Bé GI¸O DôC Vµ §µO T¹O TR¦êNG §¹I HäC GIAO TH¤NG VËN T¶I
NG¤ THANH B×NH
N¢NG CAO CHÊT L¦îNG CHO C¸C THIÕT BÞ §ÞNH VÞ
DÉN §¦êNG Sö DôNG GPS PHôC Vô BµI TO¸N GI¸M S¸T
QU¶N Lý PH¦¥NG TIÖN GIAO TH¤NG §¦êNG Bé ngµnh: Kü thuËt ®iÒu khiÓn vµ tù ®éng hãa
M· sè: 62520216
Tãm t¾t LUËN ¸N TIÕN SÜ Kü THUËT Hµ Néi - 2015
Luận án được hoàn thành tại: Trường Đại học Giao thông Vận tải
Người hướng dẫn khoa học:
1. GS.TS. Lê Hùng Lân
2. PGS.TS. Nguyễn Thanh Hải
Phản biện 1:
GS.TSKH. Cao Tiến Huỳnh
Phản biện 2:
PGS.TS. Nguyễn Quang Hoan
Phẩn biện 3:
PGS.TS. Nguyễn Văn Liễn
Luận án sẽ được bảo vên trước Hội đồng chấm luận án tiến sĩ cấp Trường họp
tại: ……………………………………………………………………………….
vào hồi ……… giờ, ngày …... tháng …… năm 2015.
Có thể tìm hiểu luận án tại:
- Thư viện trường Đại học Giao thông Vận tải
- Thư viện quốc gia
DANH MỤC CÁC CÔNG TRÌNH CÔNG BỐ CỦA TÁC GIẢ LIÊN QUAN ĐẾN LUẬN ÁN
[1]. Chủ trì 01 đề tài nhánh trong đề tài NCKH cấp Nhà nước (KC.06.02/06-10) và 01 nhánh Dự án chế thử trong Chương trình khoa học công nghệ trọng điểm cấp Nhà nước (KC06.DA08/11-15); 01 đề tài cấp Bộ (B2007-04-27); 01 đề tài Dự án GDDH II (EEC 8.13); 03 đề tài cấp trường (T2009-ĐĐT-31, T2010-ĐĐT-15 và T2011-ĐĐT- 15).
[2]. Ngô Thanh Bình (2009); “Phát triển công cụ làm trơn RTS trong xác định quỹ đạo chuyển động”; Tạp chí khoa học GTVT, số 27, trang 112 – 117.
[3]. Thanh Binh Ngo, Hung Lan Le, Thanh Hai Nguyen (2009); “Survey of Kalman Filters and Their Application in Signal Processing”; Hội thảo quốc về Tính toán thông minh, AICI09, trang 335 – 339.
[4]. Ngô Thanh Bình (2010); “Phát triển công cụ lọc UKF (Unscented Kalman
Filter) trong xử lý tín hiệu”; Tạp chí Khoa học GTVT, số 32, trang 27 – 33.
[5]. Ngô Thanh Bình (2011); “Tính toán hệ INS trên miền rời rạc”; Tạp chí Khoa
học GTVT, số tháng 7/2011, trang 129 – 134.
[6]. Nguyễn Quang Tuấn, Ngô Thanh Bình (2011); “Công nghệ tích hợp INS- GPS trong giám sát giao thông”; Tạp chí khoa học GTVT, Bộ Giao thông Vận tải, số tháng 9, trang 39 – 43.
in z-Domain Using
[7]. Le Hung Lan, Nguyen Thanh Hai, Nguyen Quang Tuan, Ngo Thanh Bình in Signal (2011); “Introduction TBN Methode Procesing”; Tạp chí khoa học quốc tế MADI – SWJTU – UTC số 3, trang 13 – 21.
[8]. Ngô Thanh Bình (2011); “Xử lý góc Heading trong hệ thống tích hợp
GPS/INS”; Tạp chí Khoa học GTVT, số 36, trang 62 – 67.
[9]. Thanh Binh Ngo, Thanh Hải Nguyễn (2012); “Design of a system for management and monitoring of vehicles transporting solid waste in open-cast coal mines”; Tạp chí khoa học quốc tế: Journal of Vietnamese Environment, Vol.3 No.2, trang 92-97.
[10]. Thanh Binh Ngo (2012); “Improvement of the quality of integrated INS/GPS devices based on fuzzy logic”; Hội thảo toàn quốc về Cơ Điện tử: The 6th Vietnam Conference on Mechatronics; Hanoi, 14-15 Dec. 2012. VCM2012, trang 411 – 418.
[11]. Binh T. Ngo, Francesco Biral, Lan H. Le, Hai T. Nguyen (2014); “Improvement of the Quality of Vehicles Positioning and Management Systems Based on using MEMS INS 9-DOF and GPS Devices”; International conference nSTf 2014, NACENTECH, Hanoi; trang 361 – 376.
1
MỞ ĐẦU
1. Giới thiệu tóm tắt luận án
Luận án đi sâu nghiên cứu giải quyết vấn đề tồn tại trong suốt thời gian qua là vấn đề trôi dữ liệu của INS. Từ đó, luận án đưa ra giải pháp thiết kế hệ thống tích hợp GPS/INS trên cơ sở cấu trúc phân tán nhằm nâng cao chất lượng cho các thiết bị định vị dẫn đường sử dụng GPS phục vụ bài toán giám sát phương tiện giao thông đường bộ. Bằng cách phát triển phương pháp tự động hiệu chỉnh ma trận quay cho thiết bị trên xe và bộ lọc UKF cho thiết bị tại trạm. Giải pháp phân tán của luận án đã giải quyết được vấn đề sai số tích lũy của INS, tính phi tuyến của hệ thống và xử lý thời gian thực. Các sản phẩm thực tế phát triển trên cơ sở giải pháp của luận án đã được ứng dụng thành công trong thực tế.
Nội dụng của luận án được chia thành phần tổng quan và 4 chương chính, bao gồm: 109 trang (không kể mở đầu, tài liệu tham khảo và phụ lục), 93 tài liệu tham khảo, 9 bảng, 52 hình vẽ và đồ thị.
2. Đặt bài toán
Mục tiêu của bài toán giám sát phương tiện giao thông đường bộ là phát triển hiệu quả việc quản lý, điều hành các phương tiện và kiểm tra các trạng thái của chúng lúc đang hoạt động bình thường cũng như khi có sự cố. Chất lượng của hệ thống giám sát không những thể hiện ở tính chính xác về vị trí và vận tốc theo thời gian, mà còn thể hiện ở việc giám sát được các thông số chuyển động của đối tượng, đặc biệt là các thông số về dao động của đối tượng. Thông thường các thông số này bao gồm: gia tốc, các góc nghiêng, góc hướng thể hiện hướng di chuyển của đối tượng và một số thông số về tình trạng hoạt động của đối tượng.
Hiện nay, ngoài các phương pháp xác định vị trí dựa vào đặc tính chuyển động tương đối của đối tượng so với điểm mốc đã biết như hải đăng, các vì sao, radar hay sóng vô tuyến, người ta dùng hai nhóm phương pháp cơ bản để định vị giám sát: Phương pháp xác định vị trí thông qua việc xác định tọa độ của đối tượng trên cơ sở các hệ tọa độ định vị vệ tinh như GPS, GLONASS, GALILEO, COMPASS, IRNSS, QZSS. Luận án này sử dụng thông tin thu được từ hệ thống GPS.
Phương pháp sử dụng hệ dẫn đường quán tính (INS). Dựa trên trạng thái ban đầu đã biết, ta đo các vector gia tốc và vận tốc góc quay theo các hướng để tính toán xác định vị trí tiếp theo của đối tượng chuyển động. Một hệ thống quản lý giám sát gồm hai thành phần cơ bản là thiết bị thu dữ liệu gắn trên đối tượng chuyển động và thiết bị giám sát tại trạm. Thiết bị gắn trên đối tượng chuyển động thường sử dụng module thu tín hiệu từ hệ thống GPS, qua đó xác định vị trí và vận tốc của đối tượng mang. Hệ thống GPS cung cấp thông tin về vị trí và vận tốc trong khoảng thời gian dài nhưng tốc độ đưa ra dữ liệu chậm. Hệ thống giám sát sẽ mất đi tính năng giám sát khi mất tín hiệu GPS. Hỗ trợ cho hệ GPS trong bài toán giám sát thường sử dụng hệ thống INS kết hợp thêm các hệ thống khác. Hệ INS chỉ đưa ra thông tin về vị trí và vận tốc chính xác trong khoảng thời gian ngắn do sai số tích lũy. Nó còn bị ảnh hưởng bởi trọng lực, nhưng có các ưu điểm là tốc độ
2
tính toán cao và tính được đầy đủ được các thông số gia tốc cũng như các góc dao động theo các hướng.
