KR20230112709A - 관성 측정 유닛들에서의 오작동들을 검출하기 위한방법 - Google Patents

관성 측정 유닛들에서의 오작동들을 검출하기 위한방법 Download PDF

Info

Publication number
KR20230112709A
KR20230112709A KR1020237021922A KR20237021922A KR20230112709A KR 20230112709 A KR20230112709 A KR 20230112709A KR 1020237021922 A KR1020237021922 A KR 1020237021922A KR 20237021922 A KR20237021922 A KR 20237021922A KR 20230112709 A KR20230112709 A KR 20230112709A
Authority
KR
South Korea
Prior art keywords
inertial measurement
measurement units
measurement unit
slave
master
Prior art date
Application number
KR1020237021922A
Other languages
English (en)
Inventor
옌스 칼쿠흘
무스타파 아야노빅
필립 알폰스 디게제르
Original Assignee
메르세데스-벤츠 그룹 아게
로베르트 보쉬 게엠베하
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 메르세데스-벤츠 그룹 아게, 로베르트 보쉬 게엠베하 filed Critical 메르세데스-벤츠 그룹 아게
Publication of KR20230112709A publication Critical patent/KR20230112709A/ko

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P21/00—Testing or calibrating of apparatus or devices covered by the preceding groups
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/183—Compensation of inertial measurements, e.g. for temperature effects
    • G01C21/188—Compensation of inertial measurements, e.g. for temperature effects for accumulated errors, e.g. by coupling inertial systems with absolute positioning systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
    • G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
    • G01P15/02—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration by making use of inertia forces using solid seismic masses

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Navigation (AREA)
  • Gyroscopes (AREA)

Abstract

본 발명은 각속도들() 및 특정 힘(specific force)들()을 측정하도록 차량에 사용되는 관성 측정 유닛들(4, 5, 6)에서의 오작동들을 검출하기 위한 방법에 관한 것으로서: 적어도 3 개의 관성 측정 유닛들이 사용되고; 제1 관성 측정 유닛(4)이 마스터 관성 측정 유닛으로서 사용되고; 그 능력들이 제1 관성 측정 유닛(4)보다 낮을 수 있는 제2 관성 측정 유닛(5) 및 제3 관성 측정 유닛(6)이 슬레이스 관성 측정 유닛들로서 사용되며; 마스터 관성 유닛(4)의 측정들은 3 개의 센서 신호들 중 하나에서의 오작동을 검출하기 위해 마스터 관성 측정 유닛(4)에 관한 에러 모델 파라미터들의 추정에 관련되는 슬레이브 관성 측정 유닛들(5, 6)의 측정들을 보상하도록 기준 값들로서 사용되고, 상기 검출은 2/3 비교(2-from-3 comparison)에 의한 3 개의 대응하는 센서 신호들 각각의 경우에 기반하여 실행되고; 센서 신호가 임계 값을 초과하는 3 개의 센서 신호들의 중앙값(M, D)으로부터의 간격을 가진, 3 개의 관성 측정 유닛들(4, 5, 6) 중 하나의 관성 측정 유닛이 고장인 것으로서 검출되고; 마스터 관성 측정 유닛(4)의 오작동은 이전에 계산된 사전-보상을 고려하여 여전히 기능하는 슬레이브 관성 측정 유닛들(5, 6) 중 하나의 신호들로의 스위치-오버를 초래한다.

