วิธีประเมินความแม่นยำของ IMU ก่อนซื้อ

ระบบนำทางเฉื่อย (INS) ทำหน้าที่เป็นแกนหลักในการตรวจจับตำแหน่งและทัศนคติสำหรับยานยนต์ไร้คนขับ UAV หุ่นยนต์อุตสาหกรรม ระบบแผนที่เคลื่อนที่ และอุปกรณ์นำทางทางทะเล ต่างจากการวางตำแหน่งเฉพาะ GNSS เท่านั้น INS ให้การติดตามการเคลื่อนไหวความถี่สูงอย่างต่อเนื่องและความสามารถในการคำนวณที่ไม่ทำงาน ทำให้มั่นใจได้ว่าการทำงานจะมีเสถียรภาพแม้ในสภาพแวดล้อมที่ถูกปฏิเสธ GNSSเช่นหุบเขาในเมือง อุโมงค์ ป่าทึบ และสถานที่อุตสาหกรรมที่ติด GPS

อย่างไรก็ตาม ระบบนำทางเฉื่อยทั้งหมดประสบกับข้อผิดพลาดโดยธรรมชาติของเซ็นเซอร์และการเบี่ยงเบนของอัลกอริธึม ข้อผิดพลาดเริ่มต้นเล็กๆ น้อยๆ จากไจโรสโคปและมาตรวัดความเร่งของ IMU สะสมอย่างทวีคูณเมื่อเวลาผ่านไป ส่งผลให้ความแม่นยำในการกำหนดตำแหน่งลดลง ทัศนคติเบี่ยงเบน และแม้แต่ระบบล้มเหลวในการใช้งานที่มีความสำคัญต่อภารกิจ สำหรับทีมวิศวกร การระบุข้อผิดพลาด INS ทั่วไปและการใช้กลยุทธ์การลดผลกระทบแบบกำหนดเป้าหมายเป็นกุญแจสำคัญในการปรับปรุงความเสถียรในการนำทาง ขยายเวลาการคำนวณที่ไม่ทำงาน และเพิ่มประสิทธิภาพระบบโดยรวม

คู่มือที่ปรับให้เหมาะกับ SEO ที่ครอบคลุมนี้จะแจกแจงรายละเอียดข้อผิดพลาด INS ทั่วไปทั้งหมดวิเคราะห์สาเหตุที่แท้จริง ผลกระทบของแอปพลิเคชัน และจัดเตรียมวิธีการลดที่ได้รับการรับรองจากอุตสาหกรรมและนำไปปฏิบัติได้ นอกจากนี้เรายังมีตารางเปรียบเทียบข้อผิดพลาดโดยละเอียดและส่วนคำถามที่พบบ่อยเพื่อช่วยให้วิศวกรแก้ไขปัญหาและเพิ่มประสิทธิภาพระบบ INS ได้อย่างรวดเร็วสำหรับโครงการเชิงพาณิชย์ อุตสาหกรรม และระดับยุทธวิธี

ข้อผิดพลาด INS หมายถึงความเบี่ยงเบนสะสมระหว่างข้อมูลการนำทางที่คำนวณได้ (ตำแหน่ง ความเร็ว ทัศนคติ) และข้อมูลการเคลื่อนไหวทางกายภาพที่เกิดขึ้นจริง ที่เกิดจากข้อบกพร่องของฮาร์ดแวร์ การรบกวนสิ่งแวดล้อม และข้อจำกัดของอัลกอริทึม ข้อผิดพลาด INS ส่วนใหญ่มาจากหน่วยวัดแรงเฉื่อย (IMU) ซึ่งเป็นเซ็นเซอร์หลักของ INS รวมถึงข้อผิดพลาดของไจโรสโคป ข้อผิดพลาดของตัววัดความเร่ง และข้อผิดพลาดในการรบกวนสิ่งแวดล้อมภายนอก

ต่างจากข้อผิดพลาดของสัญญาณ GNSS เป็นครั้งคราวข้อผิดพลาด INS เป็นผลสะสมและขึ้นอยู่กับเวลา. หากไม่มีการชดเชยและการแก้ไขที่มีประสิทธิภาพ INS เกรดต่ำอาจสร้างการเบี่ยงเบนของตำแหน่งระดับมิเตอร์ภายใน 60 วินาทีของการหยุดทำงานของ GNSS ในขณะที่ INS ระดับยุทธวิธีและการนำทางที่มีความแม่นยำสูงสามารถรักษาเสถียรภาพในระยะยาวผ่านเทคโนโลยีปราบปรามข้อผิดพลาด

