Reduced Error Model for Integrated Navigation of Unmanned Autonomous Underwater Vehicle

Abstract

This paper presents a novel aided navigation method for AUV (Autonomous Underwater Vehicles). The navigation system for AUV includes several sensors such as IMU (Inertial Measurement Unit), DVL (Doppler Velocity Log) and depth sensor. In general, the 13 th order INS error model, which includes depth error, velocity error, attitude error, and the accelerometer and gyroscope biases as state variables is used with measurements from DVL and depth sensors. However, the model may degrade the estimation performance of the heading state. Therefore, the 11 th INS error model is proposed. Its validity is verified by using a degree of observability and analyzing steady state error. The performance of the proposed model is shown by the computer simulation. The results show that the performance of the reduced 11 th order error model is better than that of the conventional 13 th order error model.

Shift Steering Control of 2-axis ARM Helicopter based on a Neural Network

“…이러한 문제점을 해결하기 위하여, 헬리콥터는 외부의 환경 이나 내부의 상태 변화에 강인한 제어가 필요하다 [4,5]. 이에 따라 현재 사용되고 있는 헬리콥터의 메인로터에 부착되어 있는 블레이드의 기울기를 조절하여 조향하는 방법보다 헬 리콥터에 2축 ARM을 부착하여 헬리콥터의 무게중심을 이동 시켜 [6] 헬리콥터가 이러한 환경에서라도 더욱 안정적인 범 위 내에서 비행 가능하도록 하는 방법이 유효하다 [7]. 유체의 힘으로만 비행을 하는 헬리콥터의 경우에는 헬리콥터가 무 게 중심을 잃어 버리면 추락할 위험이 커지는데 이러한 위험 을 최소한으로 줄이기 위해서 헬리콥터에 2축 ARM을 부착 하여 헬리콥터를 제어해 더욱 안정적이고 기민하게 헬리콥 터의 무게중심을 잡아주었다 [8,9] [11].…”