최근 마이크로프로세서와 MEMS(micro-electro-mechanical system : 미세 전자 기계 시스템) 기술의 발달로 MEMS-AHRS(attitude heading reference system : 자세 방위 센서)가 실현되어 많은 소형 무인항공기에 적용되고 있다. 그런데 MEMS 방식의 각속도계는 정밀도가 다른 방식의 각속도계에 비해 낮은 편이기 때문에 자세 보정에 사용되는 가속도계에 의존도가 비교적 높은 편이다. 이는 비행체가 수초이상 가속하면 자세 계산 결과에 오차가 커지게 만드는 경향을 일으킨다. 본 연구에서는 MEMS IMU(inertial measurement unit : ...
최근 마이크로프로세서와 MEMS(micro-electro-mechanical system : 미세 전자 기계 시스템) 기술의 발달로 MEMS-AHRS(attitude heading reference system : 자세 방위 센서)가 실현되어 많은 소형 무인항공기에 적용되고 있다. 그런데 MEMS 방식의 각속도계는 정밀도가 다른 방식의 각속도계에 비해 낮은 편이기 때문에 자세 보정에 사용되는 가속도계에 의존도가 비교적 높은 편이다. 이는 비행체가 수초이상 가속하면 자세 계산 결과에 오차가 커지게 만드는 경향을 일으킨다. 본 연구에서는 MEMS IMU(inertial measurement unit : 관성 측정 장비)를 사용하더라도 비교적 정확도가 높은 알고리즘을 고안하여 실제 AHRS에 적용하는 것을 목표로 하고 있다. AHRS의 자세 계산은 많이 알려진 방법 중 특이점이 없고 단위 직교성을 유지하기에 쉬운 쿼터니언을 이용하는 자세 계산 방법을 선택하여 사용했다. 자세 보정을 위해 칼만 필터를 사용했고 칼만 필터의 측정 업데이트 단계에서 자세 보정방법을 조금씩 달리하면서 그 결과를 서로 비교하여 어떤 자세 보정방법이 더 나은 출력을 내는지 확인해 보았다. 모의시험에서는 총 7가지의 자세 보정방법에 대하여 결과를 비교했는데, 자세 보정방법 0은 일반적으로 알려진 중력가속도와 지자기를 추정하는 방법으로 나머지 자세 보정방법과 비교할 때 기준으로 삼았다. 자세 보정방법 1은 측정변수로 정규화된 가속도와 정규화된 지자기를 사용, 자세 보정방법 2는 정규화된 가속도와 정규화된 지자기의 수평 성분을 측정변수로 사용했다. 자세 보정방법 3은 정규화된 가속도와 정규화된 지자기의 수평 성분을 측정변수로 사용하고 가속도 측정잡음 공분산을 변수로 바꾸어 가속도의 크기에 따라 변하도록 설계하였다. 자세 보정방법 4는 측정된 가속도와 측정된 지자기 벡터를 사용하여 측정값으로 사용하는 쿼터니언을 계산하였다. 자세 보정방법 5는 자세 보정방법 4와 마찬가지로 가속도와 측정된 지자기 벡터를 사용하되 지자기 벡터는 지자기의 수평 성분만이 사용되도록 변형했다. 자세 보정방법 6은 자세 보정방법 4와같이 가속도와 지자기의 수평 성분을 사용하여 쿼터니언을 계산하되 칼만 필터에서 측정잡음 공분산이 자세 보정방법 3과 같이 가속도의 크기에 따라 실시간으로 변하도록 설계하였다. 모의시험이 실제 시험과 유사한 결과를 얻을 수 있도록 비행을 통해 획득한 IMU데이터를 모의시험의 입력으로 사용하고, 자세 계산 결과의 기준으로 사용할 GPS-aided AHRS의 자세를 IMU데이터와 동기화되어 저장하였다. 칼만 필터는 튜닝 정도에 따라 그 결과의 좋고 나쁨이 달라지기 쉬운데 이를 피하고자 모의시험 수행 시 측정잡음 공분산을 여러 케이스로 나누어 미리 계산한 후 그중 가장 양호한 측정잡음 공분산을 사용하여 모의시험 결과를 얻고 서로 비교하였다. 모의시험 결과 본 연구에서 제안한 수평 성분 지자기와 측정잡음 공분산 변수화를 동시에 적용한 방법이 양호한 결과를 보였다. 모의시험 결과를 검토하여 실제 시험을 수행할 두 가지 경우를 선택하여 비행시험을 수행했는데 시험 결과 널리 알려진 자세 보정방법에 비해 제안한 자세 보정방법이 기준 센서의 출력에 더 유사한 결과를 내놓았다.
