Una única fuente de navegación tiene dificultades para cumplir con los requisitos de cobertura operativa completa: el GNSS falla bajo el agua o en cañones urbanos; el DVL está limitado por el alcance de seguimiento del fondo; la odometría sufre errores por deslizamiento de las ruedas y factor de escala; y los sistemas basados en visión se degradan en entornos con poca textura o bajo condiciones de iluminación variables. El concepto central de la fusión de múltiples fuentes radica en aprovechar las características complementarias de varios sensores para lograr redundancia y tolerancia a fallos mediante la teoría de estimación óptima. Este artículo analiza sistemáticamente cuatro modos de navegación integrados típicos basados en dos dimensiones: profundidad de acoplamiento y complementariedad de la información.
**Clasificación de la profundidad de acoplamiento**
La fusión de múltiples fuentes se puede clasificar en tres niveles según la profundidad de la integración de la información:
* El acoplamiento débil representa el nivel más bajo de acoplamiento, donde los subsistemas realizan cálculos independientes y un filtro maestro fusiona parámetros de navegación como la posición y la velocidad. Sus ventajas incluyen una baja carga computacional y un aislamiento de fallos sencillo; sin embargo, la pérdida de precisión se debe principalmente a la naturaleza independiente de los cálculos de los subsistemas.
* **El acoplamiento estrecho** eleva la observación al nivel de mediciones brutas; los datos brutos de la IMU y la DVL (o sensores de visión) participan directamente en un proceso de estimación conjunta, utilizando la correlación temporal de las características de error del sensor para lograr una estimación superior.
* **El acoplamiento profundo** va un paso más allá al incorporar señales sin procesar de ciertos sensores en el control de bucle cerrado de la IMU, estableciendo una retroalimentación directa en el dominio de la medición; esto representa el nivel más alto de acoplamiento, lo que permite la máxima precisión y robustez.
**Principios de los cuatro modos de navegación integrados**
(1) **Integración INS/DVL**
El DVL mide la velocidad tridimensional del vehículo con respecto al lecho marino (o capa de agua) mediante el efecto Doppler. La integración INS/DVL es esencialmente un proceso de filtrado de Kalman basado en observaciones de velocidad: las mediciones de velocidad del DVL sirven como observaciones externas para corregir los errores de velocidad del INS, suprimiendo así la deriva de posición. Las ecuaciones de estado y de observación se pueden expresar de la siguiente manera:
La matriz de covarianza Σ es fundamental para determinar los pesos de fusión: cuanto menor sea la covarianza (lo que indica menor incertidumbre), mayor será el peso asignado al sensor. El DVL tiene el mayor peso cuando el seguimiento del fondo es válido; la odometría ocupa el segundo lugar en terrenos lisos; y la visión proporciona restricciones laterales en áreas con mucha textura visual.
Un mecanismo de detección y aislamiento de fallos (FDI) monitoriza las fuentes de observación en tiempo real para detectar anomalías mediante pruebas de chi-cuadrado o residuales. Si el seguimiento del fondo mediante DVL falla, el sistema cambia automáticamente a un modo de fusión INS/odometría/visión; si la visión se degrada, cambia a INS/DVL/odometría; si solo quedan INS y odometría, vuelve a un modo INS puro sujeto a restricciones no holonómicas (NHC). Un diseño redundante heterogéneo garantiza la continuidad de la navegación a pesar de fallos puntuales, lo que permite una cobertura perfecta en diversos escenarios operativos, desde aguas poco profundas y profundas hasta entornos submarinos cercanos al fondo.
Conclusión
La navegación integrada multisensor no se limita a aumentar el número de sensores; más bien, se basa en la selección adecuada de la profundidad de acoplamiento y la definición precisa de las matrices de covarianza para lograr un rendimiento complementario de los sensores. Si bien un acoplamiento más profundo ofrece una mayor precisión potencial, también incrementa la complejidad computacional y los desafíos de implementación de ingeniería; por lo tanto, la arquitectura de fusión óptima debe seleccionarse en función de los requisitos específicos de la misión.
dejar un mensaje
Escanea y envíalo a WeChat. :
