ระบบอ้างอิงท่าทางและทิศทาง (AHRS)
- ผู้เสนอ
- Aviation heritage
- ปี
- 1940s
- ประเภท
- System
- กลุ่มวิธี
- Attitude Estimation
ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ
ใช้ทำอะไร?
ระบบอ้างอิงท่าทางและทิศทาง (Attitude Heading Reference System - AHRS) คือ ระบบย่อยของการนำทางด้วยเฉื่อยที่สมบูรณ์ ซึ่งประเมินและส่งออกท่าทาง (orientation) และทิศทาง (heading) ในสามมิติของยานพาหนะหรือแพลตฟอร์ม AHRS ผสานการวัดจากมาตรความเร่ง (accelerometers), ไจโรสโคป (gyroscopes), และบ่อยครั้งคือมาตรทิศ (magnetometers) ผ่านอัลกอริทึมการหลอมรวมเซ็นเซอร์ (sensor fusion algorithms) (โดยทั่วไปคือ Kalman filters หรือ complementary filters) เพื่อให้ได้ค่าประมาณท่าทางที่ปราศจากการดริฟท์และรวดเร็ว AHRS เป็นมาตรฐานในอุตสาหกรรมการบิน, การเดินเรือ, และระบบอัตโนมัติสมัยใหม่
แนวคิดเบื้องหลังวิธีการ
ไจโรสโคปวัดอัตราการหมุนโดยตรงและมีความแม่นยำในช่วงเวลาสั้นๆ (วินาที) แต่จะเกิดการดริฟท์เมื่อเวลาผ่านไป (จากการรวมสัญญาณรบกวนและค่าไบแอส) มาตรความเร่งรับรู้แรงโน้มถ่วงและมีความเสถียรในระยะยาว แต่มีสัญญาณรบกวนและไม่สามารถวัดการหมุนในแนวราบได้โดยตรง เข็มทิศ (มาตรทิศ) วัดทิศทางเทียบกับสนามแม่เหล็กโลก แต่ได้รับผลกระทบจากการบิดเบือนเฉพาะที่ AHRS หลอมรวมทั้งสามชนิด โดยใช้ประโยชน์จากจุดแข็งของแต่ละชนิด: ไจโรสำหรับการตอบสนองทันที, มาตรความเร่งและเข็มทิศสำหรับความเสถียรระยะยาว
ประวัติศาสตร์
การอ้างอิงท่าทางของอากาศยานโดยใช้ไจโรสโคปแบบกลไกมีมาตั้งแต่ทศวรรษ 1920 (Sperry) AHRS อิเล็กทรอนิกส์สมัยใหม่ปรากฏขึ้นในช่วงทศวรรษ 1970–1980 พร้อมกับการมาถึงของเซ็นเซอร์แบบโซลิดสเตต (solid-state sensors) การรวมกันของไจโรสโคป, มาตรความเร่ง, และมาตรทิศแบบ MEMS (microelectromechanical sensors) ในทศวรรษ 1990–2000 ทำให้ AHRS มีขนาดกะทัดรัดและใช้พลังงานต่ำ การพัฒนาอัลกอริทึม (Madgwick filter, Mahony filter) ในทศวรรษ 2010 ทำให้สามารถประมาณท่าทางได้อย่างแม่นยำโดยใช้ต้นทุนการประมวลผลน้อยที่สุด ซึ่งกระตุ้นให้เกิดการนำไปใช้ในอุปกรณ์อิเล็กทรอนิกส์สำหรับผู้บริโภคและ UAV
ควรใช้เมื่อใด
ใช้ AHRS เมื่อใดก็ตามที่คุณต้องการข้อมูลท่าทางและทิศทางแบบเรียลไทม์ที่ปราศจากการดริฟท์ จำเป็นสำหรับระบบออโตไพล็อตอากาศยาน, ระบบนำทางทางทะเล, UAV, หุ่นยนต์, และอุปกรณ์พกพา AHRS เป็นรากฐานสำหรับระบบควบคุมการบิน, ระบบรักษาเสถียรภาพ, และระบบนำทาง ใช้ AHRS เมื่อการวัดจากเซ็นเซอร์แต่ละตัว (ไจโรอย่างเดียว, เข็มทิศอย่างเดียว) ไม่เพียงพอเนื่องจากการดริฟท์หรือสัญญาณรบกวน ใช้ในทุกสภาพอากาศและทุกสภาพแสง (ต่างจากระบบที่ใช้การมองเห็นในการกำหนดท่าทาง)
