Nâng cao chất lượng hệ thống tích hợp INS/GPS sử dụng bộ lọc Kalman

Luận văn thạc sĩ VNU UET nghiên cứu nâng cao chất lượng hệ thống tích hợp INS GPS bằng bộ lọc Kalman, ứng dụng trong công nghệ định vị.

• Tác giả: Vũ Văn Ninh
• Người hướng dẫn: TS. Trần Đức Tân
• Trường học: Đại học Quốc gia Hà Nội
• Chuyên ngành: Công nghệ Điện tử - Viễn thông
• Đề tài: Nâng cao chất lượng hệ thống tích hợp INS/GPS sử dụng bộ lọc Kalman
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2012
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI NÓI ĐẦU
• 1. CHƯƠNG 1: GIỚI THIỆU HỆ THỐNG GPS
• 1.1. Nguyên lý hoạt động của INS
• 1.2. Ma trận chuyển hệ tọa độ
• 1.2.1. Ma trận chuyển Euler
• 1.2.2. Ma trận chuyển Quaternion
• 1.2.3. Tính góc Euler từ ma trận xoay
• 1.2.4. Tính Quaternion từ ma trận xoay
• 1.2.5. Tính góc Euler từ Quaternion
• 1.3. Phương trình chuyển động
• 1.4. Mô hình lỗi INS
• 2. CHƯƠNG 2: HỆ THỐNG INS
• 2.1. Nguyên lý hoạt động của INS
• 2.2. Ma trận chuyển hệ tọa độ
• 2.2.1. Ma trận chuyển Euler
• 2.2.2. Ma trận chuyển Quaternion
• 2.2.3. Tính góc Euler từ ma trận xoay
• 2.2.4. Tính Quaternion từ ma trận xoay
• 2.2.5. Tính góc Euler từ Quaternion
• 2.3. Phương trình chuyển động
• 2.4. Mô hình lỗi INS
• 3. CHƯƠNG 3: HỆ THỐNG TÍCH HỢP INS/GPS
• 3.1. Bộ lọc Kalman
• 3.2. Hệ thống tích hợp INS/GPS
• 3.3. Đề xuất của học viên
• 3.3.1. Lưu đồ thuật toán hệ thống tích hợp INS/GPS
• 3.3.2. Bộ lọc Kalman cho hệ thống tích hợp INS/GPS
• 3.3.3. Kết quả mô phỏng
• 4. CHƯƠNG 4: KẾT LUẬN
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về hệ thống tích hợp INS GPS và bộ lọc Kalman

Hệ thống tích hợp INS/GPS là một công nghệ tiên tiến trong lĩnh vực định vị và dẫn đường. Sự kết hợp giữa hệ thống định vị quán tính (INS) và hệ thống định vị toàn cầu (GPS) mang lại độ chính xác cao hơn so với việc sử dụng từng hệ thống riêng lẻ. Bộ lọc Kalman là một công cụ quan trọng trong việc cải thiện chất lượng tín hiệu từ cả hai hệ thống này. Việc áp dụng bộ lọc Kalman giúp giảm thiểu sai số và nâng cao độ tin cậy của dữ liệu đầu ra.

1.1. Khái niệm về hệ thống INS GPS

Hệ thống INS/GPS kết hợp hai công nghệ định vị khác nhau để cung cấp thông tin chính xác về vị trí và vận tốc. INS sử dụng cảm biến quán tính để đo lường chuyển động, trong khi GPS cung cấp thông tin vị trí từ vệ tinh. Sự kết hợp này giúp cải thiện độ chính xác trong các điều kiện khó khăn.

1.2. Vai trò của bộ lọc Kalman trong tích hợp

Bộ lọc Kalman là một thuật toán tối ưu giúp xử lý và dự đoán trạng thái của hệ thống. Trong tích hợp INS/GPS, bộ lọc Kalman giúp giảm thiểu sai số từ các cảm biến và tín hiệu GPS, từ đó nâng cao độ chính xác của hệ thống định vị.

II. Vấn đề và thách thức trong hệ thống tích hợp INS GPS

Mặc dù hệ thống tích hợp INS/GPS mang lại nhiều lợi ích, nhưng vẫn tồn tại một số thách thức cần giải quyết. Các vấn đề như độ trôi của cảm biến, sai số tín hiệu GPS và sự ảnh hưởng của môi trường có thể làm giảm chất lượng của hệ thống. Việc hiểu rõ các thách thức này là cần thiết để phát triển các giải pháp hiệu quả.

