yet to be realized.
محتوی بسته دانلودی:
PDF مقاله انگلیسی ورد (WORD) ترجمه مقاله به صورت کاملا مرتب
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.