26. Otomatik Kontrol Ulusal Konferansı
Published November 27, 2025 | Version v1
Conference paper Open

IMU Tabanlı Gimbal Sistemlerinde Kalman ve Genişletilmiş Kalman Filtresi Performans Karşılaştırması

Authors/Creators

  • 1. ROR icon Erciyes University
  • 2. ROR icon Istanbul Technical University
  • 3. EDMO icon Ankara University

Description

Bu çalışma, Ataletsel Ölçüm Birimi (IMU) sensörlerinden elde edilen verilerin doğruluğunu artırmak amacıyla Kalman Filtresi (KF) ve Genişletilmiş Kalman Filtresi (EKF) algoritmalarının performansını analiz etmektedir. Gimbal sistemi üzerine yerleştirilen IMU sensörleriyle alınan açısal konum verileri, potansiyometrelerden elde edilen referans verilerle karşılaştırılmıştır. Üç eksenli gimbal sistemi, yüksek hassasiyetli rulmanlarla desteklenmiş ve sensör verilerinin doğru şekilde değerlendirilmesi için Arduino tabanlı bir platform oluşturulmuştur. Deneysel analizlerde çeşitli Q (süreç gürültüsü) ve R (ölçüm gürültüsü) parametre setleri kullanılarak farklı senaryolar test edilmiş, EKF’nin özellikle dinamik hareketler sırasında daha düşük sapma ile daha yüksek doğruluk sağladığı gözlemlenmiştir. Bu çalışma, otonom sistemlerde stabilizasyon, yönelim ve konum belirlemenin iyileştirilmesi adına önemli katkılar sunmaktadır.

Abstract (English)

This study analyses the performance of Kalman Filter (KF) and Extended Kalman Filter (EKF) algorithms to enhance the accuracy of data obtained from Inertial Measurement Unit (IMU) sensors. Angular position data collected from IMUs mounted on a gimbal system were compared with reference values obtained from potentiometers. A three-axis gimbal platform equipped with high-precision bearings and an Arduino-based data acquisition setup was implemented. Various test scenarios were conducted using different Q (process noise) and R (measurement noise) parameter sets. Results indicate that EKF provides significantly more accurate estimations, particularly under dynamic motion conditions. This study offers valuable insights for improving orientation, stabilization, and position estimation in autonomous systems.

Files

TOK2025_Paper_03.pdf

Files (999.6 kB)

Name Size Download all
md5:4df7296c6611d7c965460e3a9a0df5ff
999.6 kB Preview Download

Additional details

Additional titles

Alternative title (English)
Performance Comparison of Kalman and Extended Kalman Filters in IMU-Based Gimbal Systems