Proposta unificada para estimação de movimento e estado energético em sistemas embarcados alimentados por bateria

Abstract

O Filtro de Kalman Estendido (EKF - Extended Kalman Filter) é amplamente empregado para estimativa de atitude utilizando Unidades de Medida Magnéticas e Inerciais (MIMU - Magnetic and Inertial Measurement Units) em sistemas de sensoriamento alimentados por bateria. Nessas aplicações, a disponibilidade energética influencia a operação do sistema, contudo, informações sobre o estado da bateria são geralmente tratadas por mecanismos supervisórios externos, em vez de serem integradas ao processo de estimação. Este trabalho apresenta uma formulação baseada em EKF, na qual o Estado de Carga (SOC - State of Charge) da bateria é explicitamente incluído como uma variável de estado, permitindo a estimação conjunta da atitude e do estado energético em uma única estrutura de filtragem. A dinâmica do SOC é modelada por meio de um estimador de baixa complexidade baseado em medições de tensão e corrente de terminal, enquanto a estimativa de atitude é realizada utilizando um Filtro de Kalman Estendido Simplificado (SEKF - Simplified Extended Kalman Filter) adaptado para aplicações embarcadas baseadas em MIMU. A abordagem proposta foi avaliada por meio de simulações numéricas sob perfis de carga constante e variável no tempo, representativos de dispositivos eletrônicos de baixa potência. Os resultados indicam que a inclusão da estimação de SOC não afeta o desempenho da estimativa de atitude do SEKF original, enquanto os erros de estimação do SOC permanecem em torno de 10% na maioria das condições de carga avaliadas, para consumo de potência de aproximadamente 0,1 W, consistente com plataformas eletrônicas vestíveis e autônomas de pequeno porte. Considerando as limitações da implementação em ambiente computacional, ao incorporar a estimativa do estado energético diretamente na estrutura de filtragem, em vez de tratá-la como uma tarefa supervisória externa, a formulação proposta oferece uma abordagem de estimação unificada adequada para sistemas embarcados baseados em MIMU com recursos computacionais e energéticos limitados.

Abstract: Extended Kalman Filters (EKFs) are widely employed for attitude estimation using Magnetic and Inertial Measurement Units (MIMUs) in battery-powered sensing systems. In such applications, energy availability influences system operation, yet battery state information is commonly treated by external supervisory mechanisms rather than being integrated into the estimation process. This work presents an EKF-based formulation in which the battery State of Charge (SOC) is explicitly included as a state variable, allowing joint estimation of attitude and energy state within a single filtering framework. SOC dynamics are modeled using a low-complexity estimator based on terminal voltage and current measurements, while attitude estimation is performed using a Simplified Extended Kalman Filter (SEKF) tailored for embedded MIMU-based applications. The proposed approach was evaluated through numerical simulations under constant and time-varying load profiles representative of low-power electronic devices. The results indicate that the inclusion of SOC estimation does not affect the attitude estimation performance of the original SEKF, while SOC estimation errors remain below 10% in most of the evaluated load conditions for a power consumption of approximately 0.1 W, consistent with wearable and small autonomous electronic platforms. By incorporating energy state estimation directly into the filtering structure, rather than treating it as an external supervisory task, the proposed formulation offers a unified estimation approach suitable for embedded MIMU-based systems with limited computational and energy resources.