Giải quyết được vấn đề trôi dữ liệu của hệ thống INS sẽ mang yếu tố quyết định và mở ra một hướng đi mới trong thiết kế, chế tạo thiết bị tích hợp GPS/INS. Từ đó, kết hợp cả hai phương pháp GPS và INS ta sẽ được một hệ thống có ưu điểm tốt hơn với khả năng cho ra thông tin về vị trí và vận tốc với độ chính xác trong khoảng thời gian dài, đồng thời có được thông tin về trạng thái chuyển động của đối tượng.
3. Lý do chọn đề tài
Hiện nay, ngoài các ứng dụng trong quân sự, hệ thống định vị toàn cầu GPS được sử dụng trong nhiều ngành và nhiều lĩnh vực hoạt động phục vụ con người, đặc biệt là trong lĩnh vực giao thông vận tải. Các thiết bị giám sát hành trình tại Việt Nam cho phương tiện giao thông đường bộ hiện tại chỉ sử dụng hệ thống GPS. Tính đến thời điển này các thiết bị MEMS INS 9-DOF hiện đại có chất lượng tốt, nhưng có giá thành rất rẻ, cỡ 30 euro/1 thiết bị. Do đó việc tích hợp INS trên các thiết bị giám sát hành trình sử dụng modul thu tín hiệu GPS là việc nên làm và sẽ dần trở thành tiêu chuẩn của hệ thống. Ngoài tính năng hỗ trợ cho GPS, INS còn cung cấp thêm các thông số đặc trưng cho chuyển động, qua đó nâng cao chất lượng hệ thống giám sát.
4. Mục đích, đối tƣợng, phạm vi nghiên cứu và kết quả mong đợi của luận án
Mục tiêu đầu tiên của luận án là nghiên cứu cơ sở khoa học và khả năng tích hợp hệ thống GPS và INS. Từ đó, luận án đã đưa ra một số khả năng phát triển ứng dụng thực tế trên cơ sở cập nhật công nghệ mới. Trên cơ sở này, luận án đã thiết kế chế tạo thành công thiết bị tích hợp GPS/INS sử dụng các thiết bị và giải pháp xử lý dữ liệu tiên tiến nhằm nâng cao chất lượng hệ thống giám sát. Đối tượng áp dụng của luận án là các phương tiện giao thông đường bộ, cụ thể là xe bus.
Trong trường hợp mất tín hiệu GPS hoặc thiết bị chạy trong môi trường đóng kín như trong nhà, trong đường hầm hay những khu vực bị che khuất trong một khoảng thời gian dài, hệ thống tích hợp GPS/INS lúc này chỉ làm việc với riêng tín hiệu INS mà không có sự hỗ trợ của các hệ thống khác thì kết quả định vị sẽ không còn chính xác nữa. Luận án này nghiên cứu về công nghệ và các thiết bị sử dụng GPS ứng dụng cho phương tiện giao thông đường bộ, chưa đề cập tới các trường hợp đối tượng hoạt động trong môi trường đóng kín hay mất GPS tín hiệu trong khoảng thời gian dài.
Kết quả mong đợi của luận án là sẽ kiểm soát được các sai số tích lũy của INS, từ đó đưa ra giải pháp thiết kế thiết bị tích hợp GPS/INS nhằm loại bỏ những sai lệch quỹ đạo của phương tiện giao thông đường bộ trên cơ sở sử dụng bộ lọc Kalman. Thiết bị sẽ được ứng dụng cho hệ thống giám sát xe bus.
5. Ý nghĩa khoa học và thực tiễn của luận án Ý nghĩa khoa học: Đóng góp giải pháp mới trong thiết kế thiết bị tích hợp GPS/INS nhằm cải thiện chất lượng của các hệ thống giám sát phương tiện chuyển động. Giải pháp không chỉ dừng ở lý thuyết mà còn đưa ra được sản phẩm cụ thể để thử nghiệm, kiểm chứng. Ý nghĩa thực tiễn: Giải pháp và sản phẩm của luận án có thể ứng dụng trong các hệ thống quản lý, giám sát đối tượng giao thông đường bộ.
3
6. Tính sáng tạo và kết quả nghiên cứu Đề xuất phương pháp tính toán trên miền rời rạc z-Domain kết hợp bù dữ liệu để hiệu chỉnh quỹ đạo trên cơ sở logic mờ cho các hệ tích hợp sử dụng INS 6-DOF. Các hệ thống hiện đại sử dụng INS 9-DOF sẽ được áp dụng phương pháp tự động hiệu chỉnh các phần tử ma trận quay.
Đưa ra giải pháp tích hợp hệ thống GPS/INS dựa trên nguyên tắc điều khiển phân tán, chia công việc xử lý chống trôi dữ liệu cho INS tại thiết bị trên xe và đưa bộ lọc UKF về xử lý tại trạm. Hệ thống đã được áp dụng thực tế cho kết quả giám sát tốt, quỹ đạo đã loại bỏ được các nhiễu cho dạng giống quỹ đạo thực. Ngoài ra, hệ thống giám sát còn kiểm soát được các thông số về tình trạng chuyển động của xe.
7. Những đóng góp mới của luận án Phát triển và ứng dụng thành công phương pháp xử lý chống trôi các phần tử của ma trận quay cho MEMS INS 9-DOF. Xây dựng thành công bộ lọc UKF với hai chế độ hoạt động riêng biệt ở các tần số lấy mẫu khác nhau, tự động chuyển đổi theo đặc điểm của tín hiệu đầu vào.
CHƢƠNG 1. HỆ THỐNG GPS VÀ CÁC HỆ THỐNG HỖ TRỢ
1.1. Hệ thống GPS
GPS là hệ thống định vị toàn cầu của Mĩ, gồm: Các vệ tinh không gian, Các trạm điều khiển mặt đất và Bộ thu tín hiệu. Người sử dụng dùng module thu để nhận thông tin từ GPS, xử lý và đưa ra thông số giám sát đối tượng chuyển động.
1.2. Hệ thống INS
Hệ thống hỗ trợ điển hình cho GPS trong giám sát chuyển động là hệ thống đo lường quán tính INS. Dựa trên trạng thái ban đầu đã biết, người sử dụng dùng INS đo gia tốc và góc quay theo các hướng, từ đó tính toán xác định vị trí tiếp theo và các thông số thể hiện trạng thái của đối tượng chuyển động.
1.3. Hệ thống định vị tích hợp GPS/INS
Tích hợp các công nghệ dẫn đường sẽ cho ra một hệ thống hoạt động tốt hơn. Việc tiền xử lý dữ liệu INS và bù dữ liệu giữa hai hệ thống GPS/INS sẽ tạo ra một hệ thống có độ chính xác cao hơn, đồng thời có được các thông số thể hiện trạng thái chuyển động của đối tượng. Giải pháp bù dữ liệu để nâng cao chất lượng hệ thống giám sát thường sử dụng bộ lọc Kalman.
CHƢƠNG 2. LỌC KALMAN VÀ MATLAB TOOL-BOX
2.1. Lọc Kalman, EKF và UKF
Chương này trình bày về lọc Kalman, EKF và UKF. Sau khi phân tích lý thuyết, luận án tiến hành mô phỏng các thuật toán lọc sử dụng tín hiệu phát trộn nhiễu ngẫu nhiên trên cơ sở phát triển hệ thống thư viện Matlab Tool-box Kalman của Jouni Hartikainen [31]. Các kết quả này được tiếp tục phát triển ứng dụng trong chương 4 cho đối tượng thực tế là xe bus.
