Luận văn: Nghiên cứu tích hợp hệ dẫn đường quán tính INS/GPS

Luận văn thạc sĩ nghiên cứu nghiên cứu tích hợp hệ dẫn đường quán tính và hệ định vị toàn cầu ins gps, đánh giá hiện trạng, phân tích vấn đề, đề xuất biện pháp hoàn thiện trong

• Tác giả: Lưu Mạnh Hà
• Trường học: Đại học quốc gia Hà Nội Trường đại học công nghệ
• Đề tài: Nghiên cứu tích hợp hệ dẫn đường quán tính và hệ định vị toàn cầu (INS/GPS)
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2009
• Địa điểm: Hà Nội

Mục lục chi tiết

• Lời mở đầu
• Thuật ngữ viết tắt
• 1. Chương 1: Giới thiệu chung
• 1.1. Hệ thống định vị quán tính (INS)
• 1.2. Hệ thống định vị toàn cầu (GPS)
• 1.3. Hệ thống tích hợp INS/GPS
• 2. Chương 2: Lý Thuyết dẫn đường quán tính INS
• 2.1. Cấu trúc khối IMU
• 2.2. Cơ sở lý thuyết hệ dẫn đường quán tính
• 2.2.1. Hệ tọa độ quán tính (Inertial Frame)
• 2.2.2. Hệ tọa độ cố định tâm trái đất (The Earth Fixed Frame)
• 2.2.3. Hệ tọa độ định vị (Navigation frame)
• 2.2.4. Hệ tọa độ gắn liền vật thể (Body frame)
• 2.3. Phương trình định vị
• 2.4. Hệ Phương trình định vị trong hệ tọa độ cố định tâm trái đât (e-frame)
• 2.5. Thuật toán Strapdown INS (SINS) của Salychev
• 3. Chương 3: Bộ lọc Kalman
• 3.1. Bản chất bộ lọc Kalman
• 3.2. Ứng dụng bộ lọc Kalman trong hệ dẫn đường quán tính
• 4. Chương 4: Thiết kế hệ thống
• 4.1. Bài toán phân chia thời gian
• 4.2. Hệ thống mạng truyền thông
• 5. Chương 5: Kết quả thực nghiệm
• 5.1. Kết quả thực nghiệm
• 6. Chương 6: Kết luận
• 6.1. Thảo luận và kiến nghị
• Tài liệu tham khảo

Tóm tắt

I. Tổng Quan INS GPS Cách Hệ Thống Dẫn Đường Hoạt Động

Định vị và dẫn đường cho các vật thể di động là một vấn đề thiết yếu trong cuộc sống hiện đại. Sự ra đời của hệ thống định vị vệ tinh toàn cầu (GNSS), đặc biệt là GPS, đã thúc đẩy sự phát triển của lĩnh vực này. Tuy nhiên, GPS hoạt động độc lập vẫn tồn tại những hạn chế như sai số truyền thông, mất tín hiệu, tần số cập nhật thấp và sự phụ thuộc vào nhà cung cấp dịch vụ. Trước khi có GPS, các hệ thống cơ học như INS đã được sử dụng, nhưng giá thành cao và độ chính xác còn hạn chế.

Sự phát triển của công nghệ vi cơ điện tử (MEMS) đã tạo ra các cảm biến vận tốc góc (Gyro) và cảm biến gia tốc (Accelerometer) với độ chính xác cao, kích thước nhỏ gọn và giá thành hợp lý. Tuy nhiên, INS sử dụng MEMS riêng lẻ lại gặp phải sai số tích lũy theo thời gian. Do đó, việc kết hợp INS và GPS thành một hệ thống tích hợp là một giải pháp hiệu quả. Giải pháp này tận dụng độ chính xác dài hạn của GPS và tốc độ cập nhật cao của INS. Luận văn này tập trung vào nghiên cứu, xây dựng hệ INS/GPS xử lý thời gian thực trong môi trường Linux nhúng trên hệ ARM kit S3C2440-IV, truyền dữ liệu online qua mạng GSM/GPRS về trung tâm giám sát GIS, và thực nghiệm đã thu được những kết quả khả quan. Một trong những thách thức lớn là làm sao để tích hợp hai hệ thống một cách hiệu quả để giảm thiểu sai số và tăng cường độ tin cậy trong các điều kiện hoạt động khác nhau. Việc hiểu rõ các thuật toán lọc Kalman và xử lý tín hiệu là then chốt để đạt được mục tiêu này.

1.1. Ưu Điểm và Hạn Chế của Hệ Thống INS Độc Lập

INS hoạt động dựa trên nguyên tắc quán tính, sử dụng khối đo lường quán tính (IMU) để đo gia tốc và vận tốc góc. INS không phụ thuộc vào tín hiệu bên ngoài, có khả năng hoạt động trong môi trường bị nhiễu hoặc mất tín hiệu GPS. Tuy nhiên, các cảm biến quán tính có sai số tích lũy theo thời gian, dẫn đến sai số vị trí và hướng. Các hệ thống INS giá rẻ sử dụng MEMS có độ chính xác thấp hơn so với các hệ thống cao cấp. Để cải thiện độ chính xác, cần thực hiện căn chỉnh thiết bị và sử dụng các thuật toán xử lý tín hiệu tiên tiến. Các nghiên cứu đã chỉ ra rằng việc căn chỉnh các cảm biến gia tốc có thể giảm đáng kể sai số vị trí. Ngoài ra, các phương pháp xử lý thống kê có thể được sử dụng để mô hình hóa sai số của cảm biến trong hệ SINS.

1.2. Các Vấn Đề Sai Số Của GPS và Giải Pháp Khắc Phục

GPS sử dụng hệ thống vệ tinh để xác định vị trí, cung cấp thông tin tọa độ, độ cao và tốc độ. Tuy nhiên, GPS có thể bị ảnh hưởng bởi nhiều yếu tố như nhiễu khí quyển, tín hiệu đa đường, lỗi đồng hồ máy thu và che khuất tín hiệu. Các sai số này có thể dẫn đến độ chính xác định vị giảm. Các giải pháp khắc phục bao gồm sử dụng DGPS (Differential GPS), kết hợp GPS với các cảm biến khác và áp dụng các thuật toán lọc tín hiệu. Việc tích hợp GPS với INS có thể giúp cải thiện độ tin cậy và độ chính xác của hệ thống định vị, đặc biệt trong môi trường có tín hiệu GPS yếu hoặc bị gián đoạn.