2.1. Độ trôi của cảm biến quán tính

Độ trôi của cảm biến quán tính là một trong những vấn đề lớn nhất trong hệ thống INS. Khi cảm biến không được hiệu chỉnh đúng cách, nó có thể dẫn đến sai số lớn trong việc xác định vị trí và vận tốc.

2.2. Sai số tín hiệu GPS và ảnh hưởng của môi trường

Tín hiệu GPS có thể bị ảnh hưởng bởi nhiều yếu tố như tòa nhà cao tầng, thời tiết xấu và nhiễu điện từ. Những yếu tố này có thể làm giảm độ chính xác của thông tin vị trí, gây khó khăn cho việc định vị chính xác.

III. Phương pháp cải thiện chất lượng hệ thống INS GPS

Để nâng cao chất lượng của hệ thống tích hợp INS/GPS, nhiều phương pháp đã được đề xuất. Việc áp dụng bộ lọc Kalman là một trong những giải pháp hiệu quả nhất. Ngoài ra, việc cải thiện các cảm biến và thuật toán xử lý tín hiệu cũng đóng vai trò quan trọng.

3.1. Ứng dụng bộ lọc Kalman trong tích hợp

Bộ lọc Kalman giúp tối ưu hóa dữ liệu từ cả INS và GPS, từ đó giảm thiểu sai số và cải thiện độ chính xác. Việc áp dụng bộ lọc này trong các mô hình toán học cho phép dự đoán trạng thái của hệ thống một cách hiệu quả.

3.2. Cải tiến cảm biến và thuật toán xử lý

Cải tiến cảm biến quán tính và phát triển các thuật toán xử lý tín hiệu mới có thể giúp nâng cao độ chính xác của hệ thống. Việc sử dụng công nghệ MEMS trong cảm biến quán tính là một ví dụ điển hình.

IV. Ứng dụng thực tiễn của hệ thống tích hợp INS GPS

Hệ thống tích hợp INS/GPS đã được ứng dụng rộng rãi trong nhiều lĩnh vực như hàng không, hàng hải, và ô tô tự lái. Những ứng dụng này không chỉ giúp nâng cao độ chính xác trong định vị mà còn cải thiện hiệu suất hoạt động của các phương tiện.

4.1. Ứng dụng trong hàng không

Trong ngành hàng không, hệ thống INS/GPS được sử dụng để định vị máy bay trong suốt quá trình bay. Điều này giúp đảm bảo an toàn và chính xác trong việc điều khiển máy bay.

4.2. Ứng dụng trong ô tô tự lái

Hệ thống tích hợp INS/GPS là một phần quan trọng trong công nghệ ô tô tự lái. Nó giúp xe xác định vị trí chính xác và điều hướng an toàn trong môi trường giao thông phức tạp.

V. Kết luận và tương lai của hệ thống INS GPS

Hệ thống tích hợp INS/GPS đang ngày càng trở nên quan trọng trong các ứng dụng định vị hiện đại. Với sự phát triển của công nghệ, tương lai của hệ thống này hứa hẹn sẽ mang lại nhiều cải tiến về độ chính xác và hiệu suất. Việc nghiên cứu và phát triển các giải pháp mới sẽ tiếp tục là một lĩnh vực hấp dẫn cho các nhà nghiên cứu.

5.1. Xu hướng phát triển công nghệ

Công nghệ MEMS và các cảm biến mới sẽ tiếp tục được phát triển, giúp nâng cao độ chính xác và giảm chi phí cho hệ thống INS/GPS. Điều này sẽ mở ra nhiều cơ hội mới trong các ứng dụng thực tiễn.

5.2. Tương lai của hệ thống định vị

Hệ thống INS/GPS sẽ tiếp tục đóng vai trò quan trọng trong các lĩnh vực như hàng không, giao thông và quân sự. Sự phát triển của công nghệ sẽ giúp cải thiện đáng kể chất lượng và độ tin cậy của hệ thống.

