Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

D論公聴会資料

6,828 views

Published on

Published in: Education
  • Be the first to comment

D論公聴会資料

  1. 1. システム同定による 小型無人航空機の飛行特性取得 鈴木・土屋研究室 成岡 優
  2. 2. 修正事項一覧 <ul><li>アビオニクス精度確認における結果を 固有モードによる比較でも検証 ( 図 4.40) </li></ul><ul><li>PP-MRA 法に関して考察を追加 ( 第 6 章 ) </li></ul><ul><li>レイノルズ数による考察 ( 第 7 章 ) </li></ul><ul><li>簡易推算法の精度について、 風洞試験結果との比較 ( 付録 C.1) </li></ul><ul><li>作成ツールの使用方法 ( 付録 C.2) </li></ul><ul><li>計算コストに関する評価 ( 付録 C.3) </li></ul>
  3. 3. 論文の構成 <ul><li>第 1 章 序論 </li></ul><ul><li>第 2 章 システム同定による飛行特性取得 </li></ul><ul><li>第 3 章 数学モデル </li></ul><ul><li>第 4 章 飛行ログの取得 </li></ul><ul><li>第 5 章 一般的手法による飛行ログ解析 </li></ul><ul><li>第 6 章 ウェーブレット変換による飛行ログ解析 </li></ul><ul><li>第 7 章 結言 </li></ul>
  4. 4. 論文の構成 ( 次のスライドより第 1 章 ) <ul><li>第 1 章 序論 </li></ul><ul><ul><li>小型無人航空機 ( 小型 UAV) とは </li></ul></ul><ul><ul><li>飛行特性取得の必要性 </li></ul></ul><ul><ul><li>先行研究の調査 </li></ul></ul><ul><ul><li>研究の目的 </li></ul></ul><ul><li>第 2 章 システム同定による飛行特性取得 </li></ul><ul><li>第 3 章 数学モデル </li></ul><ul><li>第 4 章 飛行ログの取得 </li></ul><ul><li>第 5 章 一般的手法による飛行ログ解析 </li></ul><ul><li>第 6 章 ウェーブレット変換による飛行ログ解析 </li></ul><ul><li>第 7 章 結言 </li></ul>
  5. 5. 無人航空機 (UAV) <ul><li>無人航空機(UAV)は現在、世界中で様々な機種が活発に開発されている </li></ul>Global Hawk 36m, 3850kg ( 軍用、偵察機 ) Aerosonde 2.9m, 14kg ( 高層大気観測機 ) Skyeye3 1.1 m, 1.3 kg ( 汎用 ) 研究対象 大型 UAV 小型 UAV
  6. 6. UAVに期待されている高度な自律性能 そして、必要となる飛行特性の取得 <ul><li>自律、協調が重要 </li></ul><ul><ul><li>例えば災害監視 </li></ul></ul><ul><li>自律や協調動作を可能にするためには、飛行特性が正確にわかる必要がある </li></ul><ul><ul><li>制御器を設計するために飛行特性が数学的に得られている必要がある </li></ul></ul>
  7. 7. 本研究は今後期待される 小型UAVに特に注目 <ul><li>本研究における小型UAVの定義 </li></ul><ul><ul><li>翼幅は約1mの固定翼型航空機 </li></ul></ul><ul><ul><li>総重量は約1—2kg程度 </li></ul></ul><ul><li>注目される小型UAV </li></ul><ul><ul><li>扱いやすい、滑走路が離陸にいらないものも </li></ul></ul><ul><ul><li>情報処理技術やエネルギー技術の進歩で大型UAVにのみ達成できたタスクも実行可能に </li></ul></ul><ul><ul><li>特に日本では大型UAVを導入するのが困難 </li></ul></ul>
