Về một phương pháp nhận dạng chuyển động cho một lớp phương tiện cơ giới quân sự sử dụng đa cảm biến

i BỘ GIÁO DỤC ĐÀO TẠO BỘ QUỐC PHÒNG VIỆN KHOA HỌC VÀ CÔNG NGHỆ QUÂN SỰ PHẠM HẢI AN VỀ MỘT PHƯƠNG PHÁP NHẬN DẠNG CHUYỂN ĐỘNG CHO MỘT LỚP PHƯƠNG TIỆN CƠ GIỚI QUÂN SỰ SỬ DỤNG ĐA CẢM BIẾN LUẬN ÁN TIẾN SĨ KỸ THUẬT Chuyên ngành: Lý thuyết điều khiển điều khiển tối ưu Mã số : 62 52 60 05 Người hướng dẫn khoa học : PGS TS Lê Hùng Lân TS Nguyễn Quang Hùng Hà Nội 2011 Tai ngay!!! Ban co the xoa dong chu nay!!! ii LỜI CAM ĐOAN Tôi xin cam đoan cơng trình nghiên cứu riêng Các số liệu, kết nêu luận án hoàn toàn trung thực chưa cơng bố cơng trình khoa học khác Tác giả Phạm Hải An iii LỜI CÁM ƠN Sau thời gian học tập nghiên cứu, tơi hồn thành luận án Tôi xin gửi lời cảm ơn sâu sắc tới PGS.TS Lê Hùng Lân TS Nguyễn Quang Hùng tận tình giúp đỡ tơi để tơi hồn thành luận án Tơi gửi lời cảm ơn tới phòng Đào tạo Viện Khoa học Cơng nghệ qn sự, Viện Tự động hóa Kỹ thuật quân sự, Viện Tên lửa đồng nghiệp, cộng hoạt động nghiên cứu khoa học ngồi qn đội, giúp đỡ tơi q trình học tập, nghiên cứu khoa học hoàn thành luận án Hà Nội, ngày 15 tháng năm 2011 Tác giả Phạm Hải An iv MỤC LỤC DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT v DANH MỤC CÁC BẢNG viii DANH MỤC CÁC HÌNH VẼ viii MỞ ĐẦU CHƯƠNG TỔNG QUAN VỀ TRỘN DỮ LIỆU ĐA CẢM BIẾN VÀ BÀI TOÁN NHẬN DẠNG CÁC THAM SỐ CHUYỂN ĐỘNG 1.1 Hệ thống trộn liệu đa cảm biến .9 1.2 Quản lý đa cảm biến 12 1.3 Các vấn đề cần giải toán trộn liệu đa cảm biến 14 1.4 1.4.1 1.4.2 1.4.3 Kiến trúc hệ thống trộn liệu 17 Kiến trúc trộn trung tâm 17 Kiến trúc trộn phân tán 18 Kiến trúc trộn cục 18 1.5 Các phương pháp dẫn đường định vị xác định tham số chuyển động phương tiện giới quân 19 1.5.1 Hệ thống dẫn đường định vị vô tuyến điện GPS 19 1.5.2 Hệ thống dẫn đường định vị dự đoán INS 24 1.5.3 Hệ thống định vị, dẫn đường đa cảm biến trình trộn liệu 28 1.6 Các hệ tọa độ tham số chuyển động phương tiện giới quân 30 1.6.1 Các hệ toạ độ tham chiếu chuyển vị 30 1.6.2 Các tham số chuyển động phương tiện giới quân 32 1.7 Kết luận .34 CHƯƠNG THUẬT TOÁN XÁC ĐỊNH CÁC THAM SỐ CHUYỂN ĐỘNG TRÊN CƠ SỞ TÍCH HỢP ÍN/GPS BẰNG BỘ LỌC KALMAN 36 2.1 Thuật toán dẫn đường quán tính .36 2.1.1 Ma trận chuyển vị hệ toạ độ 36 2.1.2 Thuật tốn dẫn đường qn tính 39 2.1.3 Các phép toán học hệ dẫn đường quán tính 43 2.2 Bản chất bù INS/GPS 46 2.3 Đánh giá sai số 48 2.4 Sai số vị trí 48 2.5 Sai số vận tốc 49 2.6 Công thức động học sai số góc định hướng 52 2.7 Hệ thống tích hợp INS/GPS dựa lọc Kalman 53 v 2.8 Các phương pháp tích hợp INS/GPS 60 2.9 Kết luận .66 CHƯƠNG QUÁ TRÌNH ĐỘNG HỌC CHUYỂN ĐỘNG CỦA PHƯƠNG TIỆN CƠ GIỚI QUÂN SỰ VÀ CÁC HIỆU CHỈNH TỚI THUẬT TOÁN DẪN ĐƯỜNG QUÁN TÍNH .68 3.1 3.1.1 3.1.2 Hệ logic mờ 69 Khái niệm 69 Các phần tử hệ logic mờ 71 3.2 Thiết kế hệ mờ nhận dạng động học chuyển động phương tiện giới quân .74 3.2.1 Quá trình động học chuyển động phương tiện giới quân hiệu chỉnh tương ứng tới thuật toán dẫn đường qn tính 74 3.2.2 Mơ hình chuyển động phương tiện giới quân 76 3.2.3 Các phép hiệu chỉnh thơng qua trình động học chuyển động phương tiện giới quân 80 3.2.4 Thiết kế hệ mờ nhận dạng động học chuyển động phương tiện giới quân 85 3.2.5 Xây dựng hệ mờ nhận dạng động học chuyển động 90 3.2.6 Kết áp dụng thuật tốn nhận dạng mơ hình động học: 97 3.3 Kết luận .101 CHƯƠNG NÂNG CAO ĐỘ CHÍNH XÁC ĐÁNH GIÁ ĐỘ CÂN BẰNG MẶT PHẲNG BỆ THÂN XE CỦA PHƯƠNG TIỆN CƠ GIỚI QUÂN SỰ 102 4.1 Mơ hình mờ Takagi-Sugeno .104 4.2 4.2.1 4.2.2 4.2.3 4.2.4 Mơ hình lọc Kalman cho việc tính tốn độ cân 105 Cập nhật giá trị độ nghiêng (góc Euler) 105 Cấu trúc lọc Kalman mờ 106 Mơ hình hệ thống 107 Mơ hình đo lường 108 4.3 Thiết kế hệ mờ đánh giá giá trị ma trận hiệp biến đo lường 109 4.4 4.4.1 4.4.2 Kết thực nghiệm 112 Chế độ thử tĩnh 113 Chế độ thử động 116 4.5 Kết luận .117 KẾT LUẬN 118 CÁC CƠNG TRÌNH KHOA HỌC ĐÃ CÔNG BỐ 120 vi DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT I Các ký hiệu sai số biến, giá trị hiệu chỉnh biến   () hàm Dirac delta  vector sai số góc định hướng  gia tốc trọng trường  kinh độ địa lý  vector tốc độ góc  ma trận phản đối xứng vector tốc độ góc   vĩ độ địa lý  góc cren (hay cịn gọi nghiêng hay góc lăn ngang)  ma trận chuyển vị (ma trận chuyển trạng thái)  góc chúc ngóc (góc trịng trành)  góc hướng (góc đảo lái) A ma trận thiết kế a trục dài elipsoid tham chiếu B ma trận thiết kế b độ lệch (bias) C ma trận Cosin phương e độ lệch tâm elipsoid tham chiếu e vector sai số phép đo E tích chéo dạng ma trận phản đối xứng vector  f vector gia tốc biểu kiến F ma trận động học (ma trận dự báo) g vector gia tốc trọng lực vii g vector trọng lực G ma trận thiết kế (ma trận khuyếch đại) h chiều cao elipsoid H ma trận thiết kế phép đo I ma trận đơn vị K độ lợi lọc Kalman M bán kính cong mặt phẳng cắt tạo trục z trục phương bắc (kinh tuyến) N bán kính cong mặt phẳng cắt tạo trục z trục phương đông P ma trận lỗi tương quan vector trạng thái q vector quaternion Qk ma trận hiệp biến vector sai số hệ thống Q(t) ma trận mật độ phổ R ma trận quay vector hệ toạ độ, ma trận hiệp biến vector sai số phép đo r vector vị trí s hệ số tỷ lệ u vector sai số hệ thống liên tục mặt thời gian v vector vận tốc v f vector số gia vận tốc w vector nhiễu hệ thống x vector trạng thái z vector đo lường (vector số đo) II Các chữ viết tắt AI trí tuệ nhân tạo (Artificial Intelligence) viii DCM ma trận Cosin phương (Direction Cosine Matrix) DI tiêu động học DA tham số động học tuyến tính ENU hệ toạ độ dẫn đường Đơng-Bắc-Xa tâm FIS hệ suy diễn mờ FOG quay quang học GPS hệ định vị toàn cầu GYRO quay IF lọc thông tin (Information Filter) IMU khối đo lường quán tính INS hệ dẫn đường quán tính INS/GPS hệ tích hợp INS GPS KB sở tri thức KF lọc Kalman LAB phịng thí nghiệm LSE phương pháp bình phương tối thiểu MAM hệ mờ Mamdani MEMS hệ vi điện tử (Micro-Electro-Mechanical-System) MEMS INS/GPS hệ INS dựa cơng nghệ vi điện tử tích hợp GPS MISO nhiều đầu vào, đầu NED hệ toạ độ dẫn đường Bắc-Đơng-Hướng tâm N/A khơng có sẵn (Not Available) TS hệ mờ Takagi-Sugeno PVA vị trí, vận tốc góc định hướng ix DANH MỤC CÁC BẢNG Bảng 2.1: So sánh mơ hình tích hợp INS/GPS tập trung phân tán 65 Bảng 3.1: Các phép hiệu chỉnh thơng qua q trình động học chuyển động phương tiện giới quân 85 DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ Hình 1.1: Q trình xử lý thông minh người 10 Hình 1.2: Hệ thống quản lý đa cảm biến 13 Hình 1.3: Kiến trúc trung tâm với