Nội dung chính

Tổng quan nghiên cứu

Hệ thống định vị toàn cầu GPS và hệ thống dẫn đường quán tính INS là hai công nghệ chủ đạo trong lĩnh vực định vị và dẫn đường hiện nay. Theo báo cáo của ngành, hệ thống GPS gồm 24 vệ tinh hoạt động trên quỹ đạo Trái Đất, cung cấp thông tin vị trí, vận tốc và độ cao với tần số sóng mang L1 = 1575,42 MHz và L2 = 1227,60 MHz. Tuy nhiên, GPS gặp hạn chế khi tín hiệu bị che khuất hoặc nhiễu do môi trường như nhà cao tầng, địa hình phức tạp, hoặc điều kiện thời tiết. INS, với cảm biến IMU gồm 3 gia tốc kế và 3 con quay hồi chuyển, có khả năng đo vận tốc góc và gia tốc để xác định vị trí và tư thế vật thể trong không gian, nhưng lại chịu sai số tích lũy theo thời gian do các lỗi cảm biến.

Mục tiêu nghiên cứu của luận văn là nâng cao chất lượng hệ thống tích hợp INS/GPS bằng cách sử dụng bộ lọc Kalman nhằm cải thiện độ chính xác vị trí, vận tốc và góc tư thế. Nghiên cứu tập trung vào việc phát triển mô hình tích hợp với cấu hình bộ lọc Kalman song song, áp dụng thuật toán SINS của Salychev để xử lý dữ liệu IMU, đồng thời sử dụng dữ liệu GPS làm tham chiếu hiệu chỉnh. Phạm vi nghiên cứu thực hiện tại Việt Nam, với dữ liệu mô phỏng và thử nghiệm trên nền tảng Matlab trong năm 2012. Kết quả nghiên cứu có ý nghĩa quan trọng trong việc ứng dụng công nghệ định vị chính xác cho các phương tiện chuyển động, robot, và các hệ thống dẫn đường trong điều kiện môi trường phức tạp.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai lý thuyết chính: hệ thống dẫn đường quán tính (INS) và hệ thống định vị toàn cầu (GPS). INS hoạt động dựa trên nguyên lý đo vận tốc góc và gia tốc từ IMU, sử dụng thuật toán SINS của Salychev để tính toán vị trí, vận tốc và góc tư thế thông qua các ma trận chuyển đổi tọa độ như ma trận Euler và quaternion. Các khái niệm quan trọng bao gồm:

• Ma trận chuyển Euler: mô tả chuyển động quay trong không gian 3 chiều qua ba góc Euler (φ, θ, ψ).
• Quaternion: đại lượng toán học dùng để biểu diễn quay trong không gian ba chiều, giúp tránh các vấn đề về singularity của góc Euler.
• Bộ lọc Kalman: thuật toán ước lượng trạng thái tối ưu trong hệ thống có nhiễu, gồm bước dự đoán và cập nhật, được sử dụng để tích hợp dữ liệu INS và GPS nhằm giảm sai số tích lũy của INS và cải thiện độ chính xác vị trí.

Ngoài ra, luận văn còn đề cập đến các mô hình lỗi của INS do sai số cảm biến, bao gồm độ lệch, trôi và nhiễu ngẫu nhiên, ảnh hưởng đến độ chính xác của hệ thống.

Phương pháp nghiên cứu

Nghiên cứu sử dụng dữ liệu mô phỏng thu thập từ IMU gắn trên ô tô và dữ liệu GPS thực tế. Cỡ mẫu dữ liệu được lấy với tần số 64 Hz cho IMU và 1 Hz cho GPS, phù hợp với yêu cầu xử lý thời gian thực. Phương pháp chọn mẫu là lấy mẫu liên tục trong quá trình chuyển động để đảm bảo tính liên tục và độ tin cậy của dữ liệu.

Phân tích dữ liệu được thực hiện trên phần mềm Matlab, sử dụng thuật toán SINS để xử lý dữ liệu IMU và bộ lọc Kalman song song để ước lượng lỗi vị trí, vận tốc và góc tư thế. Bộ lọc Kalman thứ nhất (KF1) ước lượng 9 trạng thái lỗi vị trí và vận tốc, bộ lọc thứ hai (KF2) ước lượng 8 trạng thái liên quan đến lỗi góc nghiêng, vận tốc và độ trôi cảm biến. Timeline nghiên cứu bao gồm giai đoạn xây dựng mô hình, mô phỏng và đánh giá kết quả trong năm 2012.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Cải thiện độ chính xác vị trí: Kết quả mô phỏng cho thấy vị trí của hệ thống tích hợp INS/GPS bám sát vị trí GPS với sai số khoảng cách trung vị và phương sai nhỏ, thể hiện qua biểu đồ quỹ đạo và sai lệch vị trí theo thời gian. Sai số vị trí được giảm đáng kể so với sử dụng riêng lẻ INS hoặc GPS.

