VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojního inženýrství Ústav konstruování. Ing. Jakub Novák

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojního inženýrství Ústav konstruování

Ing. Jakub Novák SNÍMÁNÍ A ZPRACOVÁNÍ ÚDAJŮ LOKALIZACE DOPRAVNÍHO PROSTŘEDKU SENSING AND PROCESSING OF VEHICLE LOCALIZATION DATA DISERTAČNÍ PRÁCE

Obor:

Konstrukční a procesní inženýrství

Školitel:

Doc. Ing. Ivan Mazůrek, CSc., ÚK FSI VUT v Brně

Oponenti:

Doc. Ing. Miroslav Škopán, CSc., ÚDT FSI VUT v Brně Ing. Jiří Petráš, Ph.D., ...

Obhajoba:

28. 6. 2006

KLÍČOVÁ SLOVA získávání dat, zpracování signálů, pohyb vozidla, jízdní vlastnosti, jízdní stavy, integrace INS a GPS, Kalmanův filtr, technická diagnostika

KEY WORDS data acquisition, signal processing, vehicle motion, riding qualities, road conditions, INS/GPS integration, Kalman filter, technical diagnostics

MÍSTO ULOŽENÍ PRÁCE Oddělení pro vědu a výzkum FSI VUT v Brně

© Jakub Novák, 2006

Na tomto místě bych rád poděkoval svému školiteli Doc. Ing. Ivanu Mazůrkovi, CSc. za odborné vedení a předané zkušenosti a stejně tak svojí ženě a našim rodičům a sourozencům za podporu a starostlivost nejen při psaní této práce, ale během celého dlouhého studia.

ANOTACE Předložená práce se zabývá problematikou použití nízkonákladových systémů snímání pohybu pro účely technické diagnostiky jízdních stavů dopravních prostředků. Použití v této oblasti klade na proces přípravy zkoušeného vozidla na měření a na vlastní proces měření zvláštní požadavky, které působí komplikace při následné rekonstrukci zaznamenaného pohybu. V první kapitole jsou definovány tyto problémy a stanoveny cíle, jichž mělo být v této práci dosaženo. Dále jsou konzultovány současné možnosti sledování pohybu dopravních prostředků a popisovány vlastnosti zařízení, která jsou k tomuto účelu nejčastěji používána. Podrobně jsou rozebrány vlastnosti nejslibnějších měřicích systémů, kterými jsou inerciální navigační systém (INS) a globální polohovací systém (GPS). Jelikož oba jmenované systémy mají své nevýhody, zabývá se třetí kapitola různými postupy jejich integrace v jeden matematický celek. Nejlepších výsledků je v tomto ohledu dosahováno užitím Kalmanova filtru, tj. zařazením dynamické filtrace se zpětnou vazbou do procesu zpracování výsledků měření. Následně jsou tedy popsány vlastnosti měřicích zařízení, kterých bylo používáno při ověřování použitelnosti vybraných postupů, a specifikovány metody použití výstupů těchto zařízení pro účely analytického sledování pohybu vozidel. Závěry této kapitoly byly aplikovány dále při návrhu obslužného software. Na základě požadavků na funkce obslužného programu se tedy další kapitola zabývá analýzou a návrhem jednotlivých modulů tohoto programu. S použitím technik objektově orientovaného modelování je zde definována funkční specifikace výsledného produktu a konzultovány problémy, ke kterým by během implementace mohlo dojít a kterým je třeba se vyhnout. V poslední kapitole jsou zobrazeny a okomentovány výsledky experimentálních měření, kterých bylo dosaženo vyhodnocením výstupů dříve popsaných měřicích zařízení a s použitím analytického software, které bylo implementovaného v rámci plnění úkolů této práce.

OBSAH ÚVOD.......................................................................................................................... 7 1 CÍLE DISERTAČNÍ PRÁCE ................................................................................. 9 2 SNÍMÁNÍ POHYBU PROSTŘEDKU ................................................................. 12 2.1 2.2 2.3 2.4

INS – Inerciální navigační systém __________________________________________ 13 GPS – Globální polohovací systém _________________________________________ 14 Integrace INS a GPS – Kalmanův filtr _______________________________________ 16 Používaná zařízení ______________________________________________________ 18

3 STRUKTUROVÁNÍ POHYBU VOZIDLA......................................................... 23 3.1 3.2 3.3

Typické aplikace ________________________________________________________ 23 Souřadné systémy _______________________________________________________ 24 Vybrané modely ________________________________________________________ 25