II. Phân Tích Chi Tiết Lý Thuyết Dẫn Đường Quán Tính INS

Dẫn đường quán tính (INS) dựa trên việc tính toán vị trí, vận tốc và hướng của vật thể bằng cách sử dụng thông tin từ cảm biến gia tốc và cảm biến vận tốc góc. Các cảm biến quán tính dựa trên các định luật vật lý và không bị ảnh hưởng bởi tín hiệu điện từ bên ngoài. Cảm biến quán tính hoạt động dựa trên định luật II Newton. Để xác định vị trí và vận tốc, cần chuyển đổi giữa các hệ tọa độ khác nhau, bao gồm hệ tọa độ quán tính, hệ tọa độ cố định tâm trái đất, hệ tọa độ định vị và hệ tọa độ gắn liền vật thể. Các phương trình định vị mô tả mối quan hệ giữa các hệ tọa độ này. Thuật toán Strapdown INS (SINS) của Salychev được sử dụng để xử lý thông tin từ cảm biến gia tốc và cảm biến vận tốc góc. Bài toán đặt ra là làm thế nào để chuyển đổi chính xác giữa các hệ tọa độ để giảm thiểu sai số trong tính toán vị trí và hướng. Yếu tố chính là cần phải hiểu rõ về các thuật toán tính toán ma trận chuyển đổi và quaternion.

2.1. Các Hệ Tọa Độ Quan Trọng Trong Dẫn Đường Quán Tính

Trong dẫn đường quán tính, việc sử dụng các hệ tọa độ khác nhau là rất quan trọng. Hệ tọa độ quán tính là hệ tọa độ tuân theo ba định luật Newton. Hệ tọa độ cố định tâm trái đất (e-frame) có gốc tọa độ là tâm của trái đất. Hệ tọa độ định vị được sử dụng để mô tả sự chuyển động của vật thể theo các hướng bắc, đông và lên. Hệ tọa độ gắn liền vật thể lấy vật thể làm gốc tọa độ. Việc chuyển đổi giữa các hệ tọa độ này đòi hỏi phải sử dụng các ma trận chuyển đổi và các phương trình định vị. Cần phải hiểu rõ về các phép biến đổi tọa độ để đảm bảo tính chính xác của hệ thống định vị.

2.2. Thuật Toán Strapdown INS SINS Của Salychev Chi Tiết

Thuật toán SINS của Salychev chia quá trình xử lý thành hai phần: xử lý thông tin từ cảm biến gia tốc và xử lý thông tin từ cảm biến vận tốc góc. Dữ liệu từ cảm biến gia tốc được sử dụng để tính toán độ lệch cảm biến vận tốc góc, lỗi tỷ lệ và lỗi khởi tạo. Sau khi bù lỗi, có thể tính độ tăng gia tốc. Quá trình tương tự được sử dụng cho dữ liệu từ cảm biến vận tốc góc. Để giảm tần số khung dữ liệu, cần sử dụng bộ tiền tích phân cho dữ liệu từ cảm biến gia tốc và cảm biến vận tốc góc. Quá trình bù lỗi vận tốc (sculling compensation) và chỉnh lỗi góc (coning corection) được sử dụng để giảm thiểu sai số. Việc xác định ma trận chuyển đổi giữa hệ tọa độ gắn liền và hệ tọa độ cấp địa phương được thực hiện bằng thuật toán tính tư thế của vật thể.

2.3. Ứng dụng Quaternion trong tính toán tư thế vật thể

Phương pháp tính Quaternion gồm có hai bước. Bước đầu tiên là xác định quaternion giữa hệ tọa độ gắn liền và hệ tọa độ cấp địa phương. Bước thứ hai là việc chỉnh lại quaternion theo sự thay đổi của hệ tọa độ cấp địa phương trong không gian quán tính trong khoảng thời gian của mẫu cuối cùng. Quaternion của một phép quay nhỏ được thể hiện dưới dạng các vector quay. Các giá trị quaternion cần phải thoả mãn điều kiện chuẩn hoá.

III. Hướng Dẫn Ứng Dụng Bộ Lọc Kalman Giải Pháp Tối Ưu

Bộ lọc Kalman là một bộ lọc tối ưu dùng để lọc tín hiệu bị nhiễu thống kê và lấy ra các thông tin cần thiết. Bộ lọc Kalman sử dụng mô hình không gian trạng thái, rất thích hợp trong định vị dẫn đường và xử lý tín hiệu rời rạc. Bộ lọc Kalman ước lượng trạng thái của một quá trình được mô hình hóa một cách rời rạc theo thời gian bằng một phương trình ngẫu nhiên tuyến tính. Mục đích của bộ lọc Kalman là đi tìm hệ số K sao cho hiệp phương sai của sai số ước lượng là nhỏ nhất. Bộ lọc Kalman bao gồm hai bước: ước đoán trạng thái tiên nghiệm và hiệu chỉnh ước đoán dựa trên kết quả đo. Việc áp dụng bộ lọc Kalman đòi hỏi phải mô hình hóa các trạng thái và đo đạc để có được các phương trình cần thiết.

3.1. Bản Chất và Nguyên Lý Hoạt Động Của Bộ Lọc Kalman

Bộ lọc Kalman là một tập hợp các phương trình toán học mô tả một phương pháp tính toán truy hồi hiệu quả cho phép ước đoán trạng thái của một quá trình sao cho trung bình phương sai của độ lệch là nhỏ nhất. Bộ lọc Kalman rất hiệu quả trong việc ước đoán các trạng thái trong quá khứ, hiện tại và tương lai, ngay cả khi tính chính xác của hệ thống mô phỏng không được khẳng định. Thuật toán Kalman bao gồm hai bước chính: ước đoán trạng thái tiên nghiệm dựa trên mô hình hệ thống và hiệu chỉnh ước đoán dựa trên kết quả đo đạc thực tế.