최근 마이크로프로세서와 MEMS(micro-electro-mechanical system : 미세 전자 기계 시스템) 기술의 발달로 MEMS-AHRS(attitude heading reference system : 자세 방위 센서)가 실현되어 많은 소형 무인항공기에 적용되고 있다. 그런데 MEMS 방식의 각속도계는 정밀도가 다른 방식의 각속도계에 비해 낮은 편이기 때문에 자세 보정에 사용되는 가속도계에 의존도가 비교적 높은 편이다. 이는 비행체가 수초이상 가속하면 자세 계산 결과에 오차가 커지게 만드는 경향을 일으킨다. 본 연구에서는 MEMS IMU(inertial measurement unit : 관성 측정 장비)를 사용하더라도 비교적 정확도가 높은 알고리즘을 고안하여 실제 AHRS에 적용하는 것을 목표로 하고 있다. AHRS의 자세 계산은 많이 알려진 방법 중 특이점이 없고 단위 직교성을 유지하기에 쉬운 쿼터니언을 이용하는 자세 계산 방법을 선택하여 사용했다. 자세 보정을 위해 칼만 필터를 사용했고 칼만 필터의 측정 업데이트 단계에서 자세 보정방법을 조금씩 달리하면서 그 결과를 서로 비교하여 어떤 자세 보정방법이 더 나은 출력을 내는지 확인해 보았다. 모의시험에서는 총 7가지의 자세 보정방법에 대하여 결과를 비교했는데, 자세 보정방법 0은 일반적으로 알려진 중력가속도와 지자기를 추정하는 방법으로 나머지 자세 보정방법과 비교할 때 기준으로 삼았다. 자세 보정방법 1은 측정변수로 정규화된 가속도와 정규화된 지자기를 사용, 자세 보정방법 2는 정규화된 가속도와 정규화된 지자기의 수평 성분을 측정변수로 사용했다. 자세 보정방법 3은 정규화된 가속도와 정규화된 지자기의 수평 성분을 측정변수로 사용하고 가속도 측정잡음 공분산을 변수로 바꾸어 가속도의 크기에 따라 변하도록 설계하였다. 자세 보정방법 4는 측정된 가속도와 측정된 지자기 벡터를 사용하여 측정값으로 사용하는 쿼터니언을 계산하였다. 자세 보정방법 5는 자세 보정방법 4와 마찬가지로 가속도와 측정된 지자기 벡터를 사용하되 지자기 벡터는 지자기의 수평 성분만이 사용되도록 변형했다. 자세 보정방법 6은 자세 보정방법 4와같이 가속도와 지자기의 수평 성분을 사용하여 쿼터니언을 계산하되 칼만 필터에서 측정잡음 공분산이 자세 보정방법 3과 같이 가속도의 크기에 따라 실시간으로 변하도록 설계하였다. 모의시험이 실제 시험과 유사한 결과를 얻을 수 있도록 비행을 통해 획득한 IMU데이터를 모의시험의 입력으로 사용하고, 자세 계산 결과의 기준으로 사용할 GPS-aided AHRS의 자세를 IMU데이터와 동기화되어 저장하였다. 칼만 필터는 튜닝 정도에 따라 그 결과의 좋고 나쁨이 달라지기 쉬운데 이를 피하고자 모의시험 수행 시 측정잡음 공분산을 여러 케이스로 나누어 미리 계산한 후 그중 가장 양호한 측정잡음 공분산을 사용하여 모의시험 결과를 얻고 서로 비교하였다. 모의시험 결과 본 연구에서 제안한 수평 성분 지자기와 측정잡음 공분산 변수화를 동시에 적용한 방법이 양호한 결과를 보였다. 모의시험 결과를 검토하여 실제 시험을 수행할 두 가지 경우를 선택하여 비행시험을 수행했는데 시험 결과 널리 알려진 자세 보정방법에 비해 제안한 자세 보정방법이 기준 센서의 출력에 더 유사한 결과를 내놓았다.
Recently, the development of microprocessors and MEMS has enabled the realizations of MEMS-AHRS, which are being widely applied in small unmanned vehicle. However, as the accuracy of MEMS gyroscopes is lower than that of gyroscopes implemented through other means, reliance on accelerometers used for...
