Vous êtes sur la page 1sur 37

Rapport du projet de re

her he
Développement d'une entrale inertielle
par le ltre de Kalman

Rata Suwantong

2ème année M.S . DNM ISAE

er
1 mars 2011
Remer iement
Je tiens à remer ier dans un premier temps, toute l'équipe pédagogique
du département DMIA-ISAE Supaéro pour avoir m'a ueillie très haleureu-
sement dans le département.

Je tiens à remer ier tout parti ulièrement et à témoigner toute ma re on-


naissan e aux personnes suivantes, pour l'expérien e enri hissante et pleine
d'intérêt qu'elles m'ont fait vivre durant es trois mois au sein du départe-
ment DMIA :

Monsieur François DEFAY, mon maître de projet de re her he, pour l'aide
et les onseils on ernant les missions évoquées dans e rapport, qu'il m'a
apporté lors des diérents suivis. Il m'a formé et a ompagné tout au long
de ette expérien e de re her he ave beau oup de patien e.

Monsieur Yves BRIERE pour ses réponses sur toutes mes questions dans
les parties théoriques et pratiques du ltre de Kalman.

Aussi, je remer ie Monsieur Wasan hai VONGSANTIVANICH, thésard du


département, et Monsieur Julien CIVIDINI, un amarade du département
de physique à l'ENS pour leurs aides et onseils au long de e projet de
re her he.

1
Table des matières

1 Eléments théoriques 5
1.1 Représentation et détermination de l'orientation . . . . . . . . 5
1.1.1 Angles d'Euler . . . . . . . . . . . . . . . . . . . . . . 5
1.1.2 Quaternion . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 La entrale inertielle . . . . . . . . . . . . . . . . . . . . . . . 7
1.3 Filtre de Kalman lassique et étendu . . . . . . . . . . . . . . 8
1.3.1 Introdu tion . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3.2 Le ltre de Kalman lassique . . . . . . . . . . . . . . 8
1.3.3 Le ltre de Kalman étendu . . . . . . . . . . . . . . . 10
1.4 Le ltre de Kalman appliqué à la navigation inertielle . . . . 12
1.4.1 Le ltre de Kalman à 13 états . . . . . . . . . . . . . . 12
1.4.2 Le ltre de Kalman à 16 états . . . . . . . . . . . . . . 14

2 Validation du ltre de Kalman par MATLAB 16


2.1 Initialisation du ltre . . . . . . . . . . . . . . . . . . . . . . . 16
2.2 l'estimation par le ltre de Kalman 13 états . . . . . . . . . . 17
2.3 l'estimation par le ltre de Kalman 16 états . . . . . . . . . . 19
2.4 Robutesse ontre une perturbation de hamps parasites . . . . 21

3 Con lusion 24

2
Introdu tion
Une entrale inertielle est utilisée pour déterminer l'altitude ainsi que sa
position en intégrant les a élérations et les vitesses angulaires mesurées par
des a éléromètres et des gyromètres. Pour ela il sut pour les utilisateurs
de onnaître les oordonnées et l'attitude de la entrale inertielle de départ.
Néanmoins, le problème prin ipal de la lo alisation par une entrale iner-
tielle est que en intégrant les a élérations et les vitesses angulaires, nous
intégrons également les bruits de eux- i donnant les biais d'estimations.

Pour donner l'idée de l'ordre de grandeur de biais, si on dépla e la en-


trale inertielle CHR-6dm, onsidérée omme une mauvaise entrale, sur le
plan horizontal, don le roulis réel est nul, l'estimation du roulis par ette
entrale atteint 20 degrés, e qui est une valeur non négligeable. Pour dimi-
nuer ette erreur, nous allons implanter le ltre de Kalman étendu (EKF)
et omparer les estimations de la entrale CHR ltrées par le ltre de Kal-
man aux estimations d'une entrale inertielle SBG, onsidérée omme une
entrale de bonne qualité. Notons que la entrale inertielle SBG n'est pas
parfaite, il est possible que ette entrale ne déte te pas ertaines variations
tandis que la entrale CHR le fait. Néanmoins, la entrale SBG est mieux
que la entrale CHR en général.

Dans e projet, nous avons ollé la entrale SBG et la entrale CHR sur
un quadriroteur mobile. A partir du temps de mesure à 55 sé ondes, le qua-
driroteur mobile est en mouvement dans le plan horizontal. De e fait, le
roulis φ et le tangage θ doivent être quasiment nuls. La entrale SBG donne
la mesure de es deux angles presque nuls mais e n'est pas le as pour la
entrale CHR.

3
80
CHR
60 SBG

40

20
phi angle(°)

−20

−40

−60

−80

−100
0 10 20 30 40 50 60 70 80
time(s)

Figure 1  Comparaison de mesures de l'angle de roulis φ par la entrale


SBG et la entrale CHR.

100
CHR
80 SBG

60

40
theta angle(°)

20

−20

−40

−60

−80
0 10 20 30 40 50 60 70 80
time(s)

Figure 2  Comparaison de mesures de l'angle de tangage θ par la entrale


SBG et la entrale CHR.

4
400
CHR
SBG
300

200
psi angle(°)

100

−100

−200
0 10 20 30 40 50 60 70 80
time(s)

Figure 3  Comparaison de mesures de l'angle de la et ψ par la entrale


SBG et la entrale CHR.

5
Chapitre 1

Eléments théoriques

1.1 Représentation et détermination de l'orienta-


tion
1.1.1 Angles d'Euler
La onvention d'Euler est habituellement utilisée en aéronautique an
de dé rire l'orientation d'un repère mobile (B ) par rapport à un repère
inertiel(N ). Le repère de l'engin ee tue une première rotation d'un angle
ψ autour de l'axe Z, suivie d'une se onde rotation d'un angle θ autour l'axe
Y1 (il s'agit de l'axe Y à sa nouvelle position une fois la première rotation
ee tuée) et termine par une rotation d'un angle φ autour de l'axe X2 (il
s'agit de l'axe X à sa nouvelle position une fois les deux rotations pré édentes
ee tuées). Les angles ψ , θ et φ sont respe tivement appelés la et, tangage
et roulis.
Les taux de variation des angles d'Euler en fon tion de la vitesse angulaire
du mobile p, q , r dans le repère mobile est dé rite par la relation suivante :

sin φ cos θ cos φ sin θ  


 
1
 
φ̇ cos θ cos θ  p
 θ̇  = 
0 cos φ − sin φ  q (1.1)
 
ψ̇
 sin φ cos φ  r
0
cos θ cos θ

Cette formulation laisse apparaître des singularités lorsque θ = 0 et φ̇ et ψ̇


deviennent indéterminés. Nous allons don utiliser la formulation quaternion
Euler-Rodrigue an de al uler l'orientation du repère mobile par rapport
au repère initial.