ข้อผิดพลาด INS แบ่งออกเป็นสี่ประเภทหลัก: ข้อผิดพลาดของไจโรสโคป ข้อผิดพลาดของมาตรวัดความเร่ง ข้อผิดพลาดในการรบกวนสิ่งแวดล้อม และข้อผิดพลาดของอัลกอริทึมและฟิวชั่น ข้อผิดพลาดแต่ละประเภทมีลักษณะเฉพาะที่แตกต่างกันและแผนการปรับให้เหมาะสมตามเป้าหมาย

ไจโรสโคปมีหน้าที่ในการวัดความเร็วเชิงมุมและคำนวณมุมทัศนคติ (การม้วน ระยะพิทช์ การหันเห) ของพาหะ ข้อผิดพลาดทำให้เกิดการเบี่ยงเบนทัศนคติโดยตรง ซึ่งยังกระตุ้นให้เกิดการเปลี่ยนตำแหน่งในการคำนวณแบบตายตัวอีกด้วย

ข้อผิดพลาดไจโรสโคปประเภทหลัก:

• ไจโรอคติดริฟท์: ข้อผิดพลาด INS ที่สำคัญที่สุด เอาต์พุตออฟเซ็ตคงที่หรือแปรผันตามเวลาเมื่อไจโรสโคปคงที่ อคติที่ไม่ได้รับการชดเชยทำให้เกิดการเคลื่อนตัวของส่วนหัวอย่างต่อเนื่อง ซึ่งเป็นสาเหตุหลักที่ทำให้การวางตำแหน่ง INS ล้มเหลวในระยะยาว
• มุมสุ่มเดิน (ARW): เสียงสีขาวความถี่สูงของไจโรสโคป ทำให้เกิดการกระวนกระวายใจแบบสุ่มในการคำนวณทัศนคติระยะสั้น มันส่งผลกระทบอย่างรุนแรงต่อสถานการณ์ที่มีความแม่นยำสูง เช่น การบินที่เสถียรของ UAV และการทำแผนที่มือถือ
• ข้อผิดพลาดของไจโรสเกลแฟกเตอร์: ความไม่สอดคล้องกันระหว่างการคำนวณทางทฤษฎีกับอัตราส่วนการแปลงการหมุนทางกายภาพจริง ส่งผลให้ค่าเบี่ยงเบนตามสัดส่วนของเอาต์พุตความเร็วเชิงมุม

วิธีการลด: ใช้ IMU ยุทธวิธี/การนำทางที่มีความเสถียรสูง ใช้การสอบเทียบจากโรงงานแบบหลายตำแหน่งและการชดเชยอคติแบบไดนามิก ฟิวส์ข้อมูลการวิเคราะห์ความแปรปรวนของ Allan สำหรับการกรองสัญญาณรบกวน

มาตรวัดความเร่งรวบรวมข้อมูลความเร่งเชิงเส้นสำหรับการคำนวณการรวมความเร็วและตำแหน่ง ข้อผิดพลาดเล็กๆ น้อยๆ ของมาตรความเร่งจะถูกขยายสองเท่าโดยอัลกอริธึมการรวม กลายเป็นสาเหตุหลักของการเบี่ยงเบนตำแหน่ง INS

ข้อผิดพลาดของมาตรวัดความเร่งประเภทหลัก:

• อคติของมาตรวัดความเร่ง: เอาท์พุตออฟเซ็ตคงที่ ทำให้เกิดความเร็วอย่างต่อเนื่องและการเบี่ยงเบนตำแหน่ง
• ความเร็วสุ่มเดิน (VRW): สัญญาณรบกวนความถี่สูงของมาตรวัดความเร่ง นำไปสู่ความผันผวนแบบสุ่มของการคำนวณความเร็ว และลดความนุ่มนวลของวิถีวิถี
• ข้อผิดพลาดของตัวประกอบสเกลมาตรความเร่ง: ส่งผลต่อความแม่นยำของการแปลงความเร่งไปเป็นการเคลื่อนที่ ซึ่งโดดเด่นในสถานการณ์การเคลื่อนที่ด้วยความเร็วสูง

