ترکیب بهینه سنسورهای اینرسی برای توجیه اولیه سیستم ناوبری بدون سکو با استفاده از الگوریتم ژنتیک

در این مقاله به بهبود فرآیند توجیه اولیه یک سیستم ناوبری اینرسی بدون سکو بر اساس انتخاب ترکیب بهینه سنسورهای شرکت کننده در فرآیند توجیه پرداخته شده است. به طور معمول می توان روابط را بر حسب بردار پایه خروجی شتاب سنج و یا ژیروسکوپ مرتب نمود که بستگی به دقت خروجی ها دارد. روابط ارائه شده در این مقاله در انتها منجر به تخمینی با استفاده از ترکیب خطی خروجی سنسورهای اینرسی می گردد، هرچند خطای الگوریتم این تخمین از خطای بایاس سنسورها مستقل می باشد؛ اما متاسفانه ضریب این ترکیب مجهول است. یک راه حل استفاده از دانش طراح یا توجه به نسبت خطای سنسورها می باشد که بدیهی است منجر به بهترین تخمین نخواهد گشت. روش ارائه شده در این مقاله استفاده از الگوریتم ژنتیک برای دستیابی به ترکیب بهینه سنسورها است. بر این اساس مساله تخمین ماتریس دوران، تابع مورد نظر برای بهینه سازی است، همچنین معیار بهینگی بر اساس خطای ترازیابی تعریف می گردد که نسبت به مقدار مرجع سنجیده می شود. خروجی الگوریتم بهینه سازی، ضریب بهینه اعمال شونده در الگوریتم کلی است. در انتها با استفاده از یک شبیه سازی صحت الگوریتم نشان داده شده است.

Optimal combination of inertial sensors for initial alignment of strapdown navigation system using genetic algorithm

In this paper, a new method based on optimal combination of inertial sensors; in process of initial alignment for strapdown navigation system; is proposed. The equations of initial alignment are usually based on accelerometer outputs and/or gyroscope outputs, depending on sensor rsquo;s accuracy. Our initial alignment algorithm leads to linear combination of output vectors. Although the error of this method is independent of sensor rsquo;s biases, unfortunately the coefficient of this combination is unknown. Knowledge of designer or sensor rsquo;s accuracy is a normal solution, but that obviously will not lead to the best estimation. The proposed idea is utilizing genetic algorithm to achieve optimal combination of sensors. In this regard, the optimal transformation matrix must be estimated, and the performance index is a function of alignment error. Final result of optimization problem is the best coefficient to combine outputs. The simulation results show excellent performance of proposed algorithm.