Trong chương này, chúng ta đã thảo luận về các mô hình hệ thống và mô hình phép đo sử dụng phương pháp định vị dựa trên công nghệ VLC và cảm biến Gyro. Đồng thời, chúng ta cũng đã mô hình hóa các sai số hệ thống và sai số của phép đo. Các sai số này có phân bố Gauss, độc lập và có giá trị trung bình bằng 0, được sinh ra do các yếu tố từ hệ thống và môi trường.
Để nâng cao độ chính xác của thuật toán định vị kết hợp AOA-RSS, chúng ta sử dụng bộ lọc Kalman mở rộng để kết hợp nó với thông tin về vị trí từ hệ thống nhằm đạt được một vị trí ước lượng tốt nhất. Trong phần nội dung của chương này, tôi đã
trình bày hai bước trong thuật toán bộ lọc Kalman mở rộng: ước định vị trí và hiệu chỉnh vị trí để tìm vị trí ước lượng tối ưu của robot di động. Đây là nội dung chính của
chương ba cũng như của toàn bộ luận văn này. Ngoài ra, bộ lọc Kalman mở rộng còn đóng vai trò như một “cơ cấu bù” để chống lại các sai số gây ra bởi hệ thống và môi trường. Các sai số này có đặc tính tích lũy theo thời gian do đó nó làm cho robot lệch khỏi quỹ đạo của nó. Khi sử dụng bộ lọc Kalman mở rộng, robot luôn tính toán lại véc-tơ điều khiển u ( sˆL,sˆR)sau mỗi chu kỳ lấy mẫu từ vị trí ước lượng tối ưu của robot để điều khiển cơ cấu chấp hành của robot thực hiện việc bám theo quỹ đạo định trước.
Chương 4
KẾT QUẢ MÔ PHỎNG VÀ ĐÁNH GIÁ