Geomagnetic and Inertial Combined Navigation Approach Based on Flexible Correction-Model Predictive Control Algorithm

📄 arXiv: 2412.05820v1 📥 PDF

作者: Xiaohui Zhang, Xingming Li, Songnan Yang, Wenqi Bai, Yirong Lan

分类: eess.SY

发布日期: 2024-12-08

备注: 41 pages, 11 figures

💡 一句话要点

提出基于柔性校正模型预测控制的地磁与惯性组合导航方法，无需先验地磁图。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 地磁导航 惯性导航 模型预测控制 柔性校正 组合导航

📋 核心要点

  1. 现有组合导航方法依赖先验地磁图，且长距离任务中惯性导航存在漂移，精度受限。
  2. 提出Fc-MPC算法，利用地磁梯度信息和模型预测控制，实时校正预测结果，无需先验地磁图。
  3. 仿真和实验结果表明，该算法显著提高了地磁与惯性组合导航系统的精度、效率和稳定性。

📝 摘要（中文）

本文提出了一种基于柔性校正-模型预测控制算法(Fc-MPC)的地磁与惯性组合导航方法。该方法旨在克服现有组合导航方法需要先验地磁图以及长距离任务中惯性导航漂移的局限性。所提出的方法利用地磁梯度信息和带有航向控制和状态约束的模型预测控制(MPC)算法，消除了对先验地磁图的依赖。相反，该方法实现了地磁偏角、地磁倾角和惯性导航数据的实时测量，并引入了统一的补偿条件来实时调整和校正预测结果。仿真和实际实验结果表明，所提出的Fc-MPC算法显著提高了地磁与惯性组合导航系统的精度、效率和稳定性。

🔬 方法详解

问题定义：现有地磁辅助惯性导航方法通常依赖于预先构建的地磁图，这限制了其在未知或变化地磁环境中的应用。此外，长时间的惯性导航会产生累积误差，导致导航精度下降。因此，如何在无需先验地磁图的情况下，有效抑制惯性导航的漂移误差，是本文要解决的关键问题。

核心思路：本文的核心思路是利用地磁场的梯度信息，结合模型预测控制（MPC）算法，构建一个柔性校正模型。该模型能够实时测量地磁偏角、地磁倾角以及惯性导航数据，并根据这些数据动态调整预测结果，从而实现无需先验地磁图的高精度导航。通过引入统一的补偿条件，可以有效地校正MPC的预测误差，提高导航系统的鲁棒性。

技术框架：该方法主要包含以下几个模块：1) 地磁传感器数据采集模块，用于实时测量地磁偏角和地磁倾角；2) 惯性导航系统（INS）数据采集模块，用于提供位置、速度和姿态信息；3) 模型预测控制（MPC）模块，该模块基于系统动力学模型，预测未来的状态轨迹，并优化控制输入；4) 柔性校正模块，该模块根据地磁测量信息，对MPC的预测结果进行实时校正，以减小误差；5) 状态估计模块，该模块融合地磁和惯性数据，估计系统的状态，并反馈给MPC模块。

关键创新：该方法最重要的创新点在于提出了柔性校正-模型预测控制（Fc-MPC）算法。与传统的MPC算法相比，Fc-MPC算法引入了柔性校正模块，能够根据实时的地磁测量信息，动态调整预测结果，从而消除了对先验地磁图的依赖。此外，该方法还采用了统一的补偿条件，可以有效地校正MPC的预测误差，提高导航系统的鲁棒性。

关键设计：在MPC模块中，需要设计合适的系统动力学模型，包括状态方程和观测方程。状态方程描述了系统的状态随时间的变化规律，观测方程描述了状态与测量值之间的关系。此外，还需要选择合适的控制目标函数和约束条件。控制目标函数通常包括位置误差、速度误差和姿态误差等，约束条件包括控制输入的上下限和状态的约束。柔性校正模块的关键在于设计合适的校正函数，该函数需要能够根据地磁测量信息，有效地减小MPC的预测误差。具体参数设置和损失函数细节在论文中未明确给出，属于未知信息。

📊 实验亮点

论文通过仿真和实际实验验证了所提出的Fc-MPC算法的有效性。实验结果表明，与传统的组合导航方法相比，该算法能够显著提高导航系统的精度、效率和稳定性。具体的性能数据和提升幅度在摘要中未明确给出，属于未知信息，需要在论文正文中查找。

🎯 应用场景

该研究成果可应用于无人机、水下机器人、自主车辆等领域，尤其适用于在缺乏GPS信号或地磁环境未知的场景下进行高精度导航。该方法能够提高导航系统的自主性和可靠性，具有重要的实际应用价值和广阔的应用前景。未来，该技术有望进一步推广到更广泛的领域，例如军事侦察、资源勘探和环境监测等。

📄 摘要（原文）

This paper proposes a geomagnetic and inertial combined navigation approach based on the flexible correction-model predictive control algorithm (Fc-MPC). This approach aims to overcome the limitations of existing combined navigation methods that require prior geomagnetic maps and the inertial navigation drift of long-range missions. The proposed method uses geomagnetic gradient information and the model predictive control (MPC) algorithm with heading control and state constraints, eliminating the dependence on prior geomagnetic maps. Instead, the proposed method achieves real-time measurements of the geomagnetic declination, geomagnetic inclination, and inertial navigation data and introduces uniform compensation conditions to adjust and correct the predictive results in real-time. Simulation and real experiment results demonstrate that the proposed Fc-MPC algorithm significantly improves the precision, efficiency, and stability of the geomagnetic and inertial combined navigation system.