Nawigacyjny filtr integrujący GPS/DR

• Autorzy: Banachowicz A. , Piela P.

Warianty tytułu

EN

Navigation integrated filter GPS/DR

• Języki publikacji: PL

Abstrakty

PL

We współczesnej, precyzyjnej nawigacji wykorzystuje się dane nawigacyjne pochodzące z różnych źródeł: dane aktualne, uzyskane z sensorów oraz dane archiwalne, otrzymywane z publikacji nautycznych i elektronicznych baz danych nawigacyjnych. Fuzja tych niejednorodnych danych oraz informacji o procesie nawigacyjnym (modelu ruchu obiektu nawigującego) realizowana jest w algorytmach zintegrowanych systemów nawigacyjnych oraz ECDIS (Electronic Chart Display and Information System). W prezentowanym artykule przedstawiono jeden z wariantów integracji danych nawigacyjnych uzyskanych z systemów nawigacyjnych o różnej zasadzie pomiarowej. Jako model matematyczny integracji pomiarów zastosowano klasyczny filtr Kalmana. Jego struktura została zdeterminowana dostępnymi urządzeniami nawigacyjnymi – układ nawigacji zliczeniowej oraz odbiornik DGPS (Differential Global Positioning System). Przedstawiony algorytm nawigacji zintegrowanej zilustrowano wynikami badań z wykorzystaniem rzeczywistych pomiarów wykonanych podczas prób morskich na okręcie ratowniczym.

EN

Nowadays precise navigation uses navigation data from various sources: current data from sensors and archival data from the nautical publications and the electronic navigation database. The fusion of these heterogeneous data and information about the navigation process (the model of motion of the navigating object) is performed in the integrated algorithms of navigation systems and in the Electronic Chart Display and Information System (ECDIS). The article presents a variant of the integration of navigational data obtained from the navigation systems of different measurement principle. As the mathematical model of the integration of measurements the classical Kalman filter is used. Its structure was determined by the available navigation devices – the dead reckoning navigation system and DGPS ( Differential Global Positioning System). The presented algorithm of integrated navigation is illustrated by results of research of studies using actual measurements taken during sea trials the ship rescue.

Słowa kluczowe

PL

nawigacja precyzyjna; system nawigacyjny; filtr Kalmana; nawigacja zliczeniowa; odbiornik DGPS

EN

navigation system; precise navigation; Kalman filter; DGPS

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2014
• Tom: nr 6
• Strony: 1634--1643
• Opis fizyczny: Bibliogr. 11 poz., wykr., pełny tekst na płycie CD

Twórcy

autor

Banachowicz A.

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Informatyki, 71-210 Szczecin: ul. Żołnierska 49

autor

Piela P.

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Informatyki, 71-210 Szczecin: ul. Żołnierska 49

Bibliografia

• 1. Anderson B.D.O., Moore J.B., Optimal filtering, Prentice-Hall, 1979 New Jersey.
• 2. Balakrishnan A.V., Kalman Filtering Theory, Optimization Software, 1984 New York.
• 3. Banachowicz A., Bober R., System zintegrowanej nawigacji na okręty ORP „Piast” i ORP „Lech”, WSM, 1999 Szczecin. (raport naukowy)
• 4. Banachowicz A., Variants of Structural and Measurement Models of an Integrated Navigational System, „Annual of Navigation”, 2001, No 3, pages 5 – 18.
• 5. Banachowicz A., Banachowicz G., Fuzja pomiarów nawigacyjnych GPS/INS/DR. Logistyka nr 6/2013. Poznań 2013, ss. 2 – 8 (CD).
• 6. Farrell J.A., Barth M., The Global Positioning System & Inertial Navigation. McGrew-Hill, New York 1999.
• 7. Julier S.J., Uhlmann J.K., Durrant-Whyte H.F., A New Approach for Filtering Nonlinear Systems. The Proceedings of the American Control Conference. Seatlle, Washington, pages 1628 – 1632, 1995.
• 8. Kalman R.E., A New Approach to Linear Filtering and Prediction Problems.ASME Journal of Basic Engineering, series D, 82, 1960.
• 9. Kalman R.E., Bucy R.S., A New Approach to Linear Filtering and Prediction Theory.ASME Journal of Basic Engineering, series D, 83, 1961.
• 10. Mitchell H.B., Multi-Sensor Data Fusion. An Introduction. Springer Verlag Berlin – Heidelberg 2007.
• 11. Ristic B., Arulampalm S., Gordon N., Beyond the Kalman Filter. Participle Filters for Tracking Applications, Artech House, 2004 Boston.