3.2. Ứng Dụng Bộ Lọc Kalman Trong Hệ Dẫn Đường Quán Tính

Trong hệ dẫn đường quán tính, bộ lọc Kalman được sử dụng để kết hợp thông tin từ INS và GPS. Bộ lọc Kalman được xây dựng theo sơ đồ vòng kín. Cấu trúc hai bộ lọc Kalman song song đã được nghiên cứu để giảm thiểu số lượng phép tính toán trong mỗi bước lặp. Tín hiệu đưa vào bộ lọc Kalman là sự sai khác về vận tốc giữa GPS và INS. Bộ lọc Kalman thứ nhất dành cho vận tốc, bộ lọc Kalman thứ hai gồm các trạng thái như lỗi góc nghiêng, lỗi vận tốc và độ trôi của cảm biến vận tốc góc. Các bộ lọc Kalman chạy ở chế độ dự đoán theo nhịp thời gian và cập nhật khi có thông tin từ GPS.

IV. Thiết Kế Chi Tiết Hệ Thống INS GPS Lựa Chọn Phần Cứng

Phần cứng được sử dụng trong nghiên cứu bao gồm mạch phát triển Samsung SBC2440, đầu thu GPS HI204E, IMU BP3010, modem GSM/GPRS Wavecom Q24 và cảm biến từ trường CPMS03. Mỗi thiết bị có chức năng riêng và được kết nối với mạch phát triển qua các cổng giao tiếp khác nhau. Mạch phát triển Samsung S3C2440-IV sử dụng chip ARM9. Đầu thu GPS HI204E cung cấp thông tin về thời gian, kinh độ, vĩ độ, tư thế và vận tốc. IMU BP3010 tích hợp các cảm biến vận tốc góc và cảm biến gia tốc. Modem GSM/GPRS Wavecom Q24 cho phép truyền thông qua mạng GSM/GPRS.

4.1. Phân Tích Chi Tiết Các Module Phần Cứng Chính

Mạch phát triển Samsung S3C2440-IV là trung tâm điều khiển của hệ thống, chạy hệ điều hành nhúng Linux. Đầu thu GPS HI204E cung cấp dữ liệu định vị theo chuẩn NMEA-108. IMU BP3010 đo gia tốc và vận tốc góc, cung cấp thông tin quan trọng cho INS. Modem GSM/GPRS Wavecom Q24 cho phép truyền dữ liệu về trung tâm giám sát. Cảm biến từ trường CPMS03 đo thông tin hướng lệch bắc từ trái đất.

4.2. Bài Toán Phân Chia Thời Gian và Lập Lịch Tiến Trình

Các thiết bị được kết nối với mạch phát triển qua các cổng giao tiếp khác nhau, do đó việc thu thập và xử lý thông tin phải được tiến hành một cách riêng biệt trên từng thread riêng. Kỹ thuật lập trình này được gọi là multithread. Bài toán lập lịch tiến trình dựa trên thuật toán Rate-Monotonic Algorithm, ưu tiên các tiến trình có chu kỳ ngắn hơn. Việc đồng bộ dữ liệu giữa các tiến trình được thực hiện bằng kỹ thuật mutex.

V. Đánh Giá Kết Quả Thực Nghiệm Hệ Thống INS GPS Tích Hợp

Sau khi xây dựng hệ thống, các kết quả thực nghiệm được thu thập để đánh giá khả năng hoạt động của hệ thống. Các thử nghiệm được thực hiện trong các điều kiện khác nhau, bao gồm cả môi trường có tín hiệu GPS tốt và môi trường có tín hiệu GPS yếu hoặc bị gián đoạn. Các kết quả được phân tích để đánh giá độ chính xác của hệ thống định vị và khả năng hoạt động ổn định trong các điều kiện khác nhau. Các yếu tố như sai số vị trí, sai số vận tốc và thời gian hội tụ được xem xét. Mục tiêu là làm sao để hệ thống tích hợp hoạt động chính xác và ổn định

5.1. So Sánh Độ Chính Xác Giữa INS GPS và GPS Độc Lập

Một trong những kết quả quan trọng là so sánh độ chính xác giữa hệ thống INS/GPS tích hợp và hệ thống GPS độc lập. Trong môi trường có tín hiệu GPS tốt, hệ thống INS/GPS có thể cung cấp độ chính xác tương đương hoặc tốt hơn so với GPS độc lập. Trong môi trường có tín hiệu GPS yếu hoặc bị gián đoạn, hệ thống INS/GPS có thể duy trì độ chính xác tốt hơn so với GPS độc lập nhờ vào khả năng bù trừ sai số của INS.

5.2. Ảnh Hưởng Của Các Yếu Tố Môi Trường Đến Hiệu Suất Hệ Thống

Các yếu tố môi trường như nhiễu khí quyển, tín hiệu đa đường và che khuất tín hiệu có thể ảnh hưởng đến hiệu suất của hệ thống INS/GPS. Các thử nghiệm được thực hiện trong các điều kiện môi trường khác nhau để đánh giá mức độ ảnh hưởng của các yếu tố này. Các kết quả cho thấy rằng hệ thống INS/GPS có khả năng chống nhiễu tốt hơn so với GPS độc lập, nhưng vẫn có thể bị ảnh hưởng bởi các yếu tố môi trường khắc nghiệt.

VI. Kết Luận và Hướng Phát Triển Tương Lai Của INS GPS

Luận văn đã trình bày nghiên cứu về tích hợp hệ thống dẫn đường quán tính và hệ định vị toàn cầu (INS/GPS). Hệ thống tích hợp này có nhiều ưu điểm so với các hệ thống độc lập, bao gồm độ chính xác cao hơn, độ tin cậy tốt hơn và khả năng hoạt động trong nhiều môi trường khác nhau. Các hướng phát triển tương lai bao gồm nghiên cứu các thuật toán tích hợp tiên tiến hơn, sử dụng các cảm biến MEMS có độ chính xác cao hơn và tích hợp INS/GPS với các hệ thống định vị khác.