trung tâm xử lý 17 Hình 1.4: Kiến trúc trộn phân tán 18 Hình 1.5: Kiến trúc trộn cục 18 Hình 1.6: Hoạt động hệ thống GPS 21 Hình 1.7: Sơ đồ ngun lý tính vị trí, vận tốc góc định hướngcủa hệ INS 25 Hình 1.8: Bộ lọc Kalman cho hệ dẫn đường đa cảm biến 29 Hình 1.9: Hệ toạ độ qn tính 30 Hình 1.10: Hệ toạ độ trái đất (e) hệ tọa độ dẫn đường (n) 31 Hình 1.11: Hệ toạ độ gắn liền 32 Hình 1.12: Biểu diễn véc tơ góc quay 34 Hình 2.1: Sơ đồ thuật tốn dẫn đường quán tính 43 Hình 2.2: Sơ đồ thuật tốn lọc Kalman rời rạc 57 Hình 2.3: Khoảng thời gian lấy mẫu INS GPS 59 Hình 2.4: Ảnh hưởng cánh tay đòn 60 Hình 2.5: Phương pháp truyền thẳng (vòng lặp mở) 61 Hình 2.6: Phương pháp phản hồi (vịng lặp đóng) 62 Hình 2.7: Sơ đồ tích hợp INS/GPS tập trung (vịng mở) 64 Hình 2.8: Sơ đồ tích hợp INS/GPS tập trung (vịng đóng) 64 Hình 2.9: Sơ đồ tích hợp INS/GPS phân tán (vịng mở) 65 Hình 2.10: Sơ đồ tích hợp INS/GPS phân tán (vịng đóng) 65 Hình 3.1: Các thành phần hệ thống suy diễn mờ 72 Hình 3.2: Phương pháp giải mờ Mamdani trung bình tâm 74 Hình 3.3: Hệ mờ nhận dạng động học chuyển động 86 Hình 3.4: Các giá trị vào/ra hệ mờ nhận dạng động học chuyển động phương tiện giới quân 88 Hình 3.5:Quá trình nhận dạng động học chuyển động phương tiện giới quân 90 Hình 3.6: Quan hệ vào đầu vào, đầu luật mờ 91 Hình 3.7: Sơ đồ khối đánh giá kết đầu DI(tk) dựa 91 đầu vào luật mờ tương ứng 91 Hình 3.8: Sơ đồ chức khối đánh giá đặc tính chuyển động 92 x Hình 3.9: Sơ đồ hệ suy diễn mờ nhận dạng đặc tính chuyển động 93 Hình 3.10: Sơ đồ khối nhận dạng đặc tính đứng yên/chuyển động phương tiện giới quân 93 Hình 3.11: Sơ đồ khối nhận dạng chuyển động thẳng/chuyển động quay phương tiện giới quân 94 Hình 3.12: Giá trị góc hướng chuyển động tuyến đường thẳng chất lượng mặt đường tốt (đường Hoàng Quốc Việt) 95 Hình 3.13: Kết đánh giá chuyển động cong/thẳng tuyến đường thẳng chất lượng mặt đường tốt (đường Hoàng Quốc Việt) 95 Hình 3.14: Giá trị góc hướng chuyển động tuyến đường thẳng chất lượng mặt đường xấu (đường Nguyễn Khánh Toàn) 95 Hình 3.15: Kết đánh giá chuyển động cong/thẳng tuyến đường thẳng chất lượng mặt đường xấu (đường Nguyễn Khánh Tồn) 96 Hình 3.16: Giá trị góc hướng xe chuyển động tuyến đường nhiều ngã ngã bùng binh (Vườn hoa Trung tâm) 96 Hình 3.17: Kết đánh giá chuyển động cong/thẳng tuyến đường nhiều ngã ngã bùng binh (Vườn hoa Trung tâm) 97 Hình 3.18 Góc hướng có hiệu chỉnh khơng hiệu chỉnh phương tiện trạng thái không chuyển động 97 Hình 3.19 Góc nghiêng góc chúc có hiệu chỉnh không hiệu chỉnh phương tiện trạng thái không chuyển động 98 Hình 3.20 Sai số tốc độ có hiệu chỉnh không hiệu chỉnh phương tiện chuyển động cong (Vườn hoa Trung tâm) 99 Hình 3.21: Sai số vị trí đánh giá lọc Kalman có hiệu chỉnh khơng có hiệu chỉnh 100 Hình 3.22: Quỹ đạo chuyển động đánh giá lọc Kalman chưa có hiệu chỉnh có hiệu chỉnh sai số 100 Hình 4.1 Cấu trúc điều khiển mờ TSK 104 Hình 4.3: Cấu trúc lọc Kalman mờ đánh giá độ cân mặt phẳng bệ thân xe phương tiện giới quân 107 Hình 4.4: Hệ mờ đánh giá giá trị R 110 Hình 4.5: Tập mờ số động học gia tốc kế quay 111 Hình 4.6: Quan hệ vào mơ hình mờ 112 Hình 4.7: Quan sát giá trị vào mơ hình mờ 112 Hình 4.7: Con quay ADIS16354 gia tốc kế ADIS16209 113 Hình 