1.1.2 Quaternion
Un quaternion q est une olle tion de quatre paramètres réels desquels
le premier est onsidéré omme un s alaire et les trois autres omme un

6
Figure 1.1  Angles d'Euler.

Figure 1.2  Angles d'Euler dans l'aéronautique.

ve teur dans l'espa e de dimension trois. D'après le théorème d'Euler sur


une rotation nie, toute rotation dans l'espa e peut toujours être dé rite par
une rotation autour d'un ertain axe eµ ave un ertain angle µ. On é rit
q = (q0 , q) = (q0, q1, q2, q3) pour lequel
µ
q0 = cos (1.2)
2
et
µ
q = sineµ
2
Comme eµ est un ve teur unitaire, on remarque également que

q02 + q12 + q22 + q32 = 1

7
La transformée entre deux représentation, relativement au repère initial N
et au repère mobile B, d'un ve teur x(t) ~ est
 2
q0 + q12 − q22 − q32

2(q1 q2 + q0 q3 ) 2(q1 q3 − q0 q2 )
~x(t)b =  2(q1 q2 − q0 q3 ) q02 − q12 + q22 − q32 2(q2 q3 + q0 q1 )  ~x(t)n = DCM (q)~x(t)n
2(q1 q3 + q0 q2 ) 2(q2 q3 − q0 q1 ) q0 − q12 − q22 + q32
2

(1.3)
La matri e DCM est appelée Dire tion Cosine Matrix en anglais. La dérivée
du quaternion peut s'é rire
1
q̇ = Ωq (1.4)
2
 
0 −p −q −r
p 0 r −q 
Ω= q −r 0
 (1.5)
p
r q −p 0
Nous pouvons obtenir les angles d'Euler dé rivant l'attitude du mobile à
partir des omposantes de quaternion de la façon suivante :

2(q2 q3 + q0 q1 )
 
  arctan
φ  1 − 2(q12 + q22 
(1.6)
 
 θ  = arcsin(−2(q1 q3 − q0 q2 ))
 
ψ  2(q q
1 2 + q q
0 3 ) 
arctan
1 − 2(q22 + q32

et inversement, le quaternion peut être al ulé à partir des angles d'Euler de


la façon suivante :
 φ θ ψ φ θ ψ 
cos( )cos( )cos( ) + sin( )sin( )sin( )
  
q0 2 2 2 2 2 2 
 φ θ ψ φ θ ψ 
q1   sin( )cos( )cos( ) − cos( )sin( )sin( ) 
 =  2 2 2 2 2 2  (1.7)
q2   φ θ ψ φ θ ψ 
 cos( )sin( )cos( ) + sin( )cos( )sin( 

q3 2 2 2 2 2 2
φ θ ψ φ θ ψ
 
cos( )cos( )sin( ) − sin( )sin( )sin( ))
2 2 2 2 2 2

1.2 La entrale inertielle


Le prin ipe Les entrales inertielles al ulent les informations de navi-
gation en intégrant les rotations et les a élérations mesurées par des gy-
romètres et a éléromètres. Cette méthode satisfait aux prin ipaux besoins
de navigation et de pilotage ar il est disponible en toutes onditions don
lorsqu'il y a une panne de tous les autres systèmes de navigation également.
La entrale inertielle permet, à ondition de disposer de oordonnées de dé-
part, de déterminer les oordonnées de l'unité de mesure à tout moment,
ainsi que son attitude. L'attitude de l'engin se traduit notamment par trois

8
angles dits de ap, de roulis et de tangage. A bord d'un mobile, le ap se
dénit par rapport au Nord, le roulis est un angle de rotation autour de l'axe
longitudinal du mobile et le tangage autour de l'axe transversal.

Les omposantes dans la entrale inertielle CHR-6dm


 Les trois a éléromètres formant un trièdre orthogonal, qui permettent
de mesurer dans le repère mobile, le ve teur a élération de l'engin.
 Trois gyromètres formant aussi un trièdre qui permettent de déterminer
l'attitude de la entrale par intégration.
 Trois magnétomètres, formant un trièdre, mesurent le hamps magné-
tique don permettent de déterminer le ap de la entrale.
 Un ltre de Kalman étendu(EKF) ombinant les mesures des a éléro-
mètres, des gyromètres et des magnétomètres pour donner la meilleure
estimation des vitesses angulaires du mobile (p,q ,r ).

Figure 1.3  CHR-6dm.

En onnaissant la dire tion du ve teur gravité (lo alement), mesurée par les
a éléromètres au repos, et elle du Nord, mesuré par les magnétomètres, la
entrale peut déterminer le ap,le roulis et le tangage. Lorsque l'on onnaît
l'attitude de la entrale, on peut déterminer sa position par le prin ipe de la
navigation. Cette détermination n'est possible que si l'on dispose des oor-
données d'un point de départ.

1.3 Filtre de Kalman lassique et étendu


1.3.1 Introdu tion
En 1960, R.E. Kalman a publié son arti le élèbre évoquant la solution
ré ursive pour résoudre le problème du ltrage linéaire de données dis rètes
(dis rete-data linear ltering problem). Depuis, le ltre de Kalman est devenu
un grand sujet de re her he et appli ation, parti ulièrement dans le domaine

9
de navigation. Le lre de Kalman est un ensemble d'équations mathéma-
tiques qui fournit un moyen de omputation ré ursif e a e an d'estimer
l'état d'un pro édé, tout en minimisant la moyenne d'erreurs quadratiques.
Le ltre est très puissant pour plusieures raisons : il utilise des estimations
d'état du passé, du présent et aussi du futur. De plus il est e a e même si
le modèle du système n'est pas bien onnu.

