• 전기학회논문지
• /
• 제65권12호
• /
• pp.2094-2102
• /
• 2016

In this paper, we propose an extended Kalman filter(EKF)-based simultaneous localization and mapping(SLAM) method using laser corner pattern matching for mobile robots. SLAM is one of the most important problems of mobile robot. However, existing method has the disadvantage of increasing the computation time, depending on the number of landmarks. To improve computation time, we produce the corner pattern using classified and detected corner points. After producing the corner patterns, it is estimated that mobile robot's global position by matching them. The estimated position is used as measurement model in the EKF. To evaluated proposed method, we preformed the experiments in the indoor environments. Experimental results of proposed method are shown to maintain an accuracy and decrease the computation time.

• 대한전기학회논문지
• /
• 제32권10호
• /
• pp.367-375
• /
• 1983

미사일의 비생실험 데이타로부터 동력학적 계수를 추정하기 위하여 Extended Kalman Filter(EKF) 알고리즘을 사용하고 시뮬레이숀으로부터 얻어진 비행 데이타를 써서 알고리즘을 해석하였다. 이 알고리즘에서는 여러 가지 미사일에 적용할 수 있도록 자유도가 여섯인 (6-DOF) 운동식을 써서 미사일 모델을 세웠으며 연구결과 EKF가 비생실험후 얻어진 데이타로부터 다수의 미사일 동력학적 계수값을 추정할 수 있음을 알았다. 계수추정 알고리즘과 병행하여 미사일의 구조를 추정하는 알고리즘을 조사하였으며 이 알고리즘은 여러 후보 모델중 비행실험 데이타에 가장 근접한 값을 주는 모델을 선정한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1998년도 추계학술대회 논문집 학회본부A
• /
• pp.171-175
• /
• 1998

This paper proposes a speed sensorless vector control of induction motor using a minimum-order EKF(extended kalman filter). Minimum-order EKF has the advantage of reducing the computational estimation cost because the stator current is not estimated. EKF does not deteriorate the performance of the overall speed control system, even though the measurements are relatively noisy. The estimated rotor speed is used for vector control and overall speed control. Computer simulations of the speed sensorless vector control are carried out to test the usefulness of the minimum-order EKF algorithm.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2009년도 추계학술대회 논문집
• /
• pp.155-156
• /
• 2009

• 제어로봇시스템학회논문지
• /
• 제20권7호
• /
• pp.706-712
• /
• 2014

The inverters used to drive Brushless DC motors (BLDC) include switching devices such as FETs and the faults in FETs cause severe performance degradation in systems where a BLDC acts as actuator. This paper presents a fault detection and isolation method for the FETs of an inverter for BLDC motor control systems, which is based on the EKF (Extended Kalman filter). Firstly, an equivalent circuit model for a BLDC motor plus its inverter system was derived. Secondly, a state-space equation was established, where the on-resistance of the FETs is expressed as a state variable and the EKF equation estimates the on-resistance. If the estimated resistance differs greatly from the known value, it can be asserted that there is a fault on that FET. Thirdly, the local convergence of the established EKF was proved. Finally, through the experiments, the performance of the proposed method was verified. The results show that the on-resistance is estimated close to the value specified in the FET data sheet in normal operation, whereas the estimated resistance is a much larger value than the normal one in case an FET fault occurs. Therefore, it is confirmed that the proposed fault detection and isolation method works appropriately in real systems.

• 전자공학회논문지SC
• /
• 제48권1호
• /
• pp.55-60
• /
• 2011

이동로봇의 동시 위치인식 및 지도작성 (Simultaneous Localization And Mapping, SLAM) 에서 가장 기본이 되는 알고리즘은 확장 칼만 필터 SLAM(Extended Kalman Filter SLAM, EKF-SLAM)이다. 하지만 칼만 필터를 사용할 때, 시스템 설계자는 외부 입력에 대한 시스템적 특성과 외부 노이즈의 확률적 모델을 알고 있어야 하나, 실제 환경에서는 이를 정확히 파악할 수 없는 한계가 있다. 이에, 칼만 필터를 불확실성이 심한 실제 환경에 적용할 경우 내부 변수의 변화에 민감하게 반응하거나, 필터의 수학적 일관성이 지켜지지 않거나 또는 부정확한 상태 변수값을 추정하기도 한다. 이에 비해 $H_{\infty}$ 필터는 외부 모델에 대한 상세한 정보가 없을지라도 강인하게 상태를 예측할 수 있다는 장점을 가지고 있다. 본 논문에서는 이러한 $H_{\infty}$ 필터의 특성이 이용로봇의 SLAM 알고리즘의 성능 향상에 도움이 될 것이라는 아이디어에 착안하여 $H_{\infty}$ 필터에 가번한 SLAM 알고리즘을 제안하고 이를 모의 실험에 적용해 보았다. 이를 통해 불확실성이 큰 환경에서는 제안된 알고리즘이 기존의 EKF-SLAM에 비해 다소 우수한 예측 성능을 보임을 확인할 수 있었다.

