Демић М., Дилигенски Ђ.

: „Сателитско праћење возила“

4.0. МЕРЕЊЕ КАРАКТЕРИСТИКА

ВОЗИЛА УЗ ПОМОЋ GPS-А
Имајући у виду недостатке GPS система, а о којима је било речи у
поглављу 2.0., примена комбинације система GPS и Инерцијалних
Навигационих Система (INS: Inertial Navigation Systems) отвара нове
могућности за утврђивање карактеристика возила, о којима ће бити
речи у даљем тексту [1,2].

4.1. Интеграција GPS и INS ради праћења

динамичких карактеристика возила

Инерцијални навигациони систем (INS) користи жироскопе и даваче

убрзања ради формирања процене позиције, брзине и понашања возила
на коме се INS налази. Чине га следеће компоненате:

• Инерцијална мерна јединица или инерцијала референтна

јединица, која се састоји из кластера сензора: давача убрзања
(два или више, али обично три) и жироскопа (три или више,
обично три). Ови сензори се круто везују за заједничку базу
како би се задржали међусобни релативне оријентације;

• Навигациони компјутери (један или више) рачунају

гравитационо убрзање (које се не региструје давачима убрзања)
и двоструко интегришу укупно убрзање ради обезбеђења
процене позиције возила-домаћина.

Инерцијална навигација има релативно кратку али интензивну историју

развоја, добрим делом у периоду од пола века хладног рата, када је
хиљаде инжењера и научника дало свој допринос у овој области.

У терминолошком смислу, навигација се бави одређивањем места где

се налазите у односу на оно где бисте желели да будете, вођење се
стара о томе да стигнете на жељену дестинацију а контрола да будете
на предвиђеној путу.

160
Демић М., Дилигенски Ђ.: „Сателитско праћење возила“

Предности инерцијалне навигације у односу на друге облике

навигације су следеће:

• аутономна је и не зависи од било каквих спољашњих помагала

или услова видљивости; може да функционише у тунелима или
испод водене површине или било где,
• у оквирима интегралне навигације, добро се усаглашава са
вођењем и контролом возила-домаћина и
• имуна је на ометање и заштићена од утицаја са стране; не прима
и не емитује мерљиву радијацију и не захтева спољну антену
која се може регистровати радаром.

Недостаци су следећи:

• средње квадратне грешке навигације расту са временом;

• трошкови, који укључују следеће ставке:
- набавке, који могу да буду за један ред величине (или
више) већи од оних који су потребни за куповину GPS
пријемника,
- рада, укључујући акције особља и време потребно за
иницијализацију позиције и понашања,
- одржавања. електромеханички ваздухопловни системи
(тј. INS) имају веће стопе отказа и трошкова оправке од чисто
електронских ваздухопловних система (тј. GPS),
• величина и маса, које се стално смањују:
- ранији INS системи су тежили тоне или стотине
килограма,
- савремени микро-електромеханички сензори се мере у
грамима,
• потребе за снагом погона, које се смањују са величином и
масом, али су и даље веће од оних које су потребне за GPS
пријеменик и
• расипање топлоте, која је пропорционална снази погона.

4.2. Калман филтер

У оквиру расположивог асортимана математичких процедура које се
могу користити за процене стохастичких појава, а које се базирају на
мерењима уз помоћ сензора са значајним присуством шума, Калман

161
Демић М., Дилигенски Ђ.: „Сателитско праћење возила“

филтер је једно од најпознатијих и најчешће примењиваних оруђа. Ради

се о сету математичких једначина у којима је примењен процењивач
стања неке појаве који обједињује функцију предвиђања и корекције,
чиме се на оптималан начин минимализује процењена коваријанса
грешке - онда када се претпостављени услови испуне.

