慣性導(dǎo)航系統(tǒng)通常稱為 INS，是一種使用各種環(huán)境傳感器的電子系統(tǒng)，能夠檢測和測量物體運動的變化。使用傳感器數(shù)據(jù)，慣性導(dǎo)航系統(tǒng)可以確定車輛或物體相對于其起點的位置 - 這稱為航位推算。
慣性導(dǎo)航系統(tǒng)中使用的傳感器有多種類型，但兩種主要類型是加速度計和陀螺儀。
加速度計可以測量線速度的變化。由于大多數(shù)物體可以在三維空間中移動，因此通常使用三個正交安裝的加速度計；也就是說，每個加速度計的軸與其他加速度計的軸成 90°。它們通常被賦予X軸、Y軸和Z軸的標簽。
陀螺儀測量旋轉(zhuǎn)速度，并且由于大多數(shù)物體可以在三維空間中自由旋轉(zhuǎn)，因此通常使用三個陀螺儀軸。它們還正交安裝在物體上，并盡可能與三個加速度計軸對齊。
該圖像描繪了三個運動軸上的加速度計和陀螺儀。
每個加速度計和陀螺儀都與其他加速度計和陀螺儀成 90°（正交）放置。
典型的 INS 將具有其他內(nèi)置傳感器或連接設(shè)備，以提供比單獨運動更廣泛的更全面的數(shù)據(jù)集，例如：
? GNSS 接收器同時接收和解碼來自多個導(dǎo)航衛(wèi)星的信號，以提供三維位置數(shù)據(jù)。使用多個接收器可以幫助確定航向和方向。
? 磁力計檢測并測量地球磁場的強度和方向。三個磁力計用于提供相對于磁北的三維方向。
? 壓力傳感器測量外部壓力。例如，用于確定水下應(yīng)用中的深度的水壓傳感器和用于確定高度的氣壓傳感器（氣壓計）。
在許多現(xiàn)代慣性導(dǎo)航系統(tǒng)中，慣性感測由稱為“慣性測量單元”（IMU）的模塊執(zhí)行，有時也稱為慣性參考單元（IRU）或運動參考單元（MRU）。 IMU 輸出原始運動數(shù)據(jù)，供 INS 的其他部分使用，通常與 GNSS 輸入和其他傳感器結(jié)合使用。有關(guān) IMU 的更多信息，請閱讀“慣性測量單元 (IMU) – 簡介”一文。
在測量物體的運動時，理解參考系的概念非常重要。為了獲得準確的運動數(shù)據(jù)，必須在慣性參考系（也稱為“慣性參考系”）的約束內(nèi)測量慣性。這可以用牛頓慣性定律來解釋。
慣性定律指出，靜止的物體保持靜止，運動的物體保持以相同的速度移動，除非受到外力作用。由于參考系不加速，因此可以測量慣性參考系內(nèi)的物體上的外力所產(chǎn)生的慣性。如果參考系也在加速，那么其他力就會發(fā)揮作用，影響慣性測量。
通常，我們使用地球作為慣性參考系，即使它正在經(jīng)歷加速，導(dǎo)致其繞軸旋轉(zhuǎn)并繞太陽運行，太陽也在移動等等。幸運的是，導(dǎo)航系統(tǒng)處理了使用非慣性參考系作為慣性參考系所需的復(fù)雜數(shù)學(xué)，因此其輸出可以被視為物體運動的記錄，就像在 3D 空間中移動一樣不受其他力（例如重力）的作用。
為了理解慣性導(dǎo)航系統(tǒng)的工作原理，考慮一下水平、筆直軌道上的火車是很有用的?；疖嚨倪\動受到限制——它只能向前或向后行駛。它不能上下左右移動，也不能以任何方式旋轉(zhuǎn)。
圖像描繪了直線軌道上的火車?；疖囍荒芟蚯?向后移動
以火車為例，當火車不移動時，加速度計測量的前/后軸（通常是 X 軸）將輸出零值。當火車開始向前移動時，加速度計將檢測速度的變化并快速輸出瞬時加速度值，通常每秒高達 1000 個數(shù)據(jù)點 (1 kHz)。利用積分原理，可以記錄一段時間內(nèi)的加速度值并計算火車行駛的距離?，F(xiàn)在，我們可以自信地沿著軌道定位火車，但只能相對于其起始位置——我們可能知道也可能不知道火車起始位置在世界上的絕對位置。要使用地球表面作為參考系來確定絕對位置，需要額外的信息——通常由 GNSS/GPS 接收器提供的信息。
對于不在直線軌道上的車輛，可以使用加速度計從所有三個運動軸擴展這種測量加速度值并通過擴展計算相對位置和距起點的距離的方法。使用三角學(xué)將來自加速度計的數(shù)據(jù)組合成單個行進向量。