1.3.2 Le ltre de Kalman lassique


Le système à estimer Le ltre de Kalman est utilisé pour estimer l'état
x∈ ℜn d'un système dis rète déni par une équation linéaire sto hastique

xk = Axk−1 + Buk−1 + wk−1 (1.8)

Ave la mesure z ∈ ℜm de la forme

zk = Hxk + vk (1.9)

Les variables aléatoires wk et vk représentent le bruit de modèle(système)


et le bruit de mesure respe tivement. Ils sont dé orrélés, blan s et gaussiens
ave la loi de probabilité normale :

p(w) ∼ N (0, Q) (1.10)

p(v) ∼ N (0, R) (1.11)


En pratique, la matri e de ovarian e du bruit du système Q et la matri e
de ovarian e du bruit de mesure R peuvent hanger au ours du temps.
Néanmoins, nous allons les supposer onstantes. La matri e A dans l'équation
1.8 et la matri e H dans l'équation 1.9 ne sont pas onstantes en général.

L'origine du ltre On dénit x̂−


k ∈ ℜ omme l'état de l'instant k estimé
n

à priori sa hant la onnaissan e du modèle avant l'instant k et x̂k ∈ ℜn


l'état de l'instant k estimé à posteriori sa hant la mesure zk . Nous pouvons
dénir don les erreurs d'estimation à priori et à posteriori ainsi :

e− −
k ≡ xk − x̂k (1.12)

ek ≡ xk − x̂k (1.13)
La matri e de ovarian e des erreurs à priori est don

Pk− = E[e− −T
k ek ] (1.14)

La matri e de ovarian e des erreurs à posteriori est don

Pk = E[ek eTk ] (1.15)

10
En dérivant les équation pour le ltre de Kalman, nous allons ommen er
par her her une équation qui al ule l'état estimé à posteriori x̂k omme
une ombinaison linéaire de l'état estimé à priori x̂−
k et une diéren e entre
la mesure vraie zk et la mesure estimée H x̂−
k . On é rit

x̂k = x̂− −
k + K(zk − H x̂k ) (1.16)

k est souvent appelé innovation. Il exprime le dé alage entre


Le terme zk −H x̂−
la mesure estimée H x̂−
k et la mesure vraie zk . Une innovation est nulle lorsque
la mesure estimé est égale à la mesure vraie. La matri e K ave la dimension
nxm dans 1.16 est hoisie omme un gain qui minimise la ovarian e des
erreurs à posteriori dans 1.15. K est donné par :

Kk = Pk− H T (HPk− H T + R)−1 (1.17)

On remarque que
 Lorsque R tend vers zéro, le gain K pondère plus de l'innovation. En
eet
lim Kk = H −1 (1.18)
Rk →0

 Lorsque Pk− tend vers zéro, le gain K pondère moins de l'innovation.


En eet
lim Kk = 0 (1.19)
Pk− →0

Pour résumer, lorsque la ovarian e du bruit de mesure R rappro he de


zéro,la mesure est moins en moins bruitée, on roit plus en plus en la mesure
vraie zk , tandis que l'on roit moins en moins en la mesure estimée H x̂− k.
D'un autre té, lorsque la ovarian e des erreures à priori Pk− rappro he de
zéro, le modèle est mieux en mieux, on roit moins en moins en la mesure
vraie zk et plus en plus en la mesure estimée H x̂−
k.

l'Algorithme du ltre de Kalman lassique Le ltre de Kalman estime


l'état d'un système en utilisant le retour d'état (feedba k ontrol) : le ltre
estime l'état à un ertain instant et puis obtient la rétroa tion (feedba k)
sous la forme des mesures bruitées. De e fait, le ltre de Kalman peut être
onsidéré omme deux étapes : la prédi tion et la mise à jour. Les équations
de la prédi tion projettent l'état a tuel et la ovarian e des erreurs P estimées
dans le futur pour obtenir l'état estimé à priori pour l'instant pro hain. Les
équations de la mise à jour améliorent l'état estimé à priori an d'obtenir
l'état estimé à posteriori en utilisant la mesure vraie obtenue par le retour
d'état. Les équations pour l'étape de prédi tion sont :

xˆk − = Ax̂k−1 + Buk−1 (1.20)

Pk− = APk−1 AT + Q (1.21)

11
Figure 1.4  Le s héma de fon tionnement du ltre de Kalman

Les équations pour l'étape de mise à jour sont :

Kk = Pk−1 H T (HPk− 1H T + R)−1 (1.22)

x̂k = x̂− −
k + K(zk − H x̂k ) (1.23)
Pk = (I − Kk H)Pk− (1.24)
Après haque paire de prédi tion-mise à jour, le pro édé est répété en utili-
sant l'état estimé à posteriori à et instant pour prédire l'état estimé à priori
au pro hain instant. Cette propriété ré ursive rend le ltre plausible à im-
plémenter ar l'état estimé à posteriori à l'instant k ontient l'information
de tous les états pré édents.
Pour utiliser le ltre de Kalman, la ovarian e du bruit de mesure (R) et
la ovarian e du bruit du système (Q) doivent être évaluées à l'avan e. La
détermination de la ovarian e du bruit du système est généralement plus
di ile par e que l'observation dire te de l'état du système est impossible.

1.3.3 Le ltre de Kalman étendu


Le système à estimer On s'intéresse à estimer un système ayant un
ve teur d'état x ∈ ℜn . Ce système est dé rit par une équation non-linéaire
sto hastique :
xk = f (xk−1 , uk−1 , wk−1 ) (1.25)
Ave une mesure z ∈ ℜm telque

zk = h(xk , vk ) (1.26)

Où wk et vk représentent les bruits de système et de mesure, dé orrélés entre


eux, blan s et Gaussiens de moyenne nulle.

12
l'origine du ltre En pratique, les valeurs des bruits wk et vk à haque
itération ne sont pas a essibles. Néanmoins, on peut faire l'approximation
du ve teur d'état et du ve teur de mesure ainsi :

x̃k = f (x̂k−1 , uk−1 , 0) (1.27)

z̃k = h(x̂k , 0) (1.28)


où x̂k−1 est l'état estimé à posteriori à l'instant pré édent, 'est à dire à k-1.
On linéarise xk autour de x̃k pour avoir

xk ≈ x̃k + A(xk−1 − x̂k−1 ) + W wk−1 (1.29)

zk ≈ z̃k + H(xk− − x̃k ) + V vk (1.30)



 xk et zk sont les vraies ve teurs d'état et de mesure,
 x˜k et z˜k sont les ve teurs d'état et de mesure estimés de 1.27 et 1.28,
 x̂k est le ve teur d'état estimé à posteriori à l'instant k,
 les variables aléatoires wk et vk représentent le bruit de système et de
mesure,
 A est la matri e Ja obienne de la dérivée partielle de f par rapport à
x, 'est-à-dire
δf[i]
A[i,j] = (x̂k−1 , uk−1 , 0) (1.31)
δx[j]
 W est la matri e Ja obienne de la dérivée partielle de f par rapport à
w, 'est-à-dire
δf[i]
W[i,j] = (x̂k−1 , uk−1 , 0) (1.32)
δw[j]
 H est la matri e Ja obienne de la dérivée partielle de h par rapport à
x, 'est-à-dire
δh[i]
H[i,j] = (x̃k , 0) (1.33)
δx[j]
 V est la matri e de Ja obienne de la dérivée partielle de h par rapport
à v , 'est-à-dire
δh[i]
V[i,j] = (x̃k , 0) (1.34)
δv[j]
Grâ e à es matri es, nous pouvons dénir les équations pour le ltre de
Kalman étendu.

