Veuillez utiliser cette adresse pour citer ce document : https://di.univ-blida.dz/jspui/handle/123456789/2621
Affichage complet
Élément Dublin CoreValeurLangue
dc.contributor.authorZenibaa, Soheib
dc.contributor.authorKraimia, Nour El Houda; Bencheikh, Saliha (promotrice)
dc.date.accessioned2019-11-12T08:40:04Z
dc.date.available2019-11-12T08:40:04Z
dc.date.issued2019
dc.identifier.urihttp://di.univ-blida.dz:8080/jspui/handle/123456789/2621
dc.description106 p.;ill.+1 cd rom.-Mémoire de Master option CNS/ATM.-Numéro de Thèse 039/2019fr_FR
dc.description.abstractRésumé Dans ce mémoire, on a traité deux observateurs non linéaires, le filtre de Kalman étendu et l’observateur grand gain basés sur la fusion INS/GPS. D’abord on a traité le filtre de Kalman étendu (EKF), qui été largement utilisé dans la littérature et qu’il représente probablement l’approche la plus commune et la plus populaire pour traiter un système non linéaire. Après on a exposé un nouvel estimateur qui est l’observateur grand gain (OGG). Sa conception ne nécessite aucune transformation du système initiale, elle se fait directement à partir de la structure du système. Des simulations illustratives évaluent l'applicabilité et l'efficacité des deux observateurs étudies. Abstract In this thesis, we treated two non linear observers, EKF and OGG based on INS/GPS fusion. First we treated EKF, which is widely used in probably the best know approach to a non linear system. The new estimator has been exposed which is OGG design doesn’t require any transformation of the initial system, it is done directly from the structure of the system. Illustrative simulations assess the appcability of the effectiveness of the two observers studies for attitude estimation.fr_FR
dc.language.isofrfr_FR
dc.publisherUniversité Blida 01fr_FR
dc.subjectFiltre de Kalmanfr_FR
dc.subjectSystème de navigation hybride INS/GPSfr_FR
dc.subjectObservateur grand gain (OGG)fr_FR
dc.titleSimulation d’un système de navigation hybride INS/GPS base sur les observateurs non lineaires: FKE et OGGfr_FR
dc.typeThesisfr_FR
Collection(s) :Mémoires de Master

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
039-2019.pdf9,02 MBAdobe PDFVoir/Ouvrir


Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.