طراحی و پیاده‌سازی یک الگوریتم تعیین توجیه (ahrs) مستقل بر‌مبنای حسگرهای میکروالکترومکانیکی برای شرایط دینامیک بالا در سامانه های ناوبری

در سامانه‌های ناوبری اینرسی، تعیین زوایای توجیه سطوح دَوار با انتگرال‌گیری از مشاهدات ژیروسکوپ‌ها انجام می‌گیرد. ژیروسکوپ‌های مکانیکی که به شکل سنتی برای این منظور مورداستفاده قرار می‌گیرند، قیمت، ابعاد و وزن بسیار زیادی دارند که این موضوع، استفاده از آن‌ها را محدود می‌کند. با پیدایش حسگرهای میکروالکترومکانیکی (mems)، این محدودیت‌ها به شکل قابل‌توجهی کاهش یافته است، امروزه این حسگرها در اغلب تلفن‌های همراه هوشمند وجود دارد. بااین‌حال، این حسگرها دقت بسیار کمتری از انواع مکانیکی دارند. به‌خصوص ژیروسکوپ‌های mems خطای تجمعی بزرگی دارند که باعث می‌شود، خطای زوایای توجیه به شکل جمع‌شونده در طول زمان افزایش یابد و پس از مدتی غیرقابل استفاده شود. برای حل این مشکل، از مشاهدات شتاب‌سنج‌ها برای محاسبة زوایای تراز (رول و پیچ) و از مغناطیس‌سنج‌ها برای محاسبة زاویة آزیموت (یاو) استفاده می‌شود. اما در این روش، دقت سیستم تحت‌تاثیر شتاب‌های خارجی و اغتشاشات مغناطیسی دچار اختلال ‌می‌شود. در این پژوهش، به معرفی یک فیلتر مکمل ‌پرداخته خواهد شد که با تلفیق دو روش مزبور، یک جواب بهینه با دقت کوتاه‌مدت و بلندمدت مناسب فراهم ‌می‌کند. نتایج آزمایش‌های میدانی انجام‌شده به وسیلة حسگرهای mems یک تلفن همراه هوشمند نشان می‌دهند که حتی در حرکاتی با تغییرات دینامیکی بسیار بالا و طولانی، دقت زوایای تراز حدود 2 درجه، و زاویة آزیموت حدود 4 درجه خواهد بود که نسبت به روش‌های قدیمی، بسیار بهتر و پایدارتر است.

Designing and Implementing a Standalone MEMS-Based AHRS Algorithm for High-Dynamics Circumstances on navigation systems

In Inertial Navigation Systems (INS), orientation angles are computed via integrating the gyroscopes data. Traditionally, this is done using mechanical gyros of which cost, size, and weight are the limiting factors for their utilization. However, with the advent of MicroElectroMechanicalSystems (MEMS), these limitations have been mitigated significantly, to a degree that most of the modern smart phones today have these sensors onboard. Nevertheless, these sensors provide far less accuracy compared to their mechanical counterparts. Particularly, MEMS gyros collect significant amounts of accumulating error over time, which makes their results unusable after a short period of time. To overcome this problem, data from accelerometers (for Roll and Pitch angles) and magnetometers (for Yaw angle) are also utilized. These external data are fused with that of the gyros in order to control the errors thereof. But the results are vulnerable to the accelerations applied to the platform in the highly dynamic movements. In this research, a new Attitude and Heading Reference System (AHRS) is introduced which uses a complementary filter to fuse the abovementioned approaches based on their characteristics. The results from the field tests (which are conducted via smartphone data) imply that even during the roughest movements, this technique yields an accuracy of about 2 degrees for Roll and Pitch, and 4 degrees for Yaw. These numbers are very promising compared to the traditional approaches that are inferior in all situations, especially under highdynamic movements.