طراحی و پیاده سازی الگوریتم تخمین مقید تطبیقی برای سامانه ارزان قیمت ترکیبی ناوبری اینرسی- موقعیت یاب جهانی در محیط های شهری

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشکده برق، دانشگاه خواجه نصیرالدین طوسی، تهران، ایران

2 دانشکده مهندسی مکانیک، دانشگاه تبریز، تبریز، ایران

3 دانشکده هوا فضا، دانشگاه امام حسین، تهران، ایران

4 دانشکده مهندسی مکانیک، دانشگاه امام حسین، تهران، ایران،

چکیده

در سامانه‌های ناوبری اینرسی، به دلیل وجود عدم قطعیت‌های ناشی از نویز و بایاس حسگرهای اینرسی ارزان‌قیمت، خطای موقعیت‌یابی در مدت زمان کوتاه، افزایش چشمگیری پیدا می‌کند. بنابراین ترکیب آن با یک سامانه کمکی مانند سامانه موقعیت‌یاب جهانی به منظور کاهش خطای سامانه ناوبری اینرسی توسط یک الگوریتم تخمین‌زن مناسب پیشنهاد می‌شود. در مناطق شهری به دلیل نزدیکی به درختان و ساختمان‌های بزرگ، امکان قطعی سیگنال سامانه موقعیت‌یاب جهانی وجود دارد. در همین راستا به منظور ارائه داده‌های قابل اطمینان در مواقع قطعی سامانه موقعیت‌یاب جهانی،دراین مقاله به ارائه الگوریتم تخمین مقید تطبیقی برای سامانه ترکیبی ناوبریاینرسی-موقعیت‌یاب جهانی پرداخته می‌شود. در این تخمین‌زن، ابتدا قیودی مناسب با استفاده از فرضیاتی در مورد سرعت‌های خودرو و همچنین قیود ارتفاع براساس داده‌های فشارسنج تعریف شده و سپس به ارائه الگوریتم تخمین مقید براساس قیود، پرداخته می‌شود. همچنین به منظور کاهش خطای تخمین از منطق فازی نوع 2 برای تنظیم پارامترهای تخمین‌زن متناسب بامانور خودرو استفاده می شود. به منظور صحه‌گذاریالگوریتم ارائه شده از تست خودرو استفاده می‌شود. نتایج حاصلنشان می‌دهد که با استفاده ازالگوریتم طراحی شده،دقت تخمین متغیرهای حالت ناوبری اینرسی نسبت به حالت نامقید به میزان قابل توجهی افزایش خواهد یافت.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Design and Implementation a Constrained Adaptive Estimation Algorithm for Lowcost Integrated Navigation System in Urban Area

نویسندگان [English]

  • saeed khankalantary 1
  • Sadra Rafatnia 2
  • hasan mohammadkhani 3
  • mohsen hajizadeh 4
1 Department of Electrical Engineering, K. N. Toosi University of Technology.
2 Department of Mechanical Engineering, University of Tabriz, Tabriz, Iran
3 Department of Aerospace Engineering, Imam Hossein University.
4 Department of Mechanical Engineering, Imam Hossein University, Tehran, Iran.
چکیده [English]

Due to stochastic noises, modeling uncertainties and nonlinearities in low-cost inertial measurement units, the positioning error of strap-down inertial navigation systems are increased exponentially. So, the inertial navigation system is integrated with aiding navigation systems like a global navigation satellite system by using an estimation algorithm to obtain an acceptable positioning accuracy. In the urban area, the global navigation satellite system signal may be obstructed because of tall trees and buildings. Therefore, in the present paper, a novel constrained adaptive integration algorithm is developed for integration of the strap-down inertial navigation system and global navigation satellite system. In this algorithm, the velocities constraints in body frame in addition to altitude constraints based on a barometer data are firstly developed, and then a constrained estimation algorithm is designed based on the proposed constraints. In addition, a type-2 fuzzy algorithm is used to calculate the estimator parameters based on vehicle maneuvers. The real vehicular tests are used for implantation and validation of the proposed algorithm. The experimental results indicate that the proposed adaptive constrained estimation algorithm enhanced the estimation accuracy of the strap-down inertial navigation system steady states.