วิธีการลด: กำหนดค่าเซ็นเซอร์ VRW IMU ต่ำ การชดเชยอุณหภูมิดริฟท์ที่สมบูรณ์ ใช้การสอบเทียบแรงโน้มถ่วงที่มีความแม่นยำสูงเพื่อขจัดการแทรกแซงอคติแบบคงที่

INS มีความไวสูงต่อสภาพแวดล้อมการทำงานภายนอก การเปลี่ยนแปลงของอุณหภูมิ การสั่นสะเทือน และความเครียดทางกลจะทำให้เกิดข้อผิดพลาดของเซ็นเซอร์เพิ่มเติม ซึ่งเป็นสาเหตุหลักของประสิทธิภาพของสนามที่ไม่สอดคล้องกันและความเบี่ยงเบนของข้อมูลในห้องปฏิบัติการ

• ข้อผิดพลาดดริฟท์อุณหภูมิ: พารามิเตอร์ไบแอสและสัญญาณรบกวนของเซ็นเซอร์เปลี่ยนแปลงอย่างรวดเร็วตามอุณหภูมิ (-40°C ถึง +85°C ช่วงการทำงานทางอุตสาหกรรม) ส่งผลให้ความแม่นยำลดลง
• ข้อผิดพลาดการสั่นสะเทือนและการกระแทก: การสั่นสะเทือนความถี่สูงของ UAV เครื่องจักรในการก่อสร้าง และการกระแทกของยานพาหนะจะกระตุ้นให้เซ็นเซอร์เกิดเสียงสะท้อน ทำให้เกิดการดริฟท์แบบสุ่ม
• ข้อผิดพลาดของการรบกวนทางแม่เหล็ก: สนามแม่เหล็กภายนอกรบกวนการคำนวณทิศทาง โดยเฉพาะอย่างยิ่งส่งผลกระทบต่อระบบ AHRS และ INS เกรดต่ำ

วิธีการลด: ใช้อัลกอริธึมการชดเชยอุณหภูมิและการสอบเทียบการหมุนเวียนความร้อน ติดตั้งโครงสร้างลดแรงสั่นสะเทือน แยกส่วนประกอบการรบกวนทางแม่เหล็ก

แม้จะมีฮาร์ดแวร์ที่มีความแม่นยำสูง อัลกอริธึมฟิวชั่นและการตั้งค่าพารามิเตอร์ที่ไม่สมเหตุสมผลก็ยังทำให้เกิดข้อผิดพลาด INS ได้เช่นกัน ปัญหาที่พบบ่อย ได้แก่ พารามิเตอร์ตัวกรองคาลมานที่ไม่ถูกต้อง การซิงโครไนซ์ข้อมูล GNSS ที่ล่าช้า และความถี่ในการอัปเดตทัศนคติที่ไม่ตรงกัน

วิธีการลด: ปรับตัวกรองคาลมานแบบปรับตัวให้เหมาะสม; ตระหนักถึงการซิงโครไนซ์เวลาที่มีความแม่นยำสูง ตั้งค่าการปรับน้ำหนักแบบไดนามิกสำหรับฟิวชั่น GNSS/INS ในสถานการณ์สัญญาณที่ถูกบล็อก

ตารางนี้จะจัดเรียงข้อผิดพลาด INS หลักทั้งหมดอย่างเป็นระบบ เกรดเซ็นเซอร์ที่เกี่ยวข้อง ผลกระทบสถานการณ์ และมาตรการลดแบบกำหนดเป้าหมาย ช่วยให้วิศวกรจับคู่แผนการเพิ่มประสิทธิภาพได้อย่างรวดเร็ว:

จากการปฏิบัติงานด้านวิศวกรรมอุตสาหกรรม กลยุทธ์การปรับให้เหมาะสมสากลห้าประการต่อไปนี้สามารถระงับข้อผิดพลาดสะสมของ INS ได้อย่างมาก ซึ่งเหมาะสำหรับ UAV ยานพาหนะอัตโนมัติ การทำแผนที่มือถือ และสถานการณ์หุ่นยนต์อุตสาหกรรม:

ความแม่นยำของ INS ถูกกำหนดโดยฮาร์ดแวร์ IMU โดยพื้นฐาน การทำตาม IMU ระดับผู้บริโภคต่ำโดยสุ่มสี่สุ่มห้าจะนำไปสู่ข้อผิดพลาดที่แก้ไขไม่ได้ จับคู่เกรดเซ็นเซอร์ตามสถานการณ์การใช้งาน:

• สถานการณ์ผู้บริโภค: IMU ระดับอุตสาหกรรม (ความเสถียรอคติ 1–10 °/ชม.)
• UAV และยานพาหนะอัตโนมัติ: IMU ระดับยุทธวิธี (ความเสถียรอคติ 0.1–1 °/ชม.)
• การทำแผนที่ที่มีความแม่นยำสูงและการนำทางทางทหาร: IMU ระดับการนำทาง (ความเสถียรอคติ <0.01 °/ชม.)

