항공기에 탑재되어 운용되는 링레이저 자이로 기반 스트랩다운 관성항법장치(SDINS)와 위성항법장치(GPS)의 결합 시스템의 실시간 구현에 있어서 설계시 고려해야할 문제에 대해서 살펴본다. SDINS/GPS 결합 시스템의 실시간 구현시, 레버암, 측정치 획득 및 오차 보상 외에, 링 레이저 자이로 기반의 SDINS의 특성을 고려해야만 한다. 뱅크턴을 반복적으로 수행하는 항공기에서 발생하는 누적 수직축 자세 오차를 추정하기 위해, 자이로의 비정렬이 모델링된 모델을 구현한다. 항공기 탑재 시험을 통해 수직축 자세 오차의 누적문제 및 실시간 구현 상의 문제를 해결하고, 자세 오차 추정 성능 향상 결과를 살펴본다.
항공기에 탑재되어 운용되는 링레이저 자이로 기반 스트랩다운 관성항법장치(SDINS)와 위성항법장치(GPS)의 결합 시스템의 실시간 구현에 있어서 설계시 고려해야할 문제에 대해서 살펴본다. SDINS/GPS 결합 시스템의 실시간 구현시, 레버암, 측정치 획득 및 오차 보상 외에, 링 레이저 자이로 기반의 SDINS의 특성을 고려해야만 한다. 뱅크턴을 반복적으로 수행하는 항공기에서 발생하는 누적 수직축 자세 오차를 추정하기 위해, 자이로의 비정렬이 모델링된 모델을 구현한다. 항공기 탑재 시험을 통해 수직축 자세 오차의 누적문제 및 실시간 구현 상의 문제를 해결하고, 자세 오차 추정 성능 향상 결과를 살펴본다.
This paper explores a real-time system implementation to couple tightly StrapDown Inertial Navigation System(SDINS) and Global Positioning System(GPS) mounted on the aircraft. When implementing the SDINS/GPS coupled system in real-time processor, we have to deliberate SDINS's unique characteristics ...
This paper explores a real-time system implementation to couple tightly StrapDown Inertial Navigation System(SDINS) and Global Positioning System(GPS) mounted on the aircraft. When implementing the SDINS/GPS coupled system in real-time processor, we have to deliberate SDINS's unique characteristics based on the ring laser gyro, and besides, lever-arm, measurements, and error compensation method. The novel modeling method is applied to system the misalignment error term of gyro to estimate the cumulative heading attitude errors while the aircraft banking to turn repeatedly. Captive Flight Test results show that the proposed modeling strategy has good performance.
This paper explores a real-time system implementation to couple tightly StrapDown Inertial Navigation System(SDINS) and Global Positioning System(GPS) mounted on the aircraft. When implementing the SDINS/GPS coupled system in real-time processor, we have to deliberate SDINS's unique characteristics based on the ring laser gyro, and besides, lever-arm, measurements, and error compensation method. The novel modeling method is applied to system the misalignment error term of gyro to estimate the cumulative heading attitude errors while the aircraft banking to turn repeatedly. Captive Flight Test results show that the proposed modeling strategy has good performance.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
FB 방식은 추정된 오차를 센서 레벨에서 제거하고, 항법 계산에 발생되는 자세 오차 및 속도, 위치 오차는 SDINS의 항법 계산 레벨에서 보상하는 방법이 있다. 본 논문에서는 FF 방식으로 기존의 모델링 방법과 참고문헌[2] 제시된 모델링 방법의 성능 및 특성 차이를 비교하고, 마지막으로 FB 방식으로 구성하여 제시된 모델이 방법의 유용성을 검증한다.
본 논문에서는 링 레이저 자이로 기반의 관성항법장치와 위성항법장치(Global Positioning System, GPS)의 의사거리 및 의사 거리 변화율을 측정치로 이용하는 강결합 방식의 결합 시스템을 실시간으로 구현하는 내용을 기술한다. SDINS/GPS 결합 시스템은 하드웨어 자원을 이용하여 소프트웨어적으로 상호 성능을 향상시킬 수 있는 방법으로 실시간 운용 체계의 환경에서 구현된다.