У математичком смислу, Kалман филтер се базира на линеарним

динамичким системима, дискретизованим у временском домену.
Моделирају се у Марковљев ланац који је изграђен на линеарним
операторима који су под утицајем Гаусовог шума. Стање система се
представља као вектор реалних бројева. У сваком дискретном
временском прираштају, линеарни оператор се примењује на стање
тако да генерише ново стање, са нешто шума који је присутан, и
потенцијално неком информацијом из контроле система, ако је позната.
Затим, други линеарни оператор који је оптерећен са више шума,
генерише видљиви излазни резултат из скривеног стања. Постоји
аналогија између Калман филтера и скривеног Марковљевог модела, са
кључном разликом да су променљиве величине скривеног стања
непрекидне (насупрот дискретним, у скривеном Марковљевом моделу).
Такође, скривени Марковљев модел може да представи неку
произвољну расподелу за следећу вредност променљиве величине
стања, насупрот моделу са Гаусовим шумом, који се користи код
Калман филтера. Постоји снажан дуалитет између једначина Калман
филтера и оних код скривеног Марковљевог модела [3-5].

Калман филтер је за стохастичке процесе моћно оруђе и то са неколико

аспеката: подржава процене које се односе на прошла, садашња, па чак
и будућа стања, а то може чинити и онда када тачна природа
моделираног система није позната. Ради илустрације, наводимо неке
примере могућих примена [4,5]. Например, користи се онда када је
потребно обезбедити тачну, непрекидно-иновирану информацију о
положају и брзини објекта за који имамо само повремене информације
о положају и где свака од њих укључује и неку грешку мерења. Такође,
код примене на радарима, где је примарни интерес праћење циља,
информације о локацији, брзини и убрзању циља се мере уз значајно
ометање услед шума у сваком тренутку. Калман филтер експлоатише
динамичке параметре циља, који регулишу временску еволуцију ради
елиминисања ефеката шума и добијања добрих процена локације циља
у садашњем времену (филтрирање), будућем времену (предвиђање) и
прошлом времену (интерполација или поравнавање-smoothing).

162
Демић М., Дилигенски Ђ.: „Сателитско праћење возила“

Обзиром да степен ажурности код највећег броја GPS пријемника није

довољно висок за потребе контролне функције, INS сензори се обично
интегришу са GPS мерењима у структуру Калман филтера, како би се
обезбедио виши степен ажурности процене стања возила. То је
изузетно ефикасна и вишеструко корисна процедура за комбиновање
излазног сигнала сензора са шумом ради процене стања система са
неизвесном динамиком [1-4].

Са двоантенским GPS системом могуће је користити два кинематска

модела, независна од неизвасних физичких параметара и промена, ради
процене стања.

Кинематски Калман филтери, који су независни од непознатих

параметара возила, интегришу инерцијалне сензоре са GPS-ом како би
се обезбедиле најажурније процене стања возила и грешке одступања
сензора. Например, коришћењем дво-антенског GPS система, ефекти
галопирања и ваљања на мерене вредности се могу квантификовати, а
од значаја су и за процену бочног угла клизања.

Сензор са шумом укључује GPS пријемник и инерцијалне сензоре

(типично: даваче убрзања и жироскопе), а може да укључи и сензоре
брзине (т.ј. брзину точка возила, сензоре брзине воде код пловила,
сензоре брзине ваздуха код летилица или Doppler-ов радар) и сензоре
времена (часовнике).

Стање система о коме се ради укључује положај, брзину, убрзање,

понашање возила на копну, мору, у ваздуху или у свемиру.

Непозната динамика обухвата непредвидљиве поремећаје возила

домаћина, без обзира да ли су проузроковани људским фактором или
окружењем (тј. ветар, површинске струје, кривине на путу или промене
микропрофила пута), а може укључивати и непредвидљиве промене у
параметрима сензора.

Калман филтер прати и подржава две променљиве величине:

1. Процењени вектор стања

• променљиве величине које су од интереса (нпр. положај,

брзина),

163
Демић М., Дилигенски Ђ.: „Сателитско праћење возила“

• променљиве величине које се односе на селективну

расположивост GPS сателита и
• динамичке променљиве величине система које се мере
сензорима.

2. Матрица коваријанси

• једначине које се користе за формирање матрице ковријанси

(колективно се зову Riccati-јеве једначине) моделирају и мере
несигурност, узимајући у обзир допринос шума сензора и
динамичке несигурности на процењено стање система.