4 METODY ŘEŠENÍ ............................................................................................... 31 4.1 4.2 4.3

Měřicí zařízení _________________________________________________________ 32 Snímání _______________________________________________________________ 35 Rekonstrukce __________________________________________________________ 41

5 ANALYTICKÝ SOFTWARE .............................................................................. 46 5.1 5.2 5.3 5.4

Případy použití _________________________________________________________ 47 Modul správy výsledků měření_____________________________________________ 49 Knihovna výpočtových rutin ______________________________________________ 52 Prohlížeč signálů________________________________________________________ 55

6 EXPERIMENTÁLNÍ VÝSLEDKY...................................................................... 57 ZÁVĚR ...................................................................................................................... 61 REFERENCE ............................................................................................................ 62

SLOVNÍK ZKRATEK ABS ACC ADR ATA CAN CEP CF CVR DGPS DMA DR DSC DSP ECEF ESP FDAU FDR GINS GPS ICBM IMU INS ISM NASA NMEA PC PDA PR PWM RTK-GPS SA SINS TCP/IP TCS UART USB VBA VDC WGS-84 WRC

Antilock Braking System Advanced Cruise Control Accumulated Delta Range Advanced Technology Attachment Control Area Network Circle Error Probable Compact Flash Cockpit Voice Recorder Differential GPS Direct Memory Access Dead Reckoning Dynamic Stability Control Digital Signal Processing Earth-centred Earth-fixed Electronic Stability Program Flight Data Acquisition Unit Flight Data Recorder Gimballed Inertial Navigation System Global Positioning System Intercontinental Ballistic Missile Inertial Measurement Unit Inertial Navigation System Industrial – Scientific – Medical National Aeronautics and Space Administration National Marine Electronics Association Personal Computer Personal Digital Assistant Pseudo-range Pulse Width Modulation Real-time Kinematic GPS Selective Availability Strapdown Inertial Navigation System Transmission Control Protocol/Internet Protocol Traction Control System Universal Asynchronous Receiver Transmitter Universal Serial Bus Visual Basic for Applications Vehicle Dynamics Control World Geodetic System 1984 World Rally Championship

ÚVOD Automobily se stávají stále vyspělejšími a dostupnějšími a na našich silnicích jich přibývá. Snímání pohybu automobilu je v laické veřejnosti obecně spojováno především s určením jeho přesné polohy případně s automatizovanou navigací v neznámém terénu. Existuje ale i řada jiných důvodů pro vývoj pohybových diagnostických systémů. Rostoucí objem silniční dopravy neznamená jen zácpy a časové ztráty, bohužel skrze dopravní nehody vede i ke škodám na majetku, zdraví či dokonce životech zúčastněných osob. Pojmem, který je v tomto smyslu stále více diskutován, je tzv. udržitelně bezpečná silniční doprava (Sustainably Safe Road Traffic [30]). Udržitelně bezpečná doprava si žádá bezpečná vozidla stejně jako bezpečnou infrastrukturu. Představa udržitelné bezpečnosti zdůrazňuje chápání lidského řidiče se všemi jeho schopnostmi, mezemi a pohnutkami. Již nějaký čas provozní a dopravní specialisté vidí v rámci vytváření udržitelně bezpečné silniční dopravy důležitou roli pro inteligentní dopravní systémy. V takovém systému jsou vozidla technicky vybavena tak, aby zjednodušila řízení a aby poskytla veškerou dostupnou ochranu zranitelným lidským bytostem. Některé z takových technologií, jako je varování při změně jízdního pruhu nebo brzdový asistent, již přicházejí na trh, ačkoliv se to zatím týká většinou luxusnějších modelů. Některé technologie se snaží kolizi předcházet, příkladem může být inteligentní tempomat, který automaticky udržuje nastavenou rychlost, ale zároveň dokáže dodržet minimální požadovanou vzdálenost od vozidla vpředu; jiné pouze zmírnit její následky. Zástupcem té druhé skupiny je Pre-Collision System nabízený v modelech GS a LS značky Lexus. Pre-Collision používá radar s řadou antén a senzorů k prohledávání vozovky do vzdálenosti kolem 150 m odhadujíce možné kolize. Systém rovněž snímá dopřednou a stáčivou rychlost a úhel natočení kol a pokud dojde k závěru, že hrozí bezprostřední kolize, napne bezpečnostní pásy, uvede do pohotovosti brzdového asistenta a sníží zavěšení karosérie (podobný systém na některých modelech Mercedes-Benz, zvaný Pre-Safe, v případě bezprostředního ohrožení napíná pásy, upravuje polohu sedadel a zavírá boční a střešní okna). S brzdovým asistentem v pohotovosti stačí řidičovi dotknout se brzdového pedálu a automobil zastaví tak rychle, jak to jen jde. Podobná technologie je sice působivá, ale také drahá. Přestože z úctyhodné vzdálenosti je schopna zaměřit objekt velikosti tvárnice, nepodaří se jí zatím vždy zaznamenat tzv. měkké objekty, mezi které patří objekty z masa a kostí. Nejde vždy o zdraví a životy, na přeplněném trhu s automobily se stejně usilovně soupeří i v oblasti jízdního pohodlí. Komfort jízdy je určován pohybem karoserie vozidla, zatímco její bezpečnost je dána kontaktem kol s vozovkou. Přenášení nerovností vozovky na posádku je eliminováno prostřednictvím pružného uložení karoserie, jehož klíčovým prvkem je tlumič odpružení, který svými vlastnostmi stanovuje jak míru pohodlí, tak i hranici bezpečnosti jízdy a životnosti součástí celého závěsu. Konečnému nastavení vlastností tlumiče předchází řada jízdních