2. Sai số vận tốc thấp: Vận tốc theo phương Bắc (Vn) và phương Đông (Ve) của hệ INS/GPS có sai số tuyệt đối rất nhỏ so với GPS, dao động trong khoảng 0 m/s đến gần 0.1 m/s, chứng tỏ bộ lọc Kalman hiệu quả trong việc đồng bộ và hiệu chỉnh dữ liệu vận tốc.

3. Góc hướng ổn định: Góc hướng của hệ INS/GPS luôn bám sát góc hướng đo được từ GPS, với sự biến động nhỏ và ổn định theo thời gian, đảm bảo tính chính xác trong việc xác định tư thế phương tiện.

4. Ước lượng lỗi cảm biến: Bộ lọc Kalman song song ước lượng được các lỗi góc nghiêng, góc chúc và độ trôi của cảm biến vận tốc góc (Gbx, Gby), giúp bù trừ và hiệu chỉnh sai số trong hệ thống INS, nâng cao độ tin cậy của kết quả định vị.

Thảo luận kết quả

Nguyên nhân chính của sự cải thiện độ chính xác là do việc sử dụng bộ lọc Kalman song song với số trạng thái tăng lên, cho phép ước lượng chính xác hơn các lỗi vị trí, vận tốc và góc tư thế. So với các nghiên cứu trước đây chỉ sử dụng bộ lọc Kalman tuyến tính đơn giản, mô hình này giảm thiểu sai số do tuyến tính hóa và tăng khả năng thích ứng với các điều kiện thực tế.

Kết quả mô phỏng phù hợp với các nghiên cứu trong ngành về tích hợp INS/GPS, đồng thời cho thấy khả năng ứng dụng trong môi trường có tín hiệu GPS bị gián đoạn hoặc nhiễu. Việc ước lượng và bù trừ lỗi cảm biến giúp hệ thống duy trì độ chính xác trong thời gian dài, khắc phục nhược điểm của INS là sai số tích lũy.

Dữ liệu có thể được trình bày qua các biểu đồ quỹ đạo vị trí, sai số vận tốc theo thời gian, và biểu đồ so sánh góc hướng giữa INS/GPS và GPS, giúp trực quan hóa hiệu quả của bộ lọc Kalman trong việc nâng cao chất lượng hệ thống.

Đề xuất và khuyến nghị

1. Triển khai thực tế hệ thống tích hợp INS/GPS: Áp dụng mô hình bộ lọc Kalman song song vào các thiết bị định vị thực tế, đặc biệt trong các phương tiện giao thông và robot, nhằm nâng cao độ chính xác vị trí và tư thế trong vòng 1-2 năm tới, do các đơn vị nghiên cứu và phát triển công nghệ.

2. Phát triển bộ lọc Kalman phi tuyến: Nghiên cứu và áp dụng các bộ lọc Kalman mở rộng (EKF) hoặc bộ lọc hạt để xử lý các sai số phi tuyến trong hệ thống, nhằm giảm thiểu sai số tuyến tính hóa hiện tại, với mục tiêu cải thiện độ chính xác thêm 10-15% trong 3 năm tới, do các nhóm nghiên cứu chuyên sâu về thuật toán.

3. Tăng cường số trạng thái trong bộ lọc: Mở rộng số lượng trạng thái ước lượng trong bộ lọc Kalman để bao gồm các thông số như trạng thái quaternion, hệ số tỉ lệ góc, và trạng thái độ trôi của cảm biến gia tốc, giúp nâng cao khả năng bù trừ lỗi, dự kiến thực hiện trong 2 năm, do các nhà phát triển phần mềm và kỹ sư hệ thống.

4. Tích hợp công nghệ MEMS mới: Sử dụng các cảm biến MEMS thế hệ mới với độ chính xác cao và kích thước nhỏ gọn để cải thiện chất lượng dữ liệu đầu vào cho hệ thống INS, giảm thiểu sai số cảm biến, dự kiến triển khai trong 1-2 năm, do các nhà sản xuất thiết bị và nhà nghiên cứu công nghệ vật liệu.

Đối tượng nên tham khảo luận văn

1. Các nhà nghiên cứu và sinh viên ngành Công nghệ Điện tử - Viễn thông: Nghiên cứu sâu về thuật toán Kalman, hệ thống INS/GPS, và ứng dụng trong định vị chính xác, giúp phát triển các đề tài nghiên cứu tiếp theo.

