소형 선박용 관성측정장치 개발을 위한 MEMS 기반 관성 센서의 평가와 선정 Evaluation and Selection of MEMS-Based Inertial Sensor to Implement Inertial Measurement Unit for a Small-Sized Vessel원문보기
본 논문에서는 소형 선박용 관성측정장치(Inertial Measurement Unit, IMU) 개발에 적합한 MEMS(Micro-Electro Mechanical System) 기반의 관성 센서 평가와 선정에 관하여 기술했다. 먼저, 오일러 공식에 기초한 관성 센서의 오차 모델과 잡음 모델을 정의하고, 앨런 분산(Allan Variance) 기법과 몬테카르로(Monte Carlo) 시뮬레이션 기법을 도입하여 관성 센서를 평가하였다. ADIS16405, SAR10Z, SAR100Grade100, LIS344ALH, ADXL103 등 다섯 가지 관성 센서에 대한 평가결과, ADIS16405의 자이로와 가속도계를 조합한 경우 오차가 가장 작게 나타났는데, 600 초 경과시 속도 오차의 표준편차가 약 160 m/s, 위치 오차의 표준편차가 약 35 km로 나타났다. 평가를 통해 ADIS16405 관성 센서가 IMU 구축에 최적임을 알았고, 이러한 오차 감소 방법에 대해서 참고문헌을 조사하여 검토하였다.
본 논문에서는 소형 선박용 관성측정장치(Inertial Measurement Unit, IMU) 개발에 적합한 MEMS(Micro-Electro Mechanical System) 기반의 관성 센서 평가와 선정에 관하여 기술했다. 먼저, 오일러 공식에 기초한 관성 센서의 오차 모델과 잡음 모델을 정의하고, 앨런 분산(Allan Variance) 기법과 몬테카르로(Monte Carlo) 시뮬레이션 기법을 도입하여 관성 센서를 평가하였다. ADIS16405, SAR10Z, SAR100Grade100, LIS344ALH, ADXL103 등 다섯 가지 관성 센서에 대한 평가결과, ADIS16405의 자이로와 가속도계를 조합한 경우 오차가 가장 작게 나타났는데, 600 초 경과시 속도 오차의 표준편차가 약 160 m/s, 위치 오차의 표준편차가 약 35 km로 나타났다. 평가를 통해 ADIS16405 관성 센서가 IMU 구축에 최적임을 알았고, 이러한 오차 감소 방법에 대해서 참고문헌을 조사하여 검토하였다.
This paper describes the evaluation and selection of MEMS(Micro-Elect Mechanical System) based inertial sensor to fit to implement the Inertial Measurement Unit(IMU) for a small-sized vessel at sea. At first, the error model and the noise model of the inertial sensors are defined with Euler's equati...
This paper describes the evaluation and selection of MEMS(Micro-Elect Mechanical System) based inertial sensor to fit to implement the Inertial Measurement Unit(IMU) for a small-sized vessel at sea. At first, the error model and the noise model of the inertial sensors are defined with Euler's equations and then, the inertial sensor evaluation is carried out with Allan Variance techniques and Monte Carlo simulation. As evaluation results for the five sensors, ADIS16405, SAR10Z, SAR100Grade100, LIS344ALH and ADXL103, the combination of gyroscope and accelerometer of ADIS16405 is shown minimum error having around 160 m/s standard deviation of velocity error and around 35 km standard deviation of position error after 600 seconds. Thus, we select the ADIS16405 inertial sensor as a MEMS-based inertial sensor to implement IMU and, the error reducing method is also considered with the search for reference papers.
This paper describes the evaluation and selection of MEMS(Micro-Elect Mechanical System) based inertial sensor to fit to implement the Inertial Measurement Unit(IMU) for a small-sized vessel at sea. At first, the error model and the noise model of the inertial sensors are defined with Euler's equations and then, the inertial sensor evaluation is carried out with Allan Variance techniques and Monte Carlo simulation. As evaluation results for the five sensors, ADIS16405, SAR10Z, SAR100Grade100, LIS344ALH and ADXL103, the combination of gyroscope and accelerometer of ADIS16405 is shown minimum error having around 160 m/s standard deviation of velocity error and around 35 km standard deviation of position error after 600 seconds. Thus, we select the ADIS16405 inertial sensor as a MEMS-based inertial sensor to implement IMU and, the error reducing method is also considered with the search for reference papers.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
9는 Table 1과 Table 2에 나타낸 자이로와 가속도계를 조합하여 계산한 속도 오차와 위치 오차에 대한 표준편차이다. 본 실험 목적은 다양한 자이로와 가속도계를 조합하여 가장 오차가 작은 조합을 찾기 위한 것으로 조합은 다음과 같이 하였다.
