Архітектура інтегрованих навігаційних систем з покращеною точністю координат та виявленням помилок

Автор(и)

DOI:

https://doi.org/10.18372/2073-4751.74.17878

Ключові слова:

позиціонування та навігація, багатоджерельна інтегрована навігація, безпілотний літальний апарат, аналіз даних, корекція помилок, фільтрація, виявлення помилок, відмовостійкість

Анотація

Інтеграція GNSS/INS стає все більш важливою для точної роботи безпілотних літальних апаратів, особливо в аграрній сфері. Ця інтеграція базується на двох основних потребах: забезпеченні того, що після тривалої роботи точність навігаційних параметрів залишається незмінною, та впровадженні інтегрованого навігаційного алгоритму, який є простим та надійним, вимагаючи мінімальної обробки від бортових мікросхем. У цій статті спочатку представлено підхід централізованого фільтра Калмана, який використовується для об'єднання GPS та INS систем на основі слабко зв'язаної структури. Це об'єднання є оптимізованим, що значно зменшує обчислювальні потреби системи та зменшує її складність. Після цього розбіжності в навігаційних параметрах INS системи, які оцінюються за алгоритмом дискретного фільтра Калмана, виправляються за допомогою методу виправлення зворотного зв'язку. Ця стратегія ефективно протистоїть зниженню навігаційної точності, яке зазвичай виникає після тривалого періоду роботи.

Посилання

Wang G., et al. A GNSS/INS Integrated Navigation Algorithm Based on Kalman Filter. IFAC-Papers Online. 2017. V. 51, No. 17. P. 232–237.

Shokry A. Effectiveness of Data Augmentation in Cellular-Based Localization Using Deep Learning. 2019 IEEE Wireless Communications and Networking Conference (WCNC) / Marrakesh, Morocco, 2019. P. 1–6.

Chen R., Zhao L. Multi-level Autonomous Integrity Monitoring Method for Multi-source PNT Resilient Fusion Navigation. Satellite Navigation. 2023. V. 4, No. 1. – P. 1–17.

Gupta A., Fernando X. Simultaneous Localization and Mapping (SLAM) and Data Fusion in Unmanned Aerial Vehicles: Recent Advances and Challenges. Drones. 2022. V. 6, No. 4. 85.

Zhuang Y., et al. Multi-sensor Integrated Navigation/Positioning Systems Using Data Fusion: From Analytics-based to Learning-based Approaches. Information Fusion. 2023. V. 95. P. 62–90.

Kang J., et al. Resilient Multi-Source Integrated Navigation Method for Aerospace Vehicles Based on On-Line Evaluation of Redundant Information. Aerospace. 2022. V. 9, No. 7. 333.

Wang D., et al. Spacecraft Autonomous Navigation Technologies Based on Multi-Source Information Fusion. Singapore : Springer, 2021. 361 p.

U.S. Department of Homeland Security. Improving the Operation and Development of Global Positioning System (GPS) Equipment Used by Critical Infrastructure. Science and Technology Directorate, NCCIC & NCC, 2023. 21 p.

U.S. Department of Homeland Security. Best Practices for Time and Frequency Sources in Fixed Locations. Cybersecurity & Infrastructure Security Agency, 6 January 2015. 10 p.

Li S., et al. Predefined Location Formation: Keeping Control for UAV Clusters Based on Monte Carlo Strategy. Drones. 2022. V. 7, No. 1. 29.

Abdelaziz N., El-Rabbany A. INS/LIDAR/Stereo SLAM Integration for Precision Navigation in GNSS-Denied Environments. Sensors. 2023. V. 23, No. 17. 7424.

Zhang L., et al. Research on Adaptive Multi-Source Information Fault-Tolerant Navigation Method Based on No-Reference System Diagnosis. Sensors. 2019. V. 19, No. 13. 2911.

Nwadiugwu W.P., et al. Precise-Point-Positioning Estimations for Recreational Drones Using Optimized Cubature-Extended Kalman Filtering. IEEE Access. 2021. 15 p.

Mahmoud M., et al. A Novel Unscented Kalman Filter Strategy to Enhance Navigation System Performance. International Journal of Recent Technology and Engineering (IJRTE). 2020. V. 8, Iss. 5. P. 2446–2453.

##submission.downloads##

Опубліковано

2023-06-30

Номер

Розділ

Статті