Skip to content
Kembali ke hasil pencarian

Sistem Referensi Sikap dan Arah (AHRS)

Diperkenalkan oleh
Aviation heritage
Tahun
1940s
Jenis
System
Keluarga
Attitude Estimation

Teks ini adalah terjemahan mesin dan belum ditinjau. Baca versi asli dalam bahasa Inggris

Ukuran huruf

Apa fungsinya?

Sistem Referensi Sikap dan Arah (AHRS) adalah subsistem navigasi inersia lengkap yang memperkirakan dan mengeluarkan orientasi tiga dimensi (sikap) dan arah kendaraan atau platform.

AHRS menggabungkan pengukuran dari akselerometer, giroskop, dan sering kali magnetometer melalui algoritma fusi sensor (biasanya filter Kalman atau filter komplementer) untuk memberikan estimasi sikap yang bebas hanyutan dan cepat. AHRS adalah standar dalam penerbangan, navigasi laut, dan sistem otonom modern.

Intuisi di balik metode

Giroskop mengukur laju rotasi secara langsung dan akurat dalam skala waktu pendek (detik), tetapi mengalami hanyutan seiring waktu (integrasi derau dan bias). Akselerometer merasakan gravitasi dan stabil dalam jangka panjang tetapi berderau dan tidak dapat secara langsung mengukur rotasi horizontal. Kompas (magnetometer) mengukur arah relatif terhadap medan magnet Bumi tetapi tunduk pada distorsi lokal. AHRS memfusi ketiga sensor tersebut, memanfaatkan kekuatan masing-masing: giroskop untuk respons segera, akselerometer dan kompas untuk stabilitas jangka panjang.

Sejarah

Referensi sikap pesawat menggunakan giroskop mekanis berasal dari tahun 1920-an (Sperry). AHRS elektronik modern muncul pada tahun 1970-an–1980-an dengan munculnya sensor solid-state. Integrasi giroskop, akselerometer, dan magnetometer MEMS (Microelectromechanical Systems) pada tahun 1990-an–2000-an memungkinkan AHRS yang ringkas dan berdaya rendah. Kemajuan algoritma (filter Madgwick, filter Mahony) pada tahun 2010-an memungkinkan sikap yang akurat dengan biaya komputasi minimal, mendorong adopsi di elektronik konsumen dan UAV.

Kapan digunakan

Gunakan AHRS kapan pun Anda memerlukan informasi sikap dan arah waktu nyata yang bebas hanyutan. Penting untuk autopilot pesawat, sistem navigasi laut, UAV, robot, dan perangkat seluler. AHRS adalah fondasi untuk sistem kontrol penerbangan, stabilisasi, dan navigasi. Terapkan AHRS ketika pengukuran sensor individual (giro saja, kompas saja) tidak mencukupi karena hanyutan atau derau. Gunakan dalam semua kondisi cuaca dan pencahayaan (tidak seperti sikap berbasis visi).

Batasan dan pertimbangan

  • Gangguan magnetometer; anomali magnetik lokal (struktur baja, sistem kelistrikan, elektronik kendaraan) menurunkan akurasi arah; memerlukan kompensasi atau kalibrasi ulang.
  • Akselerasi besar; selama manuver, akselerometer mengukur akselerasi gravitasi dan inersia, menyebabkan kesalahan pitch/roll; filter harus menggunakan model gerakan untuk mengurangi.
  • Kuncian gimbal (dalam sudut Euler); singularitas pada pitch 90 derajat memerlukan penanganan numerik yang cermat; representasi kuaternion menghindari hal ini.
  • Inisialisasi; sistem harus diam (atau dengan gerakan yang diketahui) saat startup untuk menginisialisasi sikap; inisialisasi dinamis itu kompleks.

Syarat dari sumber tidak menggantikan tinjauan ilmiah independen atau validasi oleh mesin analisis.

Kelebihan

  • Bebas hanyutan dalam jangka waktu lama; fusi sensor yang stabil tetapi berderau (akselerometer, kompas) dengan sensor yang rentan hanyutan tetapi cepat (giroskop) menghasilkan estimasi sikap yang stabil dan responsif.
  • Perhitungan waktu nyata; filter berjalan pada laju sensor (100+ Hz) memungkinkan loop kontrol yang ketat.
  • Tidak memerlukan referensi eksternal; mandiri, bekerja di dalam dan luar ruangan, siang dan malam.
  • Tahan terhadap derau sensor transien; filter secara alami menghaluskan lonjakan pengukuran sambil mempertahankan responsivitas.

Penerapan

  • Autopilot dan kontrol penerbangan pesawat: mempertahankan sikap dan arah pesawat; memberikan masukan ke algoritma autopilot.
  • Stabilisasi wahana udara tak berawak (UAV): memungkinkan kontrol penerbangan quadcopter dan fixed-wing UAV.
  • Navigasi dan stabilisasi laut: referensi arah kapal untuk autopilot dan navigasi; masukan untuk stabilisasi anti-roll.
  • Panduan robot seluler dan kendaraan beroda: memberikan arah dan pitch/roll untuk navigasi medan.
  • Realitas tertambah (AR) ponsel cerdas dan perangkat yang dapat dikenakan: memungkinkan pelacakan orientasi untuk tampilan AR dan pengenalan gerakan.