본 논문에서는 일반적으로 자이로의 비정렬이 자세 변화에 따라 수직축 자세 오차가 생성되고 소멸되는 형태와 달리, 뱅크턴 이라는 자세에 대해서 수직축 자세 오차를 누적시키는 현상에 대해서 기술하였다. 또 이를 추정하고 보상하기 위해서 자이로의 비정렬이 모델링된 오차 방정식을 구성하고, 실제 구현상에 발생할 수 있는 기술적 문제에 대해서 서술하였다.
제안 방법
본 논문에서 제안한 필터의 성능 검증을 위해 두 번의 소티(Sortie)를 수행한다. 1차 비행 시험은 비정렬이 모델링 되지 않는 필터(EKF1)과 비정렬이 모델링된 필터(EKF2)를 항법 컴퓨터 내부에 각각 1 Hz task를 생성, 앞먹임(FF Type)으로 구성하여 동일한 관성항법장치의 오차에 대해서 각 필터의 상태 변수가 어떻게 추정되는지를 살펴본다. 2차 비행시험은 EKF2의 추정치를 되먹임(FB Type) 방식으로 구성하면서 센서 오차 및 자세 오차의 특성을 살펴본다.
2차 비행시험에서는 1차 비행 시험의 FF 형태로 검증된 EKF2에 대해서 FB 형태로 구성하여 추정된 오차의 특성을 살펴본다.
1차 비행 시험은 비정렬이 모델링 되지 않는 필터(EKF1)과 비정렬이 모델링된 필터(EKF2)를 항법 컴퓨터 내부에 각각 1 Hz task를 생성, 앞먹임(FF Type)으로 구성하여 동일한 관성항법장치의 오차에 대해서 각 필터의 상태 변수가 어떻게 추정되는지를 살펴본다. 2차 비행시험은 EKF2의 추정치를 되먹임(FB Type) 방식으로 구성하면서 센서 오차 및 자세 오차의 특성을 살펴본다.
가속도계 및 자이로의 척도 계수 오차의 영향은 항공기의 궤적에 대한 각 센서별 민감도 분석(Sensitivity Analysis) 결과 영향이 미미하여 각 필터의 상태 변수에서 제거하였다. 기존의 위치(3), 속도(3), 자세(3), 가속도계 바이어스(3), 자이로 바이어스(3), 수신기 시계바이어스(1), 수신기 바이어스 변화율(1)으로 모델링된 17차의 확장형 칼만 필터(Extended Kalman Filter, EKF)와 본 논문에서 가속도계 비정렬(3), 자이로 비정렬(6)을 추가한 26차의 EKF에 대해서 실시간 구현 시험을 실시한다. EKF의 측정치로는 의사거리와 의사거리 변화율을 이용하며, 세부 내용은 기존의 문헌을 참조한다[3,4].
또 RLG 기반의 SDINS가 운용되는 항공기에 대해서 항공기가 뱅크턴을 반복적으로 수행하면서 누적되어 나타나는 방위각 오차의 특성을 모델링한 결합시스템을 구현하여[2], 시뮬레이션 상에서 연구된 내용을 실시간으로 구현하여 검증한다.
본 논문에서는 일반적으로 자이로의 비정렬이 자세 변화에 따라 수직축 자세 오차가 생성되고 소멸되는 형태와 달리, 뱅크턴 이라는 자세에 대해서 수직축 자세 오차를 누적시키는 현상에 대해서 기술하였다. 또 이를 추정하고 보상하기 위해서 자이로의 비정렬이 모델링된 오차 방정식을 구성하고, 실제 구현상에 발생할 수 있는 기술적 문제에 대해서 서술하였다. 수직축 자세 오차의 증가를 수직축 자이로 바이어스로 잘못 추정하는 문제를 비정렬에 의한 것으로 식별하고, 이를 필터의 상태 변수에 추가하여 자이로 바이어스와 비정렬이 바르게 추정되는 것을 보였다.
