Un nuevo sistema de navegación inercial integrado con un giroscopio de interferómetro de átomos fríos de un solo eje...

Área de la Ciencia:

• Ingeniería de sistemas de navegación
• Tecnología de detección cuántica
• Teoría de los sistemas de control

Sus antecedentes:

• Los sistemas de navegación inercial (INS) ofrecen un funcionamiento autónomo, encubierto y de larga duración, pero acumulan errores con el tiempo.
• Las limitaciones de los sensores y los principios de funcionamiento contribuyen a los errores acumulados en el INS tradicional.
• La navegación precisa es crucial para varias aplicaciones, lo que requiere estrategias de mitigación de errores.

Objetivo del estudio:

• Explorar teóricamente y simular numéricamente un sistema de navegación inercial integrado que combine un giroscopio de interferómetro de átomos fríos (CAIG) y una unidad de medición inercial convencional (IMU).
• Aprovechar las distintas ventajas de CAIG (bajo sesgo, deriva) e IMU (alta tasa de muestreo) para mejorar la precisión de la navegación.
• Desarrollar e implementar un método de ascenso de gradiente adaptativo (AGA) para la estimación en línea de la varianza del ruido de medición en el filtro Kalman.

Principales métodos:

• Integración de un giroscopio de interferómetro de átomos fríos de un solo eje (CAIG) con una unidad de medición inercial convencional (IMU).
• Desarrollo de un algoritmo de ascenso de gradiente adaptativo (AGA) para el ajuste de parámetros de filtro Kalman en línea.
• Simulación numérica del sistema integrado durante un período operativo de 24 horas.

Principales resultados:

• El sistema integrado demostró reducciones significativas en los errores de navegación en comparación con un IMU convencional solo.
• Los errores de latitud, longitud y posicionamiento se redujeron en un 43, 9%, 32, 6% y 32, 3%, respectivamente, durante 24 horas.
• El filtro de Kalman en línea redujo efectivamente los errores derivados de la deriva del sensor de inercia.

Conclusiones:

• El sistema de navegación inercial integrado propuesto, que combina CAIG e IMU, ofrece una precisión de navegación superior.
• El método de ascenso de gradiente adaptativo mejora el rendimiento del filtro Kalman al estimar con precisión la varianza de ruido.
• Este enfoque proporciona una solución viable para mitigar los errores acumulados en la navegación autónoma de larga duración.