Традиционални Калман филтер укључује ажурирање мерења и

ажурирање времена. С обзиром на нижу стопу ажурности GPS мерења,
ажурирање мерења се обавља само онда када је GPS расположив, како
би се могла проценити грешка одступања сензора и минимизирала
грешка процене стања. Ажурност мерења се генерално може описати
на следећи начин [2]:

xt (+ ) = xt (−) + K t ( y t − Cxt (−))

K t = Pt (−)C T (CPt (−)C T + R) или K t = Pt (+)C T R −1 (4.1)
Pt (+) = ( I − K t C ) Pt (−) или Pt (+ ) −1 = Pt (−) −1 + C T R −1C

где су:

xt (−) = претходна процена стања у времену t,

xt (+) = ажурирана процена стања система у времену t,
Pt (−) = претходна грешка матрице коваријансе у времену t,
Pt (+) = ажурирана грешка матрице коваријансе у времену t,
K t = Калманов добитак у времену t,
y t = ново мерење у времену t,
C = матрица посматрања и
R = матрица коваријансе за измерени шум

Овде x и y представљају стања возила која су од интереса и

расположива мерења, респективно, за општи филтер. За време
ажурирања обавља се проста интеграција инерцијалних сензора, због

164
Демић М., Дилигенски Ђ.: „Сателитско праћење возила“

тога што GPS мерења нису расположива. Коришћењем дискретног

модела система узоркованих података, временско ажурирање се може
написати у следећем облику [2]:

xt +1 (−) = Ad xt (+ ) + Bd u t
Pt +1 (−) = Ad Pt (+) AdT + Q (4.2)

где су:

∞
A k ∆T k +1
Ad = e A∆T = ∑ ,
k =0 k!
∆T ∞
A k ∆T k +1
Bd = ∫ e Aη dηB = ∑ B,
0 k =0 (k + 1)!

u t = улаз у систем у времену t и

Q = матрица коваријанси развијеног шума

Ова структура Калман филтера се користи за све индивидуалне

филтере. Док нова решења управљачких и кочних актуатора обезбеђују
нове могућности обликовања динамике возила кроз активну контролу,
примарни изазов у развоју контролних система возила остаје на
недостатку повратне спреге. Например, тежак проблем процене бочног
угла клизања или бочне брзине возила тренутно ограничава алгоритме
који се могу уградити у производне системе. Иако системи контроле
стабилности и управљања захтевају угао бочног клизања за своје
контролне сврхе, а будући системи електронске контроле ће га
захтевати ради повратне спреге, садашња возила немају могућност
директног мерења бочног угла клизања. Према томе, тај угао се мора
проценити, ради примене у контролним системима возила [2].

Постоје методи за процену угла бочног клизања и других величина

стања возила уз примену двоантенског GPS пријемника који
елиминише грешке процене. Пошто двоантенски GPS пријемник
обезбеђује директно мерење брзине возила и понашања (вијугање и
ваљање), поред информација о положају, кључне величине возила,
укључујући и угао бочног клизања, могу се проценити коришћењем
измерених података о GPS брзини и понашању. Измерене GPS
вредности се комбинују са аутомобилским инерцијалним сензором за

165
Демић М., Дилигенски Ђ.: „Сателитско праћење возила“

пут са подужним нагибом ради ажурирања процена података о стању

возила.

4.3. Модел са центром ваљања и подужним

нагибом пута
Истраживања процене стања возила применом раванског модела
возила не узимају у обзир подужни нагиб пута и ваљање возила.
Резултети ових процена показују да ефекти подужног нагиба пута и
ваљања производе значајну грешку у процени угла бочног клизања. Да
би се избегла грешка услед подужног нагиба пута и ваљања возила,
уведен је модел возила са центром ваљања и са пудужним нагибом
пута. Процена подужног нагиба пута се добија из брзине коју даје GPS
брзина. Процена комбинована са информацијом о ваљању, која долази
из двоантенског система, се користи за побољшање тачности стања
возила и процене грешке одступања сензора.

