تركيب بهينه سنسورهاي اينرسي براي توجيه اوليه سيستم ناوبري بدون سكو با استفاده از الگوريتم ژنتيك

Optimal combination of inertial sensors for initial alignment of strapdown navigation system using genetic algorithm

در اين مقاله به بهبود فرآيند توجيه اوليه يك سيستم ناوبري اينرسي بدون سكو بر اساس انتخاب تركيب بهينه سنسورهاي شركت‌كننده در فرآيند توجيه پرداخته شده است. به طور معمول مي‌توان روابط را بر حسب بردار پايه خروجي شتاب‌سنج و يا ژيروسكوپ مرتب نمود كه بستگي به دقت خروجي‌ها دارد. روابط ارائه شده در اين مقاله در انتها منجر به تخميني با استفاده از تركيب خطي خروجي سنسورهاي اينرسي مي‌گردد، هرچند خطاي الگوريتم اين تخمين از خطاي باياس سنسورها مستقل مي‌باشد؛ اما متأسفانه ضريب اين تركيب مجهول است. يك راه‌حل استفاده از دانش طراح يا توجه به نسبت خطاي سنسورها مي‌باشد كه بديهي است منجر به بهترين تخمين نخواهد گشت. روش ارائه شده در اين مقاله استفاده از الگوريتم ژنتيك براي دستيابي به تركيب بهينه سنسورها است. بر اين اساس مسأله تخمين ماتريس دوران، تابع مورد نظر براي بهينه‌سازي است، همچنين معيار بهينگي بر اساس خطاي ترازيابي تعريف مي‌گردد كه نسبت به مقدار مرجع سنجيده مي‌شود. خروجي الگوريتم بهينه‌سازي، ضريب بهينه اعمال شونده در الگوريتم كلي است. در انتها با استفاده از يك شبيه‌سازي صحت الگوريتم نشان داده شده است.

In this paper, a new method based on optimal combination of inertial sensors; in process of initial alignment for strapdown navigation system; is proposed. The equations of initial alignment are usually based on accelerometer outputs and/or gyroscope outputs, depending on sensor’s accuracy. Our initial alignment algorithm leads to linear combination of output vectors. Although the error of this method is independent of sensor’s biases, unfortunately the coefficient of this combination is unknown. Knowledge of designer or sensor’s accuracy is a normal solution, but that obviously will not lead to the best estimation. The proposed idea is utilizing genetic algorithm to achieve optimal combination of sensors. In this regard, the optimal transformation matrix must be estimated, and the performance index is a function of alignment error. Final result of optimization problem is the best coefficient to combine outputs. The simulation results show excellent performance of proposed algorithm.