Description

관성 측정 유닛들에서의 오작동들을 검출하기 위한 방법
본 발명은 청구항 1에 따른 관성 측정 유닛들에서의 오작동들을 검출하기 위한 방법에 관한 것이다.
관성 측정 유닛(Inertial Measurement Unit: IMU)들은 공간에서 몸체들의 특정 힘(specific force)들(가속도들)과 회전 속도들을 측정하도록 사용되는, 가속도계들과 자이로스코프(gyroscope)들의 배열들이다. 가속도계 신호를 위한 지명(designation)으로서, 독일의 내비게이션(navigation) 문헌은 또한 특정 힘들이라는 용어와 심볼(f)을 확립하였다(문헌 인용 2 참조). 자이로스코프 신호들을 위해, 심볼(ω)이 본원에 사용된다. 관성 측정 유닛이라는 용어는 이하에서 약어 IMU로 표현된다. 관성 측정 유닛들은 특히 또한 자동화된 운전(automated operation) 동안 차량들의 속도, 포지션 및 로케이션(location)을 결정하도록 사용된다. IMU들을 위한 이러한 유형의 사용 예들은 문헌 인용들 (3) 내지 (6) 또는 US 9,753,144 B1(DE 10 2017 102 269 A1)에서도 발견될 수 있다.
도 1은 최신 기술의 모션(motion) 센싱 및 내비게이션을 위해 관성 측정 유닛(1)을 사용하는 예를 도시한다. 관성 측정 유닛(1)은 자이로스코프들로부터의 회전 속도 신호들 및 가속계들로부터의 특정 힘 신호들을 전송한다. 센서 융합(fusion) 유닛(2)에서, 이들 값들을 통합함으로써 배향 각(α), 속도(v) 및/또는 포지션(position)(P)과 같은 모션 값들이 계산되고 그 다음에 주행계(odometer), 자력계, 기압 고도계(barometric altimeter) 및/또는 GNSS 수신기와 같은 부가적인 센서들(3)의 사용을 통해 정정된다. 최신 기술은 센서 융합을 위해 칼만 필터(Kalman filter)를 사용한다.
관성 측정 유닛들은 다양한 품질 레벨들에서 이용가능하다. 관성 측정 유닛들의 품질과 가격은 주로 사용되는 센서 기술에 의해 결정된다. 자동차들에서의 직렬 애플리케이션을 위해, MEMS(micro-electromechanical sensors) 기술에 기반된 비용-효율적인 센서들이 가장 일반적으로 사용된다. 그러나 이러한 유형의 비용-효율적인 IMU 센서들의 정확도는 바이어스, 감도 에러들, 비-선형성 및 오정렬(misalignment)과 같은 확률적 센서 노이즈(noise) 및 시스템 에러들에 의해 제한된다. 그와 같은 에러들은 정상 동작에서의 센서들에 영향을 미치는 특성들이다. 계산된 모션 값들의 높은 정확도를 보장하기 위해, 적절한 방법들을 통해 시스템적 에러들이 검출되고 보상되어야 한다. 보상 방법들의 예들은 기술 문헌 또는 또한 DE 10 2017 102 269 A1에서 발견될 수 있다. IMU 센서의 확률적 및 시스템적 에러들은 모델을 사용하여 설명된다. 예를 들어, 센서에 의해 측정되는 특정 힘의 값은 모델을 통해 설명되고
(1)
은 측정 로케이션에서의 적용가능한 특정 힘 성분들의 벡터이다. 값 는 일정하거나 시간이 지남에 따라 점진적으로 변화하는 바이어스(bias)를 설명하고, 값 는 센서의 감도 에러이고, 값 는 센서 노이즈를 지시하고, 벡터 는 기준 좌표계에서 센서 축의 정렬을 설명한다. 모델 파라미터들은 추정 방법들을 사용하여 결정된다.
확률적 및 시스템적 에러들에 부가하여, IMU 센서들이 또한 오작동들을 가질 수 있다. 이 경우, 센서는 물리적 측정된 값들과 방출된 센서 신호 사이의 특정된(그리고 그에 따라 설계에 의해 사전 설정된) 연관성을 잃어 비-특정된 측정 절차가 발생한다. 이에 의해 영향받은 IMU 센서가 사용가능하지 않게 된다.
움직임 계산 또는 내비게이션 동안 검출되지 않고 전파되는 센서 오작동들은 동작 신호들에서 상당한 에러들 또는 극도로 잘못된 값들을 초래할 수 있으므로 안전-관련된 애플리케이션들에서의 안전 위험을 나타낼 수 있다.
자동화된 운전과 같은 안전-중요 애플리케이션들을 위해, 센서 오작동들이 검출되어야 한다. 그 다음에 내비게이션 솔루션으로부터 관련 에러가 제거되어야 하고 시스템이 완전히 기능을 유하도록(에러-허용(error-tolerant) 시스템) 보장하기 위해 백업 솔루션(backup solution)이 트리거되어야 한다.
이것은 특별히 관성 측정 유닛에서의 센서 오작동들에 적용한다. 본 발명에 따른 이에 대한 제안 솔루션은 도 2에 도시된다:
종래 기술에 기반된 다른 솔루션들은 이하에 논의된다.
종래 기술
US 9,568,321 B2는 리던던시(redundancy) 없는 개별 IMU에서의 오작동들의 검출을 설명한다. 이 문헌은 헬스 모니터링 블록(Health Monitoring Block)들 형태에서의 검출을 이중-리던던트 내비게이션 시스템(관성 내비게이션 시스템 (Inertial Navigation System)-INS)에 통합하는 것을 제안한다. 헬스 모니터링 블록에서, 모션 추정 동안 나타나는 추정 에러들이 산정(assess)된다. 이 솔루션은 내비게이션 시스템에 대한 센서 오작동들의 영향들이 결함 있는 센서 엘리먼트에 관한 직접적인 결론들을 허용하지 않는다는 단점을 가진다. 부가적으로, INS에 사용되는 IMU 신호 통합은 긴 에러 검출 시간을 초래한다. 더욱이, 에러 검출은 GNSS, 자력계, 기압계 및 주행계와 같은 부가적인 센서들의 사용에 기반된다. 이들 센서들은 일반적으로 IMU 센서들보다 더 높은 에러 민감도(susceptibility) 및 더 낮은 정확도를 가진다. 상술한 배열에서 이들 부가적인 센서들의 오작동들은 IMU 오작동들과 명확하게 구분될 수 없다. 요약하면, 설명된 프로세스는 오작동의 검출을 허용하지만 결함 있는 센서의 식별은 허용하지 않음을 알 수 있다. 그러나 이것은 에러-허용 시스템 방법들을 위한 필수적인 요건이다.
상술한 프로세스의 단점들은 오랫동안 알려져 있었다. 더 많은 상세들은 예를 들어 17장의 (3)에서 이용가능하다. 17장의 (3)은 안전-중요 INS 애플리케이션들에서의 리던던트 하드웨어를 위한 필요성을 명시적으로 규정한다.
리던던트 관성 측정 유닛(IMU)들의 사용은 항공기 기술에서의 최신 기술이다. 이 기술은 동일한 특성들을 가진 고품질 관성 측정 유닛들을 리던던트 센서 구성 내에 통합하는 것을 수반한다.
이와 관련하여, 예를 들어, 종래 기술은 ADIRU(Air Data Inertial Reference Unit)를 사용하는데, 여기에는 6 개의 가속도계들과 6 개의 회전 속도 센서들이 비-직교 패턴으로 배열되어 최소 수의 센서들로 최대의 리던던시를 달성한다(문헌 인용들 1, 2를 참조).
여기서, 예를 들어, 가속도계들()로부터의 6 개의 특정 힘 신호들을 위해, 특정 힘의 직교 성분들 을 위한 결과 벡터를 얻기 위해 회귀 방정식을 푼다.
(2)
여기서 M은 센서 기하학을 설명하는 매트릭스이고 v는 센서 노이즈의 벡터이다.
회귀 방정식을 푸는 동안 모니터링과 평균 발생이 동시에 발생할 수 있다. 시스템에서 최대 2 개의 가속도계들이 그 기능을 손상시키지 않고 고장날 수 있다. 기능적 안전성을 위해 적어도 4 개의 센서들이 이용가능해야 한다.
US 5,184,304 A에는 개개의 관성 측정 유닛들이 서로 60°회전되는 2 개의 INS들을 가진 또 다른 솔루션이 제안되어 있다. 이 솔루션에서 각 시스템에 의해 방출된 에러 통계들은 결함 있는 센서를 식별하는 다른 시스템에 의해 평가된다.
특히 비-직교 배열들에서 항공 여행을 위해 적격인 센서들은 많은 양의 설치 공간을 요구하고 따라서 자동차용으로는 부적합하다.
훨씬 더 비용-민감한 자동차 애플리케이션들에서 이러한 유형의 리던던트 고품질 관성 센서들의 사용은 재정적인 관점에서 실현 가능하지 않다.
다중-리던던시(multiple-redundancy) 배열에서의 MEMS 센서들의 사용 설명은 US 8,825,436 B2에서 발견될 수 있다. 여기에서 다중 배열은 측정 노이즈 및 시스템적 센서 에러들(런-투-런(run-to-run) 바이어스 및 온도-의존(temperature-dependent) 바이어스)을 감소시키도록 독점적으로 사용된다. 센서 오작동들을 검출하고 제거하기 위한 전략은 포함되어 있지 않다.
(6)은 3 중 리던던시를 가진 자동차용 관성 측정 유닛을 설명한다. 그러나 이것은 구조적 엘리먼트에 내장되어 전원 공급 문제들 및 공통-원인 에러들에 대해 적절하게 보호되지 않는다는 단점을 가진다.
관성 측정 유닛들 또는 내비게이션 시스템들을 위한 마스터-슬레이브(master-slave) 배열들이 또한 문헌으로부터 알려져 있다(문헌 인용 2 참조). 이에 대한 기본 아이디어는 칼만 필터를 사용하여 마스터 시스템으로부터의 내비게이션 데이터를 기반으로 정렬 각도, 오프셋 등과 같은 슬레이브 시스템으로부터의 파라미터들을 추정하는 것이다. 대응하는 프로세스는 트랜스퍼(transfer) 정렬로 알려져 있다. 이 방법은 저-비용 내비게이션 시스템들을 포함하는 무기 시스템들에서 일반적으로 사용되는 반면 유도 시스템 또는 캐리어는 고품질 내비게이션 시스템을 포함한다.
에서 리던던트 관성 측정 유닛들에서의 에러 허용 오차를 위한 다양한 개념들이 설명된다.
본 발명의 의도는 각속도들 및 힘들 또는 가속도들을 측정하도록 차량에 사용되는 관성 측정 유닛(IMU)들에서의 오작동들을 검출하기 위한 개선된 방법을 제공하는 것이다.
이 목적은 청구항 1에서의 특징들을 가진 방법을 사용하는 본 발명에 의해 달성된다.
본 발명의 유용한 실시예들은 종속 청구항들의 목적이다.
본 발명에 따른 방법은, 관성 측정 유닛들에서의 오작동들을 검출하기 위한 것으로서, 가속도계 및 자이로스코프 센서를 포함하는 다수의 센서들을 각각 가지는 적어도 3 개의 관성 측정 유닛들을 포함하여, 각속도(angular velocity)들 및 특정 힘(specific force)들을 측정하기 위해 차량에 사용된다. 본 발명에 따르면, 제1 관성 측정 유닛은 마스터 관성 측정 유닛으로서 사용되고, 제1 관성 측정 유닛보다 성능 신뢰성이 더 낮을 수 있는 제2 관성 측정 유닛 및 제3 관성 측정 유닛은 슬레이브 관성 측정 유닛들로서 사용되며, 마스터 관성 측정 유닛으로부터의 측정값들은 기준 값들로 사용되어, (예를 들어, 인용 (1)에서와 같은) 에러 모델 파라미터들의 추정을 통해 상기 마스터 관성 측정 유닛과 비교되는 슬레이브 관성 측정 유닛들로부터의 측정값들을 보상하고, 개개의 3 개의 대응하는 센서 신호들에 기반으로 2/3 투표(2-out-of-3 voting)를 사용하여, 3 개의 센서 신호들 중 하나에서 오작동이 검출될 수 있으며, 3 개의 관성 측정 유닛들 중에서 센서 신호가 임계 값을 초과하는 3 개의 센서 신호들에 대한 중앙값으로부터 일정 거리를 갖는 하나의 관성 측정 유닛은 결함 있는 것으로 식별되며, 마스터 관성 측정 유닛의 오작동은 신호들로 하여금 계속해서 기능하는 슬레이브 관성 측정 유닛들 중 하나로 스위칭되게 하여 이전에 계산된 사전-보상(pre-compesation)을 적용한다.