4
2.2. Phát triển Tool-box và kết quả mô phỏng
Để làm sáng tỏ các lý thuyết về lọc KF, EKF và UKF nhằm đưa vào áp dụng trong phần thiết kế cho đối tượng cụ thể trong chương sau, luận án triển khai các thuật toán lọc và phát triển Tool-box [31] trên cơ sở sử dụng hàm phát sine ngẫu nhiên theo mô hình vận tốc Wiener [53]. Các tham số hệ số biên độ, vận tốc góc và độ lớn của góc được thay đổi, trộn với nhiễu ngẫu nhiên lớn và hạn biên tín hiệu.
(2.15)
(2.16)
Trong đó: • là tham số góc của hàm sin tại thời điểm k.
• là vận tốc góc trong bước tính thứ k.
• là hệ số biên độ tại bước tính thứ k.
•
là nhiễu Gaussian ồn trắng đơn biến tại bước tính thứ k. ; Với: ;
Hình 2.7, 2.8: Kết quả mô phỏng với tín hiệu phát trộn nhiễu ngẫu nhiên
5
Kết quả mô phỏng với tín hiệu phát trộn nhiễu ngẫu nhiên (Hình 2.7, 2.8) cho thấy quỹ đạo có biên độ dao động quanh điểm cân bằng và luôn có hướng trở về bám sát quỹ đạo thực sau khi bị dao động cưỡng bức. Trên đồ thị hình 2.8, các điểm chấm (blue) là các giá trị đo đạc bị tác động của nhiễu, đường gạch (green) là tín hiệu thực, đường liền (đỏ) là kết quả của bộ lọc. Với bộ lọc EKF, biên độ dao động của nhiễu có những giá trị được tăng gấp 5 lần vẫn thu được giá trị sau lọc quanh điểm ổn định. Bộ lọc UKF cho kết quả tốt hơn, sai lệch nhỏ và ổn định hơn so với EKF, với biên độ dao động cưỡng bức của UKF có thể tăng từ 5 lên tới giá trị 15.
Những kết quả này được tiếp tục phát triển với thuật toán hạn biên và tính toán trên miền rời rạc z-Domain. Đây là đóng góp mới ban đầu của luận án đã được báo cáo tại hội thảo quốc tế AICI2009 (Vol.3, IEEE) tổ chức tại Trung Quốc [63].
CHƢƠNG 3. PHƢƠNG PHÁP TỰ ĐỘNG HIỆU CHỈNH MA TRẬN QUAY CHO HỆ THỐNG INS
3.1. Phƣơng pháp tự động hiệu chỉnh các phần tử của ma trận quay
]
[
Chuyển động của một đối tượng được thể hiện trong khung đối tượng tham chiếu b-frame, hay còn gọi là khung P (Plane), so với khung tham chiếu mặt đất e-frame, hay còn gọi là khung G (Ground/Globle). Chuyển động của đối tượng có thể biểu diễn bằng ba phép quay liên tục, tính toán trên cơ sở ma trận quay R (Rotation matrix). Ma trận quay R còn được gọi là ma trận cosine chỉ phương DCM, bởi vì mỗi phần tử được biểu diễng bằng cosine của các góc quay cơ sở roll, pitch và yaw (góc Euler).
(3.2)
Ma trận quay R có 9 phần tử , hay còn gọi là 9 thành phần (element), trong đó các phần tử luôn phụ thuộc nhau. Đặc tính trực giao của các ma trận quay về toán học có nghĩa là bất kỳ các cặp cột (hoặc hàng) của ma trận là vuông góc, và tổng các bình phương của các phần tử trong mỗi cột (hoặc hàng) bằng 1. Vì vậy, ta có thể hạn chế 9 yếu tố về 6 yếu tố (x, y, z) thông qua các phép biến đổi như sau:
Hình 3.3: Biểu diễn ma trận quay R dạng vector, đặc tính trực giao và tích chéo
6
Ma trận quay mô tả sự định hướng của hệ tọa độ quy chiếu này so với hệ tọa độ quy chiếu khác. Với cách biểu diễn 9 phần tử của R thông qua 6 vector (xb, yb, zb, xe, ye, ze) như trên, ta có thể xoay đối tượng thông qua xoay các vector bằng cách nhân chúng với ma trận quay R. Ba cột của ma trận R là kết quả biến đổi của ba vector theo ba trục của đối tượng (P) so với khung tham chiếu mặt đất (G). Ba hàng của ma trận R là kết quả biến đổi của ba vector khung tham chiếu mặt đất (G) so với khung tham chiếu đối tượng (P).
Một trong những đặc tính quan trọng của ma trận quay R là tính trực giao của các thành phần, có nghĩa là nếu hai vector vuông góc trong một khung tham khảo (nhóm quay) thì chúng sẽ vuông góc trong mỗi khung tham chiếu. Ngoài ra, độ dài của một vector là không đổi trong mọi hệ quy chiếu. Các sai số của INS, chủ yếu là do lỗi số (Numerical errors) làm vi phạm thuộc tính này. Ví dụ các hàng và cột phải đại diện cho vector đơn vị có cường độ bằng 1, tuy nhiên do lỗi số có thể gây ra làm chúng sẽ có giá trị nhỏ hơn hoặc lớn hơn. Quá trình tích lũy nếu không có sự điều chỉnh sẽ làm cho chúng có thể bị suy biến đến không, hoặc tăng rất lớn.
Giải pháp cho vấn đề lệch trực giao là làm tiêu tan sai lệch nhanh hơn so với việc chúng có thể được tạo ra thông qua việc sử dụng các vector tham chiếu để phát hiện các sai lệch. Định hướng của đối tượng thường được mô tả bằng ba phép quay liên tục theo thứ tự theo các trục. Xử lý sai số trên cơ sở những bước tính toán liên tiếp thông qua việc kiểm soát hiện tượng lệch trực giao, qua đó sẽ kiểm soát được hiện tượng trôi dữ liệu dẫn đến sai số tích lũy của INS.
Cuối năm 2009, trong dự án của Stalino Electronics [88], William Premerlani và Sergiu Baluta giới thiệu giải pháp tự động hiệu chỉnh ma trận quay sử dụng MEMS INS 6-DOF kết hợp tín hiệu GPS, còn gọi là lọc bổ sung DCM, có mô hình như sau:
Hình 3.4: Cấu trúc DCM của William Premerlani và Sergiu Baluta
Nhận xét rằng trong trường hợp mất tín hiệu GPS, thiết bị tích hợp GPS/INS này sẽ bị mất dữ liệu góc hướng. Như vậy, việc cập nhật các phần tử của ma trận quay trong thuật toán lọc DCM trên từ các giá trị cập nhật omega để tính góc yaw của họ bị phá vỡ. Hơn nữa, tốc độ nhận dữ liệu góc hướng từ GPS so với INS là quá chậm, và dữ liệu góc hướng từ tín hiệu GPS là không rất chính xác vì ăng ten của
7
module GPS không phải luôn luôn song song với hệ tham chiếu G trong thời gian di chuyển của đối tượng. Như vậy, cấu trúc này có thể bị phá vỡ trong quá trình hoạt động và cho kết quả chậm và không chính xác. Luận án đã phát triển và hoàn thiện phương pháp này trên cơ sở cập nhật và tính toán theo ba vector từ trường từ IMU Mag cơ sở tích hợp trên INS 9-DOF.
3.2. Phát triển thuật toán DCM trên cơ sở MEMS INS 9-DOF
3.2.1. Nguyên tắc tính toán
Các MEMS INS xoay cùng với đối tượng mang, tạo ra tín hiệu tỷ lệ thuận với tốc độ quay. Khi biết các điều kiện ban đầu và thứ tự quay theo thời gian của các vector, ta có thể biểu diễn công thức trực giao theo dạng các vector quay như sau:
(3.12) Trong đó:
là giá trị biểu thị sự thay đổi trong vector r(0) là giá trị khởi đầu của vector, biểu thị vị trí đầu của đối tượng ∫ Xử lý theo các hàng/cột của ma trận quay R và xem xét chúng như vector quay, ta có:
(3.14)
Giá trị tốc độ quay thực tế sẽ được tính toán theo công thức:
(3.16)
Trong đó: Gyro(t) là giá trị vận tốc góc của gyro tính toán được theo 3 trục Cor (t) là giá trị hiệu chỉnh vận tốc góc, Correction Lặp lại phương trình (3.14) cho mỗi trục trái đất, ta có công thức bù các phần tử của R theo tín hiệu góc quay dưới dạng một dạng ma trận như sau:
(3.17) [ ]
Trong đó: ; ;
Tín hiệu tốc độ quay tính toán được này cần được điều chỉnh bằng cách bù phần dữ liệu bị trôi dạt thông qua bộ điều khiển phản hồi Tỷ lệ - Tích phân (PI). Việc bù giá trị vận tốc quay này nhằm mục đích điều chỉnh tín hiệu của các con quay hồi chuyển tạo ra để có được tốc độ quay đúng. Các hệ số Kp, Ki của bộ điều khiển PI được lựa chọn trên cơ sở phương pháp thực nghiệm trong quá trình Calib INS. Các tham số này phụ thuộc đặc tính tín hiệu ra của cảm biến cơ sở Acc và Gyro, ngoài ra còn phụ thuộc vào hệ thống nhúng sử dụng.
