Chương 1. TỔNG QUAN VỀ HỆ DẪN ĐƯỜNG TÍCH HỢP INS/GPS 1. TỔNG QUAN CÁC NGHIÊN CỨU TRONG VÀ NGOÀI NƯỚC Ngày nay, nhu cầu về định vị, dẫn đường và điều khiển cho các vật thể chuyển động như rô bốt, máy bay, tên lửa, ô tô, tàu thuyền… đã trở thành một nhu cầu hết sức cấp thiết trong nhiều lĩnh vực đời sống và an ninh quốc phòng. Một trong những hệ thống dẫn đường hiện nay đang được sử dụng nhiều là hệ thống định vị vệ tinh toàn cầu (GPS).
Tuy nhiên, bên cạnh những ưu điểm như độ chính xác tương đối cao và ổn định theo thời gian, hệ thống GPS có những nhược điểm như tín hiệu GPS chịu ảnh hưởng của phương thức và môi trường truyền dẫn, thậm chí tín hiệu GPS có thể bị gián đoạn trong một khoảng thời gian xác định do ảnh hưởng của địa hình v. Bên cạnh hệ thống GPS, hệ thống dẫn đường quán tính INS cũng đang được sử dụng nhiều vào mục đích dẫn đường. Hệ thống INS xác định tọa độ và các thông tin của vật thể chuyển động dựa trên các thông số đo đạc tính toán từ các cảm biến gắn trên vật thể như cảm biến gia tốc, cảm biến vận tốc góc, la bàn từ… Với sự phát triển của công nghệ vi cơ điện tử và vi hệ thống (MEMS), hệ thống INS ngày nay có giá thành rẻ, nhỏ gọn, thời gian đáp ứng nhanh, khả năng hoạt động độc lập cao, dễ dàng tích hợp với các thành phần điện tử khác. Tuy nhiên hệ thống INS dựa trên cảm biến MEMS vẫn còn những hạn chế như độ trôi lớn, phụ thuộc vào điều kiện môi trường.
Các vấn đề trên dẫn tới một giải pháp toàn diện là xây dựng hệ thống dẫn đường tích hợp trong đó kết hợp các ưu điểm của hai hệ thống INS và GPS, từ đó tạo nên một hệ thống dẫn đường mang tính hoàn thiện cao đáp ứng được các yêu cầu thực tế. Trên thế giới, việc nghiên cứu về hệ thống dẫn đường tích hợp INS/GPS đã thu hút được sự quan tâm rộng rãi của các nhà khoa học. Định vị dẫn đường là một lĩnh vực rất phổ biến của động lực học phi tuyến, vấn đề cốt lõi của việc phát triển hệ thống định vị dẫn đường là ước lượng trạng thái của hệ thống động lực học. Tuy nhiên, trong việc ước lượng hệ thống động lực học phi tuyến thì không có một lời giải đơn giản nào cho tất cả các bài toán đặt ra.
Nhìn chung, có ba phương pháp để 5 TIEU LUAN MOI download : skknchat@gmail.com ước lượng cho hệ thống định vị: - Bộ lọc Kalman được tuyến tính hóa hoặc bộ lọc Kalman mở rộng EKF (Extended Kalman Filter). - Các bộ lọc dựa trên việc lấy mẫu: bộ lọc Kalman UKF (The Unscented Kalman Filter) và các bộ lọc điểm. - Các phương pháp dựa trên trí tuệ nhân tạo AI (Artificial Intelligence) như: mạng nơ-ron nhân tạo ANN (Artificial neural networks), hệ thống thông tin mờ nơ-ron thích nghi ANFIS (Adaptive neural fuzzy information system). Trong nghiên cứu [63], Weiss J.
