sistema de navegación integrado inercial

Puntos claveProducto: MEMS GNSS/INS de Micro-Magic Inc, incluido el modelo I3500 para aplicaciones cartográficas.Características:Tamaño: Compacto y liviano para una fácil integraciónPrecisión: inestabilidad de polarización de 2,5°/h, caminata aleatoria angular de 0,028°/√hAcelerómetro MEMS: rango ±6g, inestabilidad de polarización cero

Puntos claveProducto: Soluciones de navegación integrada GNSS/INSCaracterísticas clave:Componentes: El sistema integrado incluye un receptor GNSS, una unidad de medición inercial (IMU) y sensores opcionales como LiDAR u odómetros.Función: Mantiene la precisión y la estabilidad durante la pérdida de señal GNSS utilizando sensores adicionales o restricciones de estado de movimiento como ZUPT.Aplicaciones: Ideal para navegación urbana, minería, extracción de petróleo y otros entornos con posibles obstrucciones de señales.Navegación inercial: utiliza giroscopios y acelerómetros para medir la posición, la velocidad y la aceleración.Conclusión: El diseño del sistema integrado está evolucionando, con soluciones que mejoran la solidez en entornos desafiantes y al mismo tiempo equilibran el costo y la complejidad.En un sistema de navegación integrado GNSS/INS, las mediciones GNSS desempeñan un papel fundamental en la corrección del INS. Por tanto, el buen funcionamiento del sistema integrado depende de la continuidad y estabilidad de las señales de los satélites. Sin embargo, cuando el sistema funciona bajo pasos elevados, copas de árboles o dentro de edificios urbanos, las señales de los satélites pueden verse obstruidas o interferidas fácilmente, lo que podría provocar una pérdida de bloqueo en el receptor GNSS. Este artículo analiza soluciones para mantener la precisión y la estabilidad. de los sistemas de navegación integrados GNSS/INS cuando se pierden las señales de los satélites.Cuando la señal del satélite no está disponible durante un período prolongado, la falta de correcciones GNSS hace que los errores del INS se acumulen rápidamente, especialmente en sistemas con unidades de medida inerciales de menor precisión. Este problema conduce a una disminución en la precisión, estabilidad y continuidad del funcionamiento del sistema integrado. En consecuencia, es esencial abordar este problema para mejorar la robustez del sistema integrado en entornos tan complejos.1.Dos soluciones principales para abordar la pérdida de señal de GNSS/INSActualmente, existen dos soluciones principales para abordar el escenario de pérdida de señal satelital.Solución 1: integrar sensores adicionalesPor un lado, se pueden integrar sensores adicionales en el sistema GNSS/INS existente, como odómetros, LiDAR, sensores astronómicos y sensores visuales. Por lo tanto, cuando la pérdida de señal satelital hace que el GNSS no esté disponible, los sensores recién agregados pueden proporcionar información de medición y formar un nuevo sistema integrado con el INS para suprimir la acumulación de errores del INS. Los problemas con este enfoque incluyen mayores costos del sistema debido a los sensores adicionales y la posible complejidad del diseño si los nuevos sensores requieren modelos de filtrado complejos.Fig.1 Descripción general del sistema de navegación integrado GNSS IMU ODO LiDAR SLAM.Solución 2: Tecnología ZUPTPor otro lado, se puede establecer un modelo de posicionamiento con restricciones de estado de movimiento en función de las características de movimiento del vehículo. Este método no requiere agregar nuevos sensores al sistema integrado existente, evitando así costos adicionales. Cuando el GNSS no está disponible, la nueva información de medición la proporcionan las restricciones del estado de movimiento para suprimir la divergencia del INS. Por ejemplo, cuando el vehículo está parado, se puede aplicar la tecnología de actualización de velocidad cero (ZUPT) para suprimir la acumulación de errores del INS.ZUPT es un método de bajo costo y comúnmente utilizado para mitigar la divergencia del INS. Cuando el vehículo está parado, la velocidad del vehículo debería ser teóricamente cero. Sin embargo, debido a la acumulación de errores INS a lo largo del tiempo, la velocidad de salida no es cero, por lo que la velocidad de salida INS se puede utilizar como medida del error de velocidad. Por lo tanto, basándose en la restricción de que la velocidad del vehículo es cero, se puede establecer una ecuación de medición correspondiente, que proporciona información de medición para el sistema integrado y suprime la acumulación de errores del INS.Fig.2 Diagrama de flujo del algoritmo estrechamente acoplado GNSSIMU basado en ZUPT con CERAV.Sin embargo, la aplicación de ZUPT requiere que el vehículo esté estacionario, lo que la convierte en una tecnología de actualización estática de velocidad cero que no puede proporcionar información de medición durante las maniobras normales del vehículo. En aplicaciones prácticas, esto requiere que el vehículo se detenga con frecuencia cuando está en movimiento, lo que reduce su maniobrabilidad. Además, ZUPT requiere una detección precisa de los momentos estacionarios del vehículo. Si la detección falla, se puede proporcionar información de medición incorrecta, lo que podría provocar el fallo de este método e incluso provocar que la precisión del sistema integrado disminuya o diverja.ConclusiónLa pérdida de señales de satélite puede provocar una rápida acumulación de errores en el INS, especialmente en entornos complejos como las zonas urbanas. Se presentan dos soluciones principales: agregar sensores adicionales, como LiDAR o sensores visuales, para proporcionar mediciones alternativas, o usar restricciones de estado de movimiento como la tecnología Zero-Velocity Update (ZUPT) para corregir errores de INS. Cada enfoque tiene sus propias ventajas y desafíos, ya que la integración de sensores aumenta los costos y la complejidad, mientras que ZUPT requiere que el vehículo esté estacionario y se detecte con precisión para que sea efectivo.Micro-Magic Inc está a la vanguardia de la tecnología de navegación inercial y recientemente ha introducido tres productos MEMS INS asistidos por GNSS con distintos niveles de precisión (nivel industrial, nivel táctico y nivel de navegación). En particular, el MEMS GNSS/INS I3500 de nivel industrial presenta una inestabilidad de polarización de 2,5°/hr y un recorrido aleatorio angular de 0,028°/√hr, junto con un acelerómetro MEMS de alta precisión con un amplio rango (±6g, inestabilidad de polarización cero).