4.8: Chương trình mơ Matlab 113 Hình 4.9 Giá trị góc nghiêng tính từ đầu gia tốc kế, quay lọc Kalman mờ 114 Hình 4.10 Giá trị góc chúc tính từ đầu gia tốc kế, quay lọc Kalman mờ 115 Hình 4.11 Giá trị góc chúc tính từ đầu gia tốc kế, quay lọc Kalman mờ thử nghiệm động 116 113 chủ yếu phụ thuộc vào đặc tính kỹ thuật thiết bị kinh nghiệm chuyên gia Hình 4.7: Con quay ADIS16354 gia tốc kế ADIS16209 Để kiểm tra lọc Kalman mở rộng mờ đề xuất, nghiên cứu sinh cài đặt lập trình ngơn ngữ Visual C để kiểm tra kết thực nghiệm nhận từ chương trình mơ Các tiêu đưa đánh giá so sánh giá trị góc chúc ngóc góc nghiêng nhận từ giá trị đầu quay, gia tốc kế từ lọc Kalman mờ đề xuất Hình 4.8: Chương trình mơ Matlab 5.4.1 Chế độ thử tĩnh Kiểm tra thử nghiệm cho khối đo lường quán tính nằm bàn xoay phịng thí nghiệm với góc nghiêng thực tế 1.2 độ (hình 4.9), so sánh 114 giá trị thu ta có kết góc nghiêng dao động khoảng sau: từ gia tốc kế (0.60  1.80), từ quay (0.90  1.50), từ lọc Kalman mờ (1.1  1.30) Hình 4.9: Giá trị góc nghiêng tính từ đầu gia tốc kế, quay lọc Kalman mờ 115 Hình 4.10: Giá trị góc chúc tính từ đầu gia tốc kế, quay lọc Kalman mờ Thử nghiệm tĩnh với góc chúc thực tế (-0.20) ta thu kết sau: từ gia tốc kế (-0.80  0.40), từ quay (-0.50  0.10), từ lọc Kalman mờ (-0.30  0.20) (hình 4.10) Kết cho thấy chế độ thử tĩnh, lọc Kalman mờ đưa kết xác, ổn định thời gian dài, khơng suy biến có sai số ±0.1 116 5.4.2 Chế độ thử động Tiến hành thử nghiệm lấy liệu cho khối đo lường quán tính di chuyển mặt phẳng nằm ngang, 012 giây cho khối cố định sau bắt đầu di chuyển từ khoảng thời gian từ 13s50s Trong trường hợp giá trị góc đo từ cảm biến bị nhiễu mạnh tác động gia tốc Tĩnh (0s-12s) Chuyển động (13s-50s) Tĩnh (0s-12s) Chuyển động (13s-50s) Tĩnh (0s-12s) Chuyển động (13s-50s) Hình 4.11: Giá trị góc chúc tính từ đầu gia tốc kế, quay lọc Kalman mờ thử nghiệm động 117 Qua hình 4.11 ta thấy khối đo lường di chuyển, tác động gia tốc, giá trị góc nghiêng góc chúc thu từ cảm biến có sai số cao ±1 độ, lọc Kalman mờ đưa kết xác với sai số ±0.2 độ Từ kết thu mô phỏng, thiết bị hoàn chỉnh thiết kế lắp đặt sử dụng phương tiện giới quân ứng dụng vào 01 đề tài cấp Bộ Quốc phòng [1] 01 đề tài cấp nhà nước [6] 5.5 Kết luận chương Trong chương này, thuật tốn để tính toán độ cân mặt phẳng bệ thân xe phương tiện giới quân áp dụng lọc Kalman mờ thích nghi đưa Để thiết kế lọc Kalman, biến trạng thái định nghĩa sử dụng mối liên quan góc Euler tốc độ góc Từ biến trạng thái này, mơ hình q trình biểu diễn thành cơng thức tuyến tính, mơ hình đo lường đầu gia tốc kế sử dụng trực tiếp mà không qua phép chuyển đổi khác Do mô hình đo lường chịu ảnh hưởng nhiễu gia tốc phương tiện chuyển động, để hiệu chỉnh sai số này, thuật tốn thích nghi tham số cài đặt sử dụng logic mờ để đưa giá trị ma trận hiếp biến đo lường R hợp lý tương ứng với trình động học chuyển động Các thuật toán đề xuất áp dụng thực tiễn mang lại hiệu thiết thực 118 KẾT LUẬN Những đóng góp luận án: Phát triển hệ nhận dạng động học chuyển động phương tiện giới quân dựa logic mờ Hệ nhận dạng động học có khả đưa đánh giá xác trạng thái động học thời phương tiện Thông qua trạng thái ta hiệu chỉnh lại số tham số hệ dẫn đường quán tính điều