이 프로세스는 일반적으로 또한 3 개를 초과하는 관성 측정 유닛들에 대한 주된 판단(decision)을 수반하도록 확장될 수 있다.
본 발명의 일 실시예에서, 에러 모델 파라미터들은 칼만 필터(Kalman filter) 또는 재귀적 최소 자승법(recursive least squares method)을 사용하여 추정될 수 있다.
본 발명의 일 실시예에서, 에러 모델 파라미터들의 추정을 위해, 슬레이브 관성 측정 유닛들로부터의 모든 모델 파라미터들을 포함하는 에러 모델들이 사용될 수 있고, 마스터 관성 측정 유닛과 적어도 시간적으로 서로 다른 상대적 센서 오프셋들이 온라인으로 추정된다.
본 발명의 일 실시예에서, 마스터 관성 측정 유닛으로부터의 특정 힘들이 슬레이브 관성 측정 유닛들의 측정 로케이션들로 변환될 수 있다.
본 발명의 일 실시예에서, 추정된 파라미터들은 허용가능한 최대 값들로 제한될 수 있다.
본 발명의 일 실시예에서, 칼만 필터들에서 평가되는 추정 에러들의 공-분산(co-variance)들은 신호 편차들의 중요성(significance)을 검출할 때 센서 신호 편차들을 산정하는데 사용될 수 있다.
본 발명의 일 실시예에서, 모든 관성 측정 유닛들에서의 모든 센서들은 필터링될 수 있고 개개의 필터 유닛들을 사용하여 시간-동기화될(time-synchornized) 수 있다.
본 발명의 일 실시예에서, 온라인-추정된 에러 모델 파라미터들은 슬레이브 관성 측정 유닛들의 측정 값들에 대해 시간-지연되어 사용될 수 있다.
본 발명의 일 실시예에서, 슬레이브 관성 측정 유닛들은 마스터-슬레이브 구성을 사용하여 사전-보상될 수 있고, 시간 지연들은 추정된 센서 출력들에 적용되고, 시간 지연 내에서 제1 관성 측정 유닛에 에러가 검출되면, 슬레이브 관성 측정 유닛들에서의 추정된 센서 에러들은 시간 지연의 종료를 위한 값들에 고정된다.
본 발명의 일 실시예에서, 3 개 신호들의 평균 또는 중앙값에서 가장 편차가 큰 신호를 검출하기 위해, 검출 로직은 제1 관성 측정 유닛으로부터의 신호들 및 슬레이브 관성 측정 유닛들로부터의 사전-보상된 신호들에 적용되고, 평균 또는 중앙값에서 정규화된 신호 차이가 값 1을 초과하면, 센서 에러가 가정된다.
본 발명은 2/3 투표(2-out-of-3 voting)를 사용하여 IMU 오작동(동작 실패)의 경우에 차량에 대한 모션 값들의 에러-허용 결정을 제공할 수 있다. 그 경우에, 기하학적 배열이나 센서 품질에 대한 특별한 요건들은 존재하지 않는다. 그러나, 본 발명은 차량에서 부분적으로 이미 이용가능한 비용-효율적인 이종의 IMU 하드웨어에도 적용 가능하다.
본 발명에 따른 방법은 자동화된 차량 동작을 위한 증가된 안전 요건들을 고려하여 차량의 정확한 움직임을 추정하는 기능성(고장-작동(fail-operational))을 보장하는 방법으로서 센서 에러들에 대해 마스터 관성 측정 유닛으로부터의 신호들을 보호할 수 있게 한다.
본원에서의 초점은 특히 차량에서의 서로 다른 장소들에 설치된 이종(동일하지 않은)의 관성 측정 유닛(IMU)들의 사용에 있다.
차량 움직임 값들을 계산할 때 에러 허용 오차(고장-작동)는 본 발명에 따른 솔루션으로 달성된다. 이것은 구조적 엘리먼트들에 대한 낮은 요건들만을 부과한다. 차량의 이용가능한 인프라구조(infrastructure)(ESP 센서들, 언더캐리지(undercarriage) 센서들)가 사용될 수 있으므로, 이 솔루션은 비용 효율적인 솔루션이 된다.
본 발명의 예들은 도면들을 참조하여 이하에 더 상세히 설명된다.
도 1은 차량의 움직임 값들을 추정하도록 관성 측정 유닛(IMU)을 사용하는 전형적인 예의 개략도이고,
도 2는 움직임 값 추정과 조합된 본 발명에 따른 모니터링 시스템의 개략도이고,
도 3은 회전 속도 센서들을 위한 예비 데이터 프로세싱 동작(사전-보상)의 개략도이고,
도 4는 가속도계들을 위한 예비 데이터 프로세싱 동작(사전-보상)의 개략도이고, 그리고
도 5는 에러 검출 로직과 의사-결정(decision-making) 로직의 개략도이다.
모든 도면들에서 동일한 항목들은 동일한 지명들로 식별된다.
각속도들 및 특정 힘들을 측정하도록 차량에 사용되는 관성 측정 유닛들에서의 오작동들을 검출하기 위한 일 방법에서, 다수의 가속도계들 및 자이로스코프 센서들을 각각 가지는 적어도 3 개의 관성 측정 유닛(4, 5, 6)들이 도 2에 도시된 바와 같이 사용된다.
본 발명에 따르면, 제1 관성 측정 유닛(4)은 마스터 관성 측정 유닛으로서 사용되고, 제1 관성 측정 유닛보다 성능 신뢰성이 더 낮을 수 있는 제2 관성 측정 유닛(5) 및 제3 관성 측정 유닛(6)은 슬레이브 관성 측정 유닛들로서 사용되며, 마스터 관성 측정 유닛(4)으로부터의 메시지들은 모델들에서의 마스터 관성 측정 유닛(4)에 대한 슬레이브 관성 측정 유닛들(5, 6)에서의 시스템적 에러 파라미터들을 추정하고 보상된 신호들에 대한 2/3 투표(2-out-of-3 voting)를 통해 개별 센서들에서의 오작동들을 검출하도록 검출 유닛(7)에서 사용된다. 2/3 투표(2-out-of-3 voting)에서, 가장 작은 차이를 가진 2 개의 신호들은 에러가 없는 것으로 고려되고 제3 신호가 2 개의 신호들에 대해 테스트된다. 제3 신호와 에러가 없는 것으로 고려되는 신호 간의 차이가 너무 크면, 평가된 제3 신호의 잠재적 오작동이 가정된다.