کلیدواژه‌ها [English]

  • Strap-down inertial navigation system
  • Global navigation satellite system
  • Constrained Estimation
  • Type-2 fuzzy
  • Signal Outage
[1]  D. Titterton, J. Weston, Strapdown inertial navigation technology 2nd ed., IET, London, United Kingdown, 2004.
[2]  S. Sukkarieh, E. Nebot, H. Durrant - Whyte, Achieving integrity in an INS/GPS navigation loop for autonomous land vehicle applications, in:  Robotics and Automation, 1998. Proceedings. 1998 IEEE International Conference, IEEE, Leuven, Belgium, 1998, pp. 3437-3442.
[3]   J. Farrell, T. Givargis, M.J. Barth, Real - time differential carrier phase GPS - aided INS, IEEE Transactions on Control Systems Technology, 8(4) (2000) 709-721.
[4] A. El - Rabbany, Introduction to GPS: The Global Positioning System, Artech House, London, 2002.
[5]  H. Nourmohammadi, J. Keighobadi, Design and experimental evaluation of indirect centralized and direct decentralized integration scheme for low - cost INS/GNSS system, GPS Solutions, 22 (2018) 1-18.
[6]  J. Wendel, O. Meister, C. Schlaile, G. Trommer, An integrated GPS/MEMS - IMU navigation system for an autonomous helicopter, Aerospace Science and Technology, 10(6) (2006) 527-533.
[7]  H. Nourmohammadi, J. Keighobadi, Decentralized INS/GNSS system with MEMS - grade inertial sensors using QR - factorized CKF, IEEE Sensors Journal, 17(11) (2017) 3278-3287.
[8]   H. Nourmohammadi, J. Keighobadi, Fuzzy adaptive integration scheme for low - cost SINS/GPS navigation system, Mechanical Systems and Signal Processing, 99(2018) (2018) 434-449.
[9]  S. Godha, M. Cannon, GPS/MEMS INS integrated system for navigation in urban areas, GPS Solutions, 11(3) (2007) 193-203.
[10]  N. Musavi, J. Keighobadi, Adaptive fuzzy neuro - observer applied to low cost INS/GPS, Applied Soft Computing, 29 (2015) 82-94.
[11]   S. Rafatnia, H. Nourmohammadi, J. Keighobadi, M. Badamchizadeh, In - move aligned SINS/GNSS system using recurrent wavelet neural network (RWNN) - based integration scheme, Mechatronics, 54 (2018) 155-165.
[12]   A. Noureldin, A. El - Shafie, M. Bayoumi, GPS/INS integration utilizing dynamic neural networks for vehicular navigation, Information Fusion, 12(1) (2011) 48-57.
[13]  D. Bhatt, P. Aggarwal, V. Devabhaktuni, P. Bhattacharya, A novel hybrid fusion algorithm to bridge the period of GPS outages using low - cost INS. Expert Systems with Applications, 41(5) (2014) .3712 - 6612
[14]    J. Keighobadi, H. Nourmohamadi, S. Rafatania, Design and Implementation of GA Filter Algorithm for Baro - inertial Altitude Error Compensation, in:  18th IIE International Conference on Latest Trends in Engineering and Technology (ICLTET - 2018), International Institute of Engineers (IIE) ISTANBUL - TURKEY, 2018.
[15]    J. Keighobadi, S. Rafatnia, H. Nourmohammadi, M. Arbabmir, Design and implementation of altitude estimation algorithm in the integrated barometric - inertial altimeter using model predictive control, Journal of Mechanical Engineering - University of Tabriz, 47(2) (2017) 233-238, (In Persian).
[16]  H. Nourmohammadi, J. Keighobadi, Integration Scheme for SINS/GPS System Based on Vertical Channel Decomposition and In - Motion Alignment, AUT Journal of Modeling and Simulation, 50(1) (2018) 13-22.
[17]    J. Keighobadi, H. Vosoughi, J. Faraji, Design and implementation of a model predictive observer for AHRS, GPS Solutions, 22(1) (2018) 22-29.
[18]  J. Stead, S. Holtznagel, AHD heights from GPS using AUSGEOID93, Australian surveyor, 39(1) (1994) 21.27
[19]  J. Mendel, R. John, Type-2 fuzzy sets made simple, IEEE Transactions on fuzzy systems, 10(2) (2002) 117-127.
[20]  D. Simon, Kalman filtering with state constraints: a survey of linear and nonlinear algorithms, IET Control Theory & Applications, 4(8) (2010) 1303-1318.
[21] S. Boyd, L. Vandenberghe, Convex optimization, Cambridge university press, Cambridge, UK, 2004.