實際上，幾乎所有車輛類型都不會直線行駛，這意味著車輛必須以某種方式旋轉(zhuǎn)才能改變方向。陀螺儀用于通過測量三個軸中任意一個上的任何旋轉(zhuǎn)以及方向來確定行進方向（航向）。同樣，該方向是相對于車輛在起點處的方向而言的，該方向可能是絕對已知的，也可能不是絕對已知的。確定絕對行進方向的一種常見方法是使用附加傳感器，例如磁力計，它將提供相對于磁北極的航向值。
通過將加速度計的行進距離測量值與陀螺儀的行進方向相結(jié)合，可以以一定的精度確定物體相對于起點的位置。
慣性導(dǎo)航系統(tǒng) (INS) 的價值通常取決于其慣性傳感器的精度。有些傳感器比其他傳感器做得更好，或者比其他傳感器具有更寬的操作閾值，但是，不存在完美的傳感器。例如，所有傳感器都存在由傳感技術(shù)或所用材料的物理限制引起的固有誤差。這意味著所有加速度計和陀螺儀都會輸出含有誤差元素的信息。
由于傳感器測量誤差是固有的，傳感器從其起始位置移動得越遠，誤差就會累積。因此，必須假設(shè) INS 提供的位置信息會存在一定程度的誤差?？梢哉f，一般來說你付的錢越多，傳感器的質(zhì)量就越好，精度也越高。至于選擇哪種 INS，問題通常是由精度要求和預(yù)算決定的。
造成測量誤差的因素有很多，而且無法完全避免。然而，有一些方法可以減少一些錯誤，而不僅僅是購買更昂貴的傳感器。誤差校正方法包括在工作溫度范圍內(nèi)對傳感器進行工廠校準和表征，以及基于智能軟件的傳感器輸出濾波。
硬件級別的固有傳感器錯誤無法消除，這導(dǎo)致傳感器數(shù)據(jù)處理中使用復(fù)雜的數(shù)學(xué)和統(tǒng)計過濾算法。這些濾波器旨在動態(tài)檢測和消除由干擾和噪聲引起的偏差（固有誤差）和誤差，例如磁干擾和振動引起的誤差。高級導(dǎo)航開發(fā)了獨特的過濾算法，利用人工智能 (AI)，這是一項關(guān)鍵的新興技術(shù) – 閱讀這篇文章“人工智能如何徹底改變慣性導(dǎo)航？ ”了解更多信息。
如前所述，單獨使用加速度計和陀螺儀將僅提供相對于起點的位置。為了使用地球表面作為參考系來確定車輛的絕對位置（或高于或低于），通常使用 GNSS/GPS 接收器作為 INS 的附加輸入。
全球?qū)Ш叫l(wèi)星系統(tǒng)(GNSS) 與 INS 的傳感器非常相似，很容易出現(xiàn)定時、軌道和大氣干擾等錯誤，從而影響使用衛(wèi)星信息的導(dǎo)航系統(tǒng)的準確性。這導(dǎo)致了實時運動學(xué) (RTK) 的發(fā)展——這些數(shù)學(xué)技術(shù)能夠確定用于糾正衛(wèi)星誤差的值。使用 RTK 可以將地球上的絕對位置確定在幾厘米以內(nèi)，有時甚至更小。在 INS 中使用智能軟件濾波器的優(yōu)點之一是，GNSS 被視為另一個傳感器，其數(shù)據(jù)可用于實時“調(diào)整”其他傳感器，以提高輸出位置精度。
舉個簡單的例子，讓我們回到水平直軌上的火車。智能軟件過濾器將使用加速度計測量值計算行駛距離，并將其與 GNSS/GPS 接收器確定的行駛距離實時進行比較。如果兩個結(jié)果之間存在任何差異，濾波器可以“校準”加速度計，以消除可能存在的任何偏差或噪聲，例如來自振動源的偏差或噪聲。濾波器的這種能力確實是慣性導(dǎo)航系統(tǒng)的核心和靈魂，也是其與簡單積分計算的區(qū)別所在。
最后，我們可以考慮通過慣性導(dǎo)航系統(tǒng)獲得絕對航向確定。陀螺儀單獨提供一個僅相對于您的起始位置的航向值，并不指示物體相對于北極的航向。絕對航向確定的一種常見且低成本的方法是使用另一種稱為磁力計的傳感器。
磁力計測量地球的磁場強度，并且再次使用三個磁力計，沿著三個軸與其他傳感器正交排列。與加速度計和陀螺儀一樣，磁力計軸測量結(jié)果被組合成單個矢量。
當使用磁力計進行絕對航向確定時，有必要了解您所在位置的地球磁場強度。該信息被稱為“世界磁模型”(WMM)，它是對世界各地地球磁場強度的三維測量，分辨率為 50 公里。 WMM信息存儲在慣性導(dǎo)航系統(tǒng)內(nèi)部，并將該位置的WMM值與測量值進行比較。使用三角學(xué)，INS 可以確定物體相對于磁北極旋轉(zhuǎn)了多少。從那里開始，為了確定相對于所謂的真北的旋轉(zhuǎn)（即航向），需要添加或減去一個稱為“赤緯”的值。