2. Kỹ sư phát triển hệ thống định vị và dẫn đường: Áp dụng mô hình tích hợp INS/GPS và bộ lọc Kalman để thiết kế các sản phẩm định vị cho phương tiện giao thông, robot, và thiết bị di động.

3. Doanh nghiệp công nghệ và sản xuất thiết bị MEMS: Tham khảo để cải tiến sản phẩm IMU, nâng cao hiệu suất và độ chính xác cảm biến, đồng thời tích hợp thuật toán xử lý tín hiệu tiên tiến.

4. Cơ quan quản lý và ứng dụng công nghệ định vị trong giao thông và quân sự: Sử dụng kết quả nghiên cứu để nâng cao độ tin cậy và chính xác của hệ thống dẫn đường, phục vụ công tác điều khiển và giám sát phương tiện.

Câu hỏi thường gặp

1. Bộ lọc Kalman là gì và tại sao lại quan trọng trong hệ thống INS/GPS?
   Bộ lọc Kalman là thuật toán ước lượng trạng thái tối ưu trong hệ thống có nhiễu, giúp kết hợp dữ liệu từ INS và GPS để giảm sai số tích lũy của INS và cải thiện độ chính xác vị trí. Ví dụ, khi GPS mất tín hiệu tạm thời, bộ lọc Kalman vẫn dự đoán vị trí dựa trên INS.

2. Tại sao cần tích hợp INS và GPS thay vì sử dụng riêng lẻ?
   INS có ưu điểm hoạt động độc lập không cần tín hiệu bên ngoài nhưng sai số tích lũy theo thời gian, trong khi GPS có độ chính xác cao nhưng dễ bị mất tín hiệu. Tích hợp giúp tận dụng ưu điểm và khắc phục nhược điểm của từng hệ thống.

3. Mô hình bộ lọc Kalman song song có điểm gì khác biệt?
   Mô hình này sử dụng hai bộ lọc Kalman hoạt động đồng thời: một bộ ước lượng lỗi vị trí và vận tốc, bộ còn lại ước lượng lỗi góc và độ trôi cảm biến, giúp cải thiện độ chính xác và ổn định của hệ thống so với bộ lọc đơn.

4. Sai số chính trong hệ thống INS do đâu gây ra?
   Sai số chủ yếu do cảm biến quán tính như độ lệch, trôi và nhiễu ngẫu nhiên của gia tốc kế và con quay hồi chuyển, dẫn đến sai số tích lũy trong tính toán vị trí và góc tư thế.

5. Ứng dụng thực tế của hệ thống tích hợp INS/GPS là gì?
   Hệ thống được ứng dụng trong dẫn đường ô tô, máy bay, robot tự hành, và các thiết bị định vị cá nhân, đặc biệt trong môi trường có tín hiệu GPS yếu hoặc bị che khuất như đô thị đông đúc hoặc khu vực rừng núi.

Kết luận

• Luận văn đã hệ thống hóa kiến thức về hệ thống GPS, INS và phương pháp tích hợp sử dụng bộ lọc Kalman.
• Đã xây dựng và mô phỏng thành công mô hình tích hợp INS/GPS với bộ lọc Kalman song song, nâng cao độ chính xác vị trí, vận tốc và góc tư thế.
• Kết quả mô phỏng cho thấy sai số vị trí và vận tốc được giảm đáng kể, góc hướng ổn định và các lỗi cảm biến được ước lượng hiệu quả.
• Hạn chế hiện tại là mô hình mới dừng ở mức mô phỏng trên Matlab, chưa áp dụng thực tế và bộ lọc Kalman tuyến tính còn giới hạn trong xử lý sai số phi tuyến.
• Đề xuất phát triển bộ lọc phi tuyến, mở rộng số trạng thái và ứng dụng công nghệ MEMS mới để nâng cao hơn nữa chất lượng hệ thống trong tương lai.

Để tiếp tục nghiên cứu và ứng dụng, các nhà khoa học và kỹ sư được khuyến khích triển khai mô hình vào thực tế, đồng thời phát triển các thuật toán lọc nâng cao nhằm đáp ứng yêu cầu ngày càng cao của các hệ thống định vị hiện đại.