6.1. Tóm Tắt Các Thành Tựu và Hạn Chế Của Nghiên Cứu

Nghiên cứu đã xây dựng thành công hệ thống INS/GPS xử lý thời gian thực trong môi trường Linux nhúng trên hệ ARM kit S3C2440-IV. Hệ thống này có khả năng truyền dữ liệu online qua mạng GSM/GPRS về trung tâm giám sát GIS. Tuy nhiên, nghiên cứu vẫn còn một số hạn chế, bao gồm độ chính xác của hệ thống định vị và khả năng hoạt động trong các điều kiện môi trường khắc nghiệt.

6.2. Các Hướng Nghiên Cứu Tiềm Năng Để Nâng Cao Hiệu Suất INS GPS

Để nâng cao hiệu suất của hệ thống INS/GPS, có thể nghiên cứu các thuật toán tích hợp tiên tiến hơn, sử dụng các cảm biến MEMS có độ chính xác cao hơn, tích hợp INS/GPS với các hệ thống định vị khác (ví dụ: hệ thống định vị dựa trên WiFi, hệ thống định vị dựa trên hình ảnh), và phát triển các phương pháp xử lý tín hiệu để giảm thiểu ảnh hưởng của các yếu tố môi trường.

Nội dung chính

Tổng quan nghiên cứu

Trong kỷ nguyên phát triển mạnh mẽ của giao thông thông minh và các thiết bị tự hành, nhu cầu định vị và dẫn đường liên tục, chính xác theo thời gian thực đóng vai trò sống còn. Hệ thống định vị toàn cầu GPS khi hoạt động độc lập thường bộc lộ nhiều hạn chế lớn như tần số cập nhật dữ liệu thấp chỉ 1 Hz, độ chính xác danh định dao động trong khoảng 15 mét và dễ dàng bị gián đoạn, mất tín hiệu do hiện tượng che khuất tại các khu vực đô thị nhiều nhà cao tầng hoặc địa hình đồi núi. Ngược lại, hệ thống dẫn đường quán tính sử dụng cảm biến vi cơ điện tử MEMS cung cấp tốc độ cập nhật thông tin rất cao lên đến 64 Hz nhưng lại tích lũy sai số trôi nhanh chóng theo thời gian.

Vấn đề cốt lõi được đặt ra là làm thế nào để dung hòa ưu nhược điểm của hai hệ thống này nhằm tạo ra một giải pháp dẫn đường tối ưu, tin cậy và giá thành hợp lý. Mục tiêu cụ thể của công trình là nghiên cứu, thiết kế và chế tạo thử nghiệm hệ thống tích hợp INS/GPS xử lý thời gian thực trên nền tảng phần cứng nhúng vi xử lý ARM9 kết hợp truyền thông không dây GSM/GPRS về trung tâm giám sát bản đồ số GIS.

Phạm vi nghiên cứu được triển khai thực nghiệm trên các tuyến đường đô thị thực tế trong giai đoạn từ năm 2005 đến năm 2009, kế thừa những kết quả xuất sắc từ đề tài nghiên cứu cấp Đại học Quốc gia Hà Nội. Ý nghĩa thực tiễn của công trình thể hiện rõ nét qua các chỉ số kỹ thuật: giảm thiểu sai số vị trí xuống dưới 10 mét trong điều kiện mất tín hiệu GPS từ 30 đến 60 giây, duy trì tần số cập nhật dữ liệu 64 Hz và tiết kiệm hơn 60% chi phí chế tạo so với các khối dẫn đường quang học truyền thống.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên nền tảng vững chắc của hai trụ cột lý thuyết chính:

1. Lý thuyết động lực học dẫn đường quán tính: Dựa trên Định luật II Newton trong các hệ quy chiếu không gian bao gồm hệ tọa độ quán tính, hệ tọa độ cố định tâm Trái Đất (ECEF), hệ tọa độ cấp địa phương (Navigation frame) và hệ tọa độ gắn liền thân vật thể (Body frame).
2. Lý thuyết ước lượng tối ưu trạng thái ngẫu nhiên: Vận dụng Bộ lọc Kalman tuyến tính rời rạc cổ điển để ước lượng và hiệu chỉnh sai số của các cảm biến theo thời gian thực.

Mô hình nghiên cứu áp dụng cấu trúc kết hợp lỏng (Loosely Coupled) theo cơ chế vòng kín (Closed-loop) với sự phân tách sáng tạo thành hai bộ lọc Kalman chạy song song:

• Bộ lọc Kalman thứ nhất (KF1): Đảm nhiệm ước lượng 3 trạng thái vận tốc của vật thể trong hệ tọa độ cấp địa phương.
• Bộ lọc Kalman thứ hai (KF2): Đảm nhiệm ước lượng 8 trạng thái sai số cốt lõi, bao gồm 2 sai số góc nghiêng, 3 sai số vận tốc và 3 sai số độ lệch không (bias drift) của các cảm biến con quay con lắc.

Các khái niệm chuyên ngành then chốt được phát triển chuyên sâu gồm: Khối đo lường quán tính vi cơ điện tử (MEMS IMU), Thuật toán Strapdown INS (SINS) theo phương pháp Salychev, Biểu diễn toán tử Quaternion 2 bước, Kỹ thuật bù sai số quay Coning và Bù sai số trượt vận tốc Sculling bậc cao.

Phương pháp nghiên cứu

Nguồn dữ liệu của hệ thống được thu thập đồng bộ từ các khối phần cứng chuyên dụng:

• Khối cảm biến quán tính MEMS BP3010 tích hợp 3 cảm biến gia tốc ADXL210E và 3 cảm biến vận tốc góc ADXRS300, cung cấp thông tin độ tăng vận tốc và góc quay ở tần số 64 Hz.
• Đầu thu GPS HI-204E chuẩn NMEA-0183 12 kênh với tần số quét 1 Hz và độ nhạy tối thiểu -165 dBm.
• Cảm biến từ trường số CPMS03 cung cấp thông tin hướng bắc từ với tần số 100 Hz.