도면들에서 3 개의 관성 측정 유닛들(4, 5, 6)은 IMU A, IMU B, IMU C로도 지시된다. 그들의 각각은 3 개의 각속도 신호들을 가진 벡터()와 3 개의 지정 힘 신호들을 가진 벡터()를 가진다. 이들 신호들의 더 용이한 표현을 위해, 가장 높고 가장 깊은 포지션들은 도시되지 않는다. 그 후에 센서 신호들을 또는 로 지칭할 수 있다.
검출 유닛(7)의 상세들은 도 3, 4 및 5에 도시된다.
도 3은 회전 속도 센서들의 사전-보상의 예를 도시한다. 그 안에 필터 유닛들(9, 10, 11)이 제공되고, 이를 통해 마스터 관성 측정 유닛(4)과 2개의 슬레이브 관성 측정 유닛들(5, 6)의 센서 신호들이 알려진 오정렬을 고려하여 정정, 시간-동기화 및 필터링된다.
관성 측정 유닛들의 이종 배열에서, 측정 값들의 시간 동기성이 가정될 수 없기 때문에 시간 동기화가 필요하다. 예를 들어, 신호 전송 동안 통신 지연들에서의 차이들이 발생할 수 있거나 관성 측정 유닛들(4, 5, 6) 내의 신호 사전 필터링이 서로 다를 수 있다.
그 후, 마스터 관성 측정 유닛(4)에 대한 슬레이브 관성 측정 유닛들(5, 6) 둘 다를 위한 에러 모델들의 파라미터들이 결정된다. 이를 위해, 에러 모델들(13 및 14)에 관한 마스터 관성 측정 유닛(4)으로부터의 데이터는 슬레이브 lMU 신호들의 행동에 대한 타깃 값들 또는 추정된 센서 출력들()을 계산하도록 사용된다. 에러 모델들(13, 14)의 각각은 마스터 관성 측정 유닛(4)의 회전 속도()를 위한 벡터에 관한 개별 회전 속도 센서의 정렬을 포함한다. 이것은 예를 들어, 엔드-오브-라인(end-of-line) 교정(calibration) 동안 결정된다. 이후, 타깃 행동들로부터의 편차들은 슬레이브 관성 측정 유닛들(5, 6)에서의 센서 에러들로서 식별되고 에러 모델에서의 파라미터들의 추정에 의해 정정된다. 도 3에 도시된 실시예에서, 센서 바이어스들()은 추정기 블록들(15 및 16)에서 배타적으로 결정된다. 그러나 부가적인 파라미터들, 예를 들어, 바이어스 드리프트(bias drift), 감도 편차들 및 오정렬이 추정될 수 있다. 문헌으로부터 알려진 바와 같이, 추정기 블록들(15 및 16)에서의 파라미터 추정은 재귀적 최소 자승 방법 또는 칼만 필터들을 사용하여 행해질 수 있다. 정상적으로 기능하는 관성 측정 유닛들(4, 5, 6)을 위해, 이들 추정된 파라미터들은 시간이 지남에 따라 매우 천천히만 변경되고, 따라서 오랜 시간 주기들에 걸쳐 유효하게 남아있다. 따라서, 슬레이브 관성 측정 유닛들(5, 6)의 보상은 시간-지연된 에러 파라미터들로 행해지더라도 올바르게 남아있다. 대응하는 시간-지연 블록들은 17 및 18로 지시되고, 여기서 지연 시간은 예를 들어, 검출 유닛(7)의 에러 검출 시간보다 크고 100 ms와 같아야 한다.
이후, 마스터 관성 측정 유닛(4)으로부터의 사전-프로세싱된 신호들(20) 및 2개의 슬레이브 관성 측정 유닛들(5 및 6)로부터의 정정된 신호들(21, 22)은 해석을 위해 검출 유닛(7)에 전송된다. 마스터 관성 측정 유닛(4)에서 오작동이 발생하면, 그 다음에 슬레이브 관성 측정 유닛들(5, 6)을 위한 추정된 파라미터들이 상당히 변화한다. 그러나, 마스터 관성 측정 유닛(4)의 이러한 오작동이 검출 유닛(7)에 의해 인지되면, 그 다음에 시간 지연 블록들(17 및 18)은 파라미터 변경들이 검출에 영향을 미치는 것을 방지한다. 대신에, 슬레이브 관성 측정 유닛들(5, 6)로부터의 부정확한 파라미터들은 개개의 최종 유효 값들에서 고정된다. 이러한 방식으로, 보상과 검출은 서로 구분하여 생각될 수 있고 마스터 관성 측정 유닛(4)의 고장들은 슬레이브 관성 측정 유닛들(5, 6)의 고장들과 신뢰성있게 구별될 수 있다.
본 발명에 부가하여 또는 본 발명의 다른 실시예들에서, 추정기 블록들(15 및 16)에서의 파라미터들의 추정된 값들은 검출 감도를 개선하는 최대 허용 값들로 제한될 수 있다.
본 발명에 부가하여 또는 본 발명의 다른 실시예들에서, 최대 허용 값들에 도달하거나 초과하는 추정된 파라미터들은 영향받는 센서들에서의 에러 검출을 위해 사용될 수 있다.
본 발명에 부가하여 또는 본 발명의 다른 실시예들에서, 사전-보상으로부터의 가중된 나머지들은 추정기 블록들(15, 16)에서 계산될 수 있고 평가될 수 있다.
본 발명에 부가하여 또는 본 발명의 다른 실시예들에서, 추정 에러들을 위해 계산된 공-분산들은 검출 동안 신호 편차들을 가중하도록 추정기 블록들(15 및 16)에서 사용될 수 있다.