본 연구에서는 MEMS 기반 자이로와 가속도계를 이용하여 소형 선박용 IMU(Inertial Measurement Unit)을 구성하기 위한 최적의 자이로와 가속도계 선정 방법과 결과를 검토하였고, 그 결과는 다음과 같다.
본 연구의 최종 목적은 저가면서 가볍고 부피가 작으며 전력 소모가 적은 소형 선박용 관성항법 장치를 개발하는 것이고, 본 연구의 목적은 다양한 MEMS 기반 관성 센서의 오차 특성을 규명하여 최적의 관성 센서를 선정하는데 있다. 우선, 관성 센서 오차 모델과 잡음 모델을 정의한 후, 다양한 센서들의 특성과 오차를 몬테카를로 시뮬레이션(Monte Carlo Simulation) 기법을 적용하여 분석하였다.
제안 방법
Table 1의 ARW와 BI 및 Table 2의 잡음 밀도(Noise Density)를 이용하여 관성 센서들의 오차를 분석하였다.
우선, 관성 센서 오차 모델과 잡음 모델을 정의한 후, 다양한 센서들의 특성과 오차를 몬테카를로 시뮬레이션(Monte Carlo Simulation) 기법을 적용하여 분석하였다. 이를 통해 최적의 관성 센서를 선정하고, 오차 감소 방안을 참고문헌을 통해 검토하였다.
등은 가속도계(아래 첨자 a로 표시)와 자이로(아래 첨자 g로 표시)의 스케일 팩터(scale factor), 바이어스(bias), 측정 잡음 등을 각각 나타낸다. 한편, Sa와 Sg는 가속도계와 자이로의 분해능에 따라 결정되는 고정 값이기 때문에 본 연구에서는 시간 경과에 따라 변하는 잡음 특성, Ba, Va, Bg, Vg 만을 고려하였다.
이론/모형
관성 센서 잡음 모델은 앨런 분산(Allan Variance, AV) 기법을 적용하였다. AV는 시간 경과에 따른 MEMS 기반 관성 센서의 다양한 통계적 특징을 측정하기 위한 기술인데, MEMS 기반 자이로에 대한 AV 측정방법은 다음과 같다.
여기서, T 는 전치를 의미한다. 본 연구에서는 상기 식(18)을 몬테카르로 시뮬레이션에 적용하여 오차를 평가하였다..
시뮬레이션은 랜덤 변수를 이용하는 몬테카르로(Monte Carlo, MC) 기법을 적용하였다. 관성 센서에 랜덤 잡음을 삽입한 오차 모델에서 M 개의 샘플을 취한 경우의 기댓값을 êk (k = 0,1,2,⋯,M )로 나타내고, M 개의 샘플을 L 개의 데이터 그룹으로 구분한 기댓값을 {#, i = 1,2,3,⋯,L }로 나타내면, 이에 대한 그룹 평균 #은 다음 식(17)이 되고, 공분산 행렬 #은 다음 식(18)로 나타낼 수 있다(Jonathan Pengelly, 2002; Eric C.
DRR은 통계적인 오차에 포함되는 것으로 장시간 동안 천천히 일정하게 변한다. 여기서, MEMS 기반 자이로 오차에 큰 영향을 미치는 것은 ARW와 BI이고, RRW와 DRR은 일정하거나 불규칙하게 나타나기 때문에 본 연구에서는 ARW와 BI에 대해서만 고려하였다(Volker Kempe, 2011; Mohamed Gad-el-Hak, 2006).
본 연구의 최종 목적은 저가면서 가볍고 부피가 작으며 전력 소모가 적은 소형 선박용 관성항법 장치를 개발하는 것이고, 본 연구의 목적은 다양한 MEMS 기반 관성 센서의 오차 특성을 규명하여 최적의 관성 센서를 선정하는데 있다. 우선, 관성 센서 오차 모델과 잡음 모델을 정의한 후, 다양한 센서들의 특성과 오차를 몬테카를로 시뮬레이션(Monte Carlo Simulation) 기법을 적용하여 분석하였다. 이를 통해 최적의 관성 센서를 선정하고, 오차 감소 방안을 참고문헌을 통해 검토하였다.