  8. 8. 本研究が対象とする小型UAV <ul><li>対象とした小型 UAV </li></ul><ul><ul><li>固定翼機 ( 翼幅は約 1m) </li></ul></ul><ul><ul><li>全備重量は約 1.5-2.5kg </li></ul></ul><ul><ul><li>電動で使いやすい </li></ul></ul><ul><li>主な用途 </li></ul><ul><ul><li>プリセットの自動飛行による空撮任務 </li></ul></ul><ul><ul><li>対故障制御の実験用テストベット </li></ul></ul>エクゼクティブジェット 三菱電機 MARS07AF SJAC オルカ
  9. 9. 数学的に飛行特性を得るための 既存研究との比較 <ul><li>風洞による試験方法は、大型の航空機で培われた洗練された手法であるが用いない </li></ul><ul><ul><li>飛行中不可能、飛行中に制御系を再構築するなど小型 UAV の自律性能の向上に役立てるのは難しい </li></ul></ul><ul><li>“ システム同定”によれば飛行中に可能 </li></ul><ul><ul><li>故障検出などの応用が可能 </li></ul></ul><ul><ul><li>時間的、経済的な開発コストが、大型航空機に比べ比較的小さい小型 UAV の特有の問題も解決できる </li></ul></ul>
  10. 10. 小型UAVの飛行特性取得は 新規的な分野 <ul><li>システム同定による問題点 </li></ul><ul><ul><li>精度のよい飛行ログの取得 </li></ul></ul><ul><ul><li>適した飛行ログの解析手法 </li></ul></ul><ul><li>10kg 超の機体に対するシステム同定例が先行研究にあるが、異なる。小型 UAV は </li></ul><ul><ul><li>搭載できる機材の制限が厳しい </li></ul></ul><ul><ul><li>翼面荷重が 1 桁低く風に弱い </li></ul></ul>先行研究の UAV 22kg, 14.3kg/m 2 15.4kg, 21.4kg/m 2 14kg 2.0kg, 5.0kg/m 2 1.6kg, 6.2kg/m 2 2.5kg, 9.2kg/m 2 小型 UAV
  11. 11. 本研究の目的 <ul><li>以上をまとめて、本研究の目的は </li></ul><ul><ul><li>飛行によって飛行特性が取得可能なシステム同定手法を、小型 UAV において確立すること </li></ul></ul><ul><li>とし、特に </li></ul><ul><ul><li>小型UAVの 飛行ログ取得手法 の確立 </li></ul></ul><ul><ul><ul><li>第4章 </li></ul></ul></ul><ul><ul><li>小型UAVの 飛行ログ解析手法 の確立 </li></ul></ul><ul><ul><ul><li>第5章、第6章 </li></ul></ul></ul><ul><li>の2点を最重要視する </li></ul>
  12. 12. 論文の構成 ( 次のスライドより第 2 章 ) <ul><li>第 1 章 序論 </li></ul><ul><li>第 2 章 システム同定による飛行特性取得 </li></ul><ul><ul><li>広義のシステム同定 </li></ul></ul><ul><ul><li>状態量推定問題との関係 </li></ul></ul><ul><ul><li>飛行特性解析の標準的手順 </li></ul></ul><ul><li>第 3 章 数学モデル </li></ul><ul><li>第 4 章 飛行ログの取得 </li></ul><ul><li>第 5 章 一般的手法による飛行ログ解析 </li></ul><ul><li>第 6 章 ウェーブレット変換による飛行ログ解析 </li></ul><ul><li>第 7 章 結言 </li></ul>
  13. 13. 小型UAVのシステム同定手法にむけて <ul><li>システム同定とは ? </li></ul><ul><ul><li>パラメータ推定問題 ( システム同定の一部 ) </li></ul></ul><ul><ul><li>状態量推定問題との関係 </li></ul></ul>パラメータ Θ を状態量に取り込んで推定 未知で 推定対象
  14. 14. 航空機の飛行特性取得における システム同定の一般的な手順 第 3 章 第 4 章 第 5,6 章 <ul><li>どのようなパラメータを推定するのか </li></ul><ul><li>その為に何を飛行ログとして取得すべきか </li></ul><ul><li>どのような飛行ログを取得するか </li></ul><ul><li>何を使って飛行ログを取得するか </li></ul><ul><li>前処理による飛行ログの精度向上 </li></ul><ul><li>どう飛行ログを解析してパラメータを取り出すか </li></ul><ul><li>推定されたパラメータは確からしいか </li></ul>
