Улучшение наблюдаемости навигационных параметров движения автомобиля посредством фильтрации Калмана

Введение. В настоящей работе рассматривается проблема наблюдаемости навигационных параметров автомобиля - пространственных координат и курсового угла, которые используются системами автоматического управления движением автомобиля. В зависимости от условий движения качество измерения навигационных параметров может изменяться в широком диапазоне - от высокоточного измерения до полного отсутствия данных. При низком качестве навигационных данных работа систем автоматического управления движением может стать невозможной. Для решения данной проблемы в работе реализованы средства косвенных измерений, называемые наблюдателями, которые позволяют идентифицировать навигационные параметры автомобиля вне зависимости от условий движения.

Цель исследования - улучшение наблюдаемости навигационных параметров автомобиля. Методология и методы. Наблюдатели навигационных параметров реализованы на основе кинематической модели движения автомобиля с использованием фильтрации Калмана. Оценка качества работы наблюдателей проведена посредством расчёта среднеквадратичных ошибок и максимальных отклонений рассчитанных ими навигационных параметров от эталонных данных спутниковой навигации в разных условиях движения автомобиля.

Результаты и научная новизна. Проведён анализ проблематики наблюдаемости навигационных параметров автомобиля. Разработан вариант построения наблюдателей курсового угла и координат автомобиля, основанный на фильтре Калмана. Представлены результаты сравнения параметров, полученных при помощи наблюдателей, с высокоточными измерениями.

Практическую значимость представляют разработанные наблюдатели, позволяющие улучшить качество идентификации навигационных параметров автомобиля.

1. Bevly D.M., Cobb S. GNSS for Vehicle Control. -Norwood: Artech House, 2010. - P. 95-96. - P. 107-108.

2. Elisson E. Low cost relative GNSS positioning with IMU integration: PhD thesis. - Goteborg: Chalmers university of technology, 2014.

3. O’Reilly J. Observers for linear systems. - London: Academic Press, 1983. - P. 1-3.

4. Luenberger D. Observing the state of a linear system // IEEE Transactions on Military Electronics. - 1964. -Vol. 8. - P. 74-80.

5. Drakunov S.V Sliding-mode observers based on equivalent control method // Proceedings of the 31st IEEE Conference on Decision and Control. - 1992. - P. 23682369.

6. Kalman R.E. A New Approach to Linear Filtering and Prediction Problems // Journal of Basic Engineering. - 1992. - Vol. 82. - P. 35-45.

7. Angrisano A. GNSS/INS Integration Methods: PhD thesis. - Naples: Parthenope University of Naples, 2010. -P. 1-168.

8. Mochnac J., Marchevsky S., Kocan P. Bayesian filtering techniques: Kalman and extended Kalman filter basics // 19th International Conference Radioelektronika. -2009. - P. 119-122.

9. Wan E.A. The unscented Kalman filter for nonlinear estimation // Proceedings of the IEEE 2000 Adaptive Systems for Signal Processing, Communications, and Control Symposium. - 2000. - P. 153-158.

10. Ascher Uri M. Computer Methods for Ordinary Differential Equations and Differential-Algebraic Equations. - Philadelphia: Society for Industrial and Applied Mathematics, 1998. - P. 61.

11. Kulikov I.A., Ulchenko I.A., Chaplygin A. V. Using Real World Data in Virtual Development and Testing of a Path Tracking Controller for an Autonomous Vehicle // International Journal of Innovative Technology and Exploring Engineering. - 2019. - Vol. 8, no. 12. -. 720-726.

12. Волков В.Л., ЖидковаН.В. Обработка информации в системе ориентации на основе МЭМС // Труды НГТУ им. Р.Е. Алексеева. - 2015. - № 3. - C. 279-286.

13. Никитин И.В. Задача навигации наземного объекта на основе данных БИНС и одометра: дисс. канд. физ.-мат. наук: 01.02.01. - М.: Моск. гос. ун-т им. М.В. Ломоносова, 2015. - C. 8.