Recently, the development of microprocessors and MEMS has enabled the realizations of MEMS-AHRS, which are being widely applied in small unmanned vehicle. However, as the accuracy of MEMS gyroscopes is lower than that of gyroscopes implemented through other means, reliance on accelerometers used for attitude correction is relatively high. This causes a tendency for errors in the results of attitude calculation to increase if the aircraft accelerates for several seconds or more. This study aims to devise an algorithm with relatively high accuracy even when MEMS IMU is used and apply the algorithm to AHRS. For AHRS attitude calculation, it was selected an attitude calculation method using quaternions from among well-known methods, which have no singularity and in which unit orthogonality is easy to maintain. The Kalman filter was used for attitude correction. In the measurement update step of the Kalman filter, it was made gradual changes to the attitude correction method and compared the results to confirm which attitude correction method produced better output. In the simulation test, the results of seven attitude correction models were compared. Attitude correction method 0 is the commonly-known method for estimating gravitational acceleration and geomagnetism and is used as a standard for comparing attitude correction methods. Attitude correction method 1 uses normalized acceleration and normalized geomagnetism as the measurement variables, while attitude correction method 2 uses normalized acceleration and the horizontal component of normalized geomagnetism as the measurement variables. Attitude correction method 3 uses normalized acceleration and the horizontal component of normalized geomagnetism as the measurement variables; acceleration measurement noise covariance was designed to vary according to acceleration magnitude. Attitude correction method 4 calculates the quaternions used as the measurement values through the measured acceleration and measured geomagnetism vectors. Like attitude correction method 4, attitude correction method 5 uses the acceleration and the measured geomagnetism vectors, but the geomagnetism vector is transformed so that only the horizontal component of the geomagnetism is used. Like attitude correction method 4, attitude correction method 6 calculates the quaternions using acceleration and the horizontal component of geomagnetism, but the measurement noise covariance in the Kalman filter is designed to vary in real time according to acceleration magnitude, as in attitude correction method 3. To obtain simulation results similar to actual tests, the IMU data obtained from the flights were used as input in the simulations. The attitude of the GPS-aided AHRS to be used as the reference sensor for attitude calculation results was synchronized with the IMU data and stored. The Kalman filter is easily susceptible to varying output power depending on the degree of tuning; to avoid this, the measurement noise covariance from the simulation test was divided into several cases, and after preliminary calculations, simulation results were obtained using the best measurement noise covariance among these cases and compared. The simulation showed that the proposed method using horizontal component geomagnetism and variable measurement noise covariance yielded favorable results. The simulation test results were examined and the two cases for which to conduct the actual flight test were selected, after which the test was conducted. Based on the test results, compared with the well-known attitude correction method, the proposed attitude correction method yielded results more similar to the reference sensor output.
Recently, the development of microprocessors and MEMS has enabled the realizations of MEMS-AHRS, which are being widely applied in small unmanned vehicle. However, as the accuracy of MEMS gyroscopes is lower than that of gyroscopes implemented through other means, reliance on accelerometers used for attitude correction is relatively high. This causes a tendency for errors in the results of attitude calculation to increase if the aircraft accelerates for several seconds or more. This study aims to devise an algorithm with relatively high accuracy even when MEMS IMU is used and apply the algorithm to AHRS. For AHRS attitude calculation, it was selected an attitude calculation method using quaternions from among well-known methods, which have no singularity and in which unit orthogonality is easy to maintain. The Kalman filter was used for attitude correction. In the measurement update step of the Kalman filter, it was made gradual changes to the attitude correction method and compared the results to confirm which attitude correction method produced better output. In the simulation test, the results of seven attitude correction models were compared. Attitude correction method 0 is the commonly-known method for estimating gravitational acceleration and geomagnetism and is used as a standard for comparing attitude correction methods. Attitude correction method 1 uses normalized acceleration and normalized geomagnetism as the measurement variables, while attitude correction method 2 uses normalized acceleration and the horizontal component of normalized geomagnetism as the measurement variables. Attitude correction method 3 uses normalized acceleration and the horizontal component of normalized geomagnetism as the measurement variables; acceleration measurement noise covariance was designed to vary according to acceleration magnitude. Attitude correction method 4 calculates the quaternions used as the measurement values through the measured acceleration and measured geomagnetism vectors. Like attitude correction method 4, attitude correction method 5 uses the acceleration and the measured geomagnetism vectors, but the geomagnetism vector is transformed so that only the horizontal component of the geomagnetism is used. Like attitude correction method 4, attitude correction method 6 calculates the quaternions using acceleration and the horizontal component of geomagnetism, but the measurement noise covariance in the Kalman filter is designed to vary in real time according to acceleration magnitude, as in attitude correction method 3. To obtain simulation results similar to actual tests, the IMU data obtained from the flights were used as input in the simulations. The attitude of the GPS-aided AHRS to be used as the reference sensor for attitude calculation results was synchronized with the IMU data and stored. The Kalman filter is easily susceptible to varying output power depending on the degree of tuning; to avoid this, the measurement noise covariance from the simulation test was divided into several cases, and after preliminary calculations, simulation results were obtained using the best measurement noise covariance among these cases and compared. The simulation showed that the proposed method using horizontal component geomagnetism and variable measurement noise covariance yielded favorable results. The simulation test results were examined and the two cases for which to conduct the actual flight test were selected, after which the test was conducted. Based on the test results, compared with the well-known attitude correction method, the proposed attitude correction method yielded results more similar to the reference sensor output.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.