đã sử dụng máy thu GPS trợ giúp cho hệ thống INS, hệ tích hợp này sử dụng một bộ lọc Kalman nội bộ để mô hình hệ thống INS và xử lý các thông tin trả về từ GPS để thu được các thông tin về vận tốc và vị trí. Mô hình bộ lọc Kalman này chỉ mô hình hóa những sai số cơ bản của INS và không mô hình hóa sai số của cảm biến gia tốc và cảm biến vận tốc góc. Kết quả cho thấy rằng khi tín hiệu GPS không tốt thì hệ thống tích hợp lỏng vòng kín cũng hoạt động kém hiệu quả, trong khi đó hệ thống tích hợp kiểu chặt lại cho kết quả khá tốt. Tuy nhiên nhờ việc tích hợp thêm bộ lọc Kalman vào đầu thu GPS kết hợp với mô hình hóa sai số của các cảm biến gia tốc và cảm biến vận tốc góc thì sai số của hệ thống tích hợp kiểu lỏng cũng giảm xuống đáng kể.
đã phát triển một bộ mô phỏng tên lửa bay với bộ dẫn đường gắn liền [28]. Hai bộ lọc Kalman đã được sử dụng, bộ thứ nhất thiết kế cho máy thu GPS trong hệ động lực học cao để ước lượng các trạng thái của GPS và so sánh hoạt động của bộ lọc với thuật toán bình phương tối thiểu. Bộ lọc Kalman thứ hai được sử dụng để kết hợp thông tin từ các cảm biến gia tốc và vận tốc góc với tần số cập nhật cao và thông tin từ GPS với tần số cập nhật thấp. đã trình bày một cách tiếp cận để nâng cao đặc trưng của hệ thống tích hợp INS/GPS theo kiểu chặt [29].
Hệ thống này có một phần cứng xử lý độ lệch thời gian giữa các pha của sóng mang thay cho những đo lường biến thiên khoảng cách, kết quả độ chính xác của vận tốc và vị trí trong hệ tích hợp tăng lên. 6 TIEU LUAN MOI download : skknchat@gmail.com Điều này đóng vai trò quan trọng trong khoảng thời gian khi tín hiệu GPS bị mất do nhiễu. Phương pháp này đã được áp dụng vào hệ thống tên lửa, nơi mà các cảm biến chịu tác động lớn bởi dao động của hệ thống. Trong công trình nghiên cứu [33] Johnson và các đồng nghiệp đã đề xuất hai phương pháp để nâng cao bộ lọc Kalman mở rộng cho hệ dẫn đường phương tiện bay không người lái UAV (Unmanned Aerial Vehicles).
Phương pháp thứ nhất sử dụng qui luật mờ để chọn các tham số cho bộ lọc thích nghi. Phương pháp thứ hai sử dụng cấu trúc lặp đệ quy song song để tăng tốc độ tính toán cho bộ lọc Kalman. Cả hai phương pháp này được mô tả một cách vắn tắt và đưa ra kết quả mô phỏng. Một hệ thống dẫn đường thông minh ứng dụng cho phương tiện tự hành dưới nước AUV (Autonomous underwater vehicle) đã được đề xuất bởi Loebis và các cộng sự [39].
Một bộ lọc Kalman đơn giản (SKF) và EKF được đề xuất để xử lý dữ liệu từ INS và tích hợp với dữ liệu GPS. Trong bài báo này kỹ thuật logic mờ thích nghi được ứng dụng cho cả EKF và SKF. Kết quả cho thấy đã cải thiện được các ước lượng của từng bộ lọc riêng lẻ và nâng cao độ chính xác tổng thể của hệ thống tích hợp INS/GPS. Một hệ thống dẫn đường tích hợp INS/GPS dựa trên lý thuyết tổng hợp dữ liệu đa cảm biến được khảo sát bởi Wang và các cộng sự [7].
Những mô hình sai số của khối đo lường quán tính IMU (Inertial Measurement Unit) được áp dụng cho bộ lọc EKF trong hệ thống INS. Một bộ lọc Kalman cải tiến được phát triển để loại bỏ sai số của GPS và giảm tải thời gian tính toán. Một bộ lọc Kalman thích nghi được sử dụng để tổng hợp dữ liệu từ INS và GPS, đưa ra thông tin về vị trí một cách liên tục trong cả trường hợp mất GPS. Kết quả cho thấy rằng hệ thống thích nghi INS/GPS hoạt động tốt hơn từng hệ thống INS và GPS hoạt động riêng lẻ.
