Gedistribueerde Draadloze MEMS Netwerken
Momenteel is er een grote vraag naar positie-bewuste systemen. Micro-Electro-Mechanical Systems (MEMS) kunnen hun eigen acceleratie detecteren. Deze waarden kunnen omgezet worden in bewegen en dus ook in een nieuwe positie. Het probleem van deze systemen is dat ze heel foutgevoelig zijn. Om de fout te verminderen introduceert dit onderzoek een nieuwe manier om aan accuratere relatieve positiebepaling, in functie van het object, te doen. Dit wordt gedaan door verschillende metingen van verschillende sensoren te combineren. Alle data communicatie gebeurt draadloos over de IEEE 802.15.4 standaard.
We zijn gestart van de idee dat macroscopische eigenschappen konden helpen bij het filteren van data gemeten met MEMS accelerometers, zonder het gebruik van andere hardware zoals een gyroscoop of GPS. Het probleem met de macroscopische informatie is dat deze voorgesteld wordt als posities en de inkomende metingen als acceleraties. Deze acceleraties bezitten veel drift, sommige drift is zelfs groter dan de echte acceleraties, dit zorgt voor grote fouten na het converteren van de acceleraties en de drift in een nieuwe positie.
Het converteren van de macroscopische eigenschappen in acceleraties is ook geen optie, omdat de convertering gebruik maakt van integralen die afrondingsfouten veroorzaken en de convertie tweemaal moet gebeuren. Eerst om de acceleraties van de macroscopische eigenschappen te berekenen en daarna om de nieuwe positie te bepalen.
Er was dus nood aan een manier om de drift van de MEMS apparaten te verkleinen. Daarom zijn we gestart met het combineren van de data van verschillende sensoren. Het resultaat was een filter die gebruikt maakt van een gewogen gemiddelde van de verschillende sensoren en waar het gewicht zich aanpaste in de tijd. Dit gemiddelde staat nog niet helemaal op punt maar de drift is al verkleind tot 50 á 80 procent. Het gewicht aanpassen aan meerdere factoren zou de drift nog meer kunnen verkleinene, maar de complexiteit van het gewicht zal op een gegeven moment als een nadeel beginnen doorwegen. Een Kalman filter zou hier de oplossing kunnen bieden. De complexiteit van het gewicht blijft klein en de drift zou nog drastisch kunnen verkleinen. hiervoor zou dan een derde of vierde orde Kalman filter geïmplementeerd moetn worden na de zelf-aanpassende gewogen gemiddelde filter.
Doordat het oorspronkelijk onderzoek niet door is kunnen gaan, kan men nog steeds een onderzoek doen naar een filter die gebruik maakt van de macroscopische eigenschappen van het object. Om het nadeel van de constante 1G kracht op de z-as om te zeten in een voordeel, zou men verschillende sensors op elkaar kunnen stapelen. Deze stapels kunnen dan afzonderlijk gebruik maken van de zelf-aanpassende gewogen gemiddelde filter en zo elk een nieuwe sensor module vormen. Door deze modules dan op strategische plaatsen over het object te verdelen zou men zelfs draaiingen kunnen gaan detecteren, wat met een enkele MEMS accelerometer niet gedaan kan worden.
Het hele onderzoek staat beschreven in de uieindelijke paper. Deze paper is enkel in Engels beschikbaar.
De poster:
