Estudo Comparativo de Técnicas de Calibração para Acelerômetros MEMS com Aplicação na Estimação da Inclinação

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.