Heading estimation during motor-related magnetic disturbances

Abstract

Kursvinkelestimering er en utfordrende oppgave i nærvær av forstyrrelser fra magnetiske materialer. For små kjøretøy med elektriske motorer, som for eksempel en slangerobot, blir kursvinkelestimering ekstra utfordrende på grunn av det induserte elektromagnetiske feltet fra motorene, foruten å nevne mulige magnetiske materialer i omgivelsene. Slangeroboten Boa, som for øyeblikket er under utvikling ved Norges Teknisk-Naturvitenskapelige universitet, ble bygget for å undersøke en ny metode for å estimere kontaktkrefter og kontaktpunkter for slangeroboter. Roboten har derfor en IMU på toppen av hvert robotledd med børsteløse likestrømsmotorer.

Arbeidet i denne avhandlingen har undersøkt den magnetiske forstyrrelsen på IMU-en ombord slangeroboten, indusert fra motoren. Den magnetiske forstyrrelsen på magnetometeret ble modellert som en sinuskurve. Modellen ble videre testet og validert med ekstra belastning på motoren. I tillegg ble effekten av fysisk skjerming ved hjelp av ferrittskjermingsark og fysisk avstand testet og evaluert. Eksperimentene viste at fysisk avstand og skjermingsark ga omtrent samme magnetfeltredusering, men skjermingsark gjorde krysstalen mer kompleks og modellen mindre pålitelig. Til slutt ble en teknikk for å avvise magnetiske forstyrrelser ved hjelp av et adaptivt Kalmanfilter utforsket gjennom et enkelt dugelighetseksperiment for kursvinkelestimering. Eksperimentet viste at kursvinkelestimatene kan betydelig forbedres ved å bruke krysstalemodellen som en prediktor i en foroverkoblingssløyfe som korrigerer magnetometermålingene. Kursvinkelen kan estimeres ved hjelp av et Kalmanfilter som adaptivt endrer målekovariansmatrisen for å avvise magnetiske forstyrrelser.

Avslutningsvis ble det foreslått en generell teknikk for å forbedre kursvinkelestimatene i nærvær av elektriske motorer og magnetisk støyende miljøer. Det foreslås at fremtidig arbeid tester teknikken på en flerleddet slangerobot som bruker hinderassistert forflytning, med full bevegelses- og posisjonsestimering.

Heading estimation is a challenging task in the presence of magnetic disturbances. For small vehicles with electric motors, such as a snake robot, heading estimation becomes extra challenging due to the induced electromagnetic field from the motors and magnetic materials in the environment. The Boa snake robot, currently under development at the Norwegian University of Science and Technology, was built to investigate novel methods for estimating contact forces and contact points for planar snake robots. To this end, the robot has an IMU fixed to each link. The magnetic cross-talk from the motors must therefore be addressed to enable accurate heading and attitude estimates.

In this thesis, the magnetic disturbance on the onboard IMUs induced by the robots' motors was assessed. The rotating magnetic field induced by the motors was found to be accurately modeled by a sinusoidal signal. The model was further tested and validated with additional motor load. Additionally, the effect of physical magnetic shielding was explored using ferrite shielding sheets and physical distance between the IMU and the motor. The experiments showed that physical distance and shielding sheets provided approximately the same magnetic field attenuation, but shielding sheets made the cross-talk more complex and the model less reliable. Lastly, a magnetic disturbance rejection technique using an adaptive Kalman filter was explored by performing a simple proof-of-concept heading experiment. The heading experiment showed that the heading estimates could be significantly improved using a cross-talk model as a predictor in a feed-forward loop to correct the magnetometer measurements. The heading can be estimated using a Kalman filter with an adaptive measurement covariance matrix to reject magnetic disturbances.

Hence, a general technique to improve heading estimates in the presence of electric motors and magnetically noisy environments was proposed. Future work includes testing the technique on a multi-link snake robot using obstacle-aided locomotion with full attitude and position estimation.