Feedforward ins aiding: an investigation of maneuvers for in-flight alignment

Abstract

Navigation in autonomous vehicles involves integrating measurements from on-board inertial sensors and external data collected by various sensors. In this paper, the computer-frame velocity error model is augmented with a random constant model of accelerometer bias and rate-gyro drift for use in a Kalman filter-based fusion of a low-cost rotating inertial navigation system (INS) with external position and velocity measurements. The impact of model mismatch and maneuvers on the estimation of misalignment and inertial measurement unit (IMU) error is investigated. Previously, the literature focused on analyzing the stripped observability matrix that results from applying piece-wise constant acceleration segments to a stabilized, gimbaled INS to determine the accuracy of misalignment, accelerometer bias, and rate-gyro drift estimation. However, its validation via covariance analysis neglected model mismatch. Here, a vertically undamped, three channel INS with a rotating IMU with respect to the host vehicle is simulated. Such IMU rotation does not require the accurate mechanism of a gimbaled INS (GINS) and obviates the need to maneuver away from the desired trajectory during in-flight alignment (IFA) with a strapdown IMU. In comparison with a stationary GINS at a known location, IMU rotation enhances estimation of accelerometer bias, and partially improves estimation of rate-gyro drift and misalignment. Finally, combining IMU rotation with distinct acceleration segments yields full observability, thus significantly enhancing estimation of rate-gyro drift and misalignment.<br>Navegação em veículos autônomos requer a integração de medidas de sensores inerciais embarcados e informação externa adicional coletada por vários sensores. Neste artigo, o modelo de erro de velocidade representado no sistema de coordenadas computado é aumentado com um modelo de constante aleatória para descrever o erro de zero dos acelerômetros e girômetros. Essa modelagem visa à fusão de um sistema girante de navegação inercial de baixo custo com medidas externas de posição e velocidade empregando o filtro de Kalman. É investigado o impacto do erro de modelo e das manobras na estimação do desalinhamento e dos erros da unidade de medidas inerciais. Este trabalho simula os três canais de um sistema inercial de navegação, sem amortecimento vertical e dotado de unidade de medidas inerciais girante em relação ao veículo. A rotação da unidade de medidas inerciais não requer o mecanismo sofisticado típico de uma plataforma estabilizada mecanicamente, além de dispensar manobras que podem levar o veículo a se afastar da trajetória desejada e que são usualmente empregadas no alinhamento em vôo de plataformas solidárias ao corpo do veículo. Em comparação com a plataforma estabilizada mecanicamente e estacionária em local conhecido, a rotação da unidade de medidas inerciais melhora a estimação dos erros de zero dos acelerômetros e parcialmente melhora a estimação dos erros de zero dos girômetros e do desalinhamento. Finalmente, a combinação de rotação da un...

Coarse and fine combination technology based on gyrostability and missing target tracking

“…The system uses a camera to determine the miss distance for coarse tracking, and fine tracking uses gyroinformation and coarse-tracking residual information for further suppression, thereby achieving high-precision and stable tracking in the case of target source and load disturbances 24 – 26 Finally, an experimental system was built for verification. The carrier was placed on a six-degree-of-freedom (DOF) rocking platform.…”