ข้อจำกัดและข้อควรพิจารณา
- การรบกวนของมาตรทิศ; ความผิดปกติของสนามแม่เหล็กเฉพาะที่ (โครงสร้างเหล็ก, ระบบไฟฟ้า, อุปกรณ์อิเล็กทรอนิกส์ของยานพาหนะ) ทำให้ความแม่นยำของทิศทางลดลง; จำเป็นต้องมีการชดเชยหรือปรับเทียบใหม่
- ความเร่งสูง; ในระหว่างการเคลื่อนที่แบบ Maneuver มาตรความเร่งจะวัดทั้งความเร่งเนื่องจากแรงโน้มถ่วงและความเร่งเฉื่อย ทำให้เกิดข้อผิดพลาดในการกำหนดค่า pitch/roll; ฟิลเตอร์ต้องใช้แบบจำลองการเคลื่อนที่เพื่อบรรเทาปัญหานี้
- Gimbal lock (ในมุมออยเลอร์); จุดเอกฐาน (singularity) ที่มุม pitch 90 องศา ทำให้ roll และ yaw ขึ้นต่อกันและสูญเสียองศาอิสระหนึ่งองศา จำเป็นต้องมีการจัดการเชิงตัวเลขอย่างระมัดระวัง; การใช้การแทนค่าแบบควอเทอร์เนียนจะหลีกเลี่ยงปัญหานี้
- การเริ่มต้นระบบ (Initialization); ระบบต้องอยู่นิ่ง (หรือเคลื่อนที่ในลักษณะที่ทราบ) ในตอนเริ่มต้นเพื่อกำหนดค่าท่าทางเริ่มต้น; การเริ่มต้นระบบแบบพลวัต (dynamic initialization) มีความซับซ้อน
เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้
จุดแข็ง
- ปราศจากการดริฟท์ในระยะยาว; การหลอมรวมเซ็นเซอร์ที่เสถียรแต่มีสัญญาณรบกวน (มาตรความเร่ง, เข็มทิศ) กับเซ็นเซอร์ที่ดริฟท์ง่ายแต่รวดเร็ว (ไจโร) ให้ผลลัพธ์เป็นค่าประมาณท่าทางที่เสถียรและตอบสนองได้ดี
- การคำนวณแบบเรียลไทม์; ฟิลเตอร์ทำงานที่อัตราการสุ่มตัวอย่างของเซ็นเซอร์ (100+ Hz) ทำให้สามารถควบคุมแบบวงปิดที่แม่นยำได้
- ไม่ต้องการการอ้างอิงภายนอก; เป็นระบบที่ทำงานได้ด้วยตัวเอง ทำงานได้ทั้งภายในและภายนอกอาคาร ทั้งกลางวันและกลางคืน
- ทนทานต่อสัญญาณรบกวนชั่วคราวของเซ็นเซอร์; ฟิลเตอร์ช่วยลดความผิดพลาดจากการวัดที่เกิดขึ้นอย่างฉับพลันได้อย่างเป็นธรรมชาติ ในขณะที่ยังคงการตอบสนองที่ดี
การประยุกต์ใช้
- ระบบออโตไพล็อตและการควบคุมการบินของอากาศยาน: รักษาท่าทางและทิศทางของอากาศยาน; ให้ข้อมูลป้อนแก่ขั้นตอนวิธีของระบบออโตไพล็อต
- การรักษาเสถียรภาพของอากาศยานไร้คนขับ (UAV): ช่วยในการควบคุมการบินของควอดคอปเตอร์และอากาศยานปีกตรึง
- การนำทางและการรักษาเสถียรภาพทางทะเล: ระบบอ้างอิงทิศทางเรือสำหรับระบบออโตไพล็อตและการนำทาง; ข้อมูลป้อนแก่ระบบรักษาเสถียรภาพป้องกันการโคลงเคลง
- การนำทางหุ่นยนต์เคลื่อนที่และยานพาหนะแบบล้อ: ให้ข้อมูลทิศทางและ pitch/roll สำหรับการนำทางบนภูมิประเทศ
- ความเป็นจริงเสริม (Augmented Reality - AR) บนสมาร์ทโฟนและอุปกรณ์สวมใส่: ช่วยในการติดตามการวางแนวสำหรับจอแสดงผล AR และการรู้จำท่าทาง
