Navigation magnéto-inertielle - Filtrage de Kalman et intelligence artificielle

Ajouter à la bibliothèque

S7809 V1 Article de référence

Navigation magnéto-inertielle - Filtrage de Kalman et intelligence artificielle

Auteur(s) : Hassen FOURATI, Christophe PRIEUR

Date de publication : 10 septembre 2023 | Read in english

Ajouter à la bibliothèque Ajouter à la bibliothèque

Logo Techniques de l'Ingenieur Cet article est réservé aux abonnés
Pour explorer cet article plus en profondeur Consulter un extrait gratuit

Déjà abonné ?

Présentation

RÉSUMÉ

La navigation consiste à déterminer des informations sur le déplacement d’un mobile par rapport à un repère de référence. La navigation inertielle repose sur des capteurs inertiels, tels que des accéléromètres et des gyromètres, complétés souvent par des magnétomètres. Cette technique est autonome et permet une navigation à l’estime à tout instant sans dépendre de sources extérieures. En revanche, ces capteurs sont sujets à des bruits et des incertitudes qui détériorent la connaissance des états de navigation.
Dans ce contexte, cet article présente deux approches de filtrage de Kalman pour la navigation magnéto-inertielle qui exploitent des techniques de l’intelligence artificielle afin d’améliorer la précision d’estimation. Ces approches sont validées lors de scénarios de vol d’un drone et d’une marche piétonne.

Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.

Lire l'article

AUTEUR(S)

  • Hassen FOURATI : Maître de conférences - Université Grenoble Alpes, CNRS, INRIA, Grenoble INP, GIPSA-Lab, Grenoble, France

  • Christophe PRIEUR : Directeur de recherche - Université Grenoble Alpes, CNRS, Grenoble INP, GIPSA-Lab, Grenoble, France

 INTRODUCTION

Le mouvement d’un corps rigide mobile dans son environnement qu’il soit terrestre, aérien ou marin, peut être déterminé à l’aide de techniques de navigation. Il est alors nécessaire d’estimer des états dynamiques de ce corps dans un espace bidimensionnel (2D), voire tridimensionnel (3D), tels que la position, la vitesse ou l’attitude. L’estimation de ces états est fondamentale pour que le mobile puisse se localiser, calculer la distance parcourue, et plus généralement assurer sa mission comme le suivi d’une trajectoire.

On distingue quatre types de navigation :

  • la navigation par cheminement ;

  • la navigation par erreur systématique ;

  • la navigation à l’estime ;

  • la détermination du cap, de la dérive et de la vitesse sol.

La navigation à l’estime, une des techniques de navigation la plus couramment utilisée actuellement en navigation pédestre ou de drones, permet de déterminer ces états spécifiques à la navigation en mesurant récursivement leur évolution par rapport à leurs valeurs initiales. La nécessité d’une navigation à l’estime découle des limites de techniques typiques de positionnement par satellites (GPS par exemple) nécessitant une ligne de vue directe entre le récepteur satellitaire et au moins quatre satellites pour déterminer les états de navigation.

La navigation inertielle se distingue par l’utilisation de capteurs inertiels d’accélération et de rotation, couplés à la technique de navigation à l’estime, afin de déterminer le mouvement absolu du corps mobile. En effet, si on peut mesurer, par ces capteurs, la force résultante exercée sur un corps en mouvement à l’aide de la deuxième loi de Newton, les taux de mouvements linéaires et/ou rotationnels peuvent être déduits. La navigation inertielle date du 17 e  siècle avec le développement de ces appareils de mesures. Elle présente l’avantage d’être totalement autonome mais les performances d’estimation dépendent très étroitement de la qualité des capteurs utilisés.

Le système inertiel présente ainsi des erreurs pouvant dégrader ses performances à long terme. Comparé aux autres systèmes de navigation, il reste le système le plus efficace pour la navigation et peut, par ailleurs, être hybridé à des systèmes complémentaires, comme le GPS par exemple. La navigation inertielle est communément utilisée aujourd’hui dans la navigation pédestre, aérienne et sous-marine par exemple. Un marché prometteur est en train de se développer autour de cette technique pour la santé, la sécurité et le sauvetage de personnes, les objets connectés, etc.

...

Cet article est réservé aux abonnés
Logo Techniques de l'Ingenieur

Cet article est réservé aux abonnés. Il vous reste 92 % à découvrir.

Cet article est réservé aux abonnés Consulter un extrait gratuit

Déjà abonné ?


MOTS-CLÉS

capteurs   |   intelligence artificielle   |   accéléromètre   |   drones   |   apprentissage par renforcement   |   navigation magnéto-inertielle   |   filtrage de Kalman   |   gyromètre

DOI (DIGITAL OBJECT IDENTIFIER)

https://doi.org/10.51257/a-v1-s7809

Lecture en cours
Navigation magnéto-inertielle - Filtrage de Kalman et intelligence artificielle

Article inclus dans l'offre

"Automatique et ingénierie système"

( 226 articles )

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques.

Services

Quiz, médias, tableaux, formules, vidéos, etc.

Des modules pratiques

Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.

Des avantages inclus

Un ensemble de services exclusifs en complément des ressources.

Voir le détail de l'offre

Dans les ressources documentaires

Intégration du GPS avec les systèmes de navigation inertielle

Les signaux émis par les satellites GPS (Global Positioning System) permettent à tout utilisateur équipé ...

Trajectographie passive par mesure d’angle

Composants des systèmes de surveillance, de mesure et d’observation, les senseurs passifs ont l’avantage ...

Trajectographie passive à partir d'angles et d'autres mesures

Cet article traite du problème de l’apport d’informations additionnelles aux mesures d’angles dans les te...

Tous les livres blancs
Toutes les actualités

Inscrivez-vous aux newsletters !

Contactez-nous