도 4에서, 회전 속도들()(또한 각속도들로 칭함)과 동등한, 가속도계 신호들(특정 힘())을 위한 사전-보상이 도시된다. 3 개의 관성 측정 유닛들(4, 5, 6)이 차량에서 공간적으로 떨어져 있다면, 그 다음에, 회전 속도들()과 달리 특정 힘들()의 로케이션 의존성이 고려되어야 한다. 이는 에러 모델들(23 및 24)에서 마스터 관성 측정 유닛(4)을 위한 신호들로부터 타깃 값들을 발생시킬 때 행해지며, 특정 힘들()은 문헌에서 알려진 다음 방정식을 사용하여 개개의 슬레이브 관성 측정 유닛(5, 6)의 측정 위치에서 회전 속도들() 및 회전 가속도들()을 사용하여 변환되고:
(3)
이러한 방식으로, 추정된 센서 출력들()이 결정된다. 도 4에 도시된 실시예에서, 센서 바이어스들()은 추정기 블록들(25 및 26)에서 배타적으로 결정된다. 그러나 부가적인 파라미터들, 예를 들어, 바이어스 드리프트, 감도 편차들 및 오정렬이 추정될 수 있다. 문헌으로부터 알려진 바와 같이, 추정기 블록들(25 및 26)에서의 파라미터 추정은 재귀적 최소 자승법 또는 칼만 필터로 행해질 수 있다.
도 5는 2/3 투표(2-out-of-3 voting) 원리에 따른 에러 검출의 실시예를 도시한다. 마스터 관성 측정 유닛(20)과 2 개의 슬레이브 관성 측정 유닛들(21, 22)로부터 비교 및 사전-프로세싱을 위한 3 개의 개별 신호들은 A, B 및 C로 지시된다.
A, B 및 C는 각각 회전 속도() 또는 특정 힘()일 수 있다. 전체적으로, 관성 측정 유닛들(4, 5, 6)의 각각의 자유도를 위해 하나의 검출이 사용된다.
부가적으로, 신호들을 위한 중앙 값들(M 및 D) 및 그들의 편차들은 블록(27)에서 계산된다. 대안적으로(그리고 이에 동등한 3 개의 신호들을 위해), 중앙 값(M, D) 대신에, 그들 사이의 최소 거리를 가진 2 개의 신호들의 평균이 사용될 수 있다.
그 다음에, 각각의 개별 신호와 중앙 값(M, D) 사이의 차이가 계산되고 임계 값(S)에 대해 정규화된다. 임계 값(S)으로서, 신호-노이즈 프로세스의 분산(σ)과 시간 동기화 불확실성을 나타내는 성분(T)의 조합이 사용된다.
(4)
(5)
(6)
(7)
(8)
(9)
상술한 바와 같이, 추정기 블록들(15, 16, 25 및 26)로부터의 추정 에러들을 위한 표준 편차들은 또한 임계 값을 발생시키는데 사용될 수 있다.
검출 로직(28)은 중앙 값(M, D)으로부터의 정규화된 신호 차이(ΔA, ΔB, ΔC)가 값 1을 초과하는지 여부를 테스트한다. 값 1을 초과한다면, 그 다음에 문제의 센서 신호에 대해 오작동 ERROR A, ERROR B, ERROR C가 가정된다.
마스터 관성 측정 유닛(4)에서의 오동 ERROR A, ERROR B, ERROR C의 출현은 에러 메시지를 거쳐 의사-결정 로직(29)에 의해 스위칭 디바이스(8)에 전달되고, 그 다음에 슬레이브 관성 측정 유닛들(5, 6) 중 하나에 스위칭한다. 도 5에 도시된 실시예에서, 이것은 슬레이브 관성 측정 유닛(5)이다.
영향받은 슬레이브 관성 측정 유닛(5)을 위한 에러 모델 파라미터들은 마스터 관성 측정 유닛(4)에 기반되어 결정되었기 때문에, 슬레이브 관성 측정 유닛(5)은 마스터 관성 측정 유닛(4)과 동일한 바이어스, 드리프트, 감도 등을 사용하여 프로세싱되며, 스위칭 프로세스를 고려하지 않고 후속적인 움직임 계산들이 행해질 수 있다.
이미 상술된 바와 같이, 마스터 관성 측정 유닛(4)에서의 오작동의 경우와 슬레이브 관성 측정 유닛들(5, 6)을 위한 파라미터 추정이 구분되어 생각되어야 한다. 이것은 신호(19)에 의해 행해진다.
슬레이브 관성 측정 유닛들(5, 6) 중 하나에서 오작동 ERROR B, ERROR C가 검출되면 결함 있는 것으로서 보고된다.
센서 에러들에 대한 감도와 신호 노이즈, 도로 손상 영향들 및 기타 불확실성들로 인한 오검출 저항 사이에서 최적의 절충안을 찾는 것이 바람직하다.
상세한 설명에 포함되는 인용들
인용된 특허 문헌
다른 공보들
참조부호들의 목록
1 관성 측정 유닛
2 센서 융합 유닛
3 다른 센서들
4 관성 측정 유닛, IMU, 마스터 관성 측정 유닛, 마스터 IMU
5 관성 측정 유닛, IMU, 슬레이브 관성 측정 유닛, 슬레이브 IMU
6 관성 측정 유닛, IMU, 슬레이브 관성 측정 유닛, 슬레이브 IMU
7 검출 유닛
8 스위칭 디바이스
9 필터 유닛
10 필터 유닛
11 필터 유닛
13 에러 모델
14 에러 모델
15 추정기 블록
16 추정기 블록
17 시간 지연 블록
18 시간 지연 블록
19 신호
20 사전-프로세싱된 신호들
21 정정된 신호들
22 정정된 신호들
23 에러 모델
24 에러 모델
25 추정기 블록
26 추정기 블록
27 블록
28 검출 로직
29 의사-결정 로직
A, B, C 사전-프로세싱된 개별 신호들
Bias_fB, Bias_fC 센서 바이어스
Bias_ωB, Bias_ωC 센서 바이어스
D 중앙 값, 중앙
ERROR A, ERROR B, ERROR C 오작동
d/dt ωA 회전 가속도
fA, fB, fC 특정 힘
fB_estimated, fC_estimated 추정된 센서 출력
IMU A 관성 측정 유닛, 마스터 관성 측정 유닛
IMU B 관성 측정 유닛, 슬레이브 관성 측정 유닛
IMU C 관성 측정 유닛, 슬레이브 관성 측정 유닛
M 중앙 값, 중앙
P 포지션
S 임계 값
T 성분
V 속도
α 포지션 각도
ΔA, ΔB, ΔC 정규화된 신호 차이
σ 분산
ωA, ωB, ωC 회전 속도, 각속도
ωB-estimated, ωC-estimated 타깃 값