chỉnh lại tham số lọc Kalman để hạn chế sai số đánh giá tham số vị trí chuyển động Xây dựng thuật toán kết hợp lọc Kalman với hệ suy diễn mờ trộn liệu đầu gia tốc kế quay để đánh giá tham số độ cân mặt phẳng bệ thân xe phương tiện giới quân Giá trị đầu quay ổn định thời gian đáp ứng nhanh với tác động động học Tuy nhiên để tính giá trị góc ta phải tiến hành phép tích phân Trong đó, giá trị đầu của gia tốc kế không bị ảnh hưởng mặt thời gian lại chịu tác động gia tốc trọng trường trái đất, đáp ứng chậm tác động gia tốc Với đặc tính sai số khác vậy, trộn hai liệu lọc Kalman có hiệu chỉnh sai số qua điều khiển mờ Takagi-Sugeno, ta thu kết tốt đánh giá cân mặt phẳng bệ thân xe phương tiện giới quân với sai số đáp ứng toán quân Các thuật toán kiểm nghiệm với liệu trường thiết bị dẫn đường quán tính ISU-BP3010, thu GPS HI-204E, ADIS16354 ADIS16209 Từ kết mô Matlab-Simulink lập trình ngơn ngữ VisualC khẳng định tính xác khả áp dụng thuật toán Khả áp dụng vào thực tế: Các kết luận án áp dụng vào 01 đề tài cấp Bộ Quốc phòng 01 đề tài cấp Nhà nước Đây hướng cần tập trung nghiên cứu 119 ứng dụng cho xe huy quân sự, nâng cao khả tác chiến Quân đội Các thuật toán đưa luận án áp dụng vào toán xác định định vị mục tiêu, ổn định bệ đài quan sát lắp phương tiện giới quân sự, giữ thăng cho máy bay không người lái, điều khiển xuồng cao tốc không người lái, robot tự động rà phá bom mìn,… Hướng nghiên cứu phát triển tiếp theo: Bộ lọc Kalman đánh giá xác sai số cảm biến biết trước hệ thống, số liệu đo thuộc tính ngẫu nhiên chúng Tuy nhiên hệ dẫn đường quán tính dựa cơng nghệ MEMS có sai số ngẫu nhiên lớn nên khó khăn việc mơ hình hoá sai số hệ thống dẫn đến việc giảm độ xác đánh giá lọc Kalman Một toán cần phát triển phải cải tiến lọc Kalman cho giải sai số mang tính phi tuyến cao cơng nghệ vi điện tử Các lọc Kalman áp dụng lọc Kalman mở rộng lọc Kalman không chất (unscented filter) Bộ lọc Kalman mờ đánh giá độ cân mặt phẳng bệ thân xe phương tiện giới quân dừng lại bước tính tốn giá trị góc chúc ngóc góc nghiêng Để áp dụng cho toán cân ổn định bệ xe toán đặc thù quân khác cần phải có phát triển điều khiển PID Ngoài ra, hệ mờ dừng lại việc khảo sát thiết bị hãng Analog Devices, kiểm tra độ cân chưa đánh giá thử nghiệm nhiều tình Để thuật tốn đề xuất thực có ý nghĩa cần phải kiểm tra hoạt động chúng với thiết bị dẫn đường quán tính nhiều hãng khác nhau, lắp đặt nhiều loại phương tiện giới quân kiểm tra nhiều địa hình khác nhau, với tốc độ di chuyển liên tục thay đổi q trình kiểm tra 120 CÁC CƠNG TRÌNH KHOA HỌC ĐÃ CÔNG BỐ Lê Hùng Lân, Phạm Hải An (2005), “Khái niệm trộn liệu đa cảm biến, áp dụng quy tắc Bayesian cho trình trộn”, Tuyển tập báo cáo khoa học, Hội nghị khoa học kỹ thuật đo lường toàn quốc lần thứ IV, tr 883-888 Lê Hùng Lân, Nguyễn Quang Hùng, Phạm Hải An (2006), “Áp dụng Lý thuyết Dempster-Shafer cho trình trộn liệu đa cảm biến”, Tạp chí nghiên cứu khoa học công nghệ quân sự, Trung tâm KHKT&CNQS, tr 164-170 Lê Hùng Lân, Nguyễn Quang Hùng, Phạm Hải An (2008), “Tích hợp liệu đa cảm biến đánh giá hướng chuyển động phương tiện giao thông mặt đất dựa cảm biến quán tính sử dụng hệ chuyên gia mờ”, Tạp chí nghiên cứu khoa học công nghệ quân sự, Trung tâm