  15. 15. 論文の構成 ( 次のスライドより第 3 章 ) <ul><li>第 1 章 序論 </li></ul><ul><li>第 2 章 システム同定による飛行特性取得 </li></ul><ul><li>第 3 章 数学モデル </li></ul><ul><ul><li>有次元安定微係数を用いたモデル化 </li></ul></ul><ul><ul><li>簡易推算法や風洞試験による参照値 </li></ul></ul><ul><li>第 4 章 飛行ログの取得 </li></ul><ul><li>第 5 章 一般的手法による飛行ログ解析 </li></ul><ul><li>第 6 章 ウェーブレット変換による飛行ログ解析 </li></ul><ul><li>第 7 章 結言 </li></ul>
  16. 16. <ul><li>一般的な航空機と等しいと仮定 </li></ul><ul><li>パラメータは有次元安定微係数 </li></ul>小型 UAV の飛行に関する数学的モデル 飛行ログとして 取得すべき値 システム方程式 ( 時不変、縦の微小擾乱方程式 ) 観測方程式
  17. 17. 仮定したモデルから具体化した 小型 UAV における手順 <ul><li>飛行試験で飛行ログを取得 </li></ul><ul><ul><li>舵面に対する操舵入力 </li></ul></ul><ul><ul><li>位置や姿勢などの航法情報 </li></ul></ul><ul><li>飛行ログを適切な手法で解析 </li></ul><ul><ul><li>有次元安定微係数を推定する </li></ul></ul>
  18. 18. パラメータである微係数の参照値 <ul><li>参照値が以下の 3 点の理由で必要 </li></ul><ul><ul><li>推定の結果を評価するため </li></ul></ul><ul><ul><li>飛行ログ取得の際の操舵入力の設計のため </li></ul></ul><ul><ul><li>飛行ログ解析の際に必要となる初期値として </li></ul></ul><ul><li>風洞試験または簡易 推算法によって取得 </li></ul><ul><li>参照値から推測される 小型 UAV の飛行特性 </li></ul><ul><ul><li>例 ) 縦の短周期 1 秒付近 </li></ul></ul>※ なお、簡易推算法による値は 風洞試験に十分近い ( 付録 C.1)
  19. 19. 論文の構成 ( 次のスライドより第 4 章 ) <ul><li>第 1 章 序論 </li></ul><ul><li>第 2 章 システム同定による飛行特性取得 </li></ul><ul><li>第 3 章 数学モデル </li></ul><ul><li>第 4 章 飛行ログの取得 </li></ul><ul><ul><li>小型 UAV の飛行ログ取得方法を確立する </li></ul></ul><ul><ul><li>小型 UAV で利用可能な高精度なアビオニクスの研究開発 </li></ul></ul><ul><ul><li>試験による評価や性能改善方法の模索 </li></ul></ul><ul><ul><li>モンテカルロシミュレーションによる性能保証 </li></ul></ul><ul><li>第 5 章 一般的手法による飛行ログ解析 </li></ul><ul><li>第 6 章 ウェーブレット変換による飛行ログ解析 </li></ul><ul><li>第 7 章 結言 </li></ul>
  20. 20. 大型航空機向け計測装置は搭載不可 ⇒ 計測装置の開発 MEMS INS/GPS 航法装置 エアデータセンサ (ADS) コマンド ロガー
  21. 21. <ul><li>航法情報の収集 </li></ul><ul><ul><li>位置、速度、姿勢 </li></ul></ul><ul><li>センサ・フュージョンによる高精度化 </li></ul><ul><ul><li>精度が悪いが小さく軽い MEMS センサによる INS ( ドリフト : 1000deg/hr 以上 ) </li></ul></ul><ul><ul><li>観測頻度が低いが精度が高い GPS 受信機 </li></ul></ul><ul><ul><li>16 状態量の拡張 カルマンフィルタによる統合 </li></ul></ul>MEMS INS/GPS 航法装置 (Sylphide) 121g 51 x 51 x 60 mm MEMS ジャイロ MEMS 加速度計 GPS 受信機
