توسعه يك الگوريتم ناوبري تلفيقي بر اساس سنسورهاي اينرسي، فشارسنج، سرعت سنج داپلري و نقشه مغناطيسي زمين

Development of an integrated navigation algorithm based on IMU, depth, DVL sensors and earth magnetic field map

ناوبري در زيرسطح آب به كمك سيستم ناوبري اينرسي به تنهايي، همراه با خطاي دريفت است. بطور معمول از سنسور سرعت سنج داپلري براي تصحيح تخمين موقعيت، سرعت و وضعيت وسيله با استفاده از الگوريتم كالمن استفاده مي شود. استفاده از اطلاعات سرعت وسيله باعث كاهش خطاي دريفت در تخمين موقعيت مي شود ولي خطاي تخمين موقعيت همچنان وجود داشته و بصورت خطي با زمان افزايش ميابد. در اين مقاله از نقشه مغناطيسي زمين و سنسور مغناطيس سنج براي فراهم نمودن يك اندازه گيري اضافه استفاده شده است. الگوريتم كالمن توسعه يافته قويا جفت شده براي تلفيق اطلاعات سنسورها مورد استفاده قرار گرفته است. اين الگوريتم بر مبناي ديناميك خطاي سيستم ناوبري اينرسي طراحي شده است. براي بررسي نحوه عملكرد الگوريتم طراحي شده سنسورهاي اينرسي ارزان قيمت ممز و ديگر سنسورهاي كمكي(سرعت سنج، عمق سنج و مغناطيس سنج) با استفاده از طراحي يك مسير دلخواه با ويژگي هاي سينماتيكي مشخص و اضافه كردن نويز و باياس شبيه سازي شده اند. شبيه سازي الگوريتم طراحي شده با ديتاي توليدي سنسورها نشان مي دهد كه استفاده از سنسور مغناطيس و نقشه مغناطيسي زمين خطاي دريفت در تخمين موقعيت را به ميزان 1 درصد مسافت طي شده مي‌رساند كه كاهش چشم‌گيري محسوب مي‌شود.

Inertial navigation system has drift error in underwater applications. Use of DVL with Kalman filter for position and attitude correction is common. Using velocity data decreases drift error in position estimation but this error exists and increases linearity with time. In this article the navigation system consists of inertial measurement unit (IMU) and a Doppler velocity log (DVL) along with depth sensor. By use of magnetic field measurement and earth magnetic field map a new measurement is generated. Discrete extended Kalman filter with indirect feedback is used for tightly coupled integrated navigation algorithm. This algorithm is based on inertial navigation error dynamics. This paper demonstrates the effectiveness of algorithm through simulation. The procedure of simulation is done by sensor data generation. Arbitrary trajectory with specific kinematic characteristic (linear and angular velocity and acceleration) is generated. Sensor data is produced by adding noise and bias to kinematic characteristic of trajectory. Simulation results reveal that the new algorithm with use of magnetic data and earth magnetic field map decreases the drift error in comparison to conventional INS-DVL integrated navigation algorithm.