Trích đoạn nội dung tài liệu

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ VŨ VĂN NINH NÂNG CAO CHẤT LƯỢNG HỆ THỐNG TÍCH HỢP INS/GPS SỬ DỤNG BỘ LỌC KALMAN LUẬN VĂN THẠC SĨ HÀ NỘI – 2012 LUAN VAN CHAT LUONG download : add [e-mail] ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ VŨ VĂN NINH NÂNG CAO CHẤT LƯỢNG HỆ THỐNG TÍCH HỢP INS/GPS SỬ DỤNG BỘ LỌC KALMAN Ngành: Công nghệ Điện tử - Viễn thông Chuyên nghành : Kỹ thuật Điện tử Mã số: 60 52 70 LUẬN VĂN THẠC SĨ HƯỚNG DẪN KHOA HỌC: TS. TRẦN ĐỨC TÂN HÀ NỘI – 2012 LUAN VAN CHAT LUONG download : add [e-mail] III MỤC LỤC LỜI CAM ĐOAN. II MỤC LỤC.III DANH MỤC HÌNH . IV DANH MỤC BẢNG.V THUẬT NGỮ VIẾT TẮT. VII CHƯƠNG I. GIỚI THIỆU HỆ THỐNG GPS. 1 CHƯƠNG II. HỆ THỐNG INS .1 Nguyên lý hoạt động của INS.2 Ma trận chuyển hệ tọa độ .1 Ma trận chuyển Euler.2 Ma trận chuyển Quaternion .3 Tính góc Euler từ ma trận xoay.4 Tính Quaternion từ ma trận xoay .5 Tính góc Euler từ Quaternion .3 Phương trình chuyển động .4 Mô hình lỗi INS . 10 CHƯƠNG III. HỆ THỐNG TÍCH HỢP INS/GPS .1 Bộ lọc Kalman .2 Hệ thống tích hợp INS/GPS.2 Đề xuất của học viên .1 Lưu đồ thuật toán hệ thống tích hợp INS/GPS .2 Bộ lọc Kalman cho hệ thống tích hợp INS/GPS .3 Kết quả mô phỏng . 23 CHƯƠNG IV. 30 TÀI LIỆU THAM KHẢO . 32 Nâng cao chất lượng hệ thống tích hợp INS/GPS sử dụng bộ lọc Kalman LUAN VAN CHAT LUONG download : add [e-mail] IV DANH MỤC HÌNH Hình 1. Quỹ đạo bay của các vệ tinh GPS . Cấu trúc của IMU . Hệ thống định vị quán tính. Sai lệch giữa hệ tọa độ p-frame và N- frame. Thuật toán Kalman cổ điển. Lưu đồ tính toán với bộ lọc Kalman . Sơ đồ INS/GPS theo phương thức vòng hở . Sơ đồ INS/GPS theo phương thức vòng kín . Cấu trúc theo kiểu vòng hở (a) và vòng kín (b). Lưu đồ thuật toán hệ thống tích hợp INS/GPS. Bộ lọc Kalman trong mô phỏng .Quỹ đạo GPS (a), INS/GPS (b), khoảng cách d (c).Vận tốc Vn của hệ INS/GPS, Vn của GPS và sai số tuyêt đối của vận tốc. Vận tốc Ve của hệ INS/GPS, Ve của GPS, và sai số tuyệt đối. So sánh góc hướng INS/GPS và GPS. Độ trôi của cảm biến vận tốc góc Gbx, Gby. Hệ tọa độ vật thể. Hệ tọa độ định vị. Thuật toán Salychev. 34 Nâng cao chất lượng hệ thống tích hợp INS/GPS sử dụng bộ lọc Kalman LUAN VAN CHAT LUONG download : add [e-mail] V DANH MỤC BẢNG Bảng 1. Lỗi gây ra bởi cảm biến quán tính. Trung vị, phương sai của khoảng cách . Sai số tuyệt đối của vận tốc theo phương Đông . Sai số tuyệt đối của vận tốc theo phương Bắc . Các trung vị và phương sai của góc chúc và góc nghiêng . 29 Nâng cao chất lượng hệ thống tích hợp INS/GPS sử dụng bộ lọc Kalman LUAN VAN CHAT LUONG download : add [e-mail] VI THUẬT NGỮ VIẾT TẮT Viết tắt Tiếng Anh Tiếng Việt IMU Inertial Measurement Units Khối đo quán tính GPS Global Positioning System Hệ thống định vị toàn cầu KF Kalman Filter Bộ lọc Kalman INS Inertial Navigation System Hệ thống dẫn đường quán tính SINS Strapdown Inertial Navigation Thuật toán dẫn đường quán tính System kiểu gắn chặt DCM Direct Cosin Matrix Ma trận hướng Cosine b-frame Body frame Hệ tọa độ vật thể ll-frame Local level