KHKT&CNQS, tr 8793 Phạm Hải An, Nguyễn Quang Hùng, Nguyễn Văn Chúc, Ngơ Trọng Mại (2009), “Nâng cao tính khả dụng hệ dẫn đường phương tiện giới tích hợp MEMS-INS/GPS hệ suy diễn nơron mờ” Tạp chí nghiên cứu khoa học công nghệ quân sự, Viện Khoa học Công nghệ quân , tr 5-11 Lê Hùng Lân, Phạm Hải An, Nguyễn Vũ, Vũ Minh Khiêm, Phạm Thanh Hà (2010), "Đánh giá độ nghiêng mặt phẳng bệ phương tiện động quân sử dụng thiết bị MEMS-INS" Tuyển tập báo cáo khoa học, Hội nghị khoa học kỹ thuật đo lường toàn quốc lần thứ V, tr 168-174 121 TÀI LIỆU THAM KHẢO Tiếng Việt Phạm Hải An, Vũ Minh Khiêm,… (2009), “Nghiên cứu thiết kế, chế tạo khối đo lường cấp lệnh điều khiển tự động ổn định bệ đài quan sát phịng khơng phương tiện động quân sự” Đề tài cấp BQP, Viện TĐHKTQS Phạm Hải An, Nguyễn Quang Hùng, Nguyễn Văn Chúc, Ngô Trọng Mại (2009), “Nâng cao tính khả dụng hệ dẫn đường phương tiện giới tích hợp MEMS-INS/GPS hệ suy diễn nơron mờ” Tạp chí nghiên cứu khoa học công nghệ quân sự, Viện Khoa học công nghệ quân sự, tr 5-11 Nguyễn Văn Chúc, Tô Văn Dực, (2005) Một số vấn đề phục vụ thiết kế hệ thống điều khiển tên lửa đối hải, Nhà xuất Quân đội nhân dân Nguyễn Văn Chúc, (2008) “Nghiên cứu tích hợp hệ thống dẫn đường quán tính sở cảm biến vi điện tử phục vụ điều khiển dẫn đường phương tiện chuyển động” Báo cáo Đề tài cấp Trung tâm, Viện Tên lửa-Trung tâm KHKT&CNQS Bùi Cơng Cường, Nguyễn Dỗn Phước (2001) Hệ mờ mạng nơ ron & ứng dụng, Nxb KHKT Nguyễn Thanh Hải, Lê Hùng Lân, Phạm Hải An, (2010) “Nghiên cứu thiết kế, chế tạo thiết bị định vị vệ tinh phục vụ giám sát, quản lý phương tiện giao thông đường bộ, đường sắt” Chương trình KHCN cấp nhà nước mã số: KC.06.02/06-10 Lê Hùng Lân, Phạm Hải An (2005) “Khái niệm trộn liệu đa cảm biến, áp dụng quy tắc Bayesian cho trình trộn”, Tuyển tập báo cáo 122 khoa học, Hội nghị khoa học kỹ thuật đo lường toàn quốc lần thứ IV, tr 883-888 Lê Hùng Lân, Nguyễn Quang Hùng, Phạm Hải An (2006), “Áp dụng Lý thuyết Dempster-Shafer cho trình trộn liệu đa cảm biến”, Tạp chí nghiên cứu khoa học cơng nghệ quân sự, Trung tâm KHKT&CNQS, tr 164-170 Lê Hùng Lân, Nguyễn Quang Hùng, Phạm Hải An (2008), “Tích hợp liệu đa cảm biến đánh giá hướng chuyển động phương tiện giao thông mặt đất dựa cảm biến quán tính sử dụng hệ chuyên gia mờ”, Tạp chí nghiên cứu khoa học cơng nghệ qn sự, Trung tâm KHKT&CNQS, tr 87-93 10 Lê Hùng Lân, Phạm Hải An, Nguyễn Vũ, (2010), "Đánh giá độ nghiêng mặt phẳng bệ phương tiện động quân sử dụng thiết bị MEMS-INS" Tuyển tập báo cáo khoa học, Hội nghị khoa học kỹ thuật đo lường toàn quốc lần thứ V, tr 168-174 11 Phan Xuân Minh, Nguyễn Doãn Phước (2002) Lý thuyết điều khiển mờ NXB KH KT 12 Trần Đức Thuận, (2005) “Tính toán thiết kế mẫu nguyên lý triển khai chế tạo số cụm chức tên lửa hành trình đối hải với vận tốc bay âm” Báo cáo Đề tài cấp Trung tâm, Viện Tên lửaTrung tâm KHKT&CNQS Tiếng Anh 13 Brown, R G and Hwang, P Y C (1992) Introduction to Random Signals and Applied Kalman Filtering John Wiley & Sons, Inc., SE 14 Conte, S D and de Boor, C (1980) Elementary Numerical Analysis: An Algorithmic Approach McGraw–Hill, third edition 123 15 Cousins, F W (1990) The anatomy of a the gyroscope, in Hollington, J.H (Ed.): Agardograph 313, Parts