성능/효과
(1) ADIS16405, SAR10Z, SAR100Grade100, LIS344ALH, ADXL103 등의 관성 센서 조합에 대한 평가결과, ADIS16405 자이로와 가속도계를 적용한 경우가 가장 작은 속도 오차와 위치 오차를 나타냈다.
(2) 속도 오차와 위치 오차에 대부분의 영향을 미치는 것은 자이로 오차로 나타났기 때문에 고정밀도의 자이로 선정이 MEMS-IMU 구축에 가장 중요한 요소임을 알았다.
(3) ADIS16405 관성 센서에 대한 속도 오차의 표준편차는 600 초 경과 시 약 160 m/s, 위치 오차의 표준편차는 약 35 km 발생하여 ADIS16405 관성 센서만을 이용한 소형 선박용 항법장치 구축은 곤란함을 알았다.
세 가지 자이로와 가속도계에 대한 시뮬레이션 결과, ADIS16405 자이로와 가속도계를 조합하여 사용하는 것이 최적임을 알았다. 한편, ADIS16405의 경우, 속도 오차의 표준편차가 600 초 경과시 약 160 m/s, 위치 오차의 표준편차는 약 35 km 발생하였다.
후속연구
이러한 연구결과를 활용하면, 소형 선박에서도 속력 측정장치를 이용하여 IMU의 정밀도를 크게 향상시킬 수 있을 것으로 기대된다.
한편, ADIS16405의 경우, 속도 오차의 표준편차가 600 초 경과시 약 160 m/s, 위치 오차의 표준편차는 약 35 km 발생하였다. 이러한 정밀도를 갖는 MEMS-IMU는 선박용 관성항법 장치로 적용 불가능할 것으로 고려된다. 이와 같은 이유로 서론에서 기술한 바와 같이 현재 대부분의 MEMS-IMU의 경우, GPS 신호를 수신할 수 없는 실내에서 짧은 시간 동안의 항법보조 장치로 적용할 목적 또는 GPS의 위치 정밀도를 향상 시킬 목적 등으로 적용하고 있다.
현재, ADIS16405 관성 센서와 속도 측정 센서를 이용한 MEMS-IMU를 제작 중에 있으며, 실험을 통하여 선박용 항법장치에의 적용 가능성을 확인할 예정이다.
질의응답
핵심어
질문
논문에서 추출한 답변
MEMS 기반 자이로와 가속도계를 이용하여 소형 선박용 IMU를 구성하기 위한 연구 결과는?
(1) ADIS16405, SAR10Z, SAR100Grade100, LIS344ALH, ADXL103 등의 관성 센서 조합에 대한 평가결과, ADIS16405 자이로와 가속도계를 적용한 경우가 가장 작은 속도 오차와 위치 오차를 나타냈다.
(2) 속도 오차와 위치 오차에 대부분의 영향을 미치는 것은 자이로 오차로 나타났기 때문에 고정밀도의 자이로 선정이 MEMS-IMU 구축에 가장 중요한 요소임을 알았다.
(3) ADIS16405 관성 센서에 대한 속도 오차의 표준편차는 600 초 경과 시 약 160 m/s, 위치 오차의 표준편차는 약 35 km 발생하여 ADIS16405 관성 센서만을 이용한 소형 선박용 항법장치 구축은 곤란함을 알았다.
MEMS-IMU는 어떻게 시스템을 구축하는가?
MEMS-IMU는 MEMS 기반 관성 센서 오차를 보상하기 위해 일반적으로 GPS(Global Positioning System)와 연동시킨 후, 칼만 필터(Kalman Filter, KF)를 적용하여 시스템을 구축한다. KF를 적용하는 경우, 시스템 변수와 잡음 상태에 대한 사전지식이 필요하기 때문에 MEMS-IMU를 구축하기 전에 이러한 센서들의 잡음 특성을 규명하는 것이 중요하다(Chris Goodall et.
관성 센서의 활용분야는?
최근 반도체 기술의 발전으로 기존 관성 센서와 달리 소형, 저가격, 저전력 소모의 관성 센서가 MEMS(Micro-Electro Mechanical System) 기술을 기반으로 연구 및 개발되고 있다. 이러한 관성 센서는 항공기, 무기체계, 잠수함 등에 사용하는 관성항법 시스템(Inertial Navigation System, INS)의 관성측정 장치(Inertial Measurement Unit, IMU)에 적용되는데, 최근에는 MEMS 기반 관성 센서를 이용한 IMU(이하 MEMS-IMU) 연구가 광범위하게 진행되고 있다(Volker Kempe, 2011; Mohamed Gad-el-Hak, 2006).