За прорачун угла клизања пнеуматика неопходно је компензовати

ефекте галопирања и ваљања. То се може постићи на више начина –
нпр. уградњом GPS система са 3 или 4 антене, ради мерења понашања
у 3D окружењу. Основне процене ваљања и подужног нагиба се могу
добити и са дводимензиналном диспозицијом антена.

Уз претпоставку да је галопирање условљено углавном подужним

нагибом пута и да се тај нагиб може дефинисати уз помоћ брзине,
коришћењем једначине (4.3), компоненте гравитације приликом
мерења убрзања у зависности од ваљања и вијугања се могу
компензовати коришћењем дво-антенског GPS пријемника [2].

⎛ UV ⎞
θ r ≈ tg −1 ⎜⎜ ⎟⎟ (4.3)
⎝UH ⎠

где су:

θ r - процена подужног нагиба пута, а

U V , U H - вертикална и хоризонтална брзина са GPS-а

166
Демић М., Дилигенски Ђ.: „Сателитско праћење возила“

На тај начин се мерења, која се врше ради корелације између грешке

одступања сензора и геометрије пута, могу искористити за отклањање
ових ефеката.

Сл. 4.1 Модел са центром ваљања са подужним и

попречним нагибом

Модел са центром ваљања са подужним и попречним нагибом пута је

дат на слици. 4.1 [2]. Овај модел претпоставља да се каросерија возила
ротира око фиксне тачке (центар ваљања) на раму који остаје у равни
пута. Очекиване компоненте гравитације приликом мерења убрзања
могу се експлицитно одредити и компензовати захваљујући томе што
се подужни нагиб пута може проценити из мерења брзине помоћу GPS-
а и укупног угла ваљања (сума ваљања ослоњене масе и попречног
нагиба пута), што се постиже дво-антенским GPS пријемником.

167
Демић М., Дилигенски Ђ.: „Сателитско праћење возила“

Кинематски однос између мере убрзања и компонената брзине на

позицији сензора за случај овог модела се може изразити [2]:

ax , m = u x , sensor ¬ψ u y , sensor + ax , nagib + g sin α + šum

(4.4)
a y ,m = u y , sensor ¬ψ u x , sensor + a y ,nagib + g sin Φ + šum

где су:

α -процена подужног нагиба, а

φ = β + ϕ сума попречног нагиба пута и ваљања каросерије.

Још једна значајна предност коришћења модела са центром ваљања је

да се ваљање возила може узети у обзир приликом одређивања брзине
возила. Треба приметити да је једначина 4.4 написана за тачку на којој
се налази сензор, и за случај када су две GPS антене смештене на врху
крова возила. Према томе, постоји додатна компонента брзине услед
вијугања и ваљања возила која се појављује приликом мерења брзине
возила. Она се може укључити превођењем брзине на антени у тачку
где је уграђен сензор, коришћењем једначине 4.5, уз претпоставку о
малим угловима подужног и попречног нагиба пута [2].

, m = u x , sensor + ψ ( ha − hs ) sin ϕ + šum

u xGPS
≈ u x , sensor + šum
(4.5)
, m = u y , sensor − ϕ ( ha − hs ) cos ϕ + šum
u xGPS
≈ u y , sensor − ϕ (ha − hs ) + šum

где су:

ψ = вијугање,
ϕ = ваљање каросерије,
ha = растојање од центра ваљања до GPS антене и
hs = растојање од центра ваљања до INS сензора

Oбзиром на то да је угао ваљања мали, додатна компонента брзине је

занемарљива у односу на подужну брзину возила. Међутим, додатна
компонента брзине услед ваљања треба да буде узета у обзир у

168
Демић М., Дилигенски Ђ.: „Сателитско праћење возила“

попречном правцу, обзиром да је попречна брзина релативно мала. Ова

компензација ваљања игра значајну улогу у ситуацијама када је возило
изложено великим угловима ваљања. Уколико примарна GPS антена
није смештена директно изнад инерцијалног сензора, угао вијугања
возила треба такође узети у обзир приликом мерења бочне брзине.