วิธีการทำงาน
วิธีการทำงาน
รวบรวมการวัดอัตราสูงจากหน่วยวัดความเฉื่อย 9 องศาอิสระ (9-degree-of-freedom - 9-DOF) (IMU): มาตรความเร่ง 3 แกน, ไจโรสโคป 3 แกน, และมาตรทิศ 3 แกน โดยทั่วไปที่ความถี่ 50–200 Hz
ปรับเทียบค่าไบแอสของเซ็นเซอร์, ตัวประกอบสเกล (scale factors), และการวางแนวที่ไม่ตรงกัน (misalignment) โดยใช้การปรับเทียบแบบสถิต (static) หรือการเคลื่อนที่ที่ทราบ (known-motion); ขจัดหรือชดเชยการบิดเบือนของสนามแม่เหล็ก; ประทับเวลาการวัดอย่างแม่นยำ
หลอมรวมมาตรความเร่งและมาตรทิศ (การวัดแบบเวกเตอร์) กับไจโรสโคป (การวัดอัตรา) โดยใช้ฟิลเตอร์แบบอิงผู้สังเกต (observer-based filter) (complementary filter หรือ Kalman filter) เพื่อประมาณค่าท่าทางแบบควอเทอร์เนียน (quaternion); คำนวณมุมออยเลอร์ (Euler angles) (roll, pitch, yaw) หรือเมทริกซ์โคไซน์โดยตรง (direct cosine matrix)
สูตร
\vec{q}(t+dt) = \vec{q}(t) + \frac{1}{2}\vec{\omega} \times \vec{q}(t) \cdot dtรักษาค่าประมาณสถานะ (quaternion หรือ DCM) และความแปรปรวนร่วม (covariance); แพร่กระจายสถานะผ่านการรวมสัญญาณไจโร; อัปเดตด้วยการวัดจากมาตรความเร่งและเข็มทิศที่ถ่วงน้ำหนักด้วยความแปรปรวนร่วมของสัญญาณรบกวนและแบบจำลองพลวัต (dynamics model)
ส่งออกท่าทางแบบเรียลไทม์ (pitch, roll, yaw หรือ quaternion) และทิศทาง (ทิศทางแม่เหล็ก หรือทิศทางจริงหลังการแก้ไขค่า declination); รายงานตัวชี้วัดความเชื่อมั่นหรือความแม่นยำ; แจ้งเตือนการรบกวนของสนามแม่เหล็กหรือข้อผิดพลาดของเซ็นเซอร์
ข้อผิดพลาดที่พบบ่อย
- การละเลยการปรับเทียบมาตรทิศ; มาตรทิศที่ไม่ได้ปรับเทียบจะทำให้เกิดข้อผิดพลาดของทิศทาง 5–10 องศาหรือมากกว่านั้น; ควรทำการปรับเทียบเสมอในสภาพแวดล้อมการใช้งานจริง
- การปรับจูนค่าเกนของฟิลเตอร์ไม่เหมาะสม; การแก้ไขที่เร็วเกินไปทำให้ทิศทางสั่น; การแก้ไขที่ช้าเกินไปทำให้เกิดการดริฟท์; จำเป็นต้องมีการปรับจูนเชิงประจักษ์ (empirical tuning) หรือใช้วิธีการแบบปรับตัวได้ (adaptive methods)
- การสับสนระหว่างทิศทางแม่เหล็ก (magnetic heading) และทิศทางจริง (true heading); ค่า declination ของสนามแม่เหล็กแตกต่างกันไปตามสถานที่; ควรส่งออกค่าที่ถูกต้องตามการใช้งาน
- การสันนิษฐานว่ามาตรความเร่งชี้ลงเสมอ; ในระหว่างการเคลื่อนที่แบบ Maneuver อย่างรวดเร็ว มาตรความเร่งจะเอียงและไม่สามารถใช้กำหนดท่าทางได้; ฟิลเตอร์ต้องปรับตัวให้เข้ากับสถานการณ์
คำถามที่พบบ่อย
Gimbal lock คืออะไรและจะหลีกเลี่ยงได้อย่างไร?