  22. 22. Sylphide (MEMS INS/GPS 複合航法装置 ) 精度検証 MuPAL-  (JAXA) GAIA (JAXA) Sylphide 飛行履歴を取得後、 両者を比較 GAIA を基準とした際の Sylphide の精度
  23. 23. Sylphide (MEMS INS/GPS 複合航法装置 ) Lever arm effect による精度向上 GAIA を基準とした際の Sylphide の精度 精度向上
  24. 24. Sylphide (MEMS INS/GPS 複合航法装置 ) 回帰分析による誤差解析 GPS 受信機による 位置出力 システム全体における 位置出力 相関係数は 0.988 位置精度向上の鍵は GPS 受信機 また、 INS/GPS 統合によって 位置精度劣化したわけではない
  25. 25. Sylphide (MEMS INS/GPS 複合航法装置 ) リアルタイムアルゴリズム GAIA を基準とした際の Sylphide の精度 精度は劣化せずに済んだ GPS 受信機は考慮すべき遅れ有り
  26. 26. Sylphide (MEMS INS/GPS 複合航法装置 ) 最適スムージングアルゴリズム GAIA を基準とした際の Sylphide の精度 精度は特段向上しなかったが 急峻な変化は抑制できるようになった
  27. 27. エアデータセンサ (ADS) <ul><li>周辺の空気の状態を計測する機器 </li></ul><ul><ul><li>対気速度、迎角、横滑り角、温度 </li></ul></ul><ul><li>小さく、軽くて、メンテナンスが容易 </li></ul><ul><ul><li>多孔ピトー管と圧力センサの組み合わせ </li></ul></ul>
  28. 28. 風洞試験による ADS の検定 静特性試験 広い迎角範囲で対気速度を正確に捉えられる 広い迎角範囲において線形関係が成立している ( 特別な補正必要なし )
  29. 29. 風洞試験による ADS の検定 動特性試験 特段の遅れはない ( 外部ポテンショメータと測定による結果、双方が一致 )
  30. 30. コマンドロガー <ul><li>操舵入力を 記録する </li></ul><ul><ul><li>A の範囲で 捉えることに </li></ul></ul><ul><ul><li>故障検出もできる </li></ul></ul><ul><ul><li>機械的な遅れが あるので、 人間パイロットによる滑らかな操舵を前提とすることに </li></ul></ul>
  31. 31. アビオニクスを搭載した様子 例 ) 三菱電機 MARS07AF <ul><li>機体スペック </li></ul><ul><ul><li>主翼スパン : 1.75 m </li></ul></ul><ul><ul><li>主翼面積 : 0.392 m 2 </li></ul></ul><ul><ul><li>重量 : 1.98 kg </li></ul></ul><ul><ul><li>巡航速度 : 15—25 m/s </li></ul></ul><ul><li>十分に搭載可能な 重量、サイズのアビオニクス </li></ul><ul><ul><li>重量 : 全体で約 150 g </li></ul></ul>
  32. 32. 特徴的な操舵を行うことによって 取得された飛行履歴 対気速度 迎角 ピッチ ピッチ 角速度 エレベータ 3-2-1-1 入力 パルス 入力
  33. 33. シミュレーションによる総合評価 <ul><li>誤差要因モデル化 ( アラン分散 ) </li></ul><ul><li>擬似的に飛行ログを生成 </li></ul><ul><li>その飛行ログを FEM で解析 </li></ul>縦の運動 3-2-1-1 入力 緑が実測 赤が真値ログ 青が擬似ログ
  34. 34. シミュレーションによる総合評価の結果 <ul><li>100 ケース、シミュレーションした結果 </li></ul>オーダーや符号が等しいことから、アビオニクスの精度は十分であり、 小型 UAV の 飛行ログ取得手法は十分に確立 されたといえる
  35. 35. 安定微係数での直接の比較かえて、 固有モードでの比較 シミュレーション ● - ● 、真値