8
Trong thiết kế của William Premerlani và Sergiu Baluta, các tác giả đã khảo sát, Calib các cảm biến cơ sở Acc ADXL345 và Gyro ITG-3200, để chọn ra các hệ số của PI phù hợp với các tham số như sau:
Kp_ROLLPITCH = 0.02, Ki_ROLLPITCH = 0.00002; Kp_YAW = 1.2, Ki_YAW = 0.00002. Luận án này sử dụng cùng các IMU cơ sở trên, được tích hợp tạo nên INS 9-DOF razor stick. Các hệ số ban đầu của bộ điều chỉnh PI được lựa chọn như trên, được cập nhật và tiếp tục hiệu chỉnh trong suốt quá trình hoạt động của đối tượng. Chúng được phối hợp tính toán với hàm trọng lượng w trong các vòng lặp phản hồi và hệ số COG (Course Over Ground). Ở chế độ dao động nhỏ, bất thường, hoặc có gia tốc lớn như đối với hệ bay, hàm trọng lượng được lựa chọn như sau:
√ | |
Với gia tốc thực < 0.5 G → Hàm trọng lượng có giá trị = 0 Với gia tốc thực = 1 G → Hàm trọng lượng có giá trị = 1 Với gia tốc thực > 1.5 G → Hàm trọng lượng có giá trị = 0 Trong trường hợp hệ thống hoạt động bình thường, giá trị của hàm trọng lượng được tính theo giá trị gia tốc thực, bằng công thức giới hạn giải tín hiệu (constrain):
Điều chỉnh các tham số cho vector_scale để tính toán các tham số mới KpRP, KiRP theo hàm trọng lượng Acc_w sử dụng hàm constrain như trên. Trong chế độ làm việc bình thường, giá trị tính toán thực tế của hàm trọng lượng nằm trong khoảng giá trị từ 0 → 1. Tham số Kp_YAW, Ki_YAW được hiệu chỉnh qua hệ số COG trên cơ sở cập nhật 3 vector Mag.
3.2.2. Tái chuẩn hóa
Quá trình thực hiện hiệu chỉnh để đảm bảo các điều kiện “Trực giao” (Orthogonal, ký hiệu là ) gọi là "Chuẩn hóa" (Normalization). Trước hết ta tính toán tích chấm (dot product) của hàng X và Y của ma trận R. Kết quả là một phạm vi sai lệch của hàng X và Y bị quay so với nhau, như sau:
(3.18)
Bố trí một nửa số lỗi cho từng hàng X và Y, và khoảng xoay hàng X và Y theo hướng đối diện bằng cách bắt cặp chéo, ta có:
9
(3.19)
Tiếp đó ta “Tái chuẩn hóa” (Renormalization, ký hiệu là ~) các hàng của ma trận R để đảm bảo rằng mỗi thành phần đơn vị đều có độ lớn bằng 1. Nhận thấy rằng độ lớn sẽ không bao giờ khác nhau nhiều hơn 1, vì vậy có thể tái cấu trúc thông qua khai triển chuỗi Taylor mở rộng [88]. Kết quả tái cấu trúc là các phương trình điều chỉnh độ lớn cho các vector hàng về giá trị 1 như sau:
(3.21)
3.2.3. Hiệu chỉnh trôi dạt góc yaw
Theo lý thuyết William Premerlani [88], sai số của góc yaw từ la bàn hay từ tín hiệu GPS so với vector nằm ngang trên mặt đất và giá trị chiếu trên mặt phẳng nằm ngang của trục lăn X (roll axis) của IMU cho thấy độ lớn của quá trình trôi dạt. Với việc sử dụng INS 9-DOF cập nhật và tính toán theo các vector từ trường thay thế cho giá trị lấy từ tín hiệu GPS, luận án đã đưa ra giải pháp giải quyết triệt để được vấn đề độ chính xác của góc hướng và mất góc hướng.
Hình 3.5, 3.6: Điều chỉnh trượt góc hướng (yaw) và góc quay (roll-pitch)
Trong luận án, giá trị Mag COG được tính toán trên hệ INS 9-DOF trên cơ sở cập nhật 3 vector từ trường Mag như sau:
(3.22)
{
}
10
là giá trị COG trong hệ tọa độ trái đất tham chiếu G.
Trong đó: Các vector tham chiếu từ các vector vận tốc ngang bình thường hóa (Normalized horizontal velocity vector) được tính bằng cách dùng cosin và sin của COG trong hệ tham chiếu G như sau:
(3.23) COGX = = cos
COGY = = sin
)
(
(3.24) ) = rxxCOGY – ryxCOGX Yaw(
Để điều chỉnh trôi dạt con quay hồi chuyển (Gyro drift), ta cần tính toán vector hiệu chỉnh của đối tượng (b-frame) ở khung tham chiếu vật thể P. Giá trị này nhận được bằng cách nhân giá trị hiệu chỉnh yaw correction trong khung tham chiếu trái đất G với hàng Z của ma trận R như sau:
(3.25) [ ] Yaw = Yaw
] [
]
[
= Yaw
3.2.4. Hiệu chỉnh trôi góc roll-pitch
Coi vector vận tốc của đối tượng song song với phương X trong khung P, sử dụng mặt đất làm hệ quy chiếu G (e-frame), ta có thể tính toán các vector vận tốc trong khung tham chiếu P (b-frame) như là vận tốc trên mặt đất của đối tượng theo hướng X. Trong khung tham chiếu P, ta tính toán gia tốc ly tâm ( ). Giá trị này là tích chéo của vector con quay hồi chuyển và vector vận tốc:
(3.26) ] ; Với: [
Để phục hồi một ước tính của lực hấp dẫn đã được điều chỉnh cho gia tốc ly tâm, ta cần thêm các ước tính gia tốc ly tâm. Do đó, đo lường tham chiếu của trọng lực trong hệ tọa độ vật thể P (b-frame) được tính bởi:
(3.27) ] ; Với : [
11
Gia tốc được sử dụng cho hiệu chỉnh trôi góc roll-pitch bởi vì chúng không bị trượt [88]. Vector hiệu chỉnh góc quay roll-pitch trong khung tham chiếu P (b-frame), ) được tính bằng cách lấy tích chéo ký hiệu là hay ( (cross product) hàng Z của ma trận R với vector tham chiếu trọng lực bình thường hóa , như sau:
[ ]
[
(3.28) ]
3.2.5. Phản hồi điều khiển
Trong trường hợp đối tượng di chuyển đổi hướng rất nhanh một khoảng rất nhỏ liên tục, gia tốc kế Acc của các MEMS INS có thể trở thành bão hòa. Nói cách khác, sự tăng tốc này thực tế có thể nằm ngoài phạm vi xử lý của gia tốc kế. Các Gyro có thể trở thành bão hòa trong trường hợp đối tượng quay vượt dải đo hoặc do đảo chiều quay rất nhanh một góc nhỏ liên tục. Trong các trường hợp này, sai số sẽ phát sinh và tích lũy trong đánh giá các góc quay. Bộ PI sẽ được sử dụng để xử lý những sai số này. Thực tế, DCM có thể làm việc tốt mà không cần thiết lập các hệ số khuếch đại của PI rất chính xác [88]. Các giá trị này được hiệu chỉnh trong quá trình chạy chương trình trên hệ thống nhúng của thiết bị gắn trên xe. Đối với xe bus, một trong các trường hợp này là xe bị rung khi nổ máy nhưng không chuyển động. Có thể hạn chế được điều này bằng cách sử dụng khối phản hồi PI để hạn chế sai lệch.
