مقاله ترجمه شده درباره ترکیب داده های چند سنسوره با استفاده از شبکه عصبی المان – سال 2017
مشخصات مقاله:
عنوان فارسی مقاله:
ترکیب داده های چند سنسوره با استفاده از شبکه عصبی المان
عنوان انگلیسی مقاله:
Multisensor data fusion using Elman neural networks
کلمات کلیدی مقاله:
AHRS، IMU، فیوژن سنسور، شبکه عصبی، ناوبری درونی
مناسب برای رشته های دانشگاهی زیر:
مهندسی کامپیوتر و برق
مناسب برای گرایش های دانشگاهی زیر:
هوش ماشین و رباتیک، مهندسی کنترل، مهندسی الگوریتم ها و محاسبات و هوش مصنوعی
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1-مقدمه
2- ترکیب داده های چند سنسوره
3- شبکه عصبی مصنوعی
4- نتایج آزمایشگاهی
5- نتایج
قسمتی از مقاله انگلیسی و ترجمه آن:
1. Introduction
The precise location in space plays an important role in many fields such as robotics [1,2], navigation [3,4], human motion analysis [5] and human-machine interface [6]. The sensors are used to accurately map the movement of the object in space. However, the sensors are not universal and not each of them is suitable for every task. Often, multiple sensors are used to measure various physical values such as: linear acceleration, angular acceleration and the magnetic field. Data collected from these sensors must be combined in order to obtain complete information on the position of the object in space. Most of the values used in determining the position are expressed by a vector. The position is defined as a displacement between the two coordinate systems. The first one can be the ground or the starting point of the sensor calibration. The second one is the navigation object e.g. quadrocopter. Variables such as direction, speed, acceleration and movements can be easily calculated from based on the change of position [7,8]. Such calculations are performed as multiplying the vector representing the position of one coordinate system to another by a 3×3 rotation matrix. This representation is referred to as a representation of direction cosines or DCM (Direction Cosine Matrices).
1- مقدمه
موقعیت دقیق در فضا نقش مهمی در بسیاری زمینه ها مانند روباتیک (1و2)، مسیریابی (3و4)، تحلیل حرکت انسان (5) و رابط انسانی ماشینی (6) دارد. سنسورها برای تعیین دقیق حرکت اشیا در فضا بکار می روند. با این وجود، سنسورها جهانی نبوده و هیچ کدام از آنها برای هر نوع عملی مناسب نیستند. اغلب، سنسورهای چندگانه برای اندازه گیری مقادیر مختلف فیزیکی مانند: شتاب خطی، شتاب زاویه ای و میدان مغناطیسی مورد استفاده قرار گرفته اند. داده های حاصل از این سنسورها به منظور بدست آوردن اطلاعات کامل موقعیت یک جسم در فضا باید با هم ترکیب شوند.
در بیان موقعیت جسم، اغلب مقادیر به وسیله بردار بیان می شود. موقعیت به صورت جابجایی میان دو سیستم مختصات تعریف می گردد. اولین سیستم مختصات می تواند زمین و یا نقطه شروع کالیبراسیون سنسور باشد. دومین سیستم جسم متحرک مانند کوادکوپتر می باشد. متغیرها مانند جهت، سرعت، شتاب و حرکت را می توان بر اساس تغییر موقعیت جسم به سادگی محاسبه نمود (7،8). این محاسبات به وسیله ضرب بردار معرف موقعیت جسم در یک سیستم مختصات به سیستم دیگر توسط ماتریس 3×3 چرخش حاصل می شود. این ماتریس به کسینوس های هادی یا DCM (ماتریس کسینوس های هادی) اشاره دارد.