  36. 36. 論文の構成 ( 次のスライドより第 5 章 ) <ul><li>第 1 章 序論 </li></ul><ul><li>第 2 章 システム同定による飛行特性取得 </li></ul><ul><li>第 3 章 数学モデル </li></ul><ul><li>第 4 章 飛行ログの取得 </li></ul><ul><li>第 5 章 一般的手法による飛行ログ解析 </li></ul><ul><ul><li>再帰的最小二乗法 (RLS) 、フーリエ変換回帰 (FTR) 、アンセンテッドカルマンフィルタ (UKF) 、フィルタエラーメソッド (FTR) による比較、検討 </li></ul></ul><ul><li>第 6 章 ウェーブレット変換による飛行ログ解析 </li></ul><ul><li>第 7 章 結言 </li></ul>
  37. 37. 一般の航空機においてよく知られた 飛行ログ解析手法
  38. 38. RLS, FTR, UKF, FEM の 4 手法に注目 最も汎用的で 精度高い オンライン手法で 性能が良い 最も単純 観測、プロセスノイズ に対してロバスト 比較的単純
  39. 39. <ul><li>フーリエ変換回帰 (FTR) </li></ul><ul><ul><li>オンライン、周波数領域の解析 </li></ul></ul><ul><ul><li>次に単純 </li></ul></ul><ul><ul><li>大数の法則によるノイズ圧縮 </li></ul></ul><ul><ul><li>周波数指定によるバイアス変動、プロセスノイズ除去可能 </li></ul></ul>一般的な解析手法 (1) RLS, FTR <ul><li>再帰的最小二乗法 (RLS) </li></ul><ul><ul><li>オフライン、時間領域での解析 </li></ul></ul><ul><ul><li>最も単純 </li></ul></ul><ul><ul><li>大数の法則による観測ノイズ圧縮 </li></ul></ul>
  40. 40. <ul><li>フィルタエラーメソッド (FEM) </li></ul><ul><ul><li>最尤推定ベースのオフライン、時間領域での解析 </li></ul></ul><ul><ul><li>観測 / プロセスノイズを考慮 </li></ul></ul>一般的な解析手法 (2) UKF, FEM <ul><li>アンセンテッド カルマンフィルタ (UKF) </li></ul><ul><ul><li>状態量推定を応用したオンライン、時間領域での解析 </li></ul></ul><ul><ul><li>観測 / プロセスノイズを考慮 </li></ul></ul>
  41. 41. 安定微係数の推定結果 (3 機種、縦の運動 ) 左上 : エクゼクティブジェット 右上 : オルカ 左下 : MARS07AF
  42. 42. 安定微係数での直接の比較かえて、 固有モードでの比較 <ul><li>図の見方 </li></ul>初期値■ 、 最終値● 、参照値 ( オフライン手法の場合は最終値のみ表示 )
  43. 43. 推定結果から計算した固有モード (3 機種、縦の運動 ) RLS:× FTR:× UKF:○ FEM:△ 性能評価 × × × × × × ○ ○ ○ ○ ○ × オルカ エクゼクティブ MARS07AF
  44. 44. <ul><li>UKF が最も優れている </li></ul><ul><li>FEM が次点、 RLS や FTR は実用不可能 </li></ul><ul><li>しかし劣悪な飛行ログに対する耐性を高めたり、より簡便である手法を提案する必要あり </li></ul>一般的な解析手法に対する 総合的な評価
  45. 45. 小型 UAV の飛行ログ解析に 優れた手法とは <ul><li>小型 UAV は大型航空機と何が違うか </li></ul><ul><ul><li>突風などの外乱に影響受けやすい </li></ul></ul><ul><ul><li>フゴイドなどの特徴的なモードの時定数が短い </li></ul></ul><ul><ul><li>計測機器の精度をあげることが難しい </li></ul></ul><ul><li>大きな外乱 の元で記録された、 短い時間 のデータの中に、埋もれた意味のある情報を見出せるような手法 </li></ul><ul><li>しかも簡便であることが望ましい </li></ul>