7

zkoušek a simulací, pro jejichž vyhodnocení je nutné umět dostatečně přesně zachytit pohyb karoserie v prostoru. Protože experimentální měření jsou časově, potažmo finančně náročná, stále častěji jsou nahrazována matematickým modelováním. Pružně uložená karoserie je popisována jako těleso se šesti stupni volnosti, její pohyb je ovlivněn mnoha okolnostmi a reálný model tohoto pohybu je netriviální. Ke správné identifikaci modelu a nalezení hodnot jeho vstupních parametrů ještě stále velmi dobře slouží experimentální měření. Navržením a vyrobením perfektního tlumiče úkoly měřicích a modelovacích systémů nekončí, neboť tlumič i celý závěs kola se během provozu opotřebovávají a jejich vlastnosti se mění. Pro bezpečnost nejen majitele daného automobilu, ale i ostatních účastníků silničního provozu je velice důležité, aby závady na podvozcích vozidel byly včas odhalovány a odstraňovány. V současné době je to nejčastěji zajišťováno preventivními prohlídkami, budoucností v tomto ohledu je integrace podvozkových skupin do rozvíjejících se interních diagnostických systémů vozidel (tzv. on-board diagnostika, palubní diagnostika). Poslední, ale neméně významnou oblastí použití měřicích systémů pro zkoumání pohybu vozidla je automobilový sport. Ten je dnes na takové úrovni, že se jezdci mnohdy pohybují na samotné hranici fyzikálních zákonů. Najít tuto hranici bezpečně jim pomáhají právě vyspělé systémy sledující a zaznamenávající parametry chování závodního vozu.