Cara kerjanya

Cara kerjanya

1

Kumpulkan pengukuran laju tinggi dari unit pengukuran inersia (IMU) 9 derajat kebebasan (9-DOF): akselerometer 3-sumbu, giroskop 3-sumbu, dan magnetometer 3-sumbu, biasanya pada 50–200 Hz.

2

Kalibrasi bias sensor, faktor skala, dan ketidaksejajaran menggunakan kalibrasi statis atau gerakan yang diketahui; hilangkan atau kompensasi distorsi magnetik; beri stempel waktu pengukuran secara akurat.

3

Fusi akselerometer dan magnetometer (pengukuran vektor) dengan giroskop (pengukuran laju) menggunakan filter berbasis pengamat (filter komplementer atau filter Kalman) untuk memperkirakan sikap kuaternion; hitung sudut Euler (roll, pitch, yaw) atau representasi matriks kosinus langsung.

Rumus
\vec{q}(t+dt) = \vec{q}(t) + \frac{1}{2}\vec{\omega} \times \vec{q}(t) \cdot dt
4

Pertahankan estimasi keadaan (kuaternion atau DCM) dan kovarians; propagasi keadaan melalui integrasi giroskop; perbarui dengan pengukuran akselerometer dan kompas yang dibobot oleh kovarians derau dan model dinamika.

5

Keluarkan sikap waktu nyata (pitch, roll, yaw atau kuaternion) dan arah (arah magnetik atau arah sebenarnya setelah koreksi deklinasi); laporkan metrik keyakinan atau akurasi; tandai gangguan magnetik atau kesalahan sensor.

Kesalahan umum

  • Mengabaikan kalibrasi magnetik; magnetometer yang tidak terkalibrasi menimbulkan kesalahan arah 5–10 derajat atau lebih; selalu kalibrasi di lingkungan operasional.
  • Menyetel penguatan filter secara buruk; koreksi yang terlalu cepat menyebabkan jitter arah; koreksi yang terlalu lambat menyebabkan hanyutan; memerlukan penyetelan empiris atau metode adaptif.
  • Membingungkan arah magnetik dan arah sebenarnya; deklinasi magnetik bervariasi berdasarkan lokasi; keluarkan varian yang benar untuk aplikasi.
  • Mengasumsikan akselerometer selalu menunjuk ke bawah; selama manuver cepat, akselerometer miring dan tidak dapat digunakan untuk sikap; filter harus beradaptasi.

Pertanyaan yang sering diajukan

Apa itu kuncian gimbal dan bagaimana cara menghindarinya?

Kuncian gimbal terjadi ketika pitch mencapai 90 derajat (misalnya, hidung lurus ke atas atau ke bawah); pada singularitas ini, roll dan yaw menjadi bergantung dan satu derajat kebebasan hilang. Hindari dengan menggunakan representasi kuaternion alih-alih sudut Euler untuk perhitungan internal; konversi ke Euler hanya untuk tampilan. Kuaternion bebas singularitas.

Bagaimana cara menginisialisasi sikap AHRS selama gerakan dinamis?

Inisialisasi statis (diam selama 1–2 detik) adalah yang paling sederhana. Untuk inisialisasi dinamis, gunakan jendela observasi yang lebih lama (5–10 detik) dengan model gerakan yang mengasumsikan manuver yang diketahui atau percepatan rendah. Beberapa sistem menggunakan kecepatan GPS untuk mendeteksi mode gerakan dan menerapkan inisialisasi yang sesuai.

Apa perbedaan antara filter komplementer dan filter Kalman untuk AHRS?

Filter komplementer bersifat heuristik dan lebih mudah disetel; ia memfilter laju gyro high-pass dan akselerometer/kompas low-pass. Filter Kalman optimal untuk sistem linier dan secara alami menangani ketidakpastian sensor yang berbeda. Filter Kalman lebih kuat tetapi lebih berat secara komputasi. Untuk sebagian besar aplikasi, filter komplementer sudah cukup.

Bagaimana cara mendeteksi dan mengoreksi gangguan magnetik di AHRS?

Pantau pembacaan magnetometer untuk anomali (perubahan magnitudo, penyimpangan dari medan yang diharapkan). Bandingkan arah kompas dengan estimasi inersia; ketidaksepakatan besar menandakan gangguan. Mitigasi: gunakan estimasi arah dari kecepatan GPS selama gangguan, terapkan kalibrasi soft iron/hard iron, atau kurangi bobot kompas dalam filter.

Metode terkait

Sumber

  1. Savage, P. G. (2007). Strapdown Inertial Integration Technology (2nd ed.). Strapdown Associates.

    Buka referensi publikasi
    Disalin.
  2. Titterton, D. H., & Weston, J. L. (2004). Strapdown Inertial Navigation Technology (2nd ed.). Institution of Engineering and Technology.

    Buka referensi DOI
    Disalin.
  3. Madgwick, S. O. H., Harrison, A. J. L., & Vaidyanathan, R. (2011). Estimation of IMU and MARG orientation using a gradient descent algorithm. IEEE International Conference on Rehabilitation Robotics (ICORR), 1–7.

    Buka referensi publikasi
    Disalin.