Góc yaw được hiệu chỉnh theo hệ số COG. Hiệu chỉnh trôi góc quay roll-pitch được điều chỉnh phụ thuộc vào hàm trọng lượng w và sử dụng phương pháp hạn biên phù hợp trên cơ sở hàm giới hạn constrain rồi được đưa vào bộ điều khiển phản hồi PI. Hệ số này gọi là “Giá trị làm đúng hoàn toàn” (Total Correction, ký hiệu là TCor). Các góc quay roll, pitch và yaw được hiệu chỉnh tại mỗi bước tính sẽ tại bước được tính toán theo các giá trị cập nhật của các phần tử ma trận quay tính tương ứng.
sau khi đã được tính toán hiệu chỉnh giá trị bởi TCor.
(3.29)
Hiệu chỉnh các giá trị đầu ra của con quay hồi chuyển bằng cách bù các dữ liệu cho các tín hiệu thô rồi đưa trở lại vào phương trình cập nhật xoay R để tính toán lại các phần tử của nó, như trong công thức (3.17). Tại thời điểm này, đã hoàn thành được một vòng tính toán đầy đủ. Ở các bước tiếp theo ta lặp lại toàn bộ quá trình tính toán này tạo nên thuật toán hiệu chỉnh các thành phần ma trận quay. Các góc quay Euler mới sẽ được tính toán lại theo các giá trị cập nhật của các phần tử ma trận quay
12
Trên cơ sở lý thuyết trên, luận án đã phát triển thành công một firmware dựa trên nguyên tắc bù trôi dữ liệu cho INS 9-DOF trên cơ sở cập nhật ba vector từ trường. Giải thuật chi tiết được trình bày theo cơ chế tính toán như sau:
Hình 3.7: Sơ đồ giải thuật của thuật toán DCM của luận án
Việc thay đổi tín hiệu tham chiếu từ IMU Mag cơ sở của INS 9-DOF và sử dụng thuật toán cập nhật và xử lý dữ liệu phù hợp đã giải quyết được triệt để vấn đề cấu trúc giải thuật bị phá vỡ khi mất GPS hay góc hướng của GPS chậm và không chính xác. Kể từ thời điểm này, với giải pháp xử lý dữ liệu của luận án, hệ thống MEMS INS số có thể hoạt động độc lập với một firmware xử lý trôi dữ liệu phù hợp. Các thiết kế cũng như các giải thuật trước đây sẽ cần biến đổi theo xu hướng này.
3.2.6. Kết quả thử nghiệm với MEMS INS 9-DOF
Khảo sát MEMS INS 9-DOF razor stick ở chế độ tĩnh trong cả hai trường hợp có và không sử dụng thuật toán tự động hiệu chỉnh ma trận quay trên, dữ liệu đo đạc của các cảm biến Acc, Mag, Gyro dao động nhẹ vài độ. Sự khác biệt được thể hiện rõ ràng khi sử dụng các tín hiệu cơ sở này để tính toán các góc quay roll, pitch và yaw.
Thực chất các giá trị Acc_x, Acc_y, Acc_z; Gyro_x, Gyro_y, Gyro_z; Mag_x, Mag_y, Mag_z là những tín hiệu đầu ra của các IMU cơ sở, bao gồm Acc ADXL345 (triple-axis accelerometer), Gyro ITG-3200 (MEMS triple-axis gyro), và la bàn HMC5883L (triple-axis magnetometer). Các giá trị của các IMU cơ sở không phụ thuộc vào việc có hay không sử dụng thuật toán tự động hiệu chỉnh ma trận quay này.
Trong trường hợp không sử dụng thuật toán hiệu chỉnh ma trận quay, các tín hiệu góc roll, pitch và yaw của INS bị trôi khá nhanh (Hình 3.8). Các dữ liệu không ổn định, liên tục tăng/giảm theo thời gian. Các sai lệch này khác nhau đối với từng INS cụ thể, mặc dù các INS đó đều cùng loại. Với MEMS INS 9-DOF razor stick này, xét trong khoảng thời gian 2 phút, góc roll sai lệch tới 500, góc pitch và góc yaw sai lệch
13
tương ứng khoảng 300 và 1200. Điều này dẫn đến sai số tích lũy lớn khi tính toán các phần tử ma trận quay, từ đó gây ra sai lệch lớn về vận tốc và vị trí.
Hình 3.8, 3.9: Dữ liệu INS khi không sử dụng và khi có sử dụng thuật toán DCM
Việc trôi dữ liệu của MEMS INS 9-DOF không xảy ra khi sử dụng thuật toán tự động hiệu chỉnh ma trận quay đã được phát triển trong luận án. Cũng với MEMS INS 9-DOF razor stick này, khi áp dụng thuật toán DCM của luận án, ở chế độ tĩnh các giá trị của góc roll, pitch và yaw đều không bị trôi trong suốt thời gian dài, lớn hơn 2 phút và lâu hơn vẫn cho kết quả như vậy. Giá trị các góc này dao động quanh điểm cân bằng. Giá trị biến thiên lớn nhất dưới 40 đối với góc roll, 60 đối với góc pitch và 60 đối với góc yaw (Hình 3.9). Các giá trị này không bị cộng dồn theo thời gian, tự động hiệu chỉnh dao động quanh điểm cân bằng và ổn định.
CHƢƠNG 4. THIẾT KẾ HỆ THỐNG TÍCH HỢP GPS/INS
4.1. Giải pháp sử dụng lọc và bù dữ liệu cho thiết bị tích hợp GPS/INS
4.1.1. Giải pháp sử dụng lọc Kalman trên thiết bị chuyển động
Các giải pháp thiết kế hệ thống tích hợp GPS/INS trước đây xử lý dữ liệu đều chấp nhận sai số tích lũy của INS và sử dụng bộ lọc Kalman hay các cơ chế bù để hiệu chỉnh kết quả. Các cảm biến, INS và module thu tín hiệu GPS được gắn trên đối tượng chuyển động. Dữ liệu thu được sẽ được xử lý và lọc ngay trên vi xử lý của thiết bị này. Dữ liệu sau khi lọc được đưa về trạm giám sát để hiển thị. Điều này gặp khó khăn trong vấn đề thời gian thực đối với vi xử lý của thiết bị trên xe. Mặt khác thiết bị tại trạm là những máy tính mạnh thì chỉ làm công việc hiển thị các kết quả tính toán trên bản đồ số.
Các dạng tích hợp hệ thống có thể được phân loại theo chức năng của chúng và theo cách mà dữ liệu của mỗi thành phần có thể hỗ trợ cho các thành phần khác trong hệ thống và [2, 4]. Khi xét đến ảnh hưởng của các sai số, sau khi chúng được đánh giá, đến giá trị đầu ra, ta sẽ có phương pháp tích hợp phản hồi và truyền thẳng. Khi
14
kết hợp GPS/INS dựa trên kiến trúc xử lý của hệ thống và mức độ trộn dữ liệu của hệ thống ta sẽ có các dạng tích hợp cặp lỏng và tích hợp cặp chặt [1, 44].
Thiết kế hệ thống tích hợp GPS/INS gắn trên đối tượng chuyển động, có hai phương pháp cơ bản xử lý dữ liệu là: tích hợp tập trung và tích hợp phân tán [1, 44]. Trong phương pháp xử lý tập trung, dữ liệu thô của các cảm biến IMU và GPS được kết hợp để xử lý tại thiết bị gắn trên xe để thu được kết quả về vị trí. Kiểu xử lý này thường được sử dụng cho dạng hệ thống tích hợp chặt trong đó tất cả dữ liệu được xử lý trên thiết bị xe. Xử lý phân tán là phương pháp xử lý hiệu quả dữ liệu tại các vi xử lý độc lập rồi kết hợp các kết quả với nhau tại trạm thông qua bộ lọc Kalman.
