Numer: 06/2024 Str. 219
Autorzy: Shady Zahran , Ahmed Radi , Ahmed Shahrawy , Wagdy Anis :
Tytuł: Poprawa wydajności integracji INS/GPS KF w oparciu o dokładne modelowanie błędów stochastycznych z czujników inercyjnych
Streszczenie: Inercyjne systemy nawigacji (INS) dostarczają dokładnych danych przez krótki okres czasu, ale ich dokładność maleje z czasem, szczególnie w przypadku tanich czujników. Aby zachować akceptowalną dokładność, składowe błędu czujnika muszą być dokładnie skalibrowane/modelowane. Do charakteryzowania błędów stochastycznych czujników inercyjnych zastosowano różne metody, w tym funkcję autokorelacji (ACF), wariancję Allana (AV) i uogólnioną metodę momentów falkowych (GMWM). W artykule skupiono się na analizie błędów czujników inercyjnych opartych na systemach mikroelektromechanicznych (MEMS) w różnych warunkach. Procesy błędów stochastycznych czujnika inercyjnego są szacowane przy użyciu technik AV i GMWM. Na podstawie porównania obu narzędzi analizy stochastycznej wybrano GMWM, a kryteria wyboru modelu oparte na GMWM zastosowano do uszeregowania modeli potencjalnych błędów. Zaproponowano rozszerzony, 39-stanowy zintegrowany algorytm nawigacji GNSS/INS (oparty na wybranym modelu błędów) i porównano go ze standardowym 15-stanowym zintegrowanym algorytmem nawigacji GNSS/INS (opartym na pierwszym procesie Gaussa-Markowa do modelowania błędów stochastycznych). W pracy przeanalizowano różne modele błędów stochastycznych wykorzystując rzeczywiste dane z systemu nawigacji inercyjnej (INS) i globalnego systemu pozycjonowania (GPS) z przewidywanymi okresami zaniku sygnału GPS. Wyniki ujawniają zwiększoną dokładność pozycjonowania dzięki proponowanemu algorytmowi i lepszą wydajność dzięki modelowi błędów opartemu na GMWM w porównaniu ze standardowym modelem opartym na ACF.
Słowa kluczowe: Inercyjne systemy nawigacji (INS), globalnego systemu pozycjonowania (GPS), Funkcja autokorelacji