0
я все ещё ковыряюсь с сервой, а не делаю бинс и не даже bldc
Не понял о чём здесь? Имеется в виду способ управления тягой винтов или что-то другое?
0
В том виде о котором шла речь это будет ФНЧ с оптимальной постоянной времени для заданного шума. Скалярный случай это только для упрощения объяснения.
Я бы не прочь хоть так обкатать ФК на практике, только вот в голове пока не очень всё устаканилось для написания хоть чего-нибудь.
Ещё нужна какая-то хотя бы упрощенная газодинамика винта,
Вот уж не согласен я! Параметры двигателей, винтов, да и регулей тоже, нужно выбирать по принципу простой избыточности. Нет нужды обсчитывать работу каждого отдельного исполнительного узла. Достаточно оценочных характеристик. Иначе можно скатиться к учёту трения в подшипниках.
Другое дело, если бы нужно было бы работать в условиях когда узлы нагружены на грани возможностей. Тогда вышеупомянутый подход имел бы смысл. Однако, к счастью, нынешний уровень модельных комплектующих позволяет практически любые выкрутасы моделиста.
В своё время я спорил на тему замены вертолётного гироскопа (стабилизирующего ЛА относительно вертикальной оси) на контроллер обсчитывающий реактивный момент несущего ротора и компенсацию рулевого винта. Так вот мне сказали простую мысль, которая меня убедила: гироскоп — ИНТЕГРАЛЬНЫЙ датчик, который учитывает все (почти) возмущения положения ЛА относительно рабочей оси: изменение оборотов НВ, угла атаки лопасти, изменение циклического шага, порывы ветра, восходящие потоки и т.п. Так вот, я это к тому, что нужно просто правильно выбрать подобный ИНТЕГРАЛЬНЫЙ датчик(и) и работать в направлении максимальной достоверности его показаний. Остальное обсчитается как угодно в соответствии с фантазией моделиста.
ФК будет работать больше не на учет шума а на учет зависимостей переменных (например коррекция каких-то коэффициентов зависимости тяги винта от давления на основе ошибки по ориентации).
А разве это не общая постановка задачи, которую решает любая из систем управления — измерив отклонение от заданного параметра произвести управляющее воздействие, которое нивелирует это отклонение.
0
Хочу ещё вот что сказать: мне кажется, что в нашем случае, когда относительные данные с гироскопа корректируются абсолютными данными с акселерометра, нужно фильтровать Калманом только показания акселерометра. Это, так сказать, минимально необходимая фильтрация. Если иметь достоверные данные абсолютной величины, то относительные величины связанные с этой абсолютной величиной могут быть откорректированы простой линейной функцией типа f(w)=k*f(a).
0
Да, только если дисперсия нормально распределенной сл. величины равна Q это не значит, что её реализации (значения) не могут превысить Q.
А слово «Да» в начале поста означает согласие с моей попыткой симуляции или оно здесь выступает как междометие?
если дисперсия нормально распределенной сл. величины равна Q это не значит, что её реализации (значения) не могут превысить Q.
Ну, Вы мне совсем не доверяете! Я намедни освежил своё представление о тервере после 25 лет перерыва. Я взял такие конкретные значения Q и q чтобы было что подставить в приведёные Вами формулы.
Если хотите сделать статистический тест,
Я хочу не статистический тест, я хочу работу фильтра понять и реализовать. Вы, господа, мне, надеюсь, в этом поможете. Ведь Вы сами над тем же трудитесь.
Ник комбинация транслитированных букв настоящего имени
Таинственно, однако, получилось!
У меня так не выходит, мой ник по-моему весьма прозрачен.
0
Вы оперируете q, но ведь мы не знаем значение q и не можем узнать.
А отчего по-простому не взять «от балды»? Величина ведь случайная. Просто, чтобы проверить как влияет я взял так.
О том, что состояние системы изменилось, мы можем узнать только через измерение r.
Но это только одна, хоть и основная, компонента влияющая на формирование управляющего воздействия.
За ссылку по Калману большое спасибо, но на данный момент я (прошу не судить строго) уже так свыкся с теми обозначениями и определениями, которые мы здесь обсуждаем, что просто не воспринимаю по-другому.
0
Ну, конечно, накосячил. К ведь меньше нуля, соответственно: P = P'(1 — K)=Q(1-K)=1,1335Q=0,11335g
0
x'(n+1) = F x(n) + B u(n)
Вот это понятно. Тогда ещё конкретнее можно? Применительно к показаниям акселерометра и гироскопа.
По предложению amaora (кстати, очень любопытно имеет ли этот ник какой-то смысл?) задаём начальные значения х, Р, Q, R: если я правильно понимаю, хo=0 (объект неподвижен) и Рo=0, Q можно взять для начала произвольно, а R из основываясь на выборке полученной при калибровке датчика. Так?
1.Экстраполируем х: поскольку никаких других данных о системе, кроме предыдущего состояния нет, то думаю, что x'(n+1)=x(n) + q = 0+q = q;
Экстраполируем Р: P'(n+1) = P(n) + Q = P'(n+1) = Q + 0 = Q;
2.Считаем К: K = P' / (P'+R)= Q / (Q+R). Допустим мы приняли Q=0,1g; R=0,05g. Тогда К=0,1/0,15=0,67.