8

1

CÍLE DISERTAČNÍ PRÁCE

Analýza průběhů veličin, jako jsou rychlosti a zrychlení v jednotlivých osách a úhly klonění, klopení a stáčení, má své nezastupitelné místo jak v oblasti experimentálního ověřování počítačových simulací při vývoji vozidel, tak v bezpečnostních a srovnávacích zkouškách vozidel a v automobilovém sportu. Výzkumná skupina, jejímž jsem členem, se specializuje na technickou diagnostiku tradičních i netradičních dopravních prostředků. Z tohoto pohledu je většinou nejdůležitější maximální operativnost přípravy zkoušeného vozidla. V uplynulých letech bylo na našem ústavu vyzkoušeno několik různých řešení jak za jízdy automobilu zaznamenávat potřebné dynamické veličiny a na základě těchto zkušeností byla navržena koncepce měřicího zařízení jako černé skříňky s využitím snímačů zrychlení a úhlových rychlostí a s patřičnými podpůrnými obvody pro filtraci a zesílení signálu. Prvním krokem uvažovaného analytického procesu je vhodná konfigurace měřicího zařízení, dále pak rekonstrukce pohybu vozidla ze zaznamenaných signálů a následná analýza důležitých jízdních parametrů. V těchto intencích byly také stanoveny cíle mojí disertační práce. • V prvé řadě je třeba vytvořit obecnou metodiku autonomní rektifikace měřicí jednotky, přičemž termín „autonomní“ je zde použit ve smyslu, že hledaný rektifikační proces nepotřebuje ke své realizaci jiné signály, než výstupy dané měřicí jednotky. • Následuje stanovení postupu úplné rekonstrukce pohybu vozidla z naměřených signálů, a to nejen rekonstrukce pohybu vozidla jako celku, jako hmotného bodu pohybujícího se v lokálním souřadném systému, ale zároveň pohybů odpružené hmoty vozidla, jakožto tělesa se šesti stupni volnosti. • Dalším z cílů práce je nalezení vhodné modifikace výpočtového modelu, vycházející ze zařazení výstupů běžného integrovaného GPS přijímače mezi měřené signály, a ověření použitelnosti tohoto systému pro analýzu jízdních vlastností vozidel. • Posledním úkolem je návrh a realizace analytického software, schopného detailního rozkladu rekonstruovaného pohybu vozidla na jednotlivé pohybové parametry, které jsou významné při posuzování chování vozidla během jízdní zkoušky. Požadavek snadného a rychlého umístění zařízení v jakémkoliv vozidle do značné míry omezuje přesnost zarovnání os souřadného systému tohoto zařízení se souřadným systémem karosérie vozidla. I v případě, že by zarovnání těchto dvou systémů bylo absolutně přesné, je nutné počítat s absolutní chybou orientace odpružené hmoty vozidla (ať už vlivem náklonu způsobeného nerovnoměrným

9

obsazením vozidla posádkou či v důsledku podélné směrové úchylky pocházející z nepřesné geometrie náprav), kterou je z praktického hlediska vhodné k rozdílu výše uvedených souřadných systémů přičíst. Proto byl formulován první z cílů tak, aby jeho výsledkem byl ověřený postup nápravy těchto odchylek. Samotné výstupy měřicí jednotky jsou zatíženy degradujícími faktory jako jsou vysokofrekvenční šum použitých snímačů nebo závislosti definičních parametrů snímačů na vlastnostech okolí, především napájecím napětí a teplotě prostředí. Poslední jmenovaný faktor činí obvykle největší potíže v případech, kdy nelze z finančních nebo technických důvodů, použít pokročilé mikro-elektro-mechanické snímače s integrovanou teplotní korekcí, ale je potřeba se spokojit s tzv. low-end senzory. Navazující problém rekonstrukce pohybu vozidla z naměřených signálů je proto již sám o sobě dosti komplexní, a k tomu navíc je komplikován zvláštními požadavky technické diagnostiky na operativní přípravu zkoušeného vozidla a na dostupnost maximálně širokému spektru potenciálních zákazníků. Z uvedeného vyplývá praktická nepoužitelnost specializovaných, např. optických, snímacích systémů, které vyžadují časově a technicky náročnou aplikaci na zkoušené vozidlo, potažmo nutnost vyrovnat se ve výpočetním modelu s řadou neznámých parametrů vozidla a dalších nepřesností. Součástí zadání byl také požadavek, aby systém nebyl žádným nestandardním způsobem zapojen do testovaného vozidla. Tím přicházíme například o jednoduchou možnost měřit dopřednou rychlost vozidla pomocí senzorů otáčení kol, které jsou součástí antiblokovacích brzdových systémů. V budoucnu může tento fakt částečně kompenzovat snímání této veličiny z rozvíjejících se palubních sítí CAN bus, ale ani tato veličina sama o sobě není přímo aplikovatelná, protože v krajních provozních situacích na významu nabírá vliv prokluzu kol, zvláště jedná-li se o kola, která jsou součástí poháněné nápravy. Zařazení dynamické filtrace se zpětnou vazbou do procesního řetězce je předpokládaným řešením tohoto problému. Úkolem disertační práce je proto vytvoření modelu výše popsaného pohybu a sestavení rovnic dynamického filtru. Dostupná literatura je v tomto ohledu dobrým zdrojem dílčích modelů, které bude pravděpodobně možné využít při návrhu komplexnějšího přístupu, jemuž podobná definice přímo nalezena nebyla. Jako zdroj referenčních informací k odstranění nežádoucích vlivů se v mnoha aplikacích čím dál častěji používá globální navigační systém GPS. V dostupné vědecko-technické literatuře lze nalézt modely integrace globálního navigačního systému do kompozičních systémů založených na různých principech měření. Přesto žádný z nalezených modelů přesně nevyhovuje specifikaci problému, který má být v disertační práci řešen. Navíc většina z nich používá speciální jednoúčelové GPS přijímače, které jsou sice vysoce přesné (viz Tab. 2), ale také vysoce nákladné a těžko dostupné. Výpočtový model bude implementován v rámci vývoje speciálního analytického software. Jednou z hlavních vlastností této aplikace by měla být možnost promítání