การสอบเทียบจากโรงงานและในสถานที่ปกติสามารถขจัดข้อผิดพลาดคงที่และเป็นระบบส่วนใหญ่ได้ มุ่งเน้นไปที่การสอบเทียบไจโรสโคป/มาตรวัดความเร่งแบบหลายตำแหน่ง การสอบเทียบการเบี่ยงเบนของอุณหภูมิ และการสอบเทียบสเกลแฟคเตอร์ IMU อุตสาหกรรมทั่วไปที่ได้รับการสอบเทียบอย่างดีสามารถทำงานได้เหนือกว่าเซ็นเซอร์เกรดทางยุทธวิธีที่ไม่ได้สอบเทียบในประสิทธิภาพจริง

การวิเคราะห์ความแปรปรวนของ Allan เป็นมาตรฐานทองคำของอุตสาหกรรมสำหรับการวัดปริมาณสัญญาณรบกวนและการเบี่ยงเบนของ INS สามารถแยก ARW, VRW, ความไม่เสถียรของอคติ และข้อผิดพลาดดริฟท์ในระยะยาวได้อย่างแม่นยำ โดยให้การสนับสนุนข้อมูลสำหรับการกรองอัลกอริทึมและการชดเชยข้อผิดพลาด ซึ่งปรับปรุงความแม่นยำในการนำทางในระยะสั้นและระยะยาวอย่างมาก

แทนที่ตัวกรองคาลมานน้ำหนักคงที่แบบเดิมด้วยอัลกอริธึมฟิวชั่นแบบปรับเปลี่ยนได้ ปรับน้ำหนัก GNSS และ INS แบบเรียลไทม์ตามคุณภาพของสัญญาณ: อาศัย GNSS สำหรับการวางตำแหน่งที่มีความแม่นยำสูงเมื่อสัญญาณดี และเปลี่ยนไปใช้การคำนวณแบบ dead INS พร้อมการชดเชยข้อผิดพลาดเมื่อสัญญาณถูกบล็อก ซึ่งช่วยลดการสะสมการเบี่ยงเบนได้อย่างมีประสิทธิภาพ

มุ่งเน้นไปที่อุณหภูมิ การสั่นสะเทือน และการรบกวนทางแม่เหล็ก ติดตั้งโครงสร้างลดแรงสั่นสะเทือนและการกระจายความร้อนแบบมืออาชีพ ฝังแบบจำลองการชดเชยอุณหภูมิ และดำเนินการทดสอบสภาพแวดล้อมภาคสนามที่เข้มงวด เพื่อให้มั่นใจถึงความถูกต้องสม่ำเสมอระหว่างข้อมูลในห้องปฏิบัติการและสภาพการทำงานจริง

เราจัดเรียงคำถามที่มีผู้ค้นหาบ่อยที่สุดจากวิศวกรและนักพัฒนาทั่วโลก พร้อมด้วยคำตอบแบบมืออาชีพและตรงเป้าหมายเพื่อแก้ไขปัญหาที่พบบ่อย:

INS เป็นระบบการคำนวณตายเฉื่อยบริสุทธิ์ที่มีลักษณะข้อผิดพลาดสะสม หลังจากสูญเสียการแก้ไข GNSS เสียงอคติของไจโรและมาตรความเร่งจิ๋วจะถูกรวมและขยายอย่างต่อเนื่องเมื่อเวลาผ่านไป IMU เกรดต่ำมีความคงตัวของอคติต่ำ นำไปสู่การดริฟท์อย่างรวดเร็ว INS คุณภาพสูงที่มีการชดเชยข้อผิดพลาดสามารถรักษาตำแหน่งที่มั่นคงได้เป็นเวลาหลายนาทีหรือหลายชั่วโมง