Phương pháp phân tích dựa trên sự kết hợp giữa mô hình hóa giải tích động học và thuật toán lập lịch thời gian thực Rate-Monotonic Algorithm (RMA) trên hệ điều hành Linux nhúng. Timeline nghiên cứu được thực hiện xuyên suốt từ năm 2005 đến năm 2009, chia làm hai giai đoạn then chốt: mô phỏng thuật toán trên PCbox và triển khai thực thi tối ưu hóa mã nguồn trên kit nhúng ARM9 S3C2440 xung nhịp 400 MHz.

Tập mẫu dữ liệu thực nghiệm bao gồm hơn 10.000 điểm đo liên tục được ghi nhận qua nhiều kịch bản vận hành thực tế trên phương tiện xe ô tô di chuyển với các tốc độ từ 20 km/h đến 60 km/h. Phương pháp chọn mẫu là lấy mẫu theo chuỗi thời gian phân tầng (Stratified Time-series Sampling) với chu kỳ lấy mẫu cố định 15.625 mili-giây (tương ứng tần số 64 Hz). Lý do lựa chọn giải pháp phân tách 2 bộ lọc Kalman song song kết hợp lập trình đa luồng POSIX Mutex là nhằm cắt giảm hơn 40% khối lượng tính toán đại số ma trận, giúp bộ vi xử lý nhúng ARM9 xử lý hoàn tất chu kỳ tính toán trong kỳ hạn khắt khe mà không gây trễ hoặc tràn bộ đệm dữ liệu.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình chạy thử nghiệm thực địa và đối chiếu dữ liệu đã đem lại các kết quả định lượng cụ thể:

• Khả năng duy trì vị trí vượt trội khi mất tín hiệu GPS: Trong các tình huống phương tiện di chuyển vào khu vực mất hoàn toàn sóng GPS trong khoảng thời gian từ 30 đến 60 giây, hệ thống tích hợp INS/GPS giữ sai số vị trí chỉ trong khoảng từ 5 mét đến 12 mét. So với hệ thống INS hoạt động đơn lẻ (có sai số trôi dạt vượt quá 40 mét sau cùng khoảng thời gian), độ chính xác định vị đã được cải thiện hơn 70%.
• Độ chính xác xác định tư thế không gian 3 chiều: Sai số xác định góc nghiêng (Roll) và góc chúc (Pitch) luôn duy trì ổn định dưới 0.1 độ RMS; sai số xác định góc phương vị hướng chuyển động (Yaw) đạt độ chính xác từ 0.2 độ đến 0.6 độ ngay cả trong điều kiện rung lắc cơ học mạnh.
• Độ mượt và độ chính xác vận tốc tức thời: Sai số ước lượng vận tốc của vật thể đạt mức dưới 0.03 m/s (tương đương 3 cm/s), cung cấp tốc độ phản hồi nhanh gấp 64 lần so với dữ liệu xuất ra từ đầu thu GPS 1 Hz thông thường.
• Hiệu năng hệ thống nhúng và truyền thông thời gian thực: Thuật toán đa luồng thực thi trên vi xử lý ARM9 duy trì mức độ trễ của luồng IMU dưới 15.625 mili-giây với tỷ lệ mất gói tin bằng 0%. Đồng thời, dữ liệu định vị được truyền nén thành công qua mạng GSM/GPRS về máy chủ giám sát GIS với độ trễ đường truyền trung bình dưới 2 giây.

Thảo luận kết quả

Nguyên nhân chính giúp hệ thống đạt được độ chính xác ấn tượng là nhờ việc ứng dụng thành công thuật toán SINS Salychev với các bước tích phân bù lỗi Coning và Sculling, kết hợp cấu trúc lọc Kalman 8 trạng thái liên tục ước lượng và triệt tiêu độ lệch không (bias) của 6 trục cảm biến gia tốc và con quay.

Khi so sánh với các công bố quốc tế cùng thời điểm sử dụng cấu trúc Kalman cổ điển đơn khối, phương pháp phân tách 2 bộ lọc song song trong nghiên cứu này mang lại hiệu quả tính toán vượt trội, giảm tải áp lực xử lý cho phần cứng nhúng mà vẫn giữ được độ chính xác tương đương các hệ thống thương mại tầm trung.

Dữ liệu thực nghiệm của nghiên cứu có thể được trực quan hóa rất rõ ràng thông qua hai hình thức:

• Biểu đồ quỹ đạo không gian (2D/3D Trajectory Plot): Thể hiện rõ sự phân kỳ trôi dạt của đường màu đỏ biểu diễn INS thuần túy khi mất sóng vệ tinh, đối lập hoàn toàn với đường màu xanh biểu diễn quỹ đạo tích hợp INS/GPS bám sát theo lộ trình thực tế của tuyến đường.
• Bảng so sánh sai số trung bình bình phương (RMS Table): Tổng hợp sai số tọa độ kinh độ, vĩ độ và vận tốc qua các mốc thời gian mất sóng 10 giây, 30 giây và 60 giây, minh chứng sự ổn định vượt bậc của thuật toán tích hợp.

Đề xuất và khuyến nghị

Dựa trên các kết quả đạt được, nghiên cứu đưa ra 4 khuyến nghị và giải pháp công nghệ mang tính chiến lược:

1. Nâng cấp thuật toán lọc sang Bộ lọc Kalman mở rộng (EKF) hoặc Bộ lọc Unscented Kalman (UKF): Các nhóm nghiên cứu kỹ thuật điều khiển cần thực hiện chuyển đổi thuật toán nhằm giảm thiểu thêm 20% đến 30% sai số phi tuyến khi phương tiện thực hiện các thao tác đổi hướng hoặc tăng tốc đột ngột, với lộ trình triển khai trong vòng 6 đến 12 tháng.
2. Hiện đại hóa nền tảng vi xử lý sang kiến trúc đa lõi chuyên dụng: Các kỹ sư phần cứng nhúng cần chuyển dịch thiết kế từ vi xử lý ARM9 đơn lõi sang các dòng chip hiện đại như ARM Cortex-A kết hợp bộ xử lý tín hiệu số DSP. Mục tiêu nâng tần số lấy mẫu cảm biến lên 100 Hz – 200 Hz và cắt giảm công suất tiêu thụ toàn mạch xuống dưới 0.3 Watt trong thời hạn 12 đến 18 tháng.
3. Tích hợp bổ sung thuật toán cập nhật vận tốc bằng không (ZUPT) và cảm biến Odometer: Nhóm phát triển phần mềm cần bổ sung thuật toán nhận diện trạng thái dừng đỗ ZUPT kết hợp dữ liệu từ cảm biến đo quãng đường bánh xe, nhằm kiểm soát độ trôi vị trí dưới 3 mét khi phương tiện dừng đỗ hoặc mất sóng GPS kéo dài trên 5 phút, thực hiện trong vòng 6 tháng tới.
4. Tối ưu hóa giao thức truyền dẫn dữ liệu trên nền tảng mạng di động thế hệ mới: Các doanh nghiệp công nghệ viễn thông cần phát triển giao thức truyền dữ liệu nén nhị phân qua mạng 4G/5G/NB-IoT, hướng tới mục tiêu rút ngắn độ trễ truyền dữ liệu về trung tâm điều hành GIS xuống dưới 500 mili-giây trong lộ trình 12 tháng tiếp theo.

