The Autonomous Boat Project

The Autonomous Boat Project

The Autonomous Boat Project

Boat Controller

Inertial Measurement Unit (IMU)

Inertial Navigation Contudo: Deriva: posição e atitude

Real IMU

GPS Receptor

ITA – INSTITUTO TECNOLÓGICO DE AERONÁUTICA PÓS-GRADUAÇÃO EM ENGENHARIA ELETRÔNICA E COMPUTAÇÃO ÁREA DE DISPOSITIVOS E SISTEMAS ELETRÔNICOS PROJETO E CONSTRUÇÃO DE UM BARCO INTELIGENTE COM INTEGRAÇÃO INS/GPS E BÚSSOLA Douglas Soares dos Santos Orientadores: Prof. Wagner Chiepa Cunha Prof. Cairo L. Nascimento Jr. Boa tarde, agradeço a presença de todos.

Sumário Navegação Inercial Fusão sensorial Aprendizado por reforço O barco inteligente Implementação da solução Resultados Conclusão Trabalhos Futuros Tópicos:

Introdução Motivação: Navegação Autônoma Máquinas Inteligentes Retirar o ser humano da camada de operação e colocá-lo na camada de supervisão Objetivo: Projetar e construir um barco inteligente com integração INS/GPS e Bússola para navegação autônoma Capacidade de aprendizado

Sensor Fusion

O Barco Inteligente Para implementar o Barco Inteligente foram necessários os seguintes passos: Construção da estrutura do barco; Levantamento do modelo matemático do barco; Simulação do Sistema de Navegação Inercial (fusão usando FK); Simulação do aprendizado na tabela de acionamento dos propulsores; Implementação do módulo embarcado; Implementação da estação de controle do barco.

Fusão INS/GPS e Bússola No caso do barco foram feitas duas considerações importantes: Navegação do barco em baixas velocidades; Navegação em águas calmas e sem ventos. Essas considerações permitem: Amostragem dos sinais em baixa frequência (1 Hz); Implementação em 3 graus de liberdade. Sensores embarcados no barco: IMU: Acelerômetros em X e Y; Girômetro em Z; Magnetômetros em X e Y. Receptor GPS (Lat/Long).

Sensor Fusion: INS/GPS + Compass

Boat Electronics

Sensor Fusion: INS/GPS/Compass

Sensor Fusion: INS/GPS/Compass

Sensor Fusion: INS/GPS/Compass Definindo: E assumindo que: - para , - e = 0

Sensor Fusion: INS/GPS/Compass Então: e: onde: e:

Kalman Filter Implementation Step 1: Initialization

Kalman Filter Implementation Step 2: Propagation of the INS state and its covariance matrix Read IMU: Calculate:

Kalman Filter Implementation Step 3: INS update Calculate:

Kalman Filter Implementation Calculate:

Fusão INS/GPS e Bússola (3D)

Boat Mathematical Model

Parâmetros m = massa do barco = 14,81kg J = momento de inércia = 3,33 kg m² Constantes de arrasto: Kx = 7,025 Ns²/m², Ky = Kz = 5 Kx = 35,12 Ns²/m² d = distância medida entre o CG e os propulsores = 0,56 m Valores máximos de Fd e Fe = 1,4 N

Acionamento dos Propulsores Manobra Motor esquerdo Motor direito Para frente LF Frente direita D Frente esquerda Para trás LT Trás direita Trás esquerda Gira esquerda Gira direita Parado

Boat Controller

Actuators Possible Actions: M1 = left DC motor; M2 = right DC motor Possible Actions: 1= turn forward, 0 = turn off; -1 = turn backward

Control Table

Learning Control Actions Serve bem no caso do barco; construir a estrutura do conhecimento

Learning Automata (LA) Algorithm where: i = iteration number; k = step for iteration i; h = learning rate.

Learning Automata (LA) Algorithm

Learning Simulation New Control Table

Boat Simulation

Módulo Embarcado

Estação de Controle

Comparison: Simulated and Real Systems Simulated System Real System

Results

Control Station

Vídeo do Barco Vídeo do resultado da navegação autônoma do barco no lago do ITA

Control Station Vídeo que mostra a dinâmica da tela da estação de controle

Loss of GPS Signal (Real Case)

Loss of GPS Signal (Real Case)

Conclusão Um barco inteligente com integração INS/GPS e Bússola foi projetado e construído. O correto funcionamento do barco foi demonstrado pelos experimentos. O objetivo proposto nesse trabalho foi alcançado. Principais contribuições científicas do trabalho: Estrutura mecânica da plataforma do barco. Aplicação do algoritmo de aprendizado por reforço LA para geração da tabela de acionamento do barco, Formulação de um algoritmo de integração INS/GPS e Bússola usando Filtro de Kalman para a navegação 3D.

Trabalhos Futuros Aplicação em ITS (Intelligent Transportation Systems) visando o desenvolvimento de veículos terrestres inteligentes. Investigar a fusão sensorial com outros tipos de sensores, p. ex., câmeras, GPS indoor, odômetros e rádio-orientação. Desenvolvimento de solução totalmente embarcada (solução para perda do link de comunicação). Investigar a necessidade da extensão para o caso 6D para veículos terrestres. Implementação de algoritmo de sintonia ótima da matriz Qd do Filtro de Kalman (combate à divergência do FK). Investigar o algoritmo de aprendizado onde o número e o tamanho das partições é auto-ajustável. Investigar aplicações industriais e em sistemas de vigilância.

Agradecimentos Ao Projeto de Capacitação Tecnológica e Formação de Recursos Humanos para o Setor Aeronáutico (CAPTAER), pelos equipamentos e instrumentos adquiridos e utilizados neste trabalho. Estimação adaptativa dos erros de estado; IMU n giroscópica: mestrado Edmundo… Prof. Hélio Kuga

Módulo Embarcado

Estação de Controle

Deriva dos Acelerômetros e Girômetro