ไจโรสโคปอคติดริฟท์เป็นสาเหตุหลักของข้อผิดพลาด INS ในระยะยาว ในขณะที่การเดินแบบสุ่มของเครื่องวัดความเร่งเป็นสาเหตุหลักของการเบี่ยงเบนตำแหน่งในระยะสั้น ความล้มเหลวของ INS ที่มีความแม่นยำต่ำส่วนใหญ่เกิดจากการดริฟท์อคติสถิตของไจโรที่ไม่มีการชดเชย

ไม่ อัลกอริธึมการกรองและการรวมซอฟต์แวร์สามารถระงับและชดเชยข้อผิดพลาดสะสมส่วนใหญ่ได้ แต่ไม่สามารถกำจัดข้อผิดพลาดของฮาร์ดแวร์โดยธรรมชาติได้ การรวมฮาร์ดแวร์ IMU คุณภาพสูงเข้าด้วยกัน การปรับเทียบระดับมืออาชีพและการเพิ่มประสิทธิภาพอัลกอริทึมเท่านั้นที่จะสามารถบรรลุประสิทธิภาพ INS ที่เหมาะสมที่สุดได้

ข้อผิดพลาดของฮาร์ดแวร์มีความเสถียรและดริฟท์อย่างต่อเนื่อง ซึ่งยังคงมีอยู่ในสถานะคงที่ ข้อผิดพลาดของอัลกอริทึมส่วนใหญ่เป็นความกระวนกระวายใจแบบสุ่ม การกระโดดของตำแหน่ง และการซิงโครไนซ์ข้อมูลที่ไม่สอดคล้องกัน ซึ่งเกิดขึ้นเฉพาะในสถานการณ์ที่มีการเคลื่อนไหวแบบไดนามิกเท่านั้น

ใช่. ด้วยการสั่นสะเทือนในระยะยาวและอายุของวงจรอุณหภูมิ พารามิเตอร์ของเซ็นเซอร์ IMU จะคลาดเคลื่อน การสอบเทียบใหม่อย่างมืออาชีพเป็นเวลาหกเดือนหรือหนึ่งปีเป็นประจำสามารถคืนความแม่นยำของ INS ได้อย่างมีประสิทธิภาพและยืดอายุการใช้งาน

แนะนำให้ใช้ INS ระดับยุทธวิธีหรือสูงกว่า มีความเสถียรของอคติต่ำเป็นพิเศษและเสียง ARW/VRW ซึ่งสามารถรักษาการคำนวณที่ตายแล้วที่มีความแม่นยำสูงได้เป็นเวลานานในสถานการณ์ที่ถูกปฏิเสธ GNSS ซึ่งตอบสนองความต้องการในการนำทางของยานพาหนะที่ขับเคลื่อนอัตโนมัติและอุปกรณ์สำรวจ

ข้อผิดพลาด INS เป็นสิ่งที่หลีกเลี่ยงไม่ได้ในระบบนำทางเฉื่อย แต่ปัญหาการเบี่ยงเบนและความแม่นยำส่วนใหญ่สามารถระงับได้อย่างมีประสิทธิภาพผ่านการคัดกรองฮาร์ดแวร์ การสอบเทียบระดับมืออาชีพ การวิเคราะห์สัญญาณรบกวน Allan Variance การปรับอัลกอริทึมให้เหมาะสม และการออกแบบการปรับสภาพแวดล้อม สำหรับทีมวิศวกร การทำความเข้าใจประเภทและสาเหตุของข้อผิดพลาด INS ทั่วไปถือเป็นพื้นฐานของการปรับให้เหมาะสมที่แม่นยำ

การจับคู่กลยุทธ์การลดข้อผิดพลาดที่กำหนดเป้าหมายตามสถานการณ์การใช้งานไม่เพียงแต่สามารถปรับปรุงตำแหน่ง INS และความแม่นยำของทัศนคติได้อย่างมาก แต่ยังหลีกเลี่ยงการกำหนดค่าฮาร์ดแวร์ที่มากเกินไป ช่วยลดต้นทุนโครงการได้อย่างมีประสิทธิภาพ และปรับปรุงความเสถียรและความน่าเชื่อถือของระบบ ในสถานการณ์การนำทางอุปกรณ์อัตโนมัติที่สำคัญต่อภารกิจ การปรับข้อผิดพลาด INS ให้เป็นมาตรฐานเป็นจุดเชื่อมโยงที่สำคัญเพื่อให้แน่ใจว่าระบบจะทำงานได้อย่างมีเสถียรภาพในระยะยาว