Trong triển khai hệ thống thực tế trước đây, nhằm mục đích đáp ứng yếu tố thời gian thực, các dạng bộ lọc khác nhau có các công cụ tính toán khác nhau, chủ yếu áp dụng cho mô hình PVT (Position Velocity Time) với hệ tích hợp GNSS và INS kết hợp thêm với các hệ cảm biến khác. Hệ thống tích hợp được nghiên cứu nhiều nhất là tích hợp GPS/INS xét cho hệ thống liên tục trong miền thời gian (continuous time- invariant state space-model). Áp dụng lọc Kalman cho mô hình PVA này thường là lọc sai số, tính toán theo cơ chế sau:
Hình 4.7: Mô hình bộ lọc Kalman lọc sai số
4.1.2. Phương pháp tính toán trên miền rời rạc
Trong phương pháp này, giải pháp xử lý dữ liệu cho các cảm biến số là tính toán trong miền rời rạc z (z-Domain), ở đó các trạng thái và nhiễu được tính toán bởi các bước rời rạc hóa k và trạng thái s được tính toán bởi z.
Triển khai tính toán theo mô hình rời rạc hóa trong miền z với vi xử lý tốc độ cao, ta giả thiết rằng rằng nhiễu trong khoảng thời gian chuyển giữa hai bước tính là không đổi, khi đó mô hình PVA trong miền z lúc này được biểu diễn
dưới dạng sau [41]:
] [
(4.2) [ ] [ ] [ ]
15
Trong đó chính là nhiễu số của hệ thống. Thực tế ta sẽ khảo sát nhiễu này bằng cách để đối tượng đứng yên (trạng thái tĩnh) và chuyển động theo một số quỹ đạo điển hình, đo đạc các thông số đầu ra INS và lưu lại dưới dạng bảng sai số theo thời gian. Đây là các giá trị của nhiễu ngẫu nhiên, bị ảnh hưởng bởi dải nhiệt độ làm việc và các thông số độ lệch bias (acclerator), độ trôi drift (gyro), góc hướng ban đầu . Những dữ liệu này nhân với một bước tính Ts tạo ra sai số gia tốc tính toán (vô hướng). Khi tính toán cần xác định giá trị này theo mỗi bước tính, từ đó tính ra giá trị bù tương ứng cho vị trí, vận tốc tại mỗi thời điểm đó theo nguyên tắc xác định độ sai lệch giữa góc hướng của la bàn với góc tính toán từ INS.
4.1.3. Giải pháp bù dữ liệu
Trong một số thiết kế trước đây, giải pháp nội suy Largrang thường được sử dụng để tính toán hiệu chỉnh kết quả. Trong thực tế, các giá trị đo GPS và IMU được tính toán với các tần số lấy mẫu khác nhau. Theo cách này, vị trí và vận tốc của INS có thể được nội suy từ các dữ liệu trước đó, sau đó số liệu đo của GPS sẽ được lấy ra để tính
. Giả sử rằng các số đo INS được tính toán tại thời điểm tk-1 ra vector dịch chuyển và tk, còn số liệu từ tín hiệu GPS nhận được tại thời điểm tGPS. Sử dụng các công thức nội suy tuyến tính để tính ra vị trí và vận tốc của IMU tại thời điểm lấy giá trị GPS [20].
(4.6)
Để phát triển hoàn thiện hơn các phương pháp này [20, 41], thiết kế đầu tiên của luận án đưa ra một phương pháp bù dữ liệu cho đối tượng chuyển động trên cở sở áp dụng nguyên lý mờ. Ý tưởng của phương pháp là thay vì tính toán sử dụng chuỗi Lagrang như trên, thuật toán được tính toán trên miền z; và tác giả đưa ra một nguyên tắc bù phù hợp trên cơ sở nguyên lý mờ nhằm mục đích điều chỉnh giá trị của mỗi bước tính theo đặc thù của cảm biến sử dụng, của bộ điều khiển và đối tượng áp dụng.
Thiết bị tích hợp GPS/INS được thiết kế theo nguyên tắc ứng dụng nguyên lý mờ sẽ không đòi hỏi yêu cầu khắt khe về độ chính xác của mô hình toán học mà sử dụng phương pháp tính toán trên miền rời rạc kết hợp với các luật bù mềm dẻo. Với mỗi lớp đối tượng cụ thể, khi áp dụng bộ điều khiển này ta cần khảo sát ở chế độ tĩnh và chạy thử theo các dạng quỹ đạo đặc trưng khác nhau trong các điều kiện khác nhau. Từ đó thiết kế các luật bù và dữ liệu bù phù hợp, không áp dụng được cho đối tượng khác.
Giải pháp tính toán trên miền rời rạc kết hợp bù dữ liệu một cách mềm dẻo là một phương pháp có thể triển khai trên thực tế cho các chip vi xử lý thông dụng đáp ứng được đòi hỏi về tốc độ tính toán đáp ứng thời gian thực và áp dụng cho các lớp đối tượng khác nhau. Nó được kết hợp với các yếu tố giới hạn biên độ của tín hiệu
16
(chương 2) để tạo một miền giá trị gốc. Thiết bị sẽ quét tín hiệu đầu ra để kết luận về trạng thái chuyển động của đối tượng, từ đó nó kết luận về phương pháp và giá trị bù phù hợp với trạng thái đó. Những yếu tố này làm giảm đáng kể các số liệu cần tính toán, giúp làm trơn quỹ đạo và kết quả đáp ứng được yêu cầu thời gian thực.
Sản phẩm này của luận án đã được triển khai thiết kế chế tạo và chạy thử nghiệm trong thực tế. Các kết quả đã được ứng dụng trong đề tài của dự án giáo dục đại học giai đoạn 2, mã số EEC8.13 [P1.2.6], và báo cáo tại hội thảo toàn quốc về Cơ-Điện tử VCM2012 [P1.1.4]. Phần này đưa ra các giải pháp tích hợp GPS/INS trước đây, là cơ sở để so sánh với giải pháp tiếp theo của luận án.
4.2. Đề xuất giải pháp phân tán cho hệ thống tích hợp GPS/INS
Phần 4.1 giới thiệu các giải pháp thiết kế hệ thống tích hợp GPS/INS trước đây và một giải pháp cụ thể của luận án sử dụng INS 6-DOF với phương pháp tính toán trên miền rời rạc kết hợp với bù dữ liệu trên cơ sở logic mờ. Đây là những kết quả ban đầu của luận án sử dụng công nghệ hiện đại nhất có được tại thời điểm đó [P1.2.6, P1.1.4]. Các giải pháp này được đưa ra làm cơ sở so sánh với giải pháp phân tán được trình bày trong phần tiếp theo, làm nổi bật kết quả mới của luận án [P1.1.14].
Cập nhật công nghệ mới, phần 4.3 giới thiệu một thiết kế mới sử dụng INS 9- DOF để phát triển phương pháp tự động hiệu chỉnh ma trận quay (giới thiệu trong chương 3) và lọc UKF tại trạm giám sát. Không như các giải pháp tích hợp GPS/INS trước là tập trung công việc tính toán cho thiết bị trên xe sử dụng vi điều khiển và công việc tại trạm chỉ đơn giản là hiển thị vị trí của xe trên bản đồ số trên máy tính, giải pháp phân tán này chia công việc một cách hợp lý cho thiết bị xe và thiết bị trạm để tận dụng tối đa ưu thế của từng thiết bị.
4.3. Thiết kế hệ thống tích hợp GPS/INS với MEMS INS 9-DOF và bus CAN
Trên cơ sở lý thuyết tự động hiệu chỉnh ma trận quay và nhằm xử lý những hạn chế của các hệ thống tích hợp trên, luận án đã phát triển hệ thống thực tế mới sử dụng MEMS INS 9-DOF. So sánh với các thiết kế trong phần 4.1, đây là một thiết kế hoàn toàn khác biệt, là một trong các kết quả chính nổi bật của luận án. Kết quả này đã được báo cáo tại hôi thảo nSTf 2014 (NACENTECH, 2014) [P1.1.14].