Gimbal lock เกิดขึ้นเมื่อมุม pitch ถึง 90 องศา (เช่น หัวเครื่องบินชี้ขึ้นหรือลงตรงๆ) ณ จุดเอกฐานนี้ มุม roll และ yaw จะขึ้นต่อกันและสูญเสียองศาอิสระไปหนึ่งองศา หลีกเลี่ยงโดยใช้การแทนค่าแบบควอเทอร์เนียนแทนมุมออยเลอร์สำหรับการคำนวณภายใน; แปลงเป็นมุมออยเลอร์เฉพาะสำหรับการแสดงผล ควอเทอร์เนียนไม่มีจุดเอกฐาน
จะเริ่มต้นค่าท่าทางของ AHRS ระหว่างการเคลื่อนที่แบบพลวัตได้อย่างไร?
การเริ่มต้นระบบแบบสถิต (ถือให้นิ่ง 1–2 วินาที) เป็นวิธีที่ง่ายที่สุด สำหรับการเริ่มต้นระบบแบบพลวัต ให้ใช้หน้าต่างการสังเกตที่ยาวขึ้น (5–10 วินาที) พร้อมแบบจำลองการเคลื่อนที่ที่สมมติว่ามีการเคลื่อนที่ที่ทราบหรือมีความเร่งต่ำ ระบบบางระบบใช้ความเร็ว GPS เพื่อตรวจจับโหมดการเคลื่อนที่และใช้การเริ่มต้นระบบที่เหมาะสม
อะไรคือความแตกต่างระหว่าง complementary filter และ Kalman filter สำหรับ AHRS?
Complementary filter เป็นวิธีการเชิงประจักษ์ (heuristic) และปรับจูนได้ง่ายกว่า โดยจะกรองอัตราของไจโรด้วย high-pass filter และกรองมาตรความเร่ง/เข็มทิศด้วย low-pass filter Kalman filter เหมาะสมที่สุดสำหรับระบบเชิงเส้น (linear systems) และจัดการกับความไม่แน่นอนของเซ็นเซอร์ต่างๆ ได้อย่างเป็นธรรมชาติ Kalman filter มีความทนทานมากกว่าแต่ใช้การประมวลผลหนักกว่า สำหรับการใช้งานส่วนใหญ่ complementary filter ก็เพียงพอแล้ว
จะตรวจจับและแก้ไขการรบกวนของสนามแม่เหล็กใน AHRS ได้อย่างไร?
ตรวจสอบค่าที่อ่านได้จากมาตรทิศเพื่อหาสิ่งผิดปกติ (การเปลี่ยนแปลงขนาด, การเบี่ยงเบนจากสนามที่คาดการณ์ไว้) เปรียบเทียบทิศทางจากเข็มทิศกับค่าประมาณจากการวัดความเฉื่อย; ความไม่สอดคล้องกันอย่างมากบ่งชี้ถึงการรบกวน การบรรเทาปัญหา: ใช้ค่าประมาณทิศทางจากความเร็ว GPS ในระหว่างการรบกวน, ใช้การปรับเทียบแบบ soft iron/hard iron, หรือลดน้ำหนักของเข็มทิศในฟิลเตอร์
วิธีการที่เกี่ยวข้อง
แหล่งอ้างอิง
Savage, P. G. (2007). Strapdown Inertial Integration Technology (2nd ed.). Strapdown Associates.
เปิดเอกสารอ้างอิงสิ่งพิมพ์คัดลอกแล้วTitterton, D. H., & Weston, J. L. (2004). Strapdown Inertial Navigation Technology (2nd ed.). Institution of Engineering and Technology.
เปิดเอกสารอ้างอิง DOIคัดลอกแล้วMadgwick, 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.
เปิดเอกสารอ้างอิงสิ่งพิมพ์คัดลอกแล้ว