¿Múltiples IMU aumentan la precisión?

Apenas estoy comenzando con las IMU y realmente quiero trabajar en mi propio controlador de vuelo, pero siempre me surge una pregunta y no puedo encontrar la respuesta en ningún lado, así que estoy aquí.

¿Múltiples IMU ayudarán a mejorar la estabilidad de un cuadricóptero? promediar los valores de todas las IMU múltiples debería reducir la deriva, que es una función del tiempo, pero no tengo experiencia con las IMU y simplemente no puedo calcular la cantidad de corrección de errores al agregar una IMU adicional, ¿será solo aditivo? ? o exponencial?

Esta pregunta también se publicó en el sitio de Robotics Stack Exchange.

El promedio simple lo mejorará un poco (dado que ambos sensores tienen una calidad comparable). Pero una mejor idea sería fusionar los datos con un filtro de Kalman (bien diseñado, por supuesto).
Sí, pero el problema principal es que no puedo imaginar la cantidad de IMU frente a la mejora en el gráfico de precisión, ya que aún no he trabajado con ellas.
Esto es algo que es mejor encontrar empíricamente.
Si tiene acceso a la biblioteca IEEE, puede consultar este documento: ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=6214600 (o obtenerlo de otras fuentes con el nombre "Combining Numerous Uncorrelated MEMS Gyroscopes for Accuracy Mejora basada en un filtro de Kalman óptimo")
La varianza de Allen en la IMU de AD con una IMU logra la misma deriva de 6 grados/h de 6 IMU en este antiguo artículo de investigación de 2012
Habría aprendido mucho de ese periódico, pero no puedo pagarlo.
Por favor, no publiques la misma pregunta en múltiples sitios de intercambio de Stack. Elija el sitio que le parezca más apropiado y luego se puede migrar a otro si es necesario. Esta pregunta ahora tiene respuestas en los sitios de intercambio de pilas de ingeniería eléctrica y robótica .

Respuestas (2)

Sí, puede usar varias unidades de sensor para mejorar los datos, pero solo si sus errores (sesgos, factores de escala, ruido, etc.) son independientes (no correlacionados). En ese caso, puede esperar que el error RMS disminuya en proporción a la raíz cuadrada del número de unidades utilizadas. Por ejemplo, si tiene cuatro unidades, los errores aleatorios se reducirán aproximadamente a la mitad.

esto descuida los errores de modo común que no se promedian.
@TonyStewart.EEsince'75: ¿Qué parte de "solo si... independiente/sin correlación" encuentra confusa?
.. la parte que ignora los errores de CM correlacionados que son imposibles de anular.
@TonyStewart.EEsince'75: Entonces, ¿cuál es su punto real?
La peor tecnología anterior, como el artículo de Eugene, se beneficia del promedio con IMU que tienen más ruido que el error de CC en la misma medida en que el artículo reciente de AD en mi respuesta logra sin referencias a múltiples IMU, pero mejoró el ruido, la calibración y el promedio de Allen Variance en una IMU. .. Múltiples IMU no pueden mejorar sus resultados, ya que el error de CC de deriva residual está integrado. ¿Proporcionó referencias con más de 6 grados/h usando redundancia?
dado que ni siquiera puede respaldar su argumento como lo hice en la pregunta anterior, sugeriría a cualquier persona preocupada que ignore la respuesta de Dave como no relevante para la tecnología actual de AD.
¿Debo usar IMU del mismo fabricante o de otro diferente para una reducción óptima de errores?
En términos generales, le gustaría usar una matriz de sensores idénticos. Las matemáticas funcionan mejor si los sensores tienen estadísticas de error similares, y replicar un diseño de interfaz única es más fácil que tener varias interfaces únicas.

Una IMU es una unidad única en el módulo electrónico que recopila datos de velocidad angular y aceleración lineal que se envían al procesador principal. Una carcasa IMU contiene dos sensores separados.

El primer sensor es la tríada del acelerómetro. Genera tres señales analógicas que describen las aceleraciones a lo largo de cada uno de sus ejes producidas y que actúan sobre el vehículo. Debido al sistema de propulsión ya las limitaciones físicas, la gravedad detecta la más significativa de estas aceleraciones.

El segundo sensor es la tríada de sensores de velocidad angular. También emite tres señales analógicas. Estas señales describen la velocidad angular del vehículo sobre cada uno de los ejes del sensor. Aunque la IMU no está ubicada en el centro de masa del vehículo, las mediciones de velocidad angular no se ven afectadas por aceleraciones lineales o angulares.

La IMU recopila los datos de estos sensores y los devuelve a un procesador principal.

Debido a que la posición es integral de la velocidad y doble integral de la aceleración, los voltajes de compensación mínimos después de la calibración aún acumulan errores de rango de posición relativa o de coordenadas.

Sin un GPS o retroalimentación visual, el tiempo de vuelo y los errores integrados no se pueden eliminar. La calibración es crítica para vuelos más largos y un error de posición aceptable para llegar a "casa"

Por lo tanto, promediar múltiples IMU solo reduce el error en rms (n) o no mucho. (en el mejor de los casos asumiendo compensaciones aleatorias)

"Las curvas de varianza de Allan proporcionan una herramienta para comprender el equilibrio entre la repetibilidad (ruido) y el tiempo promedio". Ref. http://www.analog.com/media/en/analog-dialogue/volume-49/number-2/articles/mems-imu-gyroscope-alignment.pdf

Esta es una introducción a las IMU. No es una respuesta a la pregunta.
La respuesta es obvia, NO, los detalles explican por qué
La respuesta es en realidad SÍ. Los dispositivos MEMS comerciales de gama alta de proveedores como Analog Devices utilizan esta técnica para reducir el ruido de medición.
¡Sí, rms (n) es posible ya que estamos de acuerdo en esto si es aleatorio! pero no si todos experimentan compensación térmica. y mas $$
(-1) para aquellos que no pueden entender, no hay mejor explicación posible, excepto los dispositivos analógicos ref en mi respuesta. Dave por favor muestre la referencia.
¿Múltiples IMU aumentan la precisión?
RespuestasAquíPolítica de privacidad1y, 0v