13
Figure 1.5  Le s héma omplète de fon tionnement du ltre de Kalman
étendu

l'Algorithme du ltre de Kalman étendu Les équations pour l'étape


de prédi tion sont :
xˆk − = f (x̂k−1 , uk−1 , 0) (1.35)
Pk− = Ak Pk−1 ATk + Wk Qk−1 WkT (1.36)
Les équations pour l'étape de mise à jour sont :

Kk = Pk− 1H T (HPk− 1H T + Vk RVkT )−1 (1.37)

x̂k = x̂− −
k + Kk (zk − h(x̂k , 0)) (1.38)
Pk = (I − Kk H)Pk− (1.39)

1.4 Le ltre de Kalman appliqué à la navigation


inertielle
1.4.1 Le ltre de Kalman à 13 états
Equations d'états Les ve teurs d'états est :

q
T
x= p q r δp δq δr δmx δmy δmz (1.40)

où q ou q0 q1 q2 q3 est le quaternion des attitudes, p q r = ~


T T
ω
est le ve teur de la vitesse angulaire de l'engin par rapport au repère mobile,
T
δp δq δr est le biais de vitesses angulaires de la entrale dans le repère
T
mobile et δmx δmy δmz est le ve teur des biais de hamp magnétique

14
mesurés par les magnétomètres suivant l'axe x, y ,z dans le repère mobile.
T
~ = mx my mz . Les équations de l'évolution sont
On note m
1
q(k + 1) = q(k) + Ωq(k)Te (1.41)
2
ω (k + 1) = ω
~ ~ (k) + δpqr (k) (1.42)
δpqr (k + 1) = δpqr (k) (1.43)
δm (k + 1) = δm (k) (1.44)
En eet, puisque nous ne onnaissons pas pré isement l'évolution des biais,
nous allons laisser les termes δpqr et δm évaluer pendant l'état de mise à jour
de l'état. D'où
   1 
q(k + 1) q(k) + Ωq(k)Te
 ~ 2
 ω (k + 1)  = 
  
ω
~ (k) + δpqr (k)  (1.45)
δpqr (k + 1)  
δpqr (k) 
δm (k + 1) δ (k) m

∂f (xk )
La matri e de ja obienne F = s'é rit :
∂xk
1 1 
T Ω Te Φ 04×3 04×3
2 e 2 
F = I13×13 +  03×4 03×3 I3×3 03×3  (1.46)


 03×4 03×3 03×3 03×3 
03×4 03×3 03×3 03×3

En eet
    
0 −p −q −r q0 −q1 −q2 −q3  
p 0 r −q  q1   q0 −q3 q2  p
Ωq = 
   = ω (1.47)
 q  ≡ Φ~
q −r 0 p  q2   q3 q0 −q1 
r
r q −p 0 q3 −q2 q1 q0

Equations de mesures Dans le as général, nous utilisons toutes les me-


sures de la entrale inertielle, don la mesure de l'a élération, de la vitesse
angulaire et du hamp magnétique, tous dans le repère mobile. Néanmoins,
pour omparer les eets de haque mesure sur le omportement du ltre,
lorsque l'on ne veut pas prendre en ompte l'eet de mesure quel onque, on
supposera que son bruit de mesure soit inni.

(1.48)

z = ~a ~ω m ~

Nous allons é rire les mesures estimées à partir de l'information d'états. Pour
ela, on utilise à la relation 1.3, nous pouvons é rire l'a élération dans le

15
repère mobile estimée (don la mesure des a éléromètres) en fon tion de
l'a élération de l'engin dans le repère mobile en fon tion de l'a élération
gravitationnelle dans le repère inertiel :
ˆ = DCM (q)~g
~a (1.49)
ˆ s'é rit :
la vitesse angulaire estimée ~
ω

~ˆ = ω
ω ~ + δpqr (1.50)

Ave ~ω et δpqr extraits du ve teur d'état à l'instant là, 'est à dire X(5 : 7)
et X(8 : 10) respe tivement.
la relation entre le hamp magnétique dans le repère mobile estimés, m ~ˆ en
fon tion du hamp magnétique terrestre dans le repère inertiel, ~h est don :
T
~ˆ = DCM (q)~h + δmx δmy δmz
m (1.51)

~ extraits du ve teur d'état à l'instant là, 'est à dire X(11 : 13) Pour
Ave δm
∂h(xk )
résumer, la matri e de ja obienne H = s'é rit :
∂xk
 ˆ 
∂~a(k)
 ∂q(k) 03×3 03×3 03×3 
(1.52)
 
H=
 03×4 I3×3 I3×3 03×3 


 ∂ m(k) 
03×3 03×3 I3×3
∂q(k)
ave
ˆ(k)
~a ∂DCM~g
= (1.53)
∂q(k) ∂q(k)
Don
 
ˆ q0~gx + q3~gy − q2~gz q1~gx + q2~gy + q3~gz −q2~gx + q1~gy − q0~gz −q3~gx + q0~gy + q1~gz
~a(k)
= 2 q3~gx + q0~gy + q1~gz q2~gx − q1~gy + q0~gz q1~gx + q2~gy + q3~gz −q0~gx − q3~gy + q2~gz 
∂q(k)
q2~gx − q1~gy + q0~gz q3~gx − q0~gy − q1~gz q0~gx + q3~gy − q2~gz q1~gx + q2~gy − q3~gz
(1.54)