In the design of navigation and control systems, AHRS (Attitude and Heading Reference System) and INS (Inertial Navigation System) are two key technical modules. Although they are both based on inertial measurement units (IMUs), their processing methods, output results, and application scopes are essentially different. This article will compare AHRS and INS in depth from the dimensions of system composition, sensor fusion algorithm, mathematical model, error source analysis, and typical applications, to provide theoretical and application support for engineering practice and research. 1. System Structure Overview AHRS System Structure AHRS systems are usually composed of three types of sensors:Three-axis gyroscopes (Angular Rate Sensors)；Three-axis accelerometers (Linear Acceleration Sensors)；Three-axis magnetometers (Earth Magnetic Field Sensors) These data are fused through a filtering algorithm to estimate the current three-dimensional posture (expressed in Euler angles or quaternions). INS system structure INS systems are usually composed of IMU (gyroscope + accelerometer), and realize navigation functions through integral calculation: Integrate acceleration to get velocity, and then integrate to get position; Integrate angular velocity to calculate attitude changes. INS can be integrated into an "autonomous navigation system" to achieve continuous positioning for a certain period of time even in an environment where GPS is not available. 2. Core Mathematical Formulas and Calculation Process 1. Attitude estimation (AHRS) Assume that the three-axis angular velocity isUsing quaternionRepresents the posture, then the posture update formula is as follows: Combined with the magnetometer and accelerometer, attitude error correction is achieved through complementary filtering or extended Kalman filtering (EKF). Schematic diagram of attitude error correction formula (complementary filtering):             2. Inertial Navigation (INS) The core of INS is to integrate acceleration twice: Speed ​​calculation: Position calculation: Since the IMU data contains noise and bias, the integration process will lead to the accumulation of errors (drift): To this end, INS is often fused with GPS, vision, or UWB to constrain error drift. 3. Error model analysis Error Source AHRS INS Gyroscope Bias Causes slow attitude drift, correctable via magnetometer Accumulates into significant drift in attitude, velocity, and position Accelerometer Error Affects gravity direction estimation Severely impacts position estimation; long-term errors grow quadratically Magnetometer Interference Impacts yaw (heading) estimation Generally unaffected (no magnetometer used) Numerical Integration Error First-order integration with manageable errors Second-order integration leads to significant errors Algorithm Robustness High (mature attitude decoupling algorithms) Moderate; requires robust filtering and error modeling support 4. Comparison of Sensor Fusion Algorithms Algorithm Type Typical Usage in AHRS Typical Usage in INS Complementary Filtering Fast attitude fusion for low-computational-power devices Rarely used (insufficient precision) Kalman Filter (EKF) Fuses gyro, accelerometer, and magnetometer to correct errors Fuses gyro, accelerometer, and external references (e.g., GPS) Zero-Velocity Update (ZUPT) Not used Commonly applied in pedestrian navigation to reduce drift SLAM/Visual-Inertial Navigation Not applicable Combined with visual sensors to enhance navigation accuracy   5. Comparison of Typical Application Scenarios Application AHRS INS Small UAVs ✅ For attitude control & heading estimation ✅ Used for path planning or in GPS-denied environments VR/AR Headsets ✅ Provides head orientation tracking ❌ Not required (position accuracy unnecessary) Autonomous Vehicles ❌ Attitude alone insufficient for navigation ✅ Critical for high-precision map matching and dead reckoning in GPS-denied zones Rocket Guidance ❌ Insufficient precision for standalone use ✅ High-precision INS required in high-dynamic environments Underground/Underwater ❌ Magnetometer failure in such environments ✅ Combines with sonar/UWB for precise navigation 6. Summary: A5000 vs I3700: Practical application of high-precision sensors in AHRS and INS A5000 – High-precision MEMS AHRS attitude sensor A5000 is a highly integrated digital output high-precision AHRS (attitude and heading reference system). Its core features include: Built-in three-axis high-precision accelerometer, gyroscope and magnetometer Use 6-state Kalman filter for sensor fusion to enhance the robustness of attitude estimation Output includes heading angle (Yaw), pitch angle (Pitch), roll angle (Roll) and angular velocity, acceleration information Suitable for attitude perception scenarios such as drones, robots, mining vehicles, AGVs, agricultural automation equipment, etc. Miniature design, suitable for space-constrained applications   I3700 – Full-featured Inertial Navigation System (INS) In contrast, the I3700 is an inertial navigation system for high-dynamic autonomous navigation applications, integrating a high-performance IMU module and supporting fusion with external signals (such as GPS). Its key features include: Output attitude angle + velocity + 3D position, supporting long-term navigation Suitable for scenarios that require full autonomous navigation capabilities, such as underground mines, GPS-free environments, precision agriculture or marine unmanned systems Supports multiple data interfaces, compatible with SLAM, GPS, and UWB fusion systems   With a powerful digital signal processing unit, it has excellent stability and long-term drift control capabilities A5000 Heading 9 Axis Navigation System Navigational Guided System Low Price High Accuracy   I3700 High Accuracy Agricultural Gps Tracker Module Consumption Inertial Navigation System Mtk Rtk Gnss Rtk Antenna Rtk Algorithm