수직축 자세 오차의 증가를 수직축 자이로 바이어스로 잘못 추정하는 문제를 비정렬에 의한 것으로 식별하고, 이를 필터의 상태 변수에 추가하여 자이로 바이어스와 비정렬이 바르게 추정되는 것을 보였다. 마지막으로 항공기 탑재 시험을 통해 내부 상태 변수들의 특성과 성능 향상 정도를 기술하였다.
본 논문에서 제안한 필터의 성능 검증을 위해 두 번의 소티(Sortie)를 수행한다. 1차 비행 시험은 비정렬이 모델링 되지 않는 필터(EKF1)과 비정렬이 모델링된 필터(EKF2)를 항법 컴퓨터 내부에 각각 1 Hz task를 생성, 앞먹임(FF Type)으로 구성하여 동일한 관성항법장치의 오차에 대해서 각 필터의 상태 변수가 어떻게 추정되는지를 살펴본다.
본 논문에서의 필터링 방법은 기본적인 200Hz routine의 항법 계산에서 0.1Hz Moving Average(MV)를 이용하였으며, 아래와 같은 정지 상태의 결과를 확인하였다. body축에서의 가속도와 각속도를 MV를 수행하고, 항법축에서의 가속도는
그리고 위성항법장치에서 관성항법장치로 입력되는 정보(의사거리, 의사거리 변화율, 개별 위성의 위치 및 속도)는 1 PPS (Pulse Per Second)에 동기 되어 위성항법장치에서 측정되고, 수신기 내부의 계산 과정에서 소요되는 시간과 두 항법장치 간의 통신상의 전달 시간이 더해져 관성항법장치에 도달하게 된다. 이러 측정치를 획득하는 시점과 측정치가 전달되는 시간을 고려하여 아래와 같은 방법으로 칼만 필터가 계산을 수행하는 시점을 설계하도록 한다.
이런 점을 1Hz task 내부에서 수행하는 계산시간이 주어진 시간내에 수행하는지를 확인해야만 한다. 이와 같은 계산 완료 시점을 확인하는 방법으로는 1Hz task가 호출된 시점에서 시작하는 카운터를 구현 하드웨어의 기본 인터럽트(Hardware Interrupt Routine, 본 논문에서는 2400Hz)에서 증가시키고, 이 증가하는 카운터를 계산 완료 시점에서 저장한다. 이 카운터가 계산을 시작한 시점에서 다음 1PPS 발생 시점내에 있는지를 확인하는 방법으로 수행할 수 있다.
초기 항공기 이륙 전 관성항법장치는 남쪽(방위각 180°) 방향으로 정렬을 수행하였다.
대상 데이터
RLG 기반의 관성항법장치는 Lock in Zone 문제[6]로 인하여 Dithering을 수행한다. 본 논문의 대상 관성항법장치는 기계적인 Dithering을 수행하는데 그로 인해 측정되는 가속도 정보가 아래 Fig. 2와 같은 고주파 잡음이 인가된다. 본 논문에서 제시한 자이로의 비정렬 오차를 모델링하기 위해서는 body 축에서의 가속도(AiB) 및 각속도(BiB)가 필요하며, 자세 오차가 coupling되는 항법축에서의 가속도값(#)도 필요하다.
자이로는 GINS에 적용되었던 기계식 자이로(Mechanical Gryo)와 SDINS에 적용되는 RLG(Ring Laser Gyro), DTG(Dynamically Tuned Gyro), IFOG(Interferometric Fiber Optic Gyro)와 MEMS(Micro Electro Mechanical Systems)등의 단계를 거쳐 발전되어 왔다[1]. 센서 단계에서의 발전과 더불어 위의 여러 종류의 자이로에 기반한 관성항법장치는 위성항법장치와 결합하여 센서의 오차를 추정하고 보상하는 방법을 통해 시스템 단계에서 많은 발전을 거듭하였다.
성능/효과
본 논문의 결합 방식이 의사거리와 의사거리 변화율을 이용하지만, 수신기의 위치해 결과도 동일한 시점에서 획득하므로 항법 계산에 이용한 위성의 수 등에 따라서 위성항법장치의 정보가 갱신되는 시간이 가변적일 수 있어 GPS Data Update 시점이 유동적이게 된다. 이런 문제를 해결하기 위해서 통신 라인에서 위성항법장치의 정보가 갱신되는 여부를 위성항법장치의 Refresh Counter를 이용하여 확인하도록 하며, 갱신이 이루어지면 칼만 필터를 위한 1Hz task를 호출하여 GPS Data Update가 수행 완료 후, 필터 계산을 수행할 수 있도록 한다.