frame Hệ tọa độ địa phương N- frame Navigation frame Hệ tọa độ dẫn đường Nâng cao chất lượng hệ thống tích hợp INS/GPS sử dụng bộ lọc Kalman LUAN VAN CHAT LUONG download : add [e-mail] VII LỜI NÓI ĐẦU Hệ thống vi cơ điện tử - MEMS là sự kết hợp của các yếu tố cơ khí, nhiệt, sinh học, hóa học, quang học, chất lỏng, và điện tử trên cùng một đế Silicon. Thông thường dựa trên công nghệ vi chế tạo. Công nghệ MEMS hứa hẹn một cuộc cách mạng thay thế nhiều sản phẩm bằng cách kết hợp nhiều thành phần trên một chíp. Công nghệ MEMS ngày càng phát triển, các thiết bị MEMS cho độ chính xác cao, hiệu suất cao, độ tin cậy lớn và giá thành hạ. Một trong những thiết bị MEMS đã được ứng dụng gần đây về lĩnh vực định vị tọa độ vật thể đó là IMU. Thiết bị này được đưa vào sử dụng trong lĩnh vực điều khiển Robot hay trong định vị tọa độ của các phương tiện chuyển động. Để người dùng dễ sử dụng, thiết bị IMU đã tích hợp với thuật toán dẫn đường quán tính (INS). Hiện nay, vấn đề định vị thu hút sự quan tâm của nhiều nhà nghiên cứu và công nghiệp ở trong và ngoài nước. Khi kết hợp với GPS, hệ thống định vị kết hợp INS/GPS có nhiều ưu điểm như độ chính xác và kích thước nhỏ. Để tích hợp được INS và GPS thì chúng ta thường sử dụng bộ lọc tối ưu Kalman. Việc áp dụng lọc Kalman tuyến tính có ưu điểm đơn giản, dễ thực thi nhưng chất lượng hệ thống là chưa cao. Mục tiêu của luận văn là cải thiện chất lượng của hệ thống tích hợp INS/GPS sử dụng một cấu hình kết hợp INS/GPS phù hợp. Trong luận văn này, học viên tập trung nghiên cứu hệ thống tích hợp INS/GPS với mục tiêu nâng cao chất lượng của toàn hệ thống, đặc biệt là các thông số về các góc tư thế, vận tốc, vị trí. Nội dung của đề tài bao gồm các chương sau: - Chương I : Hệ thống định vị toàn cầu GPS. - Chương II : Hệ thống dẫn đường quán tính INS. - Chương III : Hệ thống tích hợp INS/GPS, bộ lọc Kalman và ứng dụng. - Chương IV : Kết luận. Nâng cao chất lượng hệ thống tích hợp INS/GPS sử dụng bộ lọc Kalman LUAN VAN CHAT LUONG download : add [e-mail] 1 CHƯƠNG I. GIỚI THIỆU HỆ THỐNG GPS Hệ thống định vị toàn cầu (tiếng Anh: Global Positioning System - GPS) là hệ thống xác định vị trí dựa trên vị trí của các vệ tinh nhân tạo, do Bộ Quốc phòng Hoa Kỳ thiết kế, xây dựng, vận hành và quản lý. Hệ thống định vị toàn cầu GPS thu thập các thông tin về tọa độ (vĩ độ và kinh độ), tốc độ và độ cao của vật thể. Hệ thống GPS gồm 24 vệ tinh phóng lên quỹ đạo trái đất (xem Hình 1) [3]. Các hệ thống dẫn đường truyền thống hoạt động dựa trên các trạm phát tín hiệuvô tuyến điện. Được biết đến nhiều nhất là các hệ thống sau: LORAN – (LOng RAnge Navigation) – hoạt động ở giải tần 90-100 kHz chủ yếu dùng cho hàng hải, hay TACAN – (TACtical Air Navigation) – dùng cho quân đội Mỹ và biến thể với độ chính xác thấp VOR/DME – VHF (Omnidirectional Range/Distance Measuring Equipment) – dùng cho hàng không dân dụng. Quỹ đạo bay của các vệ tinh GPS 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 [4]. Các vệ tinh GPS bay vòng quanh Trái Đất hai lần trong một ngày theo một quỹ đạo rất chính xác và phát tín hiệu có thông tin xuống Trái Đất. Các máy thu GPS nhận thông tin này và bằng phép tính lượng giác tính được chính xác vị trí của người dùng. Về bản chất máy thu GPS so sánh thời gian tín hiệu được phát Nâng cao chất lượng hệ thống tích hợp INS/GPS sử dụng bộ lọc Kalman LUAN VAN CHAT LUONG download : add [e-mail] 2 đi từ vệ tinh với thời gian nhận được chúng. Sai lệch về thời gian cho biết máy thu GPS ở cách vệ tinh bao xa. Với nhiều cách đo được tới vệ tinh máy thu có thể tính được vị trí của người dùng và hiển thị lên bản đồ điện tử của máy. Hiện tại, GPS sử dụng 2 tần số L1 = 1575,42MHz và L2 = 1227,60MHz [1,6]. Các sóng mang L1, L2 được điều biến bởi 3 loại mã sau: - Mã P: là mã chính xác, có tần số 10,23 MHz, độ dài toàn phần 267 ngày. Tuy vậy người ta đã chia mã này thành các đoạn có độ dài 7 ngày và gắn cho mỗi vệ tinh trong hệ thống GPS một trong các đoạn mã như thế, cứ sau 1 tuần lại thay đổi nên khó bị giải mã để sử dụng nếu ko được phép. Mã P điều biến cả 2 sóng mang L1 và L2. - Mã C/A có tần số 1,023MHz, nó chỉ điều biến sóng mang L1, mã C/A được sử dụng cho mục đích dân sự, mỗi vệ tinh được gán 1 mã C/A riêng biệt. - Mã D là mã dùng để truyền lịch vệ tinh mới nhất, thông số của lớp khí quyển sóng điện từ truyền qua, thời gian của hệ thống, sai số đồng hồ vệ tinh, phân bố của các vệ tinh trên quỹ đạo. Nó điều biến cả 2 sóng mang L1 và L2. Khi hoạt động, tần số L1 bao gồm 2 tín hiệu số, được gọi là mã P và mã C/A. Mã P nhằm bảo vệ thông tin khỏi những sự truy nhập trái phép. Tuy nhiên, mục đích chính của các tín hiệu mã hóa là nhằm tính toán thời gian cần thiết để thông tin truyền từ vệ tinh tới một thiết bị thu nhận trên mặt đất. Sau đó, khoảng cách giữa 2 bên được tính bằng cách nhân thời gian cần thiết để tín hiệu đến nơi với tốc độ của ánh sáng là 300. Tuy nhiên, tín hiệu có thể bị sai đôi chút khi đi qua bầu khí quyển. Vì vậy, kèm theo thông điệp gửi tới các thiết bị nhận, các vệ tinh thường gửi kèm luôn thông tin về quỹ đạo và thời gian. Việc sử dụng đồng hồ nguyên tử sẽ đảm bảo chính xác về sự thống nhất thời gian giữa các thiết bị thu và phát. Để biết vị trí chính xác của các vệ tinh, thiết bị thu GPS còn nhận thêm 2 loại dữ liệu mã hóa:  Dữ liệu Almanac: được cập nhật định kỳ và cho biết vị trí gần đúng của các vệ tinh trên quỹ đạo. Nó truyền đi liên tục và được lưu trữ trong bộ nhớ của thiết bị thu nhận khi các vệ tinh di chuyển quanh quỹ đạo.  Dữ liệu Ephemeris: phần lớn các vệ tinh có thể hơi di chuyển ra khỏi quỹ đạo chính của chúng. Sự thay đổi này được ghi nhận bởi các trạm kiểm soát mặt đất. Việc sửa chữa những sai số này là rất quan trọng và được đảm nhiệm bởi trạm chủ Nâng cao chất lượng hệ thống tích hợp INS/GPS sử dụng bộ lọc Kalman LUAN VAN CHAT LUONG download : add [e-mail] 3 trên mặt đất trước khi thông báo lại cho các vệ tinh biết vị trí mới của chúng. Thông tin được sửa chữa này được gọi là dữ liệu Ephemeris. Kết hợp dữ liệu Almanac và Ephemeris, các thiết bị nhận GPS biết chính xác vị trí của mỗi vệ tinh.