Сума попречног нагиба пута и угла ротације еластично ослоњене масе

се лако може одредити формирањем Калман филтера за ваљање на
исти начин као и у случају Калман филтера за вијугање. Пошто су GPS
антене и жироскоп ваљања причвршћени за каросерију возила, само
сума попречног нагиба пута и угла ротације еластично ослоњене масе
се може мерити без додатног моделирања. За Калман филтер ваљања,
кинематска зависност измерене вредности ваљања и угла ваљања се
може написти у следећем облику [2]:

ϕm = ϕ + ϕm, gr + šum (4.6)

где је:

ϕm,ϕm, gr ваљање измерено жироскопом и грешка.

Овде је ϕm, gr грешка мерења ваљања услед грешке одступања

жироскопа и додатне мере ваљања, која је резултат кинематских
параметара пута и возила. Угао ваљања се може измерити коришћењем
GPS пријемника са две антене [2]:

ϕmGPS = ϕ + šum (4.7)

где је:

ϕmGPS угао ваљања мерен GPS-ом.

Калман филтер за ваљање се користи у једначинама (4.6) и (4.7), на

исти начин као и Калман филтер за вијугање. Вектор стања x је
| ϕ ϕ bias|T а мера y је угао ваљања ϕmGPS измерен GPS-ом [2].

169
Демић М., Дилигенски Ђ.: „Сателитско праћење возила“

Слика 4.2 .Поређење процена бочног угла клизања

4.4. Експериментални резултати са моделом

ваљања
Утицај Калман филтера на компензацију процене стања је потврђен и
експерименталним путем [1]. Слика 4.2 приказује експерименталне
резултате угла бочног проклизавања пнеуматика са и без компензације.
Обзиром да Калман филтер за брзину обезбеђује брзину на позицији
сензора, процена брзине са филтера се прослеђују са стопама вијугања
и ваљања на одговарајућу тачку на раму возила, ради поређења са
моделом бицикла. Треба приметити да се одступања између модела и
процене значајно смањују после компензације. Исто такво побољшање
се може приметити и у случају процене подужне брзине, што је
приказано на слици 4.3.

Разлике између процене подужне брзине и брзине точка после

компензације су резултат подужног клизања пнеуматика.

170
Демић М., Дилигенски Ђ.: „Сателитско праћење возила“

Слика 4.3. Процене подужне брзине

Слика 4.4. Процене угла ваљања

171
Демић М., Дилигенски Ђ.: „Сателитско праћење возила“

Комбинација попречног угла пута и угла ваљања каросерије се такође

процењује уз помоћ Калман филтера за ваљање. Слика 4.4. приказује
процену ваљања са сировим показивањем ваљања GPS-а. Интеграција
INS сензора попуњава празнине између мерења GPS-ом, чиме се добија
равномеран сигнал ваљања.

Тачним мерењем угла ваљања и центра ваљања могуће је проценити

параметре који се односе на динамику ваљања, као што су крутост на
ваљање и степен пригушења. Динамички модел ваљања се може
користити за широки дијапазон апликација укључујући превенцију
превртања или активно еластично ослањање. Такође, параметрисани
динамички модел ваљања возила може бити примењен за раздвајање
угла ваљања од попречног угла нагиба пута.

Литература
1. Grewal M., Weill L., Andrews A.: “Global Positioning Systems,
Inertial Navigation and Integration“, John Wiley & Sons, Inc.
2. Ryu J.: “State and Parameter Estimation for Vehicle Dynamics
Control using GPS“, Dissertation, Stanford University, 2004.
3. Welch G., Bishop G.: “An Introduction to the Kalman Filter“.
Siggraph 2001, Course 8. University of North Carolina at Chapel
Hill. Department of Computer Science, Chapel Hill, NC 27599-
3175.
4. www.cs.unc.edu/~welch/Kalman/
5. http://en.wikipwedia.org/wiki/Kalman_filter

172