10

zaznamenaného pohybu, a to jak ve formě uceleného náhledu na kompletní absolvovanou trajektorii, tak formou maximálně možného rozfázování pohybu, které by umožňovalo podrobné studium důležitých jízdních parametrů v konkrétních izolovaných okamžicích zkoušky. Tyto požadavky by z velké části případně zcela mohl splňovat některý z analytických programů dodávaných k telemetrickým systémům (od výrobců jako Stack, Motec, Magneti-Marelli a dalších), používaným v automobilovém sportu. Problémem těchto aplikací je obtížná dostupnost bez současného pořízení nákladného hardware a naprostá uzavřenost, typická pro komerční systémy, která je činí obtížně použitelnými při experimentálních a výzkumných činnostech. Předmětem zájmu těchto systémů jsou z větší části provozní parametry vozu, navíc jsou naměřená a analyzovaná data poskytována pouze k vyčíslení speciálních zadání a kompletní datové soubory nejsou jednoduše uživatelsky přístupné. A právě otevřeností a rozšířenými možnostmi v oblasti analýzy jízdních stavů vozidla se bude vyvíjený software od těchto systémů lišit. Součástí vlastního vývoje programového vybavení bude zároveň konzultace možností integrace a reprodukce videozáznamu společně s ostatními signály a možností začlenění komponent mapového software, což jsou funkce, které existující programy běžně nenabízejí.

11

2

SNÍMÁNÍ POHYBU PROSTŘEDKU

Pojmem „pohyb“ bývá obecně označován v čase proměnný stavový vektor, který se skládá z polohy a orientace pohybujícího se tělesa vzhledem k nějakému globálnímu souřadnému systému. Složky tohoto vektoru tvoří souřadnice polohy (x, y, z) a úhly natočení tělesa kolem podélné, příčné a svislé osy – v tomto pořadí os se otáčení tělesa zpravidla nazývá klopení, klonění a stáčení, v anglické literatuře označované jako roll, pitch a yaw nebo heading. Snímání pohybu objektů může být prováděno řadou technologií zahrnujíce radar, magnetická či elektrická pole, GPS a inerciální systémy (viz dále). Všechny uvedené snímací technologie, s výjimkou inerciálních systémů, závisí na vnějších referencích a jejich způsob snímání je tak vždy nějakým způsobem omezen. Rychlé srovnání nabízí následující tabulka: Tab. 1 – Srovnání různých technik snímání pohybu [23] Druh snímání radar elektrické pole magnetické pole GPS INS

Reference vnější objekt v pohybu vnější objekt s nábojem vysílač

Aplikace řízení letecké dopravy prostorová ukazovací zařízení virtuální realita

Omezení objekt v pohybu

síť satelitů obíhajících Zemi vlastní subjekt

dopravní navigace

volné prostranství, na Zemi chyby rostoucí s časem

řízení ICBM 1

omezený dosah omezený dosah

Největší výhodou inerciálního systému je, že umožňuje plně autonomní záznam svého vlastního pohybu. Nevýhodou pak ale u tohoto způsobu snímání je, že jeho chyby se nevyhnutelně kumulují s časem, a proto se inerciální systémy nejlépe hodí pro aplikace snímající relativní pohyby, přestože v historii byl právě na jejich principu založen postup určování absolutní polohy při dálkových plavbách. Dead reckoning Na konci 15. století byla astronomická navigace v Evropě teprve rozvíjena, především Portugalci. Před jejím nástupem se mořeplavci orientovali pomocí hrubého výpočtu polohy zvaného „deduced“ či „dead“ reckoning. To byla také metoda, kterou používal Kolumbus a většina ostatních mořeplavců jeho doby [24]. Pomocí DR nalezne navigátor svou pozici změřením kurzu a vzdálenosti, kterou se 1

ICBM – Intercontinental Ballistic Missile (mezikontinentální balistická střela)