Hệ tọa độ vật thể P (i, j, k) được quy ước theo cảm biến INS. Vector gia tốc trọng trường hướng về tâm trái đất G (I, J, K) sẽ có chiều ngược với vector Zenith KB. Vector gia tốc theo ba trục là A = {Ax , Ay , Az}, và giả sử rằng không có gia tốc ngoài tác động hoặc đã được hiệu chỉnh thì ta có thể ước tính KB = - A. Cảm biến INS 9- DOP có vector từ trường là M = {Mx, My, Mz}. Với IB chỉ cực bắc, ta có IB = M, JB = KB IB. Từ các vector gia tốc, góc quay và từ trường, ta có thể tính được ma trận DCM, biểu diễn thông qua DCMB hoặc DCMG, với: DCMG = DCMBT = [IB, JB, KB]T. Sự chuyển động của hệ tọa độ vật thể P so với hệ quy chiếu G thể hiện ở khoảng
G , iz G , jz G , kz
G , iy G , jy G , ky
các dịch chuyển của vector r, với vector đơn vị (i, j, k) như sau: G} T = { I.i, J.i, K.i}T G} T = { I.j, J.j, K.j}T , G} T = { I.k, J.k, K.k}T iG = {ix jG= {jx kG= {kx
17
1, KB
1, JB
(4.11) [ ] [ ] [ ]
1 ) / 2
B
1 B
Tại thời điểm t0 có ma trận DCM0 , tại thời điểm t1 ta tính được ma trận DCM1 với sự cập nhật của các vector IB 1. Áp dụng tương tự cho các bước tiếp theo, với ký hiệu TCT là quá trình tái cấu trúc Renormalized [a], biểu diễn vector đơn vị cùng hướng với vector A. Giải thuật của luận án thực hiện chương trình hiệu chỉnh trên cơ sở nguyên lý lọc bổ sung RTL (Return To Load) được trình bày trong chương 3. Ký hiệu Err đặc trưng cho sai lệch (Error) trong tính toán hiệu chỉnh trục, ta có: (4.17)
1 B
1
’ = IB ’ = JB ’ = ITG
1 – Err JB 1 1 – Err IB 1 ’ B ’ JTG B
1
(4.18)
’
1
(4.19)
Err = ( IB 1 JB Tính toán trực giao: ITG JTG KTG 1 Tính toán tái cấu trúc: B ’’ = TCT[ITG B ’] = 0.5 (3 - ITG B ’) ITG ’ ITG B ’ B ITCT 1 1 1 1 1 B B ’] = 0.5 (3 - JTG ’’ = TCT[JTG B B B ’) JTG ’ JTG ’ JTCT 1 1 1 1 1 B ’) KTG B ’ KTG B ’] = 0.5 (3 - KTG B ’’ = TCT[KTG B KTCT 1 1 1 1 TCT - là quá trình tái cấu trúc (renormalization) Trong đó: TG - là quá trình tính toán trực giao (orthogonal)
(4.20)
Tính toán cập nhật: Tính toán giá trị cập nhật các phần tử ma trận quay R theo mỗi bước tính của Omega_Vector, trong đó là phần tử tương ứng Corrected Gyro_Vector:
rồi tính toán các góc Euler:
) (4.21)
; (
;
’’, JB i
Lặp lại quá trình tính toán các phần tử DCM tại các thời điểm sau mỗi bước xử lý tín hiệu của INS, ta có ma trận quay R được tổ chức lại, cập nhật thay đổi phù hợp theo từng bước tính từ các vector IB ’’ tương ứng. Các phần tử của ma trận R ’’, KB i i sẽ không bị trôi quá nhiều bởi vì nó được điều chỉnh vào vị trí tuyệt đối quyết định bởi số liệu nhận từ gia tốc Acc và giảm thiểu được tác động tích lũy của nhiễu từ bên ngoài do đã được cập nhật dữ liệu con quay hồi chuyển Gyro tại mỗi bước tính. Số
Từ giá trị cập nhật các phần tử ma trận quay trên, ta cập nhật lại ma trận quay
18
liệu thu được từ cảm biến từ trường cũng được dùng để hiệu chỉnh trượt góc yaw. Cơ chế làm việc theo lưu đồ sau:
Hình 4.17: Lưu đồ chương trình DCM trên hệ thống nhúng Arduino
19
4.4. Thiết kế bộ lọc UKF và kết quả thực tế trên hệ thống giám sát tại trạm ứng dụng cho xe bus 4.4.1. Đối tượng và mô hình xe bus
Khác với các mô hình lọc Kalman trước đây luôn sử dụng mô hình tuyến tính, hoặc mô hình phi tuyến, luận án này giới thiệu mô hình tuyến tính-phi tuyến, trong đó trạng thái của hệ thống được diễn tả bằng hàm phi tuyến và mô hình đo dạc được biểu diễn bởi ma trận số. Đề xuất giải pháp mới tận dụng ưu thế về mô tả động học của đối tượng trên Matlab với các công cụ hỗ trợ mạnh mẽ về toán học của nó [24].
Phương trình rời rạc hóa của mô hình:
Trong đó, biểu diễn theo các giá trị đạo hàm: ̇ ̇ ̇ ̇ ̇ ̇ // là góc nghiêng từ GPS ̇ là vận tốc góc nghiêng từ GPS d_Alon: Đạo hàm Acc, là hướng chuyển động của xe khi đặt thiết bị song song sàn xe { } d_YawRate: Đạo hàm vận tốc góc Yaw của thiết bị
Phương trình đo đạc:
Inclination: Độ nghiêng, từ GPS sử dụng form GPGGA
Trong đó, các giá trị lấy từ tín hiệu đo đạc: Distance : Khoảng cách [m], từ FMS X : Vĩ độ, từ tín hiệu GPS Y: Kinh độ, từ tín hiệu GPS Head: góc hướng Heading, từ tín hiệu GPS Speed: Tốc độ từ, tín hiệu GPS Altitude: Độ cao so với mốc Alon: Gia tốc theo phương z YawRate: Vận tốc góc Yaw { }
Do hệ thống là phi tuyến, chúng ta không có ma trận A dưới dạng số cụ thể và không áp dụng các công thức toán học với ma trận như đối với hệ tuyến tính. Trạng thái của hệ thống được mô tả bằng phương trình động học phi tuyến của đối tượng @busses_f_enhanced, thể hiện hàm f theo công thức đạo hàm xk ở trên. Các giá trị Qc, L được tính theo mô hình Simo Särkkä, 2011 [31] trong chương 2. H là ma trận đường chéo, rk được tính theo các đạo hàm chuẩn std (standard deviation).
20
4.4.2. Lưu đồ bộ lọc UKF cho xe bus Hệ thống hoạt động theo các chế độ: - Mode 1: - Mode 2:
Y = Y[0,…,8]; Ts = 1s, tại các thời điểm 1s có đầy đủ các tín hiệu Y = Y[0,…,8]; Ts = 1s, tại các thời điểm cập nhật tín hiệu GPS Y = Y[0,7,8]; Ts = 20ms, tại các bước tính với tín hiệu từ FMS, INS
Hình 4.18: Lưu đồ thuật toán lọc UKF
4.5. Hệ thống tích hợp GPS/INS và kết quả thực tế 4.5.1. Hệ thống tích hợp GPS/INS sử dụng INS 9-DOF Cấu trúc các thành phần của hệ thống lắp đặt trên xe, tổ chức xử lý dữ liệu và lắp đặt thử nghiệm thiết bị như sau:
21
Hình 4.12, 4.13: Cấu trúc thiết bị và phương pháp xử lý dữ liệu
Hình 4.14, 4.15: Thiết bị thực tế và vị trí lắp ráp trên xe bus
4.5.2. Kết quả của hệ thống giám sát
Trajectory of the bus at big noise sites
Shifting trajectory adjusted by UKF to have more accurate trajectory
Trajectory of the bus at a curved stretch of road
Hình 4.20, 4.22: Hành trình thực của xe và hiệu chỉnh quỹ đạo sử dụng bộ lọc UKF
Sai lệch quỹ đạo lớn thường xảy ra khi xe chuyển động bất thường ở những vị trí thay đổi đột ngột tốc độ và hướng di chuyển, xe rung lắc mạnh hay ở vị trí dừng tại các trạm, các cột đèn giao thông và tại các vị trí xe đi vào vùng bị che khuất (Hình 4.20, 4.22). Giải pháp mới trong luận án đã lọc và đưa ra quỹ đạo chính xác của xe thể
22
hiện rõ tại những vị trí này, loại bỏ đi phần quỹ đạo sai lệch và hiệu chỉnh lại quỹ đạo chuyển động của xe sát với thực tế nhất.