  46. 46. 論文の構成 ( 次のスライドより第 6 章 ) <ul><li>第 1 章 序論 </li></ul><ul><li>第 2 章 システム同定による飛行特性取得 </li></ul><ul><li>第 3 章 数学モデル </li></ul><ul><li>第 4 章 飛行ログの取得 </li></ul><ul><li>第 5 章 一般的手法による飛行ログ解析 </li></ul><ul><li>第 6 章 新手法による飛行ログ解析 </li></ul><ul><ul><li>ウェーブレット変換と多重解像度解析 </li></ul></ul><ul><ul><li>多重解像度解析による平行射影 (PP-MRA 法 ) </li></ul></ul><ul><ul><li>オンライン手法 (Wavelet Filtered Regression) </li></ul></ul><ul><li>第 7 章 結言 </li></ul>
  47. 47. 入力に相関する観測量のみを使い 推定を行う手法を提案 (PP-MRA 法 ) 操舵入力 観測量 入力に相関した 観測量 多重解像度 解析 (MRA) 並行射影 (PP)
  48. 48. PP-MRA 法適用の様子 <ul><li>外乱による影響を分離できる </li></ul><ul><li>観測ノイズを除去できる </li></ul><ul><li>推定に必要がないバイアスを分離可能 </li></ul>
  49. 49. PP-MRA 法の核 : 離散ウェーブレット変換による多重解像度解析 <ul><li>多重解像度解析 (Multi Resolution Analysis) </li></ul><ul><ul><li>フーリエ変換では捕らえきれない時間的な周波数変化を、離散ウェーブレット変換によって効率よく捉える </li></ul></ul>
  50. 50. 部分空間同定法との比較 <ul><li>計算量が違うがアイデアは近い </li></ul><ul><ul><li>部分空間同定法の場合は SVD など時間領域での直接的な直交分解、計算量 : O(N 3 ) </li></ul></ul><ul><ul><li>離散ウェーブレット変換も直交分解、計算量 : O(N) </li></ul></ul>
  51. 51. PP-MRA 法を用いたオンライン手法 (Wavelet Filtered Regression, WFR) <ul><li>PP-MRA 法の後段で得られる時間周波数情報を使い、再帰的最小二乗法で推定する </li></ul><ul><li>得られる時間周波数情報 </li></ul><ul><ul><li>外乱による影響を分離できる </li></ul></ul><ul><ul><li>観測ノイズを除去できる </li></ul></ul><ul><ul><li>推定に必要がないバイアスを分離可能 </li></ul></ul>
  52. 52. WFR を用いた 小型 UAV の飛行ログ解析結果 <ul><li>WFR( 赤 -> 青 ) と UKF( 赤 -> 緑 ) の比較 </li></ul>オルカ エクゼクティブ MARS07AF UKF に匹敵する性能が得られた しかも WFR がより簡便な手法である
  53. 53. WFR の優れた点 <ul><li>まとめると以下の表のようになる </li></ul><ul><li>( 補足 ) オンライン手法について 計算時間の比較 </li></ul>
  54. 54. PP-MRA 法に関する考察 <ul><li>減衰や発散の推定能力はトレードオフ </li></ul><ul><ul><li>入力がないと 推定されない </li></ul></ul><ul><ul><li>忘却係数の導入 による回避 </li></ul></ul><ul><li>使用に対する指針 </li></ul><ul><ul><li>入力と MRA のマザーウェーブレットの依存性 </li></ul></ul><ul><ul><ul><li>マザーウェーブレットで表現可能な入力である必要 </li></ul></ul></ul><ul><ul><ul><li>あるいはマザーウェーブレットの検討 </li></ul></ul></ul>
  55. 55. 論文の構成 ( 次のスライドより第 7 章 ) <ul><li>第 1 章 序論 </li></ul><ul><li>第 2 章 システム同定による飛行特性取得 </li></ul><ul><li>第 3 章 数学モデル </li></ul><ul><li>第 4 章 飛行ログの取得 </li></ul><ul><li>第 5 章 一般的手法による飛行ログ解析 </li></ul><ul><li>第 6 章 ウェーブレット変換による飛行ログ解析 </li></ul><ul><li>第 7 章 結言 </li></ul><ul><ul><li>各章のまとめ </li></ul></ul><ul><ul><li>今後の課題 </li></ul></ul>
