Marche aléatoire

La marche aléatoire fait référence à un type de modèle d'erreur couramment observé dans les systèmes de navigation inertielle (IS) position, la vitesse ou d'autres états du système accumulent au fil du temps, entraînant une augmentation progressive de l'incertitude . Ce phénomène est souvent associé au bruit du capteur , en particulier dans les accéléromètres et les gyroscopes utilisés dans les Ins. Il se manifeste comme une dérive aléatoire dans les mesures du système, ce qui rend difficile la prévision de l'état précis du système sur des périodes prolongées.

 

Comment la marche aléatoire affecte Ins?

  1. Dérive de position - La marche aléatoire entraîne une augmentation progressive de l'erreur de position , à mesure que de petites erreurs aléatoires s'accumulent avec le temps.

  2. Dérive de vitesse - De même, les erreurs aléatoires dans les mesures d'accélération provoquent une dérive des estimations de vitesse , qui, lorsqu'elles sont intégrées au fil du temps, entraînent une erreur de position.

  3. Incertitude accrue - l'erreur augmente avec la racine carrée du temps , ce qui signifie que sur une période plus longue, l'incertitude de position ou de vitesse augmentera considérablement .

Comment modéliser et atténuer la marche aléatoire dans INS?

  1. La modélisation de la marche aléatoire - Dans INS, la marche aléatoire est souvent modélisée comme un processus aléatoire , avec des caractéristiques de bruit comme l'instabilité du biais et le bruit blanc . Il est généralement représenté dans le filtre Kalman ou le filtre bayésien pour la correction d'erreur.

  2. Calibration des capteurs - L'étalonnage régulier des capteurs aide à réduire la dérive aléatoire en assurant des mesures initiales précises.

  3. Fusion de capteurs - La combinaison des données d'autres capteurs (par exemple, GNSS, LiDAR ) avec les données INS permet une meilleure correction d'erreur et compense la dérive causée par une marche aléatoire .

  4. Techniques de filtrage avancées - Des techniques comme le filtre Kalman et le filtre Kalman étendu (EKF) sont utilisés pour réduire l'impact de la marche aléatoire sur la solution de navigation globale.

Applications de la marche aléatoire dans Ins

Navigation de longue durée - Les erreurs de marche aléatoires deviennent plus significatives dans les systèmes qui fonctionnent sur de longues durées sans corrections externes (par exemple, sous-marins, vaisseau spatial ).

Véhicules autonomes - Les Ins dans les systèmes autonomes peuvent subir des erreurs de marche aléatoires, en particulier dans les environnements conformes aux GNSS , où des mises à jour périodiques sont nécessaires pour corriger ces erreurs.

Arpentage aérien - En navigation sur le drone , la marche aléatoire peut affecter le positionnement à longue portée s'il n'est pas corrigé régulièrement.

Avantages de l'atténuation de la marche aléatoire en ins

Précision améliorée - La réduction des erreurs de marche aléatoires conduit à des estimations de position et de vitesse plus précises au fil du temps.

Stabilité de la navigation - Fusion de capteurs et de filtrage avancées garantissent que le système reste stable et fiable même sur de longues périodes de fonctionnement.

Meilleures performances dans les environnements conformes aux GNSS - La fusion des capteurs permet à l'INS de continuer à fournir une navigation précise sans s'appuyer uniquement sur les signaux GNSS.