As the quadrocopter, as a system, i

As the quadrocopter, as a system, includes nonlinearities, it is
common practice to employ the Extended Kalman filter (illustrated
in Fig. 6), where a linear approximation is only used for solving
the Riccati equation, a result of which is the Kalman gain. The full,
nonlinear model is used in the propagation of the estimate and in
computing the predicted sensor outputs [34]. This would introduce
a heavy load on the on-board, high-level processor and thus was
not selected for our application. Therefore, a nonlinear part of
the quadrocopter system (mainly the nonlinear coordinate system
transformation from the quadrocopter’s coordinate system K to
the target coordinate system T ) was decoupled from the linear
part of the system and replicated on the path of the acceleration
measurement vector aK entering the Kalman filter (Fig. 7) in order
to enable aT to enter the Kalman filter directly. This enabled us to
employ a basic (linear) form of the Kalman filter that presents a
much lighter load to the processor.

ผลลัพธ์ (ไทย) 1:

เป็น quadrocopter เป็นระบบ มี nonlinearities เป็นจารีตการใช้ตัวกรอง Kalman ขยาย (ภาพประกอบใน Fig. 6), ที่ประมาณเส้นจะใช้เฉพาะสำหรับการแก้Riccati สมการ ผลลัพธ์ที่เป็นกำไร Kalman เต็มใช้ในการเผยแพร่ ของการประเมิน และในแบบจำลองไม่เชิงเส้นคำนวณการเคลื่อนเซ็นเซอร์แสดงผล [34] นี้จะแนะนำหนักโหลดบนโพรเซสเซอร์ที่เหลือเฟือ ระดับสูง และจึง มีไม่ได้เลือกสำหรับโปรแกรมประยุกต์ของเรา ดังนั้น ส่วนที่ไม่เชิงเส้นของระบบ quadrocopter (ส่วนใหญ่ไม่เชิงเส้นระบบพิกัดการเปลี่ยนแปลงจาก quadrocopter พิกัดระบบ Kพิกัดระบบ T) ถูก decoupled จากการเชิงเส้นเป็นส่วนหนึ่งของระบบ และการจำลองแบบแล้วบนเส้นทางของความเร่งวัดเวกเตอร์ aK ใส่กรอง Kalman (Fig. 7) ตามลำดับการเปิดใช้งานในการป้อนตัวกรอง Kalman โดยตรง นี้ช่วยให้เราสามารถใช้แบบฟอร์มพื้นฐาน (เชิงเส้น) ของตัวกรอง Kalman ที่แสดงการโหลดมากเบากับตัวประมวลผล

ผลลัพธ์ (ไทย) 2:

ในฐานะที่เป็น quadrocopter เป็นระบบรวมถึง nonlinearities มันเป็น
เรื่องธรรมดาที่จะจ้างกรองคาลมาขยาย (แสดง
ในรูปที่. 6) ที่ประมาณเชิงเส้นจะถูกใช้สำหรับการแก้
สมการ Riccati, ผลจากการที่เป็นกำไรจากคาลมาน . เต็ม
รูปแบบไม่เชิงเส้นที่ใช้ในการขยายพันธุ์ของประมาณการและใน
การคำนวณเอาท์พุทเซ็นเซอร์ที่คาดการณ์ไว้ [34] นี้จะแนะนำ
ภาระหนักในบนกระดานหน่วยประมวลผลระดับสูงและดังนั้นจึง
ไม่ได้เลือกสำหรับการใช้งานของเรา ดังนั้นส่วนที่ไม่เป็นเชิงเส้นของ
ระบบ quadrocopter (ส่วนใหญ่ไม่เชิงเส้นระบบพิกัด
การเปลี่ยนแปลงจากระบบพิกัด quadrocopter ของ K เพื่อ
เป้าหมายระบบพิกัด T) คือการหลุดพ้นจากการเชิงเส้น
ส่วนหนึ่งของระบบและการจำลองแบบบนเส้นทางของการเร่ง
การวัดเวกเตอร์ aK เข้า กรองคาลมา (รูปที่. 7) ในการสั่งซื้อ
เพื่อเปิดใช้งาน aT เพื่อป้อนกรองคาลมานโดยตรง นี้ช่วยให้เราสามารถ
จ้างขั้นพื้นฐาน (เชิงเส้น) รูปแบบของตัวกรองคาลมานที่นำเสนอ
ในการโหลดเบามากในการประมวลผล

ผลลัพธ์ (ไทย) 3:

เป็น quadrocopter เป็นระบบ รวมถึง nonlinearities มัน
ฝึกทั่วไปจ้างขยายกรองคาลมาน ( ภาพประกอบ
ในรูปที่ 6 ) ซึ่งมีการประมาณเชิงเส้นจะใช้สำหรับการแก้สมการ riccati
, ผลของซึ่งเป็น คาลมานได้ เต็มรูปแบบ
ไม่เชิงเส้นใช้ในการประมาณการและคำนวณคาดการณ์ผลผลิต
เซ็นเซอร์ [ 34 ] นี้จะแนะนำ
หนักบนบอร์ดประมวลผลระดับสูงจึงถูก
ไม่ได้เลือกสำหรับโปรแกรมของเรา ดังนั้น ในส่วนของระบบไม่เชิงเส้น
quadrocopter ( ส่วนใหญ่ระบบพิกัดเชิงเส้นการแปลงจาก K


quadrocopter ระบบพิกัดของเป้าหมายระบบพิกัด T ) คือแบบ จากส่วนหนึ่งของระบบจำนวนเชิงเส้น

บนเส้นทางของความเร่งเวกเตอร์วัดและเข้าสู่ตัวกรองคาลมาน ( รูปที่ 7 ) เพื่อใช้ในการป้อน
ตัวกรองคาลมานได้โดยตรง ทำให้เรา

ใช้พื้นฐาน ( เชิงเส้น ) รูปแบบของตัวกรองคาลมานแสดง
เบามากโหลดไปยังหน่วยประมวลผล