3. Считаем х: x(n)= x'(n)+(r(n) — x'(n))K = q+(r(n)-q))*0,67 для примера предположим, что q=0 (ведь это не исключено и весьма вероятно?), а тоже r=0 (почему нет?), тогда: x(n)=q+(r(n)-q))*0,67=0.
Пока всё сходится — прогноз для неподвижного объекта соответствует реалности.
Возмём другие значения q=0,1g; r=0,05g(вроде укладываются в дисперсии?). x(n)=q+(r(n)-q))*0,67=0,1+(0,05-0,1)*0,67= -0,1335g получается довольно много, но есть P = P' (1 — K)=Q(1-K)=0,33Q=0.033g,
которая на следующем шаге даст уменьшение К и соответствующее уменьшение изменения x(n)=x'(n)+(r(n)—x'(n))K. И вроде бы так должно происходить пока x(n) не приблизится к истинной величине.
Я смысл понял или опять накосячил?
0
x'(n) — это промежуточный результат, уже экстраполирован на новый n+1-йшаг но не поправлен.
Тогда выходит x'(n+1) — это х+2?
1. Модель системы, в данном случае предполагается неизменность x.
x'(n+1) = x(n)
Может быть нужно как то по-другому сформулировать, поскольку из равенства выходит, что х не меняется со временем? Может так: x'(n+1) = f(x), т.е. следующий не скорректированный результат измерений зависит от предыдущего(cov(x(n);x'(n+1))?
Более логичным выглядит вот это выражение: x'(n+1) = x(n) + q. И для дисперсии утверждение P'(n+1) = P(n) + Q выглядит логичным.
Последняя фраза поста
Если положить Q=0 и иметь только начальную неопределенность в P то получим рекурсивный МНК.
вносит для меня путаницу, поскольку, если нет Q, то зачем фильтр?
0
Я процесса вывода конечной формулы, честно сказать, так и не понял, но сама конечная формула подкупает своей простотой. Получается, что к-т коррекции равен соотношению дисперсии входного параметра к общей дисперсии измерений. Эдакая «относительная дисперсия».
Остаётся понять как эти дисперсии счиаются? Это опять выборка? Или они просто подбираются?
0
Я, если позволите, немного поспрашиваю, но попрошу не судить строго за уровень вопросов.
Имеем ошибку: e = r — x
Я правильно понял, что r-реальное значение параметра, а x-измеренное значение того же параметра? Тогда получается, что r=x+Re? Или х'-это скорректированное значение измеренного параметра, но ещё, как бы, не истинное?
0
эти паразитические воздействия (как-то, косвенно) можем оценить и представить как Aerror.
Как именно можно оценить эти паразитные воздействия и как отличить их от не паразитных? Подбор или статистика?
0
(о каком ПИД идет речь):
Об этом:
ПИД регулятор для расчета управляющего воздействия на двигатели
Вы говорите о сырых данных с гироскопа (угловой скорости) или о интеграле (значении угла)?
Я говорю об интеграле. Но по сути, конечно, наличиствует ошибка угловой скорости.
0
Я решил сделать коэффициент комплементарного фильтра не константой, а функцией от некоторого состояния системы (текущее значение модуля g, дифференциал ошибки и т. д.)
Мне кажется, что функционирование самих ПИДов, на которые потом поступают обсчитанные значения с датчиков, будет осуществлять гибкое регулирование. Текущее значение модуля g — пропорциональная компонента, дифференциал — говорит сам за себя, ну и до кучи, скорость, как интегральная компонента.
Получается некое подобие адаптивного фильтра, чем более «идеальные» условия, тем «активнее» вноситься поправка, и наоборот.
Получается система с положительной обратной связью, а это (насколько я помню из теории регулирования) чревато автоколебаниями.
У меня сейчас вылезла другая фишка: при статичном положении гироскопа выходной сигнал также статичен. В динамике же, при возврате в исходное положение, возникает существенное отклонение от исходного положения. Мне сейчас очень наглядно видно, поскольку угол отклонения отображается у меня в абсолютном виде посредством отклонения качалки на сервомашинке.
0
Долго тупил и думал, пока не вывел аналогичный график и не понял причину происходящего.
И как Вы поступили после выяснения причины? Вы отказались от идеи:
вносить коррекцию только тогда, когда модуль вектора с акселерометра приблизительно равен 9.8 м/с^2.
0
Если принять это предположение как верное, то остаётся скомпенсировать паразитные вибрационные составляющие ускорений по трём осям и получится весьма близкая к реальности модель.
0
модуль выходного вектора (первый график)
Под модулем, если я правильно понял, понимается истинная длина суммарного вектора ускорений?
Думаю, что при условиях, в которых вы тестировали, присутствует дисбаланс ротора мотора. Он и дает подобное смещение. Проверить можно перевернув плату на 180гр. Если вектор сместится симметрично в другую сторону, то это точно дисбаланс ротора мотора.
0
ФНЧ для разных целей используют
Прошу прощения, я имел в виду ФВЧ.
0
Как уже заметил ACE, Вы где-то ошиблись в расчетах, 10 см/с = 0.36 км/ч.
Ну да, проглядел букву «с» и посчитал, что это метры в секунду. Невнимательность — моё давнее «счастье».
0
такая ошибка приводит к линейному дрейфу коптера со скоростью около 5 см/сек
Это как то многовато. Порядка 20км/ч получается, скорость хорошего велосипедиста.
0
но есть подозрительная high-pass фильтрация.
ФНЧ для разных целей используют, я ничего подозрительного в отрезании постоянной составляющей не вижу.