|
Abstract:
|
Este trabalho apresenta um estudo comparativo entre diferentes métodos de calibração para acelerômetros MEMS, avaliando a eficácia de três técnicas: Mínimos Quadrados (MQ), Otimização por Enxame de Partículas (PSO) e Redes Neurais Artificiais. O objetivo principal é determinar a técnica mais eficiente para corrigir erros de medição determinísticos, como bias, fator de escala, desalinhamento e não-ortogonalidade. Para isso, são considerados dois modelos de erros do acelerômetro: o modelo simplificado, que aborda apenas os erros de bias e de fator de escala, e o modelo completo, que incorpora todos os erros determinísticos. Esses modelos descrevem as acelerações medidas em função da aceleração real, levando em conta os erros mencionados. Após a calibração, as medidas de aceleração obtidas são utilizadas para estimar os ângulos de inclinação roll (rolagem) e pitch (arfagem). Assim, realiza-se outra comparação, com o objetivo de identificar a técnica mais adequada para a aplicação de estimação da inclinação. As avaliações foram realizadas com base em datasets específicos coletados e na métrica de Erro Absoluto Médio (MAE). Os resultados apresentados evidenciaram que as técnicas baseadas em Redes Neurais e em MQ, considerando o modelo completo de erros, alcançaram os melhores desempenhos tanto na calibração quanto na estimação da inclinação. |