Gizawy và các cộng sự đã giới thiệu một kỹ thuật mới tích hợp INS/GPS sử dụng hệ thống trí tuệ nhân tạo [15]. Kết quả chỉ ra rằng mô hình đề xuất cải thiện đáng kể độ chính xác của vị trí ước tính trong thời gian GPS. Rashad và Aboelmagd đã sử dụng mạng nơ-ron nhân tạo (ANN) cho dữ liệu 7 TIEU LUAN MOI download : skknchat@gmail.com tổng hợp từ INS và GPS [55]. Mặc dù có thể cải thiện được độ chính xác của hệ, nhưng do tính phức tạp kết hợp với kiến trúc mạng nhiều lớp và các thuật toán đào tạo trực tiếp đã hạn chế khả năng thực hiện thời gian thực của kỹ thuật này.
Nghiên cứu về hệ thống dẫn đường tích hợp INS/GPS cũng đã thu hút được sự quan tâm của các nhà khoa học trong nước trong những năm vừa qua. Trong nghiên cứu [1] tác giả đã đưa ra phương pháp trộn dữ liệu đa cảm biến tích hợp MEMS-INS/GPS kết hợp bộ lọc Kalman để nhận dạng chuyển động của phương tiện cơ giới quân sự. Tác giả cũng đã xây dựng thuật toán kết hợp bộ lọc Kalman với hệ suy diễn mờ trộn dữ liệu đầu ra gia tốc kế và con quay để đánh giá tham số độ cân bằng mặt phẳng bệ thân xe của phương tiện cơ giới quân sự. Qua đó đã hạn chế được sai số trong đánh giá tham số vị trí và tham số độ nghiêng mặt phẳng bệ của phương tiện trong quá trình chuyển động.
Trong nghiên cứu này tác giả mới chỉ áp dụng bộ lọc Kalman đơn giản. Để tăng độ chính xác của các đánh giá thì cần phải cải tiến bộ lọc Kalman để có thể giải quyết được các sai số mang tính phi tuyến cao bằng cách sử dụng bộ lọc Kalman mở rộng (EKF) hoặc bộ lọc Kalman không bản chất (UKF). Thông qua quá trình khảo sát hệ thống dẫn đường quán tính INS được trang bị trên các tên lửa hành trình, trong nghiên cứu [3] tác giả đưa ra giải pháp nâng cao chất lượng hệ dẫn đường thiết bị bay trên cơ sở xử lý thông tin từ hệ thống tích hợp INS/GPS/Baro. Hệ thống được thiết kế theo cấu trúc ghép lỏng dựa trên hệ thống INS có cấp độ chính xác trung bình.
Tác giả cũng đã xây dựng, thiết kế, lựa chọn mạng nơ ron để duy trì sai số kênh quan sát làm đầu vào trong bộ lọc Kalman trong trường hợp mất tín hiệu GPS. Tuy nhiên các kết quả thu được mới chỉ dừng lại ở mức độ mô phỏng. Trong nghiên cứu [2] tác giả đã đề xuất một giải pháp thiết kế hệ thống tích hợp GPS/INS trên cơ sở cấu trúc phân tán sử dụng INS 9 – DOF nhằm nâng cao chất lượng cho các thiết bị định vị dẫn đường sử dụng GPS phục vụ bài toán giám sát phương tiện giao thông đường bộ. Để giải quyết vấn đề sai số tích lũy của INS 9 – DOF và tính phi tuyến của hệ thống, tác giả cũng đã phát triển phương pháp tự động 8 TIEU LUAN MOI download : skknchat@gmail.com điều chỉnh ma trận quay cho thiết bị trên xe và thực hiện bộ lọc UKF linh hoạt tự động chuyển đổi chế độ hoạt động theo tín hiệu đầu vào ở phần giám sát thiết bị tại trạm.
Tuy nhiên trong quá trình khảo sát hệ thống thiết kế, tác giả vẫn chưa đề cập tới trường hợp khi tín hiệu GPS bị mất. Trong nghiên cứu [20] các tác giả đã tiến hành kết hợp hệ dẫn đường tích hợp INS/GPS với mạng GSM/GPRS để theo dõi và quản lý các thông tin dẫn đường của các phương tiện chuyển động trên mặt đất. Hệ thống tích hợp INS/GPS ước lượng vị trí, vận tốc và tư thế của các phương tiện.