I, II and III, (AGADR, 1990) 16 David L.Hall, James LLinas (2001) Handbook Of Multi-Sensor Data Fusion 2001 CRC Press LLC 17 Dissanayake, G., S Sukkarieh, E Nebot and H Durrant-Whyte (2001) “The aiding of a low-cost strapdown inertial measurement unit using vehicle model constraints for land vehicle applications”, IEEE Transactions on Robotics and Automation, Vol 17, No 5, pp 731-747 18 El-Sheimy, N (2003) Inertial Techniques and INS/DGPS Integration ENGO 623 Lecture Notes, The Department of Geomatics Engineering, University of Calgary, Canada 19 El-Sheimy, N., A-H Walid and G Lachapelle (2004) “An adaptive neuro-fuzzy model for bridging GPS outages in MEMS-IMU/GPS land vehicle navigation”, Proceedings of ION GNSS 2004, 21-24 September, Long Beach, CA, USA, pp 1088-1095 20 Farrell, J A and Barth, M (1998) The Global Positioning System & Inertial Navigation McGraw–Hill 21 Gelb, A., Kasper Jr., (1974) Applied Optimal Estimation Cambridge, Massachusetts: The Massachusetts Institute of Technology Press 22 Grewal, M S., Weill, L R., and Andrews, A P (2001) Global Positioning, Wiley-Interscience 23 G.W.Ng and K H Ng (2000) “Sensor management - what, why and how” International Journal on Multi-Sensor, Multi-Source Information Fusion, December 2000 24 G.W.Ng (2004) Intelligent Systems Fusion, Tracking and Control, UMIST 124 25 H Durrant-Whyte and M Stevens (2001) Data fusion in decentralized sensing networks Fusion 2001, 1, August 2001 26 Jaffe, R., S Bonomi and A M Madni (2004) “Miniature MEMS quartz INS/GPS description and performance attributes”, Proceedings of ION GNSS 2004, 21-24 September, Long Beach, CA, USA, pp 852-863 27 Jang, J (1991) “Fuzzy modeling using generalized neural networks and Kalman filter algorithm”, Proceedings of the Ninth National Conference on Artificial Inelegance (AAAI-91), July 1991, pp 762-767 28 Jang, J (1993) “Self-learning fuzzy controllers based on temporal back propagation”, IEEE Transactions on Neural Networks, Vol No 5, pp.714-23 29 J B Treece (1998) Adding measurememt dimension can decrease the probability of correct correlation SPIE, 3373:320–330, 1998 30 Kandel, A (Editors) (1992) Fuzzy Expert Systems Boca Raton, FL: CRC Press 31 Karatsinides, S P (1994) “Enhancing filter robustness in cascaded GPS-INS integrations”, IEEE Transactions on Aerospace and Electronic Systems, Vol 30, No 4, pp 1001-1008 32 L A Klein (1999) Sensor and Data Fusion Concepts and Applications SPIE Optical Engineering Press, 1999 Second Edition 33 Malhotra, R and Malhotra, D (1999) “Fuzzy systems and neurocomputing in credit approval”, Journal of Lending & Credit Risk Management, Vol 81 No 11, pp 24-7 34 Mamdani, E H and S Assilian (1975) “An experiment in linguist synthesis with fuzzy logic controller”, International Journal of ManMachine Studies, Vol 7, No 1, pp 1- 13 125 35 Mohamed, A H and K P Schwarz (1999) “Adaptive Kalman filtering for INS/GPS”, Journal of Geodesy, Vol 73, pp.193-203 36 Mohinder S Grewal, Lawrence R Weill (2007) Global Positioning Systems Inertial Navigation and Integration 2nd Edition, Jan 2007, A John Wiley & Sons, Inc., Publication 37 R C Luo and M G Kay (1989) “Multisensor integration and fusion in intelligent