∂ m(k) ∂(DCM ~h)(k)
= (1.55)
∂q(k) ∂q(k)
Après avoir fait le al ul matri iel, nous trouverons
 
q0 hx + q3 hy − q2 hz q1 hx + q2 hy + q3 hz −q2 hx + q1 hy − q0 hz −q3 hx + q0 hy + q1 hz
~ˆ b (k)
m
= 2 −q3 hx + q0 hy + q1 hz q2 hx − q1 hy + q0 hz q1 hx + q2 hy + q3 hz −q0 hx − q3 hy + q2 hz 
∂q(k)
q2 hx − q1 hy + q0 hz q3 hx − q0 hy − q1 hz q0 hx + q3 hy − q2 hz q1 hx + q2 h− q3 hz
(1.56)

16
1.4.2 Le ltre de Kalman à 16 états
Equations d'états Nous allons ajouter les biais de a élérations en plus
dans le ve teur d'état. Ce qui donne le ve teur d'état et l'équation d'évolution
sous les formes suivantes :
x = q p q r δpqr δm δax δay δaz
T
(1.57)
   1 
q(k + 1) q(k) + Ωq(k)Te
 ~ 2
 ω (k + 1)  
  
ω
~ (k) + δpqr (k) 
δpqr (k + 1) =  (1.58)
 
   δpqr (k) 
 δm (k + 1)   
δm (k) 
δa (k + 1) δ (k)
a

∂f (xk )
La matri e de ja obienne F = s'é rit :
∂xk
1 1 
Te Ω Te Φ 04×3 04×3 04×3
2 2 
F = I16×16 +  03×4 03×3 I3×3 03×3 03×3  (1.59)


 03×4 03×3 03×3 03×3 03×3 
03×4 03×3 03×3 03×3 03×3
Ave les relations de Ω et Φ dans l'équation 1.47.

Equations de mesures Tout omme pour le ltre de Kalman à 13 états,


dans le as général, nous utilisons toutes les mesures de la entrale inertielle,
don la mesure de l'a élération, de la vitesse angulaire et du hamp ma-
gnétique, tous dans le repère mobile. Néanmoins, pour omparer les eets
de haque mesure sur le omportement du ltre, lorsque l'on ne veut pas
prendre en ompte l'eet de mesure quel onque, on supposera que son bruit
de mesure soit inni.
(1.60)

z = ~a ~ ω m ~
ˆ et m
Les équations de mesures estimées pour ~
ω ~ˆ sont identiques aux équations
ˆ est
1.50 et 1.51 pour le ltre de Kalman à 13 états. Seule la relation pour ~a
hangée :
ˆ = DCM (q)~g + δ~a
~a (1.61)
Ave δ~a extrait du ve teur d'état à l'instant là, 'est à dire X(14 : 16) Pour
∂h(xk )
résumer, la matri e de ja obienne H = s'é rit :
∂xk
 ˆ 
∂~a(k)
 ∂q(k) 03×3 03×3 03×3 I3×3 
(1.62)
 
H=  03×4 I3×3 I3×3 03×3 03×3  
ˆ
 ∂ m(k)
~ 
03×3 03×3 I3×3 03×3
∂q(k)

17
ˆ(k)
~a ~ˆ
∂ m(k)
ave et dans 1.54 et 1.56 respe tivement.
∂q(k) ∂q(k)

18
Chapitre 2

Validation du ltre de Kalman


par MATLAB

2.1 Initialisation du ltre


la matri e de ovarian e des erreurs P on l'initialise à 100I ave la
dimension d'I selon le nombre d'états dans le ltre

la matri e de ovarian e de bruit du système Q Nous supposons que


les varian es d'état sont identiques pour les états qui sont de même type.
D'après plusieurs essaies de diérentes valeurs de varian e, nous avons trou-
ver la liste des bonnes varian es pour le ltre ainsi :

varian es de bruit de système (états) valeurs unités


σq 10−5 -
σ~ω 22 (rad/s)2
σδpqr 10−4 (rad/s)2
σδ m
~ 0.022 mGauss2
m
σδ~a 10−2 ( 2 )2
s

la matri e de ovarian e de bruit du mesure R D'après plusieurs es-


saies de diérentes valeurs de varian e, nous avons trouver la liste des bonnes
varian es pour le ltre ainsi :

varian es de bruit de mesures valeurs unités


σai 802 (m/s2 )2
σω i 22 (rad/s)2
σmi 102 mGauss2
L'auteur a remarqué que pour que le ltre fon tionne, les bruits de me-
sures doivent être très grands par rapport aux mesures elles-mêmes. Andrew

19
H. Jazwinski a ité dans son livre (Sto hasti pro esses and ltering theory)
que l'utilisation d'un très grand bruit de mesures peut a her la non-linéarité
de elles- i. De plus, es grandes valeurs de bruit de mesures sont dûes au
fait que les bruits de mesures ne sont pas gaussiens.

Ve teur de gravité pour la entrale inertielle ~g Le ve teur de gravité


ressenti par la entrale inertielle peut être diérent du vrai ve teur de gravité
dans le repère inertiel omme la entrale est peut-être in linée par rapport au
plan horizontal quand elle- i est stable. Pour onnaître la valeur du ve teur
de gravité ressenti, on utilise la relation 1.49 pour ω
~ = 0, don q = (1, 0, 0, 0).
Comme le quaternion est nul, les angles d'Euler sont également tous nuls.
De e fait, la matri e de hangement de repère (de rotation i i) est égale à
la matri e d'identité. Dans e projet, pendant la olle tion de données, on a
laissé la entrale immobile pendant quelques se ondes pour évaluer le ve teur
de gravité ressenti (est également pour le ve teur du hamp magnétique
terrestre que nous allons en dis uter dans le paragraphe suivant.
ˆ = DCM (~
~a ω = 0)~g = ~g (2.1)

Ve teur du hamp magnétique terrestre pour la entrale inertielle ~h


A partir de la relation 1.51, en supposant que les biais de hamp magnétique
δmi soient nuls, on remarque que pour q = 0 on a :

~ˆ = DCM (~
m ω = 0)~h = ~h (2.2)

Don on trouve la valeur de ~h en regardant le hamp magnétique mesuré


pendant que l'engin soit immobile don pendant les premiers se ondes de la
mesure.