참고문헌 (22)
Analog Device(2009), ADIS16405 data sheet (URL:http://www.analog.com)
Analog Device(2004), ADXL103/ADXL203 data sheet (URL: http://www.analog.com)
Bennett S. M., Dyott R., Allen D., Brunner J., Kidwell R. and Miller R. (1998), Fiber Optic Rate Gyros As Replacement for Mechanical Gyros, American Institute of Aeronautics and Astronautics, KVH Industries Inc. Report AIAA-98-4401, pp.1-7 (URL: ftp://ftp.uniduisburg. de)
Claudia C. Meruane Naranjo(2008), Analysis and Modeling of MEMS based Inertial Sensors, Thesis Paper of Signal Processing School of Electrical Engineering, ungliga Tekniska Hgskolan, Stockholm, XR-EE-SB 2008:011
Chris Goodall, Naser El-Sheimy and Kai-Wei Chiang(2005), "The Development of a GPS/MEMS INS Integrated System Utilizing a Hybrid Processing Architecture," Proc. of the 18th International Technical Meeting of the Satellite Division of The Institute of Navigation, pp.1444-1455
D. H. Titterton and J. L. Weston(2009), Strapdown Inertial Navigation Technology, 2nd Edition, Volume 207 Progress in Astronautics and Aeronautics, pp.57
Eric C. Anderson(1999), Monte Carlo Methods and Importance Sampling, Lecture Notes for Stat 578C, Statistical Genetics (URL: http://ib.berkeley.edu)
Giorgio De Pasquale and Aurelio Soma(2010), "Reliability Testing Procedure for MEMS IMUs Applied to Vibrating Environments," Sensors2010, Vol.10, pp.456-474
I. Skog and P. Handel(2006), "Calibration of a MEMS Inertial Measurement Unit," XVII IMEKO WORLD CONGRESS, Brazil, pp.1-6
Jonathan Pengelly(2002), Monte Carlo Methods, Tutorial Materials, pp.1-18 (URL: http://www.cs.otago.ac.nz)
Jonathan Goodman(2011), Lecture Note on the Principles of Scientific Computing, Chapter 9: Monte Carlo methods, pp.183-201 (URL: http://www.cs.nyu. edu)
Kim Mathiassen(2010), A low cost navigation unit for position estimation of personnel after loss of GPS position, Masters of Science degree in Engineering Cybernetics from the Norwegian University of Science and Technology
Martin Vagner(2011), MEMS Gyroscope Performance Comparing Using Allan Variance Method, Doctoral Degree Programme(1), FEEC BUT, (URL:http://www.feec.vutbr.cz)
Mohamed Gad-el-Hak(2006), MEMS Applications, 2nd Edition, Taylor & Francis, pp. 1-1-11-1
Naserel-Sheimy, Eun-Hwan Shin and Xiaojinlu(2006), Kalman Filter Face-Off - Extended vs. Unscented Kalman Filters for Integrated GPS and MEMS Inertial, InsideGNSS March 2006, pp.48-54 (URL: www.insidegnss.com)
Peter Sherman and Steven Holmes(2005), Personal navigation system, Technical report NATRICK/TR-06 /004, Draper Laboratory, Cambridge, MA 02130
Sensonor(2009), SAR10Z Gyro Sensor Series data sheet (URL: http//www.Sensonor.com)
Sensonor(2010), SAR100Grade100 Single-Axis Gyro data sheet (URL: http//www.Sensonor.com)
Songlai Han, Jinling Wang and Nathan Knight(2009), "Using Allan Variance to Determine the Calibration Model of Inertial Sensors for GPS/INS Integration," 6th International Symposium on Mobile Mapping Technology, Presidente Prudente, Sao Paulo, Brazil, pp.1-8
ST Microerectronics(2008), LIS344ALH data sheet (URL: http//www.st.com)
Volker Kempe(2011), Inertial MEMS Principles and Practice, Cambridge University Press, pp.1-452
Walid Abdel-Hamid(2005), Accuracy Enhancement of Integrated MEMS-IMU/GPS Systems for Land Vehicular Navigation Applications, UCGE Reports Number 20207, Thesis for PhD. Department of Geomatics Eng., Calgary, Alberta, Canada
※ AI-Helper는 부적절한 답변을 할 수 있습니다.