0 introduction
Avec le développement de la technologie de navigation, la technologie de navigation par satellite est devenue la maturité, une gamme complète de systèmes de navigation modernes, mais avec l'extension des champs d'application, l'inconvénient du système de navigation par satellite est progressivement révélé, en particulier à l'intérieur, des grottes et des tunnels, en raison de signaux de navigation par satellite de qualité médiocre, et ne peut donc pas obtenir des données de navigation, il est devenu une technologie de navigation par satellite erreur fatale. À l'heure actuelle, sur la base des projections MEMS à l'intérieur de la piste piétonne comme une nouvelle méthode de navigation personnelle intérieur a été inquiétude généralisée . Avec le développement des techniques de navigation à inertie, tels que représentés dans l'unité de mesure inertielle de MEMS ADI pour briser les dispositifs de navigation par inertie classique encombrant, coûteux motif, de sorte que l'application de l'individu INS .
système de navigation personnel est principalement utilisé pour le suivi en temps réel et localiser la position de la personne marche . À l'heure actuelle, la recherche de la navigation personnelle a fait une série de réalisations. Document de dispositif MEMS mentionné est monté sur la taille de la personne testée, estimée par la taille de pas et la fréquence de la marche de la variance de l'accéléromètre, la vitesse de marche et d'obtenir à partir de cette solution ne peut pas s'adapter à différents et différent piéton de marche et un excellent moyen de limitation. Document en utilisant un point de cheminement d'identification de signal radio, la carte correspondant, ce qui améliore considérablement la progression de positionnement, mais il peut être positionné au moyen d'un dispositif externe. Document de , MEMS unité de mesure inertielle est monté sur une chaussure, l'orientation du magnétomètre utilisant une correction, dans une certaine mesure pour améliorer la précision de la navigation. Document en utilisant le GPS / DR système intégré de navigation pour la navigation piétonne, et la méthode d'estimation des paramètres DR est proposé d'améliorer la précision des paramètres à l'estime. En outre, il existe d'autres triangulation, la combinaison GPS / INS, UWB / MEMS algorithme micro-électromécanique PDR intégration du système capteur.
D'autre part, le prix de la performance de l'appareil et affecte considérablement la précision et la portée de l'application de la zone piétonne de navigation par inertie. Dans cet article, la mesure inertielle MEMS a développé un ensemble de chaussures de navigation piéton système à un seul composant pour la validation de l'algorithme, afin d'améliorer encore la base de la précision de navigation.
Matériel utilisé dans cette puce STM32F103 de test pour contrôler le noyau, en échantillonnant périodiquement la MPU6050 d'accélération, vitesse angulaire, et HMC5883 de l'information magnétique, grâce à l'attitude et l'autre solution de navigation, la sortie d'informations de navigation via le port série, les informations de port de MATLAB On obtient finalement le traitement d'un affichage graphique des informations de navigation, le schéma de principe du système représenté sur la figure 1.
2 Structure de l'algorithme
L'algorithme de système est divisé en trois sous-algorithme, l'algorithme représenté sur la figure 2, la structure globale.
Comme système de coordonnées géographiques en utilisant une base de navigation, à l'est, du nord, 3 jours, les directions du système de navigation x, y, axe z sens positif, MPU6050 x, y et Z axes 3 HMC5883 trois axes, vecteur x, y, z 3 a montré axe relation parallèle. Le procédé décrit vecteur de mouvement intuitive méthode d'angle d'Euler, définie ici comme de coutume, l'angle de tangage du véhicule, les angles de roulis et de lacet, respectivement , , et la Fig. La conception des algorithmes sont décrits en détail ci-dessous.
2.1 la base de l'algorithme
2.1.1 Mise à jour de l'algorithme Attitude
mise à jour Attitude algorithme de quaternion, l'algorithme ne résout ensemble linéaire de quatre inconnues différentielles , l'algorithme est simple, facile à utiliser, il est pratique pour surmonter la loi de direction est cosinus quantité inconnue, montant calculé des inconvénients tout en évitant algorithme d'angle d'Euler est sujette à l'équation de problème de dégradation.
De la relation ci-dessus peut être calculé en contact de quaternion en temps réel intuitif méthode angles d'Euler en place, le filtre de Kalman étendu, afin d'obtenir un comportement de véhicule précise.