Nous allons omparer les eets de haque sortie en mettant le bruit de me-
sure à l'inni (numériquement très grand : 108 dans le ode) pour les sorties
que l'on ne veut pas que le ltre utilise. Nous allons don avoir 3 types des
estimations pour haque type de ltre ainsi :

 l'estimation utilisant uniquement les mesures des gyromètres


 l'estimation utilisant les mesures des gyromètres et des a éléromètres
 l'estimation utilisant les mesures des gyromètres, des a éléromètres et
des magnétomètres

2.2 l'estimation par le ltre de Kalman 13 états


Voi i les résultats d'estimations par le ltre de Kalman 13 états. Les
ourbes bleues fon ées représentent les estimations brutes des angles d'Euler

20
par la entrale inertielle CHR. Les ourbes noires représentent les estima-
tions des angles d'Euler par la entrale inertielle SBG. Les ourbes bleues
laires représentent les estimations des angles d'Euler par le ltre de Kalman
13 états en utlisant les sorties des gyromètres de la entrale inertielle CHR.
Les ourbes roses représentent les estimations des angles d'Euler par le ltre
de Kalman 13 états en utlisant les sorties des gyromètres et des a éléro-
mètres de la entrale inertielle CHR. Et les ourbes vertes représentent les
estimations des angles d'Euler par le ltre de Kalman 13 états en utlisant
les sorties des gyromètres, des a éléromètres et des magnétomètres de la
entrale inertielle CHR.

Sa hant qu'à partir de 55 se ondes après le ommen ement de mesure, l'en-


gin a un mouvement dans le plan horizontal, don théoriquement l'angle de
roulis et de tangage sont pro hes de zéros. Ainsi nous allons observer l'esti-
mation de es deux angles pendant es instants-là.

80
CHR
SBG
13 states gyro
60 13 states gyro acc
13states gyro acc mag

40

20

0
phi angle(°)

−20

−40

−60

−80

−100
0 10 20 30 40 50 60 70 80
time(s)

Figure 2.1  Estimation de l'angle de roulis φ par le ltre de Kalman 13


états

Commentaire sur l'estimation de roulis


 lorsque les sorties des gyromètres sont uniquement utilisées, l'estima-
tion de φ lors du mouvement plan a moins d'os illation. Par ontre, un
biais onstant est observé
 Grâ e aux mesures des a élérations en plus, le biais est supprimé. On
obtient l'estimation très pro he de elle de SBG, onsidérant omme
idéale.

21
CHR
40 SBG
13 states gyro
13 states gyro acc
13states gyro acc mag
30

20

10
phi angle(°)

−10

−20

−30

−40

40 45 50 55 60 65 70 75 80
time(s)

Figure 2.2  Estimation de l'angle de roulis φ par le ltre de Kalman 13


états pendant le mouvement plan de l'engin

 Lorque l'on utilise les mesures des magnétomètres en plus, l'estimation


est moins bien par rapport à lorsque l'on ne les utilise pas. L'estima-
tion est néanmoins bonne mais pas assez bonne par rapport au as
pré edant(la ourbe rose).
 à l'instant t = 40s et t = 50s environ, la entrale CHR et l'estima-
tion par le ltre de Kalman utilisant les sorties de elle- i observe une
grande variation de φ tandis que la entrale SBG ne le fait pas. Cela est
dû peut-être au fait que la entrale SBG ne déte te pas une variation
rapide.

Commentaire sur l'estimation de tangage


 lorsque les sorties des gyromètres sont uniquement utilisées, l'estima-
tion de θ lors du mouvement plan a un peu moins d'os illation. Un
biais onstant est toujours observé
 Grâ e aux mesures des a élérations en plus, le biais est supprimé. On
obtient l'estimation pro he de elle de SBG.
 Lorque l'on utilise les mesures des magnétomètres en plus, l'estimation
est mieux globalement. Néanmoins, il y a ertains moments où l'esti-
mation ave les mesures de magnétomètres donne un résultat moins
bien que elle ave les mesures des gyromètres et des a éléromètres
uniquement.
 à l'instant t = 40s et t = 50s environ, il y a des grandes variations
de θ don ça se peut que la mesures des grandes variations de φ par
la entrale CHR lorsque la entrale SBG ne les déte te pas est dû au
ouplage entre la sortie φ et θ de CHR et non pas l'imperfe tion de

22
100
CHR
SBG
13 states gyro
80 13 states gyro acc
13states gyro acc mag

60

40
theta angle(°)

20

−20

−40

−60

−80
0 10 20 30 40 50 60 70 80
time(s)

Figure 2.3  Estimation de l'angle de tangage θ par le ltre de Kalman 13


états

50
CHR
SBG
13 states gyro
40 13 states gyro acc
13states gyro acc mag

30

20
theta angle(°)

10

−10

−20

−30

40 45 50 55 60 65 70 75 80
time(s)

Figure 2.4  Estimation de l'angle de tangage θ par le ltre de Kalman 13


états pendant le mouvement plan de l'engin

SBG.

Commentaire sur l'estimation de la et Il n'y a que l'estimation par le


ltre de Kalman utilisant également les sorties de magnétomètres qui fon -
tionne bien. Ainsi, les mesures de magnétomètres sont indispensaples pour
l'estimation de ψ par le ltre de Kalman

23
400
CHR
SBG
13 states gyro
13 states gyro acc
13states gyro acc mag
300

200
psi angle(°)

100

−100

−200
0 10 20 30 40 50 60 70 80
time(s)

Figure 2.5  Estimation de l'angle de la et tangage ψ par le ltre de Kalman


13 états

2.3 l'estimation par le ltre de Kalman 16 états


Nous allons tester le ltre de Kalman 16 états pour voir si l'augmentation
d'état améliore la qualité de l'estimation. Le ltre de Kalman 16 états que
l'on va utiliser i i utilise toutes les mesures de la entrale. Les ourbes des
estimations par le ltre à 16 états sont en jaunes. Voi i les résultats de simu-
lations : On observe que l'augmentation d'états a améliorer l'estimation de

80
CHR
SBG
13 states gyro
60 13 states gyro acc
13states gyro acc mag
16states gyro acc mag
40

20

0
phi angle(°)

−20

−40

−60

−80

−100
0 10 20 30 40 50 60 70 80
time(s)

Figure 2.6  Estimation de tangage φ par le ltre de Kalman 13 états et


16 états

24
20 CHR
SBG
13 states gyro
15 13 states gyro acc
13states gyro acc mag
16states gyro acc mag

10

5
phi angle(°)

−5

−10

−15

−20

56 58 60 62 64 66 68 70 72 74
time(s)

Figure 2.7  Estimation de tangage φ par le ltre de Kalman 13 états et


16 états lors du mouvement plan de l'engin

100
CHR
SBG
13 states gyro
80 13 states gyro acc
13states gyro acc mag
16states gyro acc mag
60

40
theta angle(°)

20

−20

−40

−60

−80
0 10 20 30 40 50 60 70 80
time(s)

Figure 2.8  Estimation de tangage θ par le ltre de Kalman 13 états et


16 états
la et ψ mais rend pire elles de roulis φ et de tangage θ . Don pour obtenir
la meilleure estimation on peut utiliser le ltre de Kalman 16 états pour le
la et, et 13 états sans magnétomètres pour le roulis et ave magnétomètres
pour le tangage.

