Entwurf eines dynamischen Systems zur Sensorfusion



Table of contents
Entwurf eines dynamischen Systems zur Sensorfusion
€44.00

Paperback €44.00

About the book

Details

Viele technische Anwendungen erfordern eine Auswertung von Information über die natürliche, sich ändernde Umwelt, um Systeme zu steuern oder Entscheidungen abzuleiten. Oft sind Größen zu ermitteln, die sich dynamisch verhalten. Zur Datenermittlung werden Sensoren eingesetzt, die bestimmte Aspekte der Umwelt abbilden. Beispielsweise können dies Thermometer, Mikrofone oder Seismographen sein. Alle diese Sensoren besitzen unterschiedliche Eigenschaften und sind verschieden kalibriert. Die gewonnenen Daten unterliegen weiterhin sensorspezifischen Störeinflüssen. Deshalb ist die Güte einer Sensoraufnahme begrenzt. Um stabile und präzise Messergebnisse zu erhalten, werden häufig mehrere Sensormessungen desselben Typs fusioniert. Ziel ist die robuste Schätzung einer interessierenden Größe. Im einfachsten Fall wird die Genauigkeit einer Schätzung durch die arithmetische Mittelung der gewonnenen Information erhöht. Dadurch vermindert sich die Varianz des Rauschanteils der Daten. Reichen die redundanten Informationen zur Ermittlung einer Größe nicht aus, müssen zusätzliche, sich in ihrem Informationsgehalt ergänzende Daten gewonnen werden. Dies gelingt durch den Einsatz verschiedener Sensorarten. Ein Beispiel hierzu stellen Umweltüberwachungssysteme dar, die dazu dienen, bestimmte Aspekte einer komplexen natürlichen Umgebung aufzunehmen, wie zum Beispiel der Bodenfeuchtigkeit von Ackerflächen. Alle vorhandenen Informationen gilt es dann zu fusionieren. Die mit verschiedenen Sensoren gewonnenen Daten besitzen jedoch meist unterschiedliche Güten und Eigenschaften oder weisen verschiedene Datenformate auf. Außerdem unterliegen sie unterschiedlichen ändernden Randbedingungen. Daher ergeben sich höhere Anforderungen an ein Fusionsverfahren. Bisher verwendete Verfahren zur Fusion unterschiedlicher Sensordaten reichen von statistischen Methoden über Fuzzy-Systeme und neuronale Netze bis zu Expertensystemen. In dieser Arbeit wird eine Architektur entwickelt, die es erlaubt, verschiedenartige Information, z. B. aus Sensordaten, Nachbarschaftsbetrachtungen und Expertenwissen, einheitlich über einer Zustandsvariablen eines dynamischen Systems zu beschreiben. Durch die additive Kopplung dieser Informationen in einer nichtlinearen Dynamik lassen sich diese Beiträge hinsichtlich einer physikalischen Größe robust kombinieren und überlagerte Störungen vermindern. Am Beispiel simulierter Temperaturzeitreihen und realer Strahlungsdaten eines flugzeuggetragenen dreikanaligen Radiometers wird ein System zur Multisensor-Datenfusion entwickelt. Den aufgezeigten Fusionsproblemen liegt jeweils eine Dynamik zu Grunde, die physikalischen Gesetzen folgt und kontinuierlich in ihren Zustandsgrößen ist. Zur Lösung dieser Fusionsaufgabe wird ein ebenfalls zustandsbehaftetes dynamisches System entwickelt. Der Vorteil dieses Systems besteht darin, dass jede Art der Information, unabhängig von ihrer Herkunft, als Fixpunkt-Attraktor der dynamischen Zustandsgröße beschrieben wird. Zusammengefasst bilden sie ein nichtlineares dynamisches System in Form einer Differentialgleichung erster Ordnung. Diese kann numerisch mit dem Euler-Verfahren gelöst werden. Es wird gezeigt, dass das entwickelte Fusionsverfahren sehr robust gegen Störungen ist und aus den zur Verfügung stehenden Daten verlässliche Ergebnisse erzielt. Der Einfluss des Rauschens in den Daten auf die zu ermittelnde Größe wird verringert und Ausreißer sowie korrelierte und unkorrelierte Störungen in den Daten werden eliminiert. Auf Grund seines modularen Aufbaus lässt sich zusätzliches Wissen leicht in das System integrieren. Durch die während der Erfassung des Datenstromes erfolgende Analyse mit Hilfe eines weiteren dynamischen Systems kann die Güte eines Sensors bewertet werden. Driften die Messwerte eines Sensors aus einem eingestellten Bereich, dann werden die Sensordaten rekalibriert. Diese zusätzliche Dynamik ist so mit dem Sensorfusionssystem gekoppelt, dass die Gesamtdynamik jederzeit stabil ist. Das von Carsten Winkel entwickelte Verfahren besitzt den Vorteil, dass es eine niederdimensionale Beschreibungsform darstellt, um verschiedene Informationsbeiträge, unabhängig von der jeweiligen Informationsquelle, zu kombinieren. Die wenigen Parameter sind physikalisch interpretierbar und bei vorhandenem Zusatzwissen präzise festzulegen. Mit diesem dynamischen Ansatz kann auf aufwendige Lernverfahren zur Fusion verzichtet werden. Ähnlich einem Experten mit Erfahrung in der visuellen Beurteilung der Daten fusioniert dieses System selbstständig alle zugänglichen Informationen direkt aus den Sensordaten und weiterem Wissen über den Messvorgang. Auf Grund der robusten Eigenschaften des sich ergebenden Systems ist die entwickelte Methode auch auf andere Anwendungsgebiete leicht übertragbar.
Additional Information

Additional Information

Delivery time 2-3 Tage / 2-3 days
Author Carsten Winkel
Number of pages 150
Language German
Publication date Oct 1, 2001
Weight (kg) 0.2270
ISBN-13 9783898211543