systems” IEEE Transactions on Systems Man and Cybernetics, 19(5):901– 931 38 R E Kalman (1960) “A new approach to linear filtering and prediction problems” Journal of Basic Engineering, pages 35–45 39 Rogers, R M (2000) Applied Mathematics in Integrated Navigation Systems American Institute of Aeronautics and Astonautics, Inc 40 Salychev, O (1998) Inertial Systems in Navigation and Geophysics Bauman MSTU Press 41 Salychev, O., V V Voronov, M E Cannon, R A Nayak and G Lachapelle (2000) “Low cost INS/GPS integration: concepts and testing”, Proceedings of ION NTM 2000, 26-28 January, Anaheim, CA, USA, pp 98-105 42 Sasiadek, J Z., Q Wang and M B Zeremba (2000) “Fuzzy adaptive Kalman filtering for INS/GPS data fusion”, Proceedings of the 15th IEEE International Symposium on Intelligent Control, 17-19 July, Rio, Patras, Greece, pp.181-186 43 Schwarz, K.-P and El-Sheimy, N (2000) KINGSPADTM Users Manual Dept of Geomatics Eng, The University of Calgary, Canada, Version 3.0 edition 126 44 Skaloud J.; Bruton, A.M and Schwarz, K.P (1999) “Detection and Filtering of Short-Term (1/f) Noise in Inertial Sensors”, Journal of The Institute of Navigation, Vol 46, No 2: 97-107 45 Smithson, T.G (1987) “A review of the mechanical design and development of a high performance accelerometer”, Conference on mechanical technology of inertial sensors, C49/87 46 Shin, E-H (2005) Estimation Techniques for Low-Cost Inertial Navigation PhD Thesis, UCGE Report No 20219, Department of Geomatics Engineering, University of Calgary, Canada 47 Sukkarieh, S (2000) Low Cost, High Integrity, Aided Inertial Navigation Systems for Autonomous Land Vehicles Ph.D Thesis, Australian Centre for Field Robotics, Department of Mechanical and Mechatronic Engineering, The University of Sydney, Sydney, Australia 48 Swanson, S R (1998) “A fuzzy navigational state estimator for GPS/INS integration”, IEEE Position Location and Navigation Symposium, 20-23 April, Palm Springs, CA, USA, pp 541-548 49 S S Iyengar, D N Jayasimha, and D Nadig (1994) “A versatile architecture for the distributed sensor integration problem” IEEE Transaction on Computer, 43(2):175–185 50 Titterton D.H and Weston, J.L (1997) Strapdown inertial navigation technology Peter Peregrinus Ltd., London, UK, 1997 51 T Takagi and M Sugeno (1983) “Derivation of fuzzy control rules from human operator’s control actions” Proc of the IFAC Symp on Fuzzy Information, Knowledge Representation and Decision Analysis, pages 55-60, July 1983 127 52 T Takagi and M Sugeno (1985) “Fuzzy identification of systems and its applications to modeling and control” IEEE Trans on Systems, Man, and Cybernetics, 15:116–132 53 Wang, J-H and Y Gao (2004b) “GPS-based land vehicle navigation system assisted by a low-cost gyro-free INS using neural network”, The Journal of Navigation, Vol 57, No 3, pp 417-428 54 Wang, J-H., Y Gao and Y Zhang (2005) “An intelligent MEMS IMUbased land vehicle navigation system enhanced by dynamics knowledge”, Proceedings of ION AM 2005, 27-29 June, Cambridge, MA, USA 55 Wei, M and K P Schwarz (1990) “Testing a decentralized filter for GPS/INS integration”, Proceedings of IEEE PLANS 1990, 20-23 March, Las Vegas, Nevada, USA, pp 429–435