2.1.29DOF tout algorithme d'attitude
Attitude algorithme de fusion de données 9DOF magnétomètre triaxial, un accéléromètre triaxial et triaxial gyroscope, quaternion que quantité d'état, l'accéléromètre brut et observations de sortie magnétomètre, l'algorithme de filtre de Kalman étendu, pour donner angles l'attitude Euler.
forme continue différentiel de quaternion (à savoir, les équations d'état de filtre de Kalman) est:
2.1.3 Initialisation
La réalisation de l'intensité du champ magnétique au niveau des coordonnées jours du nord-est initialisé, la formule est:
Avant l'essai, un procédé utilisant le dispositif de montage ellipsoïde pour l'étalonnage initial de l'INS. Ensuite, le modèle construit selon ce qui précède filtre de Kalman étendu, à travers l'étude du modèle mathématique et le bruit du magnétomètre dispositif INS, ajuster les paramètres de bruit de la méthode d'essai, la sortie finale posture précise. Selon le test, afin de tenir compte de l'attitude des autres algorithmes et demande de mise à jour en temps réel, l'attitude de la fréquence de mise à jour par la suite identifiée comme 66 Hz.
2.2 PÉCHÉS algorithme
En navigation inertielle à composants liés, le gyroscope et un accéléromètre sortie par l'intermédiaire de l'ordinateur en fonction d'un certain traitement de l'algorithme, l'obtention de l'attitude d'informations de navigation, le cap, la vitesse et la position des points de temps discrets.
2.2.1 La vitesse de l'algorithme
base de SINS - que l'équation de la force est la suivante:
2.2.2 algorithme de localisation
procédé ordinaire d'intégration de la vitesse, de la formule suivante:
Après le test, en utilisant uniquement la vitesse et l'erreur de position est au-dessus algorithme en raison du bruit de mesure de l'appareil, et a causé, ce qui conduit à une forte augmentation du taux d'erreur, l'emplacement de divergence rapide, la navigation a échoué. Dans ce cas, la nécessité de concevoir le filtre de Kalman, corrige la vitesse et la position, à savoir, détection de vitesse nulle et de l'algorithme de mise à jour zéro vitesse .
2.3 zéro algorithme de détection de vitesse
Tout d'abord, les gens marchant analyse modale. En raison des composants de faible précision employées, ne peut pas sentir la force de gravité, la rotation de vitesse angulaire de la Terre, il ne produira pas une vitesse angulaire en cause, et donc le sens positif du vecteur d'axe Z pointant vers la direction positive du système de navigation à rester immobile, il y a un rapport positif de 1 g de la force. L'essai correspond à une plaque de pied de l'appareil d'essai, la sortie des données recueillies par le capteur, tracée sur la courbe Fig. 3 caractéristique d'accélération du pied de la courbe caractéristique de vitesse angulaire à. La figure 4 et la marche.
La figure obtenue par l'analyse des piétons peut être divisé en deux processus, et les talons du mouvement du pied, avant de se stabiliser après montage fixe second talons touché. L'accélération et la vitesse angulaire des deux procédés sont très différentes, de sorte que par le réglage des algorithmes appropriés pour distinguer les deux procédés, ce test détermine les trois conditions suivantes:
(1) Une accélération de la convergence du système de navigation
L'accélération courante analyse modale caractéristique, lors de la broche de fermeture, l'accélération résultante est réduite par échantillonnage à plusieurs reprises l'accélération, l'accélération résultante déterminant la convergence. Ce test utilise des 7 échantillons consécutifs, de rencontrer une valeur précédente moins la valeur 5 est la convergence négative.
accélération résultante (2) est inférieur au seuil vecteur système fbm
Comme on peut le voir d'après la Fig. 3, la valeur de l'accélération résultante pendant encore à un niveau bas, et peut donc être distingué en réglant le reste et le seuil de mouvement.
2.4 algorithme de correction de vitesse zéro
Détection de vitesse nulle sur la base de l'erreur de vitesse et l'erreur de position estimée en utilisant l'algorithme du filtre de Kalman , d'autres expériences en une estimation de l'orientation, afin de réaliser une compensation efficace de la vitesse et de la position sur tous les lieux. La description suivante de l'algorithme d'atteindre. Indiquez le montant:
Parce que seul sélectionné observables stationnaire à-dire lorsque l'on détermine la vitesse du pied afin d'être observé est égal à zéro, de sorte que, pendant le mouvement, le temps de mise à jour du filtre uniquement pendant encore faire une mise à jour complète.