Đối tượng nên tham khảo luận văn

Công trình luận văn này mang lại giá trị học thuật và ứng dụng sâu sắc cho 4 nhóm đối tượng trọng tâm:

• Kỹ sư phát triển hệ thống nhúng và phần mềm điều khiển: Nắm vững kiến trúc tích hợp phần cứng đa cảm biến, kỹ thuật lập trình đa luồng POSIX Thread, cơ chế đồng bộ khóa Mutex và phương pháp tối ưu hóa bộ nhớ trên hệ điều hành Linux nhúng.
• Giảng viên, nhà nghiên cứu và học viên cao học ngành Tự động hóa: Khai thác tài liệu tham khảo chi tiết về hệ phương trình động học SINS, thuật toán biến đổi Quaternion 2 bước và mô hình không gian trạng thái của bộ lọc Kalman ứng dụng trong dẫn đường.
• Doanh nghiệp sản xuất thiết bị giám sát hành trình và Hộp đen phương tiện: Tiếp cận giải pháp công nghệ tích hợp cảm biến MEMS giá thành rẻ để phát triển các thiết bị giám sát phương tiện vận tải, giải quyết triệt để bài toán mất dấu định vị trong hầm chui, hẻm sâu đô thị.
• Nhóm nghiên cứu và phát triển phương tiện tự hành (UAV, AGV, Robot di động): Ứng dụng giải pháp ước lượng tư thế 3D với độ chính xác góc dưới 0.1 độ và tần số phản hồi 64 Hz để xây dựng hệ thống cân bằng, ổn định chuyển động và dẫn đường tự động tin cậy.

Câu hỏi thường gặp

Tại sao cần phải kết hợp INS và GPS thay vì sử dụng riêng lẻ từng hệ thống?
GPS cung cấp vị trí ổn định dài hạn nhưng tần số cập nhật thấp (1 Hz) và dễ mất sóng; trong khi INS MEMS có tần số cập nhật cao (64 Hz) nhưng sai số tích lũy nhanh chóng theo thời gian. Việc tích hợp vòng kín giúp GPS liên tục hiệu chỉnh độ trôi cho INS, đồng thời INS bù đắp dữ liệu định vị tức thời khi mất tín hiệu vệ tinh.

Ưu điểm vượt trội của cấu trúc phân tách hai bộ lọc Kalman song song là gì?
Thay vì chạy một ma trận trạng thái phức tạp nhiều chiều, việc chia thành hai bộ lọc KF1 (3 trạng thái) và KF2 (8 trạng thái) giúp giảm hơn 40% khối lượng tính toán đại số ma trận. Nhờ đó, vi xử lý nhúng ARM9 400 MHz có thể xử lý trơn tru chu kỳ tính toán 15.625 mili-giây mà không bị trễ thời gian thực.

Hệ thống xử lý như thế nào khi phương tiện mất hoàn toàn tín hiệu GPS trong 60 giây?
Hệ thống tự động chuyển sang chế độ dự đoán quán tính thuần túy kết hợp sử dụng các giá trị độ trôi cảm biến đã được ước lượng tối ưu trước đó. Kết quả thực nghiệm chứng minh sai số vị trí chỉ dao động từ 5 đến 12 mét, tốt hơn rất nhiều so với mức trôi hàng chục mét của INS chưa được hiệu chỉnh.

Khối cảm biến quán tính MEMS BP3010 đáp ứng các yêu cầu kỹ thuật ra sao?
Khối BP3010 tích hợp 3 cảm biến gia tốc ADXL210E và 3 con quay ADXRS300 trong kích thước nhỏ gọn 33x20x10 mm, nặng chỉ 20g và tiêu thụ 0.5W. Thiết bị xuất dữ liệu độ tăng góc và vận tốc theo khung truyền 16 byte ở tần số 64 Hz, đảm bảo độ nhạy cao và giá thành thấp.

Dữ liệu hành trình được truyền về trung tâm điều khiển bằng phương thức nào?
Dữ liệu định vị và trạng thái vận hành sau khi xử lý được đóng gói và truyền trực tuyến qua modem GSM/GPRS Wavecom Q24 bằng các lệnh điều khiển AT chuyên dụng, sau đó hiển thị trực quan theo thời gian thực trên giao diện bản đồ số GIS với độ trễ dưới 2 giây.

Kết luận

• Nghiên cứu đã làm chủ thành công cơ sở lý thuyết dẫn đường quán tính Strapdown và thuật toán ước lượng tối ưu Kalman ứng dụng cho hệ thống tích hợp INS/GPS.
• Xây dựng hoàn chỉnh mô hình phần cứng nhúng trên vi xử lý ARM9 S3C2440 chạy hệ điều hành Linux nhúng, tích hợp khối MEMS IMU BP3010, đầu thu GPS HI-204E và modem GSM/GPRS.
• Thuật toán phân tách 2 bộ lọc Kalman song song chứng minh hiệu năng cao, giảm hơn 40% tải tính toán và giữ sai số định vị từ 5 đến 12 mét khi mất sóng GPS 60 giây.
• Hệ thống truyền thông trực tuyến qua mạng di động về trung tâm giám sát bản đồ số GIS hoạt động ổn định với độ trễ thấp dưới 2 giây.
• Đóng góp giải pháp khoa học thực tiễn cao với chi phí thấp, từng xuất sắc đạt Giải ba tại Giải thưởng Nhân tài Đất Việt.

