Zufälliger Spaziergang

Random Walk bezieht sich auf eine Art von Fehlermodell, die in Trägheitsnavigationssystemen (INS) , in denen die Position, die Geschwindigkeit des Systems oder andere Zustände im Laufe der Zeit zufällige Fehler ansammeln, was zu einer allmählichen Erhöhung der Unsicherheit . Dieses Phänomen ist häufig mit Sensorgeräuschen , insbesondere bei Beschleunigungsmesser und Gyroskopen, die in INS verwendet werden. Es manifestiert sich als zufällige Drift in den Messungen des Systems, was es schwierig macht, den genauen Zustand des Systems über längere Zeiträume vorherzusagen.

 

Wie wirkt sich der Zufallsspaziergang auf Ins aus?

  1. Positionsdrift - Zufallswanderung führt zu einem allmählichen Anstieg des Positionsfehlers , da sich im Laufe der Zeit kleine Zufallsfehler ansammeln.

  2. Geschwindigkeitsdrift - In ähnlicher Weise führen die zufälligen Fehler bei Beschleunigungsmessungen zu einer Drift der Geschwindigkeitsschätzungen , die, wenn sie im Laufe der Zeit integriert ist, zu einem Positionsfehler führt.

  3. Erhöhte Unsicherheit - Der Fehler wächst mit der Quadratwurzel der Zeit , was bedeutet, dass über einen längeren Zeitraum die Unsicherheit in Bezug auf Position oder Geschwindigkeit erheblich zunimmt .

Wie modellieren und mildern Sie zufälligen Walk in INS?

  1. Modellierung Random Walk - In INS Random Walk häufig als zufälliger Prozess , mit spezifischen Rauscheigenschaften wie der Instabilität der Vorspannung und dem weißen Rauschen . Es ist typischerweise im Kalman -Filter- oder Bayes'schen Filter zur Fehlerkorrektur dargestellt.

  2. Sensorkalibrierung - Die regelmäßige Kalibrierung von Sensoren verringert die Zufallsdrift , indem genaue anfängliche Messungen sichergestellt werden.

  3. Sensorfusion - Das Kombinieren von Daten von anderen Sensoren (z. B. GNSS, LIDAR ) mit INS -Daten ermöglicht eine bessere Fehlerkorrektur und kompensiert die durch Zufalls Walk verursachte Drift .

  4. Fortgeschrittene Filtertechniken - Techniken wie der Kalman -Filter und den erweiterten Kalman -Filter (EKF) werden verwendet, um die Auswirkungen des Zufallsspaziergangs auf die Gesamtnavigationslösung zu verringern.

Anwendungen des Zufallsspaziergangs in Ins

Langzeitnavigation -Zufallswanderungsfehler werden in Systemen, die ohne externe Korrekturen (z. B. U-Boote, Raumfahrzeuge ) über lange Zeitungen arbeiten, signifikanter

Autonome Fahrzeuge -INS in autonomen Systemen können zufällige Walk-Fehler auftreten, insbesondere in GNSS-verführten Umgebungen , in denen regelmäßige Aktualisierungen erforderlich sind, um diese Fehler zu korrigieren.

Luftvermessung -Bei Drohnennavigation kann der Zufallswanderung die Langstreckenpositionierung , wenn sie nicht regelmäßig korrigiert werden.

Vorteile der Minderung von zufälligen Spaziergängen in Ins

Verbesserte Genauigkeit - Reduzierung von Zufalls Walk -Fehlern führt zu genaueren Position und Geschwindigkeitsschätzungen im Laufe der Zeit.

Stabilität in der Navigation - Sensorfusion und fortschrittliche Filtertechniken stellen sicher, dass das System auch über lange Zeiträume stabil und zuverlässig

Bessere Leistung in GNSS-verführten Umgebungen - Sensor Fusion ermöglicht es dem INS, weiterhin genaue Navigation , ohne sich ausschließlich auf GNSS-Signale zu verlassen.