또 이를 추정하고 보상하기 위해서 자이로의 비정렬이 모델링된 오차 방정식을 구성하고, 실제 구현상에 발생할 수 있는 기술적 문제에 대해서 서술하였다. 수직축 자세 오차의 증가를 수직축 자이로 바이어스로 잘못 추정하는 문제를 비정렬에 의한 것으로 식별하고, 이를 필터의 상태 변수에 추가하여 자이로 바이어스와 비정렬이 바르게 추정되는 것을 보였다. 마지막으로 항공기 탑재 시험을 통해 내부 상태 변수들의 특성과 성능 향상 정도를 기술하였다.
또 FB은 추정 값을 보상한 후 Zero화하므로 각각의 추정값를 Zero화 하기 전에 누적시켜 출력하여 정상 동작 여부를 시험 완료 후 확인할 수 있게 된다. 위치, 속도 및 자세 오차 누적 결과는 센서오차가 정상적으로 보상이 이루어지면 그 발생량이 감소하므로 누적된 결과가 일정하게 유지하는 형태로 나타나야 하며, 변화하는 양은 필터가 완전히 제거하지 못하여 센서 오차에 의해서 발생하는 것으로 판단할 수 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
항공기 및 유도탄 등의 위치 및 자세 정보는 무엇을 통해 획득하는가
항공기 및 유도탄 등의 위치 및 자세 정보는 관성항법장치(Inertial Navigation System, INS)를 통해 획득된다. 관성항법장치는 3개의 가속도계와 자이로로 이루어진 관성 센서 뭉치(Inertial Measurement Unit, IMU)를 Local-Level Frame(LLF)에 대해서 일정 자세를 유지하도록 하는 김블형 관성항법장치(Gimbaled INS, GINS) 와 운용체의 동체에 완전 고정하여 사용하는 스트랩다운형 관성항법장치(StrapDown INS, SDINS)의 형태가 있다.
관성항법장치는 어떠한 형태가 있는가
항공기 및 유도탄 등의 위치 및 자세 정보는 관성항법장치(Inertial Navigation System, INS)를 통해 획득된다. 관성항법장치는 3개의 가속도계와 자이로로 이루어진 관성 센서 뭉치(Inertial Measurement Unit, IMU)를 Local-Level Frame(LLF)에 대해서 일정 자세를 유지하도록 하는 김블형 관성항법장치(Gimbaled INS, GINS) 와 운용체의 동체에 완전 고정하여 사용하는 스트랩다운형 관성항법장치(StrapDown INS, SDINS)의 형태가 있다. 김블형 관성항법장치는 김블이라는 구조를 이용하게 IMU의 자세를 일정하고 유지하기 위해서 별도의 기구적 장치가 추가되어 복잡하여 진다.
관성항법장치의 성능 개선을 자이로의 성능 개선이라는 말로 대변할 수 있는 이유는 무엇인가
또 동체의 운동에 관계 없이 IMU의 자세를 유지하므로 자이로 자체의 성능과 더불어 김블 제어가 중요한 요소로 작용하게 된다. 반면 SDINS는 구조가 간단하고, 자세계산을 위한 자이로의 중요성이 증대된다. 동체 좌표계(Body frame)의 측정 가속도 값을 LLF에 사영시키기 위하여 자이로를 이용하고, 자세 정보의 정확도가 매우 중요한 요소로 작용하게 된다. 따라서 관성항법장치의 성능 개선은 자이로의 성능 개선이라는 말로 대변되었다[1].
참고문헌 (6)
Research and Technology Organisation, NATO, "Advances in Navigation Sensors and Integration Technology", 2004.12
Yu Haesung etc, "Performance improvement of SDINS attitude error estimation using GPS for bank-to-turn flight vehicle", Journal of Korean Society Aeronauticla and Space Sciences, 39 Vol. 2 2011.2, pp. 128-136.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.