Lộ trình phát triển tiếp theo của nghiên cứu tập trung vào việc thử nghiệm thuật toán lọc phi tuyến EKF trên các thiết bị bay không người lái (UAV) và phương tiện mặt đất tự hành trong vòng 12 đến 18 tháng tới. Các viện nghiên cứu, trường đại học và doanh nghiệp công nghệ hãy chủ động liên hệ hợp tác để cùng hoàn thiện, chuyển giao và thương mại hóa giải pháp định vị dẫn đường tự chủ này.

Trích đoạn nội dung tài liệu

Chương 1 Giới thiệu Trong bốn thập kỷ gần đây việc sử dụng công nghệ quán tính trong các mục đích quân sự và dân sự hàng không cũng như định vị cho các phương tiện chuyển động trên mặt đất đã tăng rất nhanh chóng. Trong những năm gần đây, thế giới tập trung vào nghiên cứu các hệ thống định vị quán tính có đáp ứng nhanh và giá thành rẻ [6]. Những năm 60 của thế kỷ trước, hệ thống định vị tích hợp đã được nghiên cứu, rất nhiều các loại cảm biến điện tử được sử dụng trong một hệ thống thu thập các thông tin cần thiết để tìm ra vị trí “liên tục” của các phương tiện chuyển động và làm giảm thiểu sai số của các cảm biến quán tính [34]. Hệ thống tích hợp bao gồm nhiều loại cảm biến định vị, cũng giống như khối đo lường quán tính, ra đa Doppler, và hệ định vị bằng sóng radio (TACAN) đã được sử dụng.

Năm 1978, Hệ thống định vị tích hợp tối ưu đã được Sindlinger nghiên cứu và đặt tên là “ Combined Navigation System ”- Hệ định vị tổng hợp- trong đó có sử dụng kết hợp hai hệ thống INS và GPS với nhau. Và sự phát triển của hệ định vị dẫn đường tích hợp này bắt đầu từ đó [4].1 Hệ thống định vị quán tính (INS) Hệ thống định vị quán tính INS hoạt động dựa trên nguyên tắc của các hiện tượng quán tính. “Trái tim” của hệ thống này là khối đo đường quán tính (Inertial Measurement Unit - IMU). Những khối IMU thời kì đầu sử dụng những cảm biến quán tính hoạt động theo nguyên tắc cơ khí.

Những cảm biến cơ khí này thường có kích thước lớn, hoạt động kém hiệu quả, giá thành cao và tiêu thụ nhiều năng lượng; ứng dụng trong chủ yếu trong lĩnh vực quân sự. Xu hướng hiện tại đó là giảm kích thước cũng như giá thành của các hệ thông định vị quán tính trong các ứng dụng như định vị cá nhân, định vị xe car, phương tiện chuyển động không người lái (UAV) và trong hàng không. Các ưu điểm của công nghệ gyro quang (FOG) và công nghệ vi cơ điện tử (MEMS) đã cho thấy những xu hướng phát triển các hệ thống tích hợp rất khả quan. So sánh với những hệ thống cao cấp, hệ thống INS giá rẻ có thể có sai số về vị trí và tư thế trong khoảng thời gian dài.

Nguyên nhân chủ yếu là do sự không chính xác các giá trị cảm biến đo được và do đó các TIEU LUAN MOI download : [e-mail] 8 khối INS sử dụng các loại cảm biến này dễ bị ảnh hưởng bởi các sai số phi tuyến, đặc biệt là khi các sai số tư thế có giá trị lớn [83] Nếu độ chính xác của một khối INS giá rẻ được cải thiện, giá thành có thể được giảm xuống để đưa vào ứng dụng đại trà và có thể có nhiều ứng dụng phát triển mới. Việc căn chuẩn các thiết bị có thể làm cải thiện đáng kể độ chính xác của hệ thống. Tuy nhiên, những phương pháp căn chuẩn phức tạp lại làm tăng giá thành của sản phẩm. Việc lựa chọn một phương pháp ước lượng xấp xỉ là vấn đề mấu chốt để phát triển hệ thống INS.

Đã có rất nhiều nhà nghiên cứu cố gắng làm tăng độ chính xác của hệ thống INS. Năm 2001, một phương pháp căn chuẩn mới đã được đề xuất [83], phương pháp này đã được phát triển và kiểm nghiệm rất cẩn thận. Phương pháp này không đòi hỏi phải đặt khối IMU lên một hệ họa độ cục bộ. Hơn thế, việc ước lượng độ lệch không (bias) của phương pháp này không bị ảnh hưởng bởi gia tốc trọng trường tham chiếu.

Gần như một nửa sai số vị trí có thể được loại bỏ bằng việc căn chuẩn các cảm biến gia tốc. Tất cả các thành phần tư thế tập trung trong ba phút với điều kiện non-holonomic 0.030 RMS có thể giảm thiểu sai số vị trí theo hướng ngang nhỏ hơn 40 m trong vòng 20 phút hoạt động. Do đó, INS giá rẻ có thể được sử dụng như một hệ thống định vị độc lập khi bị mất GPS trên 10 phút. Một phương pháp xử lý thống kê đã được đề xuất vào năm (2003) cho việc mô hình sai số của cảm biến trong hệ SINS [68].

Những đặc trưng ngẫu nhiên của hệ cảm biến trong hệ SINS có thể được xác định bằng việc tính toán chuỗi tương quan của dữ liệu thu trong thời gian dài. Xử lý tự hồi quy được sử dụng như một cách tiếp cận khác trong việc mô hình hóa các sai số lệch không của cảm biến SINS (residual bias). Các phương pháp tối ưu khác để xác định các thông số của mô hình tự hồi quy cũng đã được nghiên cứu; Kết quả cho thấy rằng thực hiện mô hình tự hồi quy có thể cải thiện kết quả tới 40% - 60% trong hệ SINS khi nó hoạt động đơn lẻ và 15% - 35% trong hệ SINS/DGPS khi mà bị mất GPS. Hơn thế, một phương pháp mới sử dụng các thông tin chuyển động của các vật thể trong việc giảm nhiễu trong các dữ liệu thô từ INS cảm biến đã được nghiên cứ vào năm 2007 [22].

Các vật thể chuyển động có thể cung cấp thêm các thông tin bổ trợ. Vì mô hình vật thể chuyển động có đặc tính như một bộ lọc thông thấp, cho qua các giá trị thô của cảm biến thu được và triệt nhiễu tần số cao. Quá trình lọc này được thực thi bằng việc sử dụng bộ lọc Kalman. Khi so sánh phương pháp này với những phương pháp loại bỏ nhiễu đã có các thông số của phương pháp này có ý nghĩa vật lý và có thể được TIEU LUAN MOI download : [e-mail] 9 đánh giá trực tiếp từ bộ dữ liệu đã có.

Thêm vào đó, kiến thức tích lũy về động lực học có thể đóng góp vào việc triệt nhiễu. Thuật toán xác định tư thế với độ chính xác cao đã được giới thiệu vào năm 2001 [55], đặc tính động lực học của máy bay được dự đoán bằng một đa thức dự báo hai điểm tuyến tính (linear – two – point polynominal predictor) và được tổng hợp với một INS có độ chính xác trong thời gian ngắn. Mặt khác, chuyển động quán tính của máy bay được dự đoán bằng cách sử dụng toán tử dự đoán năm điểm cầu phương chiếu kính (quadratic five-point predictor) và kết hợp với GPS có độ chính xác trong thời gian dài. Sự kết hợp đa thức lồi hoặc tuyến tính của các toán tử dự đoán hai điểm tuyến tính và năm điểm cầu phương chiếu kính đã được thực hiện và kết quả kiểm nghiệm cho thấy rằng độ chính xác khi xác định tư thế của khối INS được cải thiện bằng việc sử dụng thông tin tư thế bổ trợ từ GPS.

Năm 2003, thiết kế và triển khai khối tích hợp gồm khối INS giá rẻ (sử dụng khối do lường quán tính IMU) kết hợp với compass từ số, GPS và một máy tính nhúng [47]. INS có thể đưa ra các thông tin ước lượng liên tục của về vị trí và hướng của vật chuyển động. Thường thì IMU có giá thành rất cao, tuy nhiên hệ thống này lại sử dụng IMU giá rẻ. Không may là giá rẻ cũng kéo theo sự kém chính xác và thiếu ổn định và cũng là lý do chính để cần phải tích hợp GPS, compass từ số và bộ lọc Kalman vào hệ thống.

Do đó, khối IMU sẽ sử dụng các cảm biến gia tốc, vận tốc góc, để nội suy trong khoảng thời gian 1 giây cập nhật vị trí từ GPS. Tất cả những phương trình định vị đã được đưa ra và thảo luận. Kết quả cho thấy còn rất nhiều vấn đề cần phải nghiên cứu về INS. Năm 2005 Tính khả thi của thiết kế hệ định vị quán tính dự trên một cảm biến gia tốc đơn lẻ ( hoặc một cảm biến vận tốc góc tự do) để tính chuyển động tịnh tiến hoặc quay của một vật thể [15].

Các phương trình lối ra của cảm biến gia tốc được biểu diễn trong hệ tọa độ quán tính cố định. Một điều kiện quan trọng cần phải có đó là cấu hình của các cảm biến gia tốc. Nếu điều kiện thỏa mãn thì các chuyển động tịnh tiến hoặc chuyển động quay có thể được tính toán một cách riêng biệt bằng các sử dụng hệ hai phương trình của một hệ thông động lực học: một phương trình trạng thái cho vận tốc góc và một phương trình lối ra cho gia tốc tịnh tiến. Các ảnh hưởng của sai số đo việc đặt vị trí và hướng của cảm biến gia tốc cũng được phân tích.

Các thuật toán để xác định và giảm thiểu sai số này cũng được phát triển.2 Hệ thống định vị toàn cầu (GPS) TIEU LUAN MOI download : [e-mail] 10 Hệ thống định vị toàn cầu được phát triển với mục đích định vị vị trí một cách chính xác tại bất cứ vị trí nào trên hoặc gần bề mặt trái đất bằng hệ thống vệ tinh bay xung quanh trái đất. Hệ thống này thiết kế do Bộ quốc phòng Mỹ ( Department of Defence ) thiết kế với mục đích ban đầu phục vụ cho quân sự [45] và được điều hành bởi lực lượng Air Force của bộ quốc phòng Mỹ. Về sau này GPS đã được đem ra phục vụ cho cả mục đích dân sự và định vị với độ chính xác từ hàng chục met cho đến hàng centimet phụ thuộc vào thiết bị đo, phương pháp tính toán định vị và môi trường truyền thông [80]. Hệ thống định vị toàn cầu GPS thu thập các thông tin về tọa độ (vĩ độ và kinh độ), độ cao và tốc độ của các vật thể [89].

Hệ thống GPS gồm 24 vệ tinh phóng lên quỹ đạo trái đất (hình 1. Những vệ tinh này bay phía trên trái đất ở độ cao 19.200 km, với tốc độ chừng 11.200 km/h, có nhiệm vụ truyền đi các tín hiệu vô tuyến tần số thấp tới các thiết bị thu nhận.1: Quỹ đạo bay của các vệ tinh GPS GPS đã được ứng dụng trong rất nhiều các lĩnh vực khác nhau. Cùng với sự phát triển của công nghệ kỹ thuật thì giá thành và độ chính xác của các đầu thu GPS đã được cải thiện nhanh chóng trong vòng hai mươi năm trở lại đây. TIEU LUAN MOI download : [e-mail] 11 Liên Bang Nga cũng có một hệ thống định vị vệ tinh có tên GLONASS.

Liên minh châu Âu cũng đang nghiên cứu hệ thống định vị vệ tinh cho riêng mình. Điểm cơ bản để xác định vị trí của vật thể là xác định thời gian truyền từ vệ tinh GPS đến thiết bị thu GPS. Sai số của phương pháp đinh vị GPS chủ yếu là do 7 nguyên nhân dưới đây [104].