Claims (10)

  1. 관성 측정 유닛들(4, 5, 6)에서의 오작동(malfunction)들을 검출하기 위한 방법으로서,
    상기 관성 측정 유닛들(4, 5, 6)은 가속도계(accelerometer)들 및 자이로스코프 센서(gyroscopic sensor)들을 포함하는 다수의 센서들을 각각 가지는 적어도 3 개의 관성 측정 유닛(inertial measurement unit)들(4, 5, 6)을 포함하여, 각속도(angular velocity)들() 및 특정 힘(specific force)들()을 측정하기 위해 차량에 사용되며,
    제1 관성 측정 유닛(4)은 마스터(master) 관성 측정 유닛으로서 사용되고, 상기 제1 관성 측정 유닛(4)보다 성능 신뢰성이 더 낮을 수 있는 제2 관성 측정 유닛(5) 및 제3 관성 측정 유닛(6)은 슬레이브(slave) 관성 측정 유닛들로서 사용되며,
    상기 마스터 관성 측정 유닛(4)으로부터의 측정값들은 기준 값들로 사용되어, 에러 모델 파라미터(error model parameter)들의 추정을 통해 상기 마스터 관성 측정 유닛(4)과 비교되는 상기 슬레이브 관성 측정 유닛들(5, 6)로부터의 측정값들을 보상하고, 개개의 3 개의 대응하는 센서 신호들을 기반으로 2/3 투표(2-out-of-3 voting)를 사용하여, 상기 3 개의 센서 신호들 중 하나에서 오작동이 검출될 수 있으며,
    상기 3 개의 관성 측정 유닛들(4, 5, 6) 중에서 센서 신호가 임계 값을 초과하는 상기 3 개의 센서 신호들에 대한 중앙값(M, D)으로부터 일정 거리를 갖는 하나의 관성 측정 유닛은 결함 있는 것으로 식별되며, 상기 마스터 관성 측정 유닛(4)의 오작동은 상기 신호들로 하여금 계속-기능하는 슬레이브 관성 측정 유닛들(5, 6) 중 하나로 스위칭되게 하여 이전에 계산된 사전-보상(pre-compesation)을 적용하는, 관성 측정 유닛들에서의 오작동들을 검출하기 위한 방법.
  2. 제1 항에 있어서,
    상기 에러 모델 파라미터들은 칼만 필터(Kalman filter) 또는 재귀적 최소 자승법(recursive least squares method)을 이용하여 추정되는, 관성 측정 유닛들에서의 오작동들을 검출하기 위한 방법.
  3. 제1 항 또는 제2 항에 있어서,
    상기 에러 모델 파라미터들의 추정을 위해, 상기 슬레이브 관성 측정 유닛들(5, 6)로부터의 모든 모델 파라미터들을 포함하는 에러 모델들(13, 14, 23, 24)이 사용되며, 상기 마스터 관성 측정 유닛(4)과 적어도 시간적으로 상이한 상대적 센서 오프셋(offset)들이 온라인으로 추정되는, 관성 측정 유닛들에서의 오작동들을 검출하기 위한 방법.
  4. 제1 항 내지 제3 항 중 어느 한 항에 있어서,
    상기 마스터 관성 측정 유닛(4)으로부터의 특정 힘들()은 상기 슬레이브 관성 측정 유닛들(5, 6)의 측정 로케이션(location)들로 변환되는, 관성 측정 유닛들에서의 오작동들을 검출하기 위한 방법.
  5. 제1 항 내지 제3 항 중 어느 한 항에 있어서,
    상기 추정된 파라미터들은 허용가능한 최대 값들로 제한되는, 관성 측정 유닛들에서의 오작동들을 검출하기 위한 방법.
  6. 제2 항에 있어서,
    상기 칼만 필터들에서 평가된 추정 에러들의 공-분산(co-variance)들은 신호 편차들의 중요성(significance)을 검출할 때 센서 신호 편차들을 산정(assess)하는데 사용되는, 관성 측정 유닛들에서의 오작동들을 검출하기 위한 방법.
  7. 제1 항 내지 제6 항 중 어느 한 항에 있어서,
    모든 관성 측정 유닛들(4, 5, 6)에서의 모든 센서들은 개개의 필터 유닛들(9, 10, 11)을 사용하여 필터링되고 시간-동기화되는(time-synchronized), 관성 측정 유닛들에서의 오작동들을 검출하기 위한 방법.
  8. 제1 항 내지 제7 항 중 어느 한 항에 있어서,
    온라인-추정된 에러 모델 파라미터들은 상기 슬레이브 관성 측정 유닛들(5, 6)의 측정 값들에 대해 시간-지연되어 적용되는, 관성 측정 유닛들에서의 오작동들을 검출하기 위한 방법.
  9. 제1 항 내지 제8 항 중 어느 한 항에 있어서,
    상기 슬레이브 관성 측정 유닛들(5, 6)은 마스터-슬레이브 구성을 사용하여 사전-보상되고, 시간 지연들이 추정된 센서 출력들()에 적용되고, 상기 시간 지연 내에서 상기 제1 관성 측정 유닛(4)에 에러가 검출되면 상기 슬레이브 관성 측정 유닛들(5, 6)에서의 추정된 센서 에러들은 상기 시간 지연의 종료를 위한 값들에 고정되는, 관성 측정 유닛들에서의 오작동들을 검출하기 위한 방법.
  10. 제1 항 내지 제9 항 중 어느 한 항에 있어서,
    상기 3 개 신호들의 평균 또는 중앙값(M, D)에서 가장 편차가 큰 신호를 검출하기 위해, 검출 로직(28)이 상기 제1 관성 측정 유닛(4)으로부터의 신호들 및 상기 슬레이브 관성 측정 유닛들(5,6)로부터의 사전-보상된(pre-compensated) 신호들에 적용되고, 상기 평균 또는 중앙값(M, D)으로부터의 정규화된 신호 차이가 값 1을 초과하면, 센서 에러가 가정되는, 관성 측정 유닛들에서의 오작동들을 검출하기 위한 방법.
KR1020237021922A 2020-11-30 2021-11-26 관성 측정 유닛들에서의 오작동들을 검출하기 위한방법 KR20230112709A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102020131669.0 2020-11-30
DE102020131669.0A DE102020131669B3 (de) 2020-11-30 2020-11-30 Verfahren zur Erkennung von Fehlfunktionen in Inertialmesseinheiten
PCT/EP2021/083161 WO2022112500A1 (de) 2020-11-30 2021-11-26 Verfahren zur erkennung von fehlfunktionen in inertialmesseinheiten