  56. 56. まとめ <ul><li>システム同定による小型 UAV 飛行特性取得 </li></ul><ul><ul><li>大型航空機での成果を単純に応用できるわけではなく新規的な分野である </li></ul></ul><ul><ul><li>システム同定用の高精度な飛行履歴の取得 </li></ul></ul><ul><ul><ul><li>専用のアビオニクスを確立した </li></ul></ul></ul><ul><ul><li>新しい小型 UAV 用同定手法の提案 </li></ul></ul><ul><ul><ul><li>既存の 4 手法による評価 </li></ul></ul></ul><ul><ul><ul><li>時間周波数情報による新オンライン手法 (WFR) を提案し、小型 UAV の飛行ログ解析手法として確立した </li></ul></ul></ul>
  57. 57. 小型 UAV の飛行特性とは いかなるものであったか <ul><li>レイノルズ数による比較 </li></ul>
  58. 58. 今後の課題 <ul><li>アビオニクスの精度向上 </li></ul><ul><ul><li>例えば位置精度は GPS 受信機が鍵 </li></ul></ul><ul><li>PP-MRA 法のチューニング </li></ul><ul><ul><li>忘却係数の導入による減衰推定能力 </li></ul></ul><ul><li>PP-MRA 法の応用 </li></ul><ul><ul><li>プロセスノイズ、特に突風のモデル化 </li></ul></ul><ul><li>WFR の小型 UAV へのさらなる応用 </li></ul><ul><ul><li>故障検出など </li></ul></ul><ul><li>WFR の幅広い適用 </li></ul><ul><ul><li>高プロセスノイズ環境下での利用 </li></ul></ul>
  59. 59. 研究業績 <ul><li>査読付論文 </li></ul><ul><ul><li>成岡優 , 土屋武司 , “High performance navigation system with integration of low precision MEMS INS and general-purpose GPS”, Transactions of the Japan Society for Aeronautical and Space Sciences, Vol.50, No.170, pp.284-292, 2008 </li></ul></ul><ul><li>査読付口頭発表 </li></ul><ul><ul><li>M, Naruoka, “Attitude Accuracy Improvement of Ultra Low-Grade MEMS INS using Alignment of GPS Antenna”, ICAS2008, 26th International Congress of the Aeronautical Sciences, Alsaka, USA, (Sep. 2008) </li></ul></ul><ul><ul><li>M, Naruoka, H, Taniguci, T, Tsuchiya, S, Suzuki, “Accuracy Evaluation of MEMS INS/GPS for small UAVs”, GNSS2008, International Symposium on GPS/GNSS 2008, Tokyo, Japan, (Nov. 2008) </li></ul></ul><ul><li>口頭発表 </li></ul><ul><ul><li>成岡優、土屋武司、“小型 UAV 用アビオニクスの研究開発”、航空宇宙学会第 38 期年会講演会、 2D1 、東京、 2007 年 4 月 </li></ul></ul><ul><ul><li>M, Naruoka, T, Tsuchiya, “A Powerful Autopilot System for Small UAVs with Accurate INS/GPS Integrated Navigation”, JSASS-KSAS Joint International Symposium on Aerospace Engineering, Paper 005, Kitakyushu, Japan, (Oct. 2007) </li></ul></ul><ul><ul><li>M, Naruoka, T, Tsuchiya,“Advanced Autopilot System for small UAVs with