3 résultats
Pour vérifier l'efficacité de l'algorithme, dans une région de chambre rectangulaire (représentée sur la Fig. 7) du test de marche, les résultats d'essai des figures. 5 à 7 fois affichés.
Où la figure. 5 est un résultat mesuré sans aucune correction supplémentaire de navigation figure peut être vu erreur de position de navigation par inertie pur non corrigée divergeant rapidement, ce qui est principalement causée par les niveaux d'accumulation des erreurs d'attitude et l'erreur de vitesse. La figure 6 est ajouté à l'accélération et la correction de position, mais Trouvé correction d'azimut de navigation de la figure, l'erreur d'azimut peut être vu sévère, la position du résolveur est écarté de la trajectoire réelle. La figure 7 est ajouté à la vitesse, la position et l'orientation correction Trouvé l'algorithme de la figure, les résultats peuvent être vus que significativement améliorée navigation.
4 Conclusion
chaussures algorithme de navigation personnelle, basée sur une analyse complète des caractéristiques de la marche individuelle, après la détection de la vitesse zéro et zéro algorithme de correction de vitesse pour compenser la navigation normale, la navigation piétonne d'inertie réaliser des dispositifs intérieurs démontrent l'efficacité de cet algorithme, comme améliorer encore la précision et la base de l'algorithme amélioré.
références
HE Feng Tao, Zhao Shengli, Zhouguang Ping, et méthode d'estimation de l'étape de navigation intérieure basée sur la logique floue Technologie électronique, 2016,42 (11): 59-61.
A R JIMENEZ, SECO F, J PRIETO C, et al.Indoor navigation piéton en utilisant un cadre INS / EKF pour la réduction de la dérive de lacet et d'un pied monté sur IMU Atelier .le sur le positionnement et la navigation Communication.IEEE, 2010: 135-143.
FISCHER C, Gellersen H.Location et aide à la navigation pour les intervenants d'urgence: Une enquête .IEEE informatique diffuse, 2010,9 (1): 38-47.
Cui Xiao, ROQUETTES, Zhou Qi, et algorithme et études expérimentales type de chaussure système de navigation personnelle Mesure et contrôle de la technologie, 2013,32 (3): 138-142.
Jinliang, ROQUETTES, Meichun Bo. Type de chaussures système de navigation personnel basé sur la technologie MEMS Inertial Technology . Chinois inertielle technologie, 2011,19 (3): 253-256.
SHIN S H, G P CHAN, CHOI S.New algorithme map-matching en utilisant piste virtuelle pour piétons à l'estime .ETRI Journal, 2010,32 (6): 891-900.
RENAUDIN V, YALAK O, P TOME, et al.Indoor navigation des agents d'urgence .European Journal de la navigation, 20075 (3): 36-45.
Tian Zengshan, vers Lei Xing Peiji, etc. système de navigation piétonne méthode d'estimation des paramètres piste d'étude de l'estimation Technologie électronique, 2009,35 (12): 84-87.
Song Min, Shen Yan Chun. La recherche et la mise en uvre de l'algorithme de navigation à l'estime de positionnement à l'intérieur . Génie informatique, 2013,39 (7): 293-297.
PITTET S, RENAUDIN V, Merminod B, et al.UWB et MEMS à base de navigation intérieure .Journal de la navigation, 2008,61 (3): 369-384.
Fanbing Hui, Zhang Kaili, Wangchuan Jiang, et quaternion Design auto-équilibrage de l'avant-bras de prothèse de main Electronic Technology, 2016,42 (5): 78-81.
TIAN X, J. Chen, HAN Y, et al.A nouvel algorithme de détection d'intervalle de vitesse zéro pour le système de navigation piéton autonome avec des capteurs inertiels: .Sensors, 2016,16 (10): 1578.
SKOG I, J NILSSON O, P.Evaluation handel de détecteurs de vitesse zéro pour les systèmes de navigation à inertie monté les pieds .Caisson Positionnement et navigation intérieure (IPIN), 2010 Conférence internationale on.IEEE, 2010: 1-6.
Etude sur la correction de vitesse zéro Ben Yue Yang, Sun Feng, Gao Wei, et INS Journal de la simulation système, 2008,20 (17): 4639-4642.
Informations sur l'auteur:
Qian élevé 1, Chen Jingjie 1, 2 Ma Hongyan
(1. Chine Institut de l'information électronique et l'automatisation, l'Université de l'aviation civile, Tianjin 300300; 2. Centre expérimental de l'Université de l'aviation civile de Chine, Tianjin 300300)