Publications (1)

Publication Number Publication Date
KR20230112709A true KR20230112709A (ko) 2023-07-27

Family

ID=78823344

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020237021922A KR20230112709A (ko) 2020-11-30 2021-11-26 관성 측정 유닛들에서의 오작동들을 검출하기 위한방법

Country Status (7)

Country Link
US (1) US20240003689A1 (ko)
EP (1) EP4251952A1 (ko)
JP (1) JP2023550834A (ko)
KR (1) KR20230112709A (ko)
CN (1) CN116568993A (ko)
DE (1) DE102020131669B3 (ko)
WO (1) WO2022112500A1 (ko)

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3634023A1 (de) 1986-10-07 1988-04-21 Bodenseewerk Geraetetech Integriertes, redundantes referenzsystem fuer die flugregelung und zur erzeugung von kurs- und lageinformationen
US5184304A (en) 1991-04-26 1993-02-02 Litton Systems, Inc. Fault-tolerant inertial navigation system
DE4403190C1 (de) * 1994-02-02 1995-07-27 Deutsche Forsch Luft Raumfahrt Verfahren zum Bestimmen der Position eines Flugzeugs aus Beschleunigungsdaten eines Inertialsystems sowie aus Ausgabedaten eines Navigationssystems und Einrichtung zur Durchführung des Verfahrens
US8065074B1 (en) 2007-10-01 2011-11-22 Memsic Transducer Systems Co., Ltd. Configurable inertial navigation system with dual extended kalman filter modes
US9568321B2 (en) 2010-04-19 2017-02-14 Honeywell International Inc. Systems and methods for determining inertial navigation system faults
US8825436B2 (en) 2011-03-09 2014-09-02 Moog Inc. Inertial sensing with spatially distributed sensor array and two dimensional data processing
CA2947422C (en) 2014-05-01 2022-03-22 Alakai Technologies Corporation Clean fuel electric multirotor aircraft for personal air transportation and manned or unmanned operation
US10094668B2 (en) * 2014-10-09 2018-10-09 Honeywell International Inc. Systems and methods for producing two independent dissimilar attitude solutions, two independent dissimilar inertial solutions or both from one improved navigation device
US9645250B2 (en) 2015-04-07 2017-05-09 GM Global Technology Operations LLC Fail operational vehicle speed estimation through data fusion of 6-DOF IMU, GPS, and radar
CN105550053B (zh) * 2015-12-09 2018-08-21 中国航空工业集团公司西安航空计算技术研究所 一种提升可用性的监控对容错系统余度管理方法
US9753144B1 (en) 2016-02-12 2017-09-05 GM Global Technology Operations LLC Bias and misalignment compensation for 6-DOF IMU using GNSS/INS data

Also Published As

Publication number Publication date
JP2023550834A (ja) 2023-12-05
CN116568993A (zh) 2023-08-08
DE102020131669B3 (de) 2021-12-23
EP4251952A1 (de) 2023-10-04
US20240003689A1 (en) 2024-01-04
WO2022112500A1 (de) 2022-06-02

Similar Documents

Publication Publication Date Title
CN107885219B (zh) 用于监控无人机飞行的飞行监控系统和方法
US10247576B2 (en) Method and system for verifying measured data
EP3006900B1 (en) Systems and methods for attitude fault detection based on integrated gnss-inertial hybrid filter residuals
US5719764A (en) Fault tolerant inertial reference system
US10495483B2 (en) Method and system for initializing a sensor fusion system
US5631656A (en) Fail safe system with common mode avoidance
JP5258362B2 (ja) パリティロジックを使用する慣性測定装置の故障検出、分離、再構成
KR20140067108A (ko) 시간 정정 센서 시스템
CN109471143B (zh) 自适应容错的列车组合定位方法
MX2012009236A (es) Nodo de detectores para vehiculo.
CN105698788B (zh) 产生两个独立不同的姿态解、惯性解或两者的系统和方法
CN110567457B (zh) 一种基于冗余的惯导自检测系统
JP2015500980A (ja) センサ信号の妥当性検査
CN107076559B (zh) 用于匹配导航系统的方法和系统
Huang et al. Design of a fault detection and isolation system for intelligent vehicle navigation system
US20180126936A1 (en) Method for Operating an Inertial Sensor and for Operating a Vehicle Having Such an Inertial Sensor, and Such a Vehicle
CN111044051B (zh) 一种复合翼无人机容错组合导航方法
CN111736194A (zh) 组合惯性导航系统及导航数据处理方法
CN115468585A (zh) 一种组合导航数据的完好性检测方法及系统
CN112484724A (zh) 高精度的惯性测量装置以及惯性测量方法
Wen et al. Fault detection and diagnosis in the INS/GPS navigation system
US20220178699A1 (en) Inertial reference unit and system with enhanced integrity and associated integrity-checking methods
KR20230112709A (ko) 관성 측정 유닛들에서의 오작동들을 검출하기 위한방법
JP2015223956A (ja) 衝突検知システム
WO2017010309A1 (ja) 加速度検出装置