紅軸描繪了“磁北”，因為它與地球磁場對齊。藍軸代表“真北”，因為它是地球旋轉(zhuǎn)的實際軸。
請注意，要使用世界磁力模型，必須知道絕對位置，至少在 +/- 25 公里之內(nèi)，因此在使用磁力計時通常使用 GNSS/GPS 接收器。
然而，磁力計并非在所有情況下都是理想的，因為它們的測量非常敏感，因此容易受到附近含鐵物體或產(chǎn)生磁場的設(shè)備（例如電動機）的干擾、偏移和失真。如果含鐵物體相對于傳感器是固定的；例如，在汽車中，可以校準干擾。如果含鐵物體本質(zhì)上是瞬態(tài)的；例如，行駛在鋼板上時，可以智能濾除干擾。不幸的是，如果含鐵物體很近但沒有固定到位，并且一直存在——想象一下附近有一個電動機或一塊旋轉(zhuǎn)的鋼；使用基于磁力計的航向系統(tǒng)可能根本不可能。在這種情況下，可以使用光纖陀螺儀等替代航向傳感器 通過測量地球自轉(zhuǎn)來找到真北的（FOG）可能是必要的。
人工智能 (AI) 是一種快速發(fā)展的技術(shù)/方法，正在工業(yè)的許多方面采用，以將一定程度的自動化決策賦予軟件。毫無疑問，人工智能正在成為自動化和自主系統(tǒng)、電子產(chǎn)品以及提供越來越多的基于計算機的服務(wù)的基礎(chǔ)技術(shù)。高級導(dǎo)航過濾 AI 包括人工神經(jīng)網(wǎng)絡(luò) (ANN)，其設(shè)計類似于大腦互連的神經(jīng)通路。該概念基于節(jié)點（“人工神經(jīng)元”）的集合，這些節(jié)點與生物系統(tǒng)類似地互連。每個神經(jīng)元都可以將信號傳輸?shù)狡渌窠?jīng)元，從而使交叉連接成為可能并影響連接的神經(jīng)元如何相互作用。對于慣性導(dǎo)航系統(tǒng)，您可以將神經(jīng)元視為傳感器的輸入或輸出。
集成人工神經(jīng)網(wǎng)絡(luò)的信號處理速度明顯快于使用卡爾曼濾波的導(dǎo)航系統(tǒng)。卡爾曼濾波提供主要基于統(tǒng)計的未知變量的估計。更快的處理意味著每秒捕獲傳感器數(shù)據(jù)的次數(shù)更多，這會導(dǎo)致記錄的運動數(shù)據(jù)的粒度更細，并顯著提高導(dǎo)航性能。
與卡爾曼濾波相比，人工智能改進了傳感器錯誤檢測和跟蹤?？柭鼮V波由于僅對加速度、速度和位置應(yīng)用基本線性約束而受到一定限制?；谌斯ぶ悄艿母呒墝?dǎo)航算法應(yīng)用動態(tài)約束，包括車輛運動的完整物理模型。使用動態(tài)約束而不是線性約束可以更好地檢測和跟蹤錯誤，從而獲得更可靠和更高精度的運動數(shù)據(jù)。人工智能的“學(xué)習(xí)”能力使其能夠在錯誤測量和測量后校正期間積累傳感器誤差數(shù)據(jù)和相關(guān)條件。然后，人工智能可以使用這些積累的知識，并應(yīng)用適合當前條件的傳感器誤差補償。能夠根據(jù)當前條件解釋傳感器數(shù)據(jù)的結(jié)果，隨著時間的推移，更細致的傳感器誤差數(shù)據(jù)變得可用，歷史修正及其結(jié)果可提供更高的導(dǎo)航精度和改進的航位推算估計。
? Advanced Navigation Certus MEMS GNSS/INS 傳感器
? Advanced Navigation Certus Evo MEMS GNSS/INS 傳感器
? Advanced Navigation Spatial MEMS GNSS/INS 傳感器
? MicroStrain 3DM-CX5-GNSS/INS 高性能 GNSS 導(dǎo)航傳感器
? MicroStrain 3DM-GX5-GNSS/INS 高性能 GNSS 導(dǎo)航傳感器
? MicroStrain 3DM-CV7-INS 戰(zhàn)術(shù)級嵌入式慣性導(dǎo)航系統(tǒng)