25
50
CHR
SBG
13 states gyro
40 13 states gyro acc
13states gyro acc mag
16states gyro acc mag
30

20
theta angle(°)

10

−10

−20

−30

40 45 50 55 60 65 70 75 80
time(s)

Figure 2.9  Estimation de tangage θ par le ltre de Kalman 13 états et


16 états lors du mouvement plan de l'engin

400
CHR
SBG
13 states gyro
13 states gyro acc
13states gyro acc mag
300
16states gyro acc mag

200
psi angle(°)

100

−100

−200
0 10 20 30 40 50 60 70 80
time(s)

Figure 2.10  Estimation de tangage ψ par le ltre de Kalman 13 états et


16 états

2.4 Robutesse ontre une perturbation de hamps


parasites
On sait que lorsque la entrale est ae tée par un grand hamp magné-
tique parasite, il vaut mieux de ne pas utiliser les mesures de magnétomètres.
Dans e projet, on propose de mettre une borne inférieure et une borne su-

26
périeure sur la norme du hamp magnétique mesuré. Si la norme ou la va-
riation entre deux instants onsé utifs de hamp magnétique mesuré dépasse
les bornes, on met le bruit de mesure de magnétomètres à l'inni (108 dans
le ode i i). De e fait, le ltre de Kalman n'utilise plus le mesure du hamp
et passe au ltre de Kalman ave les mesures des gyromètres et des a éléro-
mètres uniquement. Théoriquement la norme de hamp magnétique mesuré
~ doit être égale à elle du hamp magnétique terrestre ~h omme 'est la
m
mesure du même hamp, il n' y a que l'orientation qui est hangée. Ainsi
théoriquement, nous pouvons dire que si la norme du hamp magnétique
mesuré est diérente elle du hamp terrestre, on n'utilisera plus les mesures
du hamp magnétique. Par ontre, dans la réalité, la entrale inertielle CHR
n'est pas assez parfait pour donner une bonne estimation du hamp magné-
tique terrestre, on risque à laisser tomber les informations de hamp qui sont
utiles pour le ltre de Kalman étendu. Ainsi, nous pouvons é rit que si

~ > nnormk~hk
kmk (2.3)

~ < nnormk~hk
kmk (2.4)
σm = ∞ (108 dans le ode) et on adapte la valeure de nnorm omme l'on
veut. L'auteur propose de hoisir nnorm entre 1.2 et 1.6. Notons qu'il faut
mettre des bornes dans deux sans par e que le hamp magnétique parasite qui
vient perturber l'engin peut donner un hamp négatif. Nous allons mettre
es bornes dans le ode de ltre de Kalman et l'appeler ltre de Kalman
robuste. Puis nous testons e ltre robust par le résultat de la mesure des
angles d'Euler par la entrale CHR dans le milieu fortement pertubé par du
hamp magnétique extérieur. En eet pour pertuber la entrale, on amène
la entrale près d'une grande bobine.

Commentaires sur l'estimation de roulis


 le ltre de Kalman 13 états est beau oup amélioré après l'utilisation de
la méthode de robutesse (en rouge), l'estimation par le ltre 13 états
utilisant tous les mesures de CHR devient très pro he parfois mieux
que elle par le ltre qui ne utilise pas les sorties des magnétomètres
(en rose).
 Le méthode de robutesse n'a au un d'eet sur l'estimation de φ par le
ltre de Kalman 16 états.

Commentaires sur l'estimation de tangage


 Globalement le ltre de Kalman 13 états est un peu amélioré après
l'utilisation de la méthode de robutesse (en rouge).
 Le méthode de robutesse n'a au un d'eet sur l'estimation de θ par le
ltre de Kalman 16 états.

27
250
m
x
m
y
200
m
z

150
magnetic fields mesured by CHR (mGauss)

100

50

−50

−100

−150

−200

−250
0 10 20 30 40 50 60 70 80 90 100
time(s)

Figure 2.11  le hamp magnétique mesuré par la entrale CHR dans un


milieu perturbé de hamps magnétiques extérieurs

300
phi
theta
psi

200

100
Euler angles mesured by CHR (°)

−100

−200

−300

−400
0 10 20 30 40 50 60 70 80 90 100
time(s)

Figure 2.12  les angles d'Euler brutes estimés par la entrale CHR dans
un milieu perturbé de hamps magnétiques extérieurs

Commentaires sur l'estimation de la et La méthode de robutesse a


amélioré l'estimation de ψ pour le ltre de Kalman 13 états et 16 états. La
performan e du ltre à 16 états est toujours mieux pour et angle.

28
200
Kalman 16 states
Robust Kalman 16 states
CHR
150

100

50
phi angle(°)

−50

−100

−150

−200
0 10 20 30 40 50 60 70 80 90 100
time(s)

Figure 2.13  Les estimations de roulis φ dans un milieu perturbé de hamps


magnétiques extérieurs

100
Kalman 16 states
Robust Kalman 16 states
80 CHR

60

40

20
theta angle(°)

−20

−40

−60

−80

−100
0 10 20 30 40 50 60 70 80 90 100
time(s)

Figure 2.14  Les estimations de tangage θ dans un milieu perturbé de


hamps magnétiques extérieurs

29
300
Kalman 16 states
Robust Kalman 16 states
CHR

200

100

0
psi angle(°)

−100

−200

−300

−400
0 10 20 30 40 50 60 70 80 90 100
time(s)

Figure 2.15  Les estimations de la et ψ dans un milieu perturbé de hamps


magnétiques extérieurs

80
SBG
gyro
gyro acc
60 13states
13states corrected
16states
40 16states corrected

20

0
phi angle(°)

