Zuverlässige Navigation durch den Einsatz von Multi-Sensor-Systemen ZIV - Zentrum für integrierte Verkehrssysteme an der Technischen Universität Darmstadt Thank you Mr. Chairman for your Introduction. Ladies & Gentleman, I gonna present you a ....“title“... Zuverlässige Navigation durch den Einsatz von Multi-Sensor-Systemen Dr.-Ing. Jörg Pfister M.Sc.
Gliederung Anwendungen aus dem ÖV Telematik-Systeme Anforderungen Navigations-Sensoren Positionsgebende Sensoren Sensoren zur Bestimmung des zurück gelegten Weges Sensoren zur Richtungsbestimmung Sensor-Pool Sensor-Fusion Robuste Navigation Entwicklungsumgebung Zusammenfassung & Ausblick
Anwendungen im ÖV Automatisches Ticketing Check-In / Check-Out (CICO) oder Walk-In / Walk-Out (WIWO) Automatische Tarifwahl Abrechnung nach Entfernung ÖV Beschleunigung an Signalanlagen Automatische Voranmeldung ohne Detektoren Anpassung der Signalphasen an Geschwindigkeitsprofil Flexible Bedienweisen im Ländlichen Nahverkehr Bedarfsgerechter Transport im Richtungsbandbetrieb Flexible Fahrplangestaltung Sicherheitsleittechnik für Bahnsysteme European Rail Traffic Management System (ERTMS) European Train Control System (ETCS)
TELEMATIK Bausteine für Telematik-Systeme Management Kommunikation Bedienung Information Lokalisation Navigation
Anforderungen an Navigation Die Anforderungen sollten sich aus den Bedürfnissen der Anwendung heraus ergeben Die etablierte Terminologie wurde weitgehend aus der Luftfahrt übernommen und ist für Anwendungen der Landnavigation neu zu definieren. (Accuracy, Availability, Continuity, Integrity, Coverage, Reliability, etc.) Geeignete Anforderungen für die Landnavigation sind zu formulieren. Adäquate Methoden zur Bewertung der aufgestellten Anforderungen sind zu standardisieren. Vergleichbarkeit von Navigationssystemen zur optimalen Auswahl .
Navigations-Sensoren
Satellitennavigation mit GPS Positionsfehler [m/s] Vergleich der Positionsfehler Häufigkeit [%] NovAtel „RT20“ Trimble „SK8“
GPS Phänomene Testfahrt: Flughafen Amsterdam Schiphol Hi-End GPS (Novatel) Low-Cost GPS (Sirf)
GPS Phänomene Testfahrt: Innenstadt Delft, NL
GPS Fehlerbeispiel Status: GDOP: 2,348 SAT‘s: 8 B_dev: 0,17m L_dev: 0,14m H_dev: 0,38m
Koppel-Navigation North Sensor zur Ermittlung des zurückgelegten Weges Sensor zur Ermittlung der Fahrtrichtung 100% Verfügbarkeit Hohe Zuverlässigkeit der Messwerte Fehlerverhalten: langsam wachsende Drift
Sensoren zur Bestimmung des zurückgelegten Weges Geschwindigkeitsfehler [m/s] Vergleich der Geschwindigkeitsfehler Häufigkeit [%] Odometer B-Messer
Sensoren zur Richtungsbestimmung Vergleich der Headingfehler LWS SSK Häufigkeit [%] FXG RLK Headingfehler [°]
Sensor-Klassen Beliebige Sensor-Kombinationen sind realisierbar. Leistung / Kosten wird durch Sensor Auswahl festgelegt.
Mathematischer Monitor Standard-Filter Beobachter-Struktur Mathematischer Monitor IMU System-Modell Fehler-Modell Sensor-Modell - K Filter Sens. Physikalisches Bewegungs- Modell IMU System-Modell Fehler-Modell Sensor-Modell - K Filter Sens. Physikalisches Bewegungs- Modell Stochastische Fehler auf den IMU-Daten werden nicht als Sensor-Rauschen modelliert Ausfall von IMU = Ausfall des Gesamt-Systems ! Alle Sensoren werden gleichwertig behandelt Verwendung eines sensorunabhängigen System-Modells Durch die analytische Redundanz können alle Sensoren über-prüft werden Optimale Sensorfusion durch Nutzung aller Sensor-Informationen Physikalisches Bewegungs- Modell Stochastische Fehler auf IMU-Daten werden nicht berücksichtigt IMU Vermischung von Sensorik & Modell Sens. - SDA Irreversible Informations- Reduktion Filter Fehler-Abhängigkeiten vom Zustand können nicht modelliert werden Berücksichtigt nur SDA-Fehler Ausfall von IMU = Ausfall des Gesamt-Systems !
Robuste Navigation Kapselung des Filters durch 4 Schalen der Fehlerisolation Adaption an beliebiges Sensor-Assembly Echtzeit-Konfiguration der Sensor-Modelle Rückweisung suspekter Signale Ausschluß fehler-hafter Sensoren BMS SK8 ODO Sensor-Selection Navigation- Algorithm RT20 Built-In-Test Analytischer-Check LWS SSK Sensor-Cross-Check Plausibilitäts-Check FXG RLK+ RLK
Entwicklungs- und Analyse-Umgebung Entwicklung der Algorithmen in der Simulation „NavLab“ Validierung der Erkenntnisse über reale Sensordaten Optimierung der Navigationssysteme durch „forcing tape“ Exakte Auswertung der Ergebnisse mit präziser Referenz
Zusammenfassung & Ausblick Jede Anwendung hat individuelle Anforderungen Neben der Genauigkeit ist die Zuverlässigkeit zu beachten Dissimilare Sensor-Kombinationen können auf individuelle Anforderungen abgestimmt werden Sensor unabhängiges Navigations-Konzept mit offenen Schnittstellen für neue Sensor-Technologien Das Navigationssystem wird Updatefähig Entwicklungsumgebung zur Validation von neuen Navigationssystemen (Rapid Prototyping) Bewertung neuer Sensor-Technologien Integration neuer Sensoren zur Navigation