accurate INS/GPS navigation”, 4th International Symposium on Innovative Aerial/Space Flyer Systems, Tokyo, Japan, (Jan. 2008) </li></ul></ul><ul><ul><li>M, Naruoka, T, Hino, R, Nakagawa, T, Tsuchiya, S, Suzuki, “Development and Evaluation of Avionics for System Identification of Small UAVs”, KSAS-JSASS Joint International Symposium on Aerospace Engineering, Jeju, Korea, (Nov. 2008) </li></ul></ul><ul><ul><li>M, Naruoka, T, Hino, R, Nakagawa, T, Tsuchiya, S, Suzuki, “System Identification of Small UAVs with MEMS-based Avionics”, AIAA Infotech@Aerospace 2009 Conference and Exhibit, AIAA 2009-1907, Seattle WA, USA, (Apr. 2009) </li></ul></ul><ul><ul><li>成岡優、日野琢磨、橋本良、土屋武司、鈴木真二、“小型 UAV 用実験プラットフォームの研究開発”、航空宇宙学会第 47 回飛行機シンポジウム、 JSASS-2009-5071 、 2E4 、岐阜、 2009 年 10 月 </li></ul></ul><ul><ul><li>M, Naruoka, T, Hino, T, Tsuchiya, “System Identification of Small UAVs Dynamics by Using Time-Frequency Information and Special Avionics”, APISAT2009, The 2009 Asia-Pacific International Symposium on Aerospace Technology, Gifu, Japan, (Oct. 2009) </li></ul></ul><ul><ul><li>M, Naruoka, T, Hino, T, Tsuchiya, “System Identification of Small UAVs with Time-Frequency Information”, The 2nd Aerospace Innovation Workshop incorporating Tri-University Joint Workshop on Aerospace Engineering 2009, AI-4, Tokyo, Japan, (Feb. 2010) </li></ul></ul><ul><li>特許 </li></ul><ul><ul><li>出願日 : 2007 年 10 月 25 日、特開 2007 - 276507( 公開特許 ) 、“移動体制御装置及び移動体制御方法” 、成岡優、土屋武司 </li></ul></ul>
  60. 60. 以下、おまけスライド
  61. 61. Filter output method (FEM) is a SI technique. <ul><li>FEM has two good natures. </li></ul><ul><ul><li>Consideration of both measurement and process noises. </li></ul></ul><ul><ul><li>Robust and quick convergence. </li></ul></ul>
  62. 62. FEM の処理手順
  63. 63. Component Diagram
  64. 64. 周波数領域での解析では不十分 時間周波数領域での解析 <ul><li>周波数領域で解析を行うためには十分な定常的な変化をしたデータが必要 </li></ul><ul><ul><li>小型UAVでは不可、トリムがずれやすいなど </li></ul></ul>
  65. 65. ウェーブレット変換による 時間周波数解析を取り入れる <ul><li>フーリエ変換では捕らえきれない時間的な周波数変化を効率よく捉える </li></ul><ul><li>短時間フーリエ変換よりも優れたウェーブ レット変換 </li></ul>

×