Giải pháp định vị INS/GPS tích hợp cho vật thể chuyển động tốc độ cao
DOI:
https://doi.org/10.54939/1859-1043.j.mst.CSCE9.2025.35-41Từ khóa:
Hệ thống dẫn đường quán tính; INS/GPS; Bộ lọc Kalman; Kalman thích nghi bền vững.Tóm tắt
Kết quả thực nghiệm cho thấy đặc tính nhiễu của các cảm biến vi cơ học thay đổi đáng kể theo điều kiện môi trường và vận hành, làm giảm hiệu quả của bộ lọc Kalman thông thường. Đối với các phương tiện bay tốc độ cao, GPS không chỉ cung cấp thông tin định vị chính xác mà còn đo hướng bay với độ chính xác cao (hướng bay <0,3°). Bài báo này đề xuất một giải pháp cho hệ thống dẫn đường quán tính và hệ thống định vị toàn cầu tích hợp sử dụng Bộ lọc Kalman thích nghi để nâng cao độ chính xác định vị và định hướng. Các mô hình trạng thái và quan sát được xây dựng dựa trên dữ liệu thực nghiệm thu được từ các cảm biến vi cơ học và GPS. Kết quả mô phỏng trên dữ liệu thực tế chứng minh rằng thuật toán đề xuất cho vật thể bay tốc độ cao đã cải thiện đáng kể khả năng theo dõi quỹ đạo và ước tính hướng bay trong điều kiện nhiễu biến thiên mạnh theo thời gian.
Tài liệu tham khảo
[1]. Nguyen Quang Vinh, “INS/GPS integration system using street return algorithm and compass sensor”, Procedia Computer Science, vol. 103, pp. 475–482, (2017).
[2]. S. M. Bezick, “Inertial navigation for guided missile systems”, Johns Hopkins APL Technical Digest, vol. 28, no. 4, pp. 331–342, (2010).
[3]. C. Hajiev et al., “Robust adaptive Kalman filter for estimation of UAV dynamics in the presence of sensor/actuators faults”, Aerospace Science and Technology, vol. 28, no. 1, pp. 376–383, (2013).
[4]. Y. Yang et al., “An adaptive Kalman filter based on sage windowing weights and variance components”, The Journal of Navigation, vol. 56, pp. 231–240, (2003).
[5]. C. Hide et al., “Adaptive Kalman filtering for low-cost INS/GPS”, The Journal of Navigation, vol. 56, pp. 143–152, (2003).
[6]. Z. Li et al., “An enhanced GPS/INS integrated navigation system with GPS observation expansion”, The Journal of Navigation, vol. 69, pp. 1041–1060, (2016).
[7]. C. Shan et al., “Multi-fading factor and updated monitoring strategy adaptive Kalman filter-based variational Bayesian”, Sensors, vol. 21, p. 198, pp. 1–23, (2021).
[8]. J. Sun et al., “FOG random drift signal denoising based on the improved AR model and modified Sage–Husa adaptive Kalman filter”, (chưa xác định tạp chí), (năm không nêu).
[9]. Y. Yang et al., “Adaptively robust filtering for kinematic geodetic positioning”, Journal of Geodesy, vol. 75, pp. 109–116, (2001).
[10]. Y. Yang et al., “An optimal adaptive Kalman filter”, Journal of Geodesy, vol. 80, pp. 177–183, (2006).
[11]. Y. Yang et al., “Comparison of adaptive factors in Kalman filters on navigation results”, The Journal of Navigation, vol. 58, pp. 471–478, (2005).
[12]. S. Qiao et al., “Radar target tracking for unmanned surface vehicle based on square root Sage–Husa adaptive robust Kalman filter”, Sensors, vol. 22, p. 2924, pp. 1–23, (2022).