−20

−40

−60

−80

−100
0 10 20 30 40 50 60 70 80
time(s)

Figure 2.16  Les estimations de roulis φ dans un milieu non perturbé de


hamps magnétiques extérieurs

30
SBG
25 gyro
gyro acc
13states
20 13states corrected
16states
16states corrected
15

10
phi angle(°)

−5

−10

−15

−20

56 58 60 62 64 66 68 70 72 74 76
time(s)

Figure 2.17  Les estimations de roulis φ dans un milieu non perturbé de


hamps magnétiques extérieurs lors du mouvement plan

SBG
40 gyro
gyro acc
13states
13states corrected
30 16states
16states corrected

20

10
phi angle(°)

−10

−20

−30

−40

15 20 25 30 35 40 45 50
time(s)

Figure 2.18  Les estimations de roulis φ dans un milieu non perturbé de


hamps magnétiques extérieurs pendant les premiers instants de mesure

31
100
SBG
gyro
gyro acc
80 13states
13states corrected
16states
60 16states corrected

40
theta angle(°)

20

−20

−40

−60

−80
0 10 20 30 40 50 60 70 80
time(s)

Figure 2.19  Les estimations de tangage θ dans un milieu non perturbé


de hamps magnétiques extérieurs

SBG
30 gyro
gyro acc
13states
13states corrected
25 16states
16states corrected

20

15
theta angle(°)

10

−5

−10

56 58 60 62 64 66 68 70 72 74
time(s)

Figure 2.20  Les estimations de tangage θ dans un milieu non perturbé


de hamps magnétiques extérieurs lors du mouvement plan

32
200
SBG
gyro
gyro acc
150 13states
13states corrected
16states
16states corrected
100

50
psi angle(°)

−50

−100

−150

−200
0 10 20 30 40 50 60 70 80
time(s)

Figure 2.21  Les estimations de la et ψ dans un milieu non perturbé de


hamps magnétiques extérieurs

100
SBG
gyro
gyro acc
80 13states
13states corrected
16states
60 16states corrected

40

20
psi angle(°)

−20

−40

−60

−80

40 45 50 55 60 65 70 75
time(s)

Figure 2.22  Les estimations de la et ψ dans un milieu non perturbé de


hamps magnétiques extérieurs lors du mouvement plan

33
Chapitre 3

Con lusion
L'estimation des angles d'Euler par la entrale inertielle peut être amé-
liorée grâ e à l'implémentation de ltre de Kalman étendu, soit 13 états soit
16 états. Si l'engin n'est pas perturbé par un grand hamp magnétique pa-
rasite, l'utilisation des mesures de magnétomètres est intéressante pour le
ltre de Kalman utilisé. Par ontre, dans un milieu fort perturbé, il faut lais-
ser tomber es mesures et passe au ltre qui utilise uniquement les mesures
des gyromètres et des a éléromètres. Pour ela, nous pouvons implémenter
la méthode de robustesse proposée dans e projet, en mettant les bornes
supérieures sur la norme du hamp magnétique mesuré.

Proposition de hoix de ltres de Kalman par l'auteur


 Si on ne peut hoisir qu'un type de ltre de Kalman à l'implémenter
dans la entrale inertielle, le meilleur hoix est le ltre de Kalman 13
états ave la méthode de robustesse ontre une grande perturbation de
hamps magnétiques parasites extérieurs, appelé par l'auteur ltre de
Kalman robuste 13 états.
 Si on peut hoisir diérent type de ltre de Kalman pour diérente
estimation de l'angle d'Euler, il est re ommandé d'utiliser le ltre de
Kalman robuste 13 états pour l'estimation de roulis, φ, et de tangage,θ
et d'utiliser le ltre de Kalman robuste 16 états pour l'estimation de
la et, ψ

Ceux que l'on peut améliorer ultérieurement


 Ne plus utiliser les mesures des a éléromètres pour l'estimation de
ψ omme pour ette angle la mesure de ~a n'est que des a élérations
parasites ausées par le mouvement de la entrale qui sont inutiles pour
l'estimation de ψ . Néanmoins, on peut le faire que quand on utilise les
angles d'Euler omme états, et non pas quaternion. Don on va avoir
le problème de divergen e de ltre après.
 Réglage du matri e de ovarian e peut être fait par le toolbox optim

34
de MATLAB qui est plus rigoureux que le règlage à la main fait dans
e projet.
 Comparer la performan e des ltres en traçant l'évolution des innova-
tions de haque ltre peut être un bon ritère et plus rigoureux que
dire e ltre est mieux que e ltre, et .

35
Bibliographie
Angelo M. Sabatini, Quaternion-Based Extended Kalman Filter for De-
termining Orientation by Inertial and Magneti Sensing, IEEE TRANSAC-
TIONS ON BIOMEDICAL ENGINEERING, VOL. 53, NO. 7, JULY 2006.

LIU Cheng et al, Attitude Determination for MAVs Using a Kalman Fil-
ter, TSINGHUA SCIENCE AND TECHNOLOGY, pp593-597, Volume 13,
Number 5, O tober 2008.

J. R. C'ordova Alar 'on1 et al, Extended Kalman Filter Tuning in Atti-


tude Estimation from Inertial and Magneti Field Measurements, Instituto
de Ingenieria, UNAM, Ciudad Universitaria, Mexi o.

Benoît Huyghe et al, 3D Orientation Tra king Based on Uns ented Kalman
Filtering of A elerometer and Magnetometer Data, IEEE Sensors Appli a-
tions Symposium New Orleans, LA, USA - February 17-19, 2009.

Dan Simon, Kalman Filtering, Embedded Systems Programming, JUNE


2001 .

Greg Wel h, An Introdu tion to the Kalman Filter, Department of Com-


puter S ien e, University of North Carolina at Chapel Hill Chapel Hill, NC
27599-3175, July 2006.

R. E. KALMAN, Resear h Institute for Advan ed Study, Baltimore, A New


Approa h to Linear Filtering and Predi tion Problems, Journal of Basi En-
gineering, 82 (Series D) : 35-45, 1960.

Arend L. S hwab, Quaternions, Finite Rotation and Euler Parameters, May


16, 2002.

Dan Stahlke, Quaternions in Classi al Me hani s, PHYS 621.

Aoun Samer et Al Bitar Houssam, Développement d'une entrale intégrée


inertielle/GPS, rapport de projet de n d'études, ISAE, 2004.

36