Hình 4.21, 4.23: Lọc và hiệu chỉnh quỹ đạo và tốc độ của xe
Trong đó: X-axis (Trục ngang) Y-axis (Trục đứng) : Khoảng di chuyển của xe bus, [m] : vận tốc của xe bus, [km/h] : Các điểm dừng của xe bus dọc theo tuyến
Điều chỉnh lùi vị trí
Đánh giá giá trị và điều chỉnh quỹ đạo
Điều chỉnh tiến vị trí
Đ/c dịch: phải ( + ) trái ( )
Hình 4.21 chỉ rõ giá trị của sự hiệu chỉnh chính xác của quỹ đạo xe theo phương pháp lọc UKF của luận án (gạch đen). Điều này có nghĩa trong giữa hai khoảng thời gian cập nhật dữ liệu GPS, UKF làm việc với chế độ 2 (Mode 2, Ts = 20 ms) vẫn có khả năng hiệu chỉnh quỹ đạo bám theo hướng chuyển động thực nhưng quỹ đạo sẽ bị sai lệch dần. Khi có tín hiệu GPS nó sẽ hiệu chỉnh lại quỹ đạo tạo ra đoạn gấp khúc. Điều này là do hệ thống nhúng chưa đủ mạnh và tốc độ đưa ra dữ liệu chậm của MEMS INS này. Hệ thống vẫn có khả năng tính toán khi mất GPS trong thời gian ngắn, tuy nhiên độ chính xác không cao.
Hình 4.24: Hành trình của xe và hiệu chỉnh quỹ đạo tại mỗi thời điểm tính toán
Trên hình 4.24, đường chấm (xanh) ở phần bên trái (4.24_1) thể hiện giá trị trực tiếp tính toán từ tín hiệu GPS. Các điểm chấm là các vị trí tại các thời điểm nhận được tín hiệu GPS. Phần bên phải (4.24_2) thể hiện các hiệu chỉnh về hướng và giá trị tại thời điểm tính toán, tập hợp thành các đường như trên hình 4.20, 4.21 và 4.22. Quá
23
trình này được ghi liên tục tại mỗi bước tính toán thông qua việc lưu các giá trị và tạo các file ảnh. Tập hợp các file ảnh (hình 4.24) tạo thành một file dạng video thể hiện rõ quá trình lọc và hiệu chỉnh quỹ đạo, ghi vào cơ sở dữ liệu.
Ngoài các thông số thông thường như vị trí và vận tốc, hệ thống giám sát của luận án còn hiển thị một số thông số đặc trưng của xe như: khoảng di chuyển của xe, góc hướng, vận tốc góc hướng, gia tốc, góc nghiêng và độ cao so với mốc. Những thông số này được ghi lại trong cơ sở dữ liệu của xe bus tại trạm giám sát.
Hình 4.25, 4.26: Các thông số thể hiện trạng thái chuyển động của xe bus
Các hình 4.25 và 4.26 thể hiện rõ một số thông số chuyển động của xe dọc theo hành trình. Việc nắm rõ quá trình vận hành xe sẽ giúp nâng cao chất lượng của hệ thống giám sát. Từ đó giúp cho quá trình quản lý, điều hành và giám sát xe được hiệu quả hơn, cũng như giúp đánh giá về phong cách lái xe.
4.6. Nhận xét và kết luận chƣơng 4
Luận án đã phát triển và ứng dụng thực tế thành công phương pháp tính toán trên miền rời rạc kết hợp bù dữ liệu trên cơ sở sử dụng logic mờ cho các hệ thống INS trước đây không có vector từ trường (INS giới hạn dưới 6-DOF).
Cập nhật công nghệ mới, luận án đã phát triển thành công phương pháp mới xử lý chống trôi các phần tử của ma trận quay R cho hệ INS 9-DOF, từ đó thiết kế chế tạo thiết bị tích hợp GPS/INS với độ chính xác cao. Khác với lọc Kalman xử lý dữ liệu thô của INS, tức là lấy kết quả đã bị tích lũy sai số của INS để tính toán, đây là một giải pháp mới trong thiết kế hệ thống sử dụng MEMS INS bởi khả năng xử lý dữ liệu ở cấp độ đo lường. Giải pháp này điều chỉnh chống trôi các phần tử ma trận quay (Ri,j) ) sau mỗi bước tính để tính toán chính xác lại các góc thành các giá trị cập nhật ( quay Euler cơ sở, qua đó tính toán chính xác hơn các giá trị đầu ra của hệ thống INS. Giải pháp này giúp INS 9-DOF có thể làm việc độc lập và tự hiệu chỉnh nó, khác với các giải pháp trước đây là dùng GPS để hiệu chỉnh lại kết quả trong khi vẫn cộng dồn sai số của INS theo thời gian.
Với sự thành công của phương pháp tự động hiệu chỉnh các phần tử ma trận quay, luận án trình bày một giải pháp mới thiết kế hệ thống tích hợp GPS/INS trên cơ sở cấu trúc phân tán đối với các hệ INS 9-DOF. Giải pháp phân tán này chia các công
24
việc xử lý ở các phần khác nhau của hệ thống nhằm tận dụng tối đa khả năng của mỗi thành phần. Đối với đối tượng trên xe, luận án phát triển phương pháp hiệu chỉnh các phần tử của ma trận quay cho firmware của hệ thống nhúng. Giải thuật của phương pháp này đã được lập trình đưa vào hệ thống nhúng Arduino R3 và YUN thành công.
Trong nhiệm vụ giám sát tại trạm, luận án đã phát triển thành công bộ lọc UKF linh động tự động chuyển đổi chế độ hoạt động theo các tín hiệu đầu vào. Giải thuật của bộ lọc UKF được trình bày dưới dạng các thuật toán lập trình và triển khai cụ thể trên Matlab cho mô hình tích hợp, là mô hình phi tuyến của đối tượng và phương trình tuyến tính của mô hình đo đạc, ứng dụng cho đối tượng cụ thể là xe bus. Bộ lọc UKF này không những đã nâng cao chất lượng quỹ đạo chuyển động của xe bus, mà đồng thời còn giám sát được một số thông số chuyển động và trạng thái vận hành của xe theo yêu cầu.
KẾT LUẬN, KIẾN NGHỊ VÀ ĐỊNH HƢỚNG PHÁT TRIỂN
I. Kết luận về luận án
Giá trị khoa học chính của luận án là việc đưa ra giải pháp thiết kế trên cơ sở hệ thống phân tán. Giải pháp này sử dụng một hệ thống INS 9-DOF tự động hiệu chỉnh gắn trên đối tượng chuyển động và bộ lọc UKF tại trạm đã giúp nâng cao chất lượng hệ thống quản lý giám sát. Đây là một giải pháp mới hiệu quả so với các giải pháp tích hợp GPS/INS trước đây.
Luận án đã phát triển thành công phương pháp tự động hiệu chỉnh ma trận quay cho INS 9-DOF, xử lý dữ liệu ở cấp độ đo lường giúp INS có thể tự hiệu chỉnh chống trôi dữ liệu đưa ra dữ liệu chính xác hơn trước khi đưa vào lọc. Hệ thống tích hợp GPS/INS này sử dụng INS 9-DOF đã được thử nghiệm ứng dụng thực tế nhận được kết quả tốt. Hệ thống giám sát tại trạm sử dụng lọc UKF đã loại bỏ được những giá trị sai lệch cho ra kết quả quỹ đạo đúng với thực tế. Ngoài ra, hệ thống còn hiển thị được một số tham số thể hiện trạng thái chuyển động của xe. Kết quả mới này đã được báo cáo tại hội thảo nSTf 2014 (NACENTECH, 2014) [P1.1.14].
II. Kiến nghị hƣớng nghiên cứu tiếp theo
Hướng phát triển cần được quan tâm là ứng dụng cho các đối tượng chuyển động trong trường hợp không thu được tín hiệu GPS. Lúc này hệ thống cần có một hệ quy chiếu tiêu chuẩn chính xác khác cũng có khả năng định vị thay cho GPS. Khả năng phát triển ứng dụng của thiết bị là khá đa dạng, trong lĩnh vực GTVT là để giám sát và quản lý các phương tiện đường bộ, đường thủy, đường sắt và phương tiện bay.
Kết quả của luận án này cần được kết hợp với một số công việc khác như truyền thông, định vị trên các loại bản đồ số khác nhau cũng như quản lý cơ sở dữ liệu trên Web để tạo nên một hệ thống quản lý giám sát hoàn chỉnh.