• 한국지능시스템학회논문지
• /
• 제20권4호
• /
• pp.463-468
• /
• 2010

미지의 영역에서 작업을 수행하고자 하는 이동로봇은 주변의 지도가 없을 뿐만 아니라 자신의 위치도 알 수 없다. 이러한 환경의 극복을 위해 가장 많이 쓰이는 방법이 SLAM(Simultaneous Localization And Mapping)이다. SLAM 분야에서 가장 많이 쓰이는 방법은 EKF (Extended Kalman Filter) 기반의 SLAM이다. 최적의 센서 융합 기법이지만 odometeric error 등을 보상하기 위해서는 복잡한 과정이 점차 증가하게 된다. 사람은 SLAM 방식을 이용하여 낯선 장소에서 마음속의 지도를 쉽게 작성하지만 로봇의 경우 SLAM을 수행하는 것은 매우 어렵고 시간이 오래 걸린다는 단점이 생기는 것이 다. 이러한 단점의 보완을 위하여 본 논문에서는 대칭모형 SLAM(M-SLAM)을 제안한다. M-SLAM은 대칭에 사용할 모형을 미리 정하고 센서로 받아들인 데이터를 모형과 비교하여 대칭된 모형을 맵에 적용시켜서 작업의 양을 줄이는 방법이다. M-SLAM은 적은 특징점을 이용하여 선택된 대칭 도형과의 유사성 판별을 이용하는 방법이므로 특징점이 적은 거리센서에 사용하기 적합한 특성을 가지고 있다고 할 수 있다. 특징점이 적어도 된다는 장점은 SLAM의 시간을 크게 줄여 줄수 있다.

• Smart Structures and Systems
• /
• 제31권2호
• /
• pp.131-140
• /
• 2023

As well-known, the extended Kalman filter (EKF) is a powerful tool for parameter identification with limited measurements. However, traditional EKF is not applicable when the external excitation is unknown. By using least-squares estimation (LSE) for force identification, an EKF with unknown input (EKF-UI) approach was recently proposed by the authors. In this approach, to ensure the influence matrix be of full column rank, the sensors have to be deployed at all the degrees-of-freedom (DOFs) corresponding to the unknown excitation, saying collocated measurements are required. However, it is not easy to guarantee that the sensors can be installed at all these locations. To circumvent this limitation, based on the idea of first-order-holder discretization (FOHD), an improved EKF with unknown input (IEKF-UI) approach is proposed in this study for the simultaneous identification of structural parameters and unknown excitation. By using projection matrix, an improved observation equation is obtained. Few displacement measurements are fused into the observation equation to avoid the so-called low-frequency drift. To avoid the ill-conditioning problem for force identification without collocated measurements, the idea of FOHD is employed. The recursive solution of the structural states and unknown loads is then analytically derived. The effectiveness of the proposed approach is validated via several numerical examples. Results show that the proposed approach is capable of satisfactorily identifying the parameters of linear and nonlinear structures and the unknown excitation applied to them.

• 한국측량학회지
• /
• 제27권2호
• /
• pp.225-234
• /
• 2009

실시간 공중 자료획득 시스템은 긴급상황에서 DEM, 정사영상과 같은 공간정보를 실시간으로 생성하기 위해 빠른 자료 수집을 수행하는 시스템이다. 이러한 시스템에서 GPS와 INS는 플랫폼의 위치와 자세정보를 획득 하는데 중요한 역할을 한다. 그러므로 이번 연구에서는 실시간 공중 자료획득 시스템에 장착될 GPS/MEMS IMU 센서의 성능을 평가하였다. 그리고 시뮬레이션 데이터를 통하여 실시간 자료 수집에 더욱 적절한 GPS/INS 통합 알고리즘을 확인하였다. 정지 상태와 이동 상태에서의 GPS/MEMS IMU 센서 성능 평가 결과 각각 3$\sim$4m, 2$\sim$3m의 위치오차를 확인하였다. 또한 자기장 센서를 사용하는 Aerospace 모드에서 더 높은 정밀도의 자세 결과를 확인하였다. EKF와 UKF의 비교에서는 직선 뿐만 아니라 곡선에서도 많은 차이를 보이지 않았다. 하지만 계산 시간에서 EKF가 UKF에 비하여 약 25배 빠르므로 실시간 공중 자료획득 시스템의 GPS/INS 통합 알고리즘에는 EKF가 더욱 적합한 것으로 판단된다.

• 한국게임학회 논문지
• /
• 제12권3호
• /
• pp.87-96
• /
• 2012

본 논문에서는 시퀀스 상에서 확장 칼만필터(Extended Kalman Filter) 기반의 SLAM(Simultaneous Localization And Mapping) 시스템의 안정적인 카메라 추적과 재위치(re-localization) 방법이 제안된다. SLAM으로 얻어진 3차원 특징점에 들로네(Delaunay) 삼각화를 적용하여 기준(reference) 평면을 설정하며, 평면상에 존재하는 특징점의 BRISK(Binary Robust Invariant Scalable Keypoints) 기술자(descriptor)를 생성한다. 기존 확장 칼만필터의 오차가 누적되는 경우를 판단하여 기준 평면의 호모그래피로부터 카메라 정보를 해석한다. 또한 카메라가 급격하게 이동해서 특징점 추적이 실패하면, 저장된 강건한 기술자 정보를 매칭하여 카메라의 위치를 다시 추정한다.