12

pohyboval z nějakého známého místa, například z výchozího přístavu. Aby tato metoda fungovala, potřebuje navigátor způsob, jak měřit kurz a ujetou vzdálenost. Kurz byl měřen magnetickým kompasem, který je v Evropě známý minimálně od roku 1183, a vzdálenost byla určována výpočtem z času a rychlosti. Mořeplavci tak byli schopni navigovat své plavidlo pouze na základě jeho vlastního pohybu. 2.1 INS – INERCIÁLNÍ NAVIGAČNÍ SYSTÉM Inerciální navigační systémy jsou typu dead-reckoning, tj. je v nich vyžadován počáteční odhad pozice a aktuální pozice je určována relativně k té výchozí. INS nedokáže najít svou výchozí pozici na Zemi (s obtížemi umí zjistit zeměpisnou šířku, ale z hlediska jeho principu nelze určit zeměpisnou délku). Inerciální snímání je prováděno prostřednictvím dvou typů snímačů: akcelerometry a gyroskopy. Akcelerometry se chovají jako mechanické systémy se dvěma stupni volnosti (tj. tlumený systém hmoty na pružině pod zatížením) a snímají posuvná zrychlení. V nejjednodušším případě je pozice nalezena dvojí integrací. Gyroskopy snímají úhlové rychlosti, hodnot natočení v určité ose je tedy dosahováno jednoduchou integrací výstupu odpovídajícího gyra. Gyroskopy původně pracovaly na principu zachování rotační energie, většina moderních elektromechanických gyr dnes však ke své činnosti využívá principu Coriolisovy síly. Spojíme-li tři akcelerometry tak, aby jejich osy citlivosti byly ortogonální, orientované severojižně, východozápadně resp. vertikálně, můžeme teoreticky měřit polohu tělesa v prostoru. Aby uvedená orientace byla dodržena, zatímco prostředek manévruje, jsou akcelerometry zavěšeny v soustavě tří gyroskopicky stabilizovaných závěsů zvaných „gimbals“. Vnitřní závěs tak lze považovat za stabilní plošinu, celé Obr. 1 – Závěsový INS [19] uspořádání je obecně nazýváno „gimballed INS“ a používá se v kosmických lodích, řízených střelách i v pozemních vozidlech. Gimballed INS může být velmi spolehlivý, přesný a s dobrým poměrem cena/výkon. Uspořádání závěsů je ale mechanicky velmi komplikované a drahé na údržbu. Pokud je nutné některý akcelerometr nebo gyroskop vyměnit, musí být složitá soustava závěsů rozebrána a v chirurgicky čistém prostředí opět složena dohromady. Na to navazují dlouhé kalibrační procedury a časově velmi náročné testování. Na začátku 70-tých let se proto začalo uvažovat o alternativním, jednodušším uspořádání, které by bylo zcela zbaveno systému závěsů – snímače zrychlení a úhlových rychlostí by byly pevně spojeny s konstrukcí přístroje. Takové řešení se nazývá „strapdown INS“ a gyra v něm nefungují jako stabilizátory stálé polohy, ale jako prostředek k měření otáčení tělesa v prostoru. Systém tak v každém

13

okamžiku ví, kterým směrem jsou osy akcelerometrů orientovány a mechanický systém závěsů je tím fakticky nahrazen systémem matematickým. V porovnání gimballed INS proti strapdown vykazuje každý z nich určité výhody i nevýhody. Zřejmě největší výhodou závěsových systémů je jejich principiálně nižší chybovost. Jelikož jsou jejich tři ortogonální akcelerometry drženy v neměnné poloze, pouze jeden, který je orientován vertikálně, měří gravitační zrychlení a je tak zatížen chybami, které s gravitací souvisí. To je v kontrastu se strapdown systémy, jejichž všechny akcelerometry se pohybují a rotují v prostoru a každý z nich je tím ovlivněn gravitací a následnými chybami. Další výhodou závěsových systémů je jednoduchost jejich gyroskopů. Hlavním úkolem gyr v gimballed systémech je jejich rotace, která zajišťuje velký moment setrvačnosti, zatímco gyra ve strapdown systémech musí ve skutečnosti měřit protilehlé úhly pohybu. Hlavní výhodou strapdown systémů proti gimballed je jednoduchost jejich mechanického provedení. 2.2 GPS – GLOBÁLNÍ POLOHOVACÍ SYSTÉM GPS je satelitní navigační systém. Poloha přijímače je v něm počítána z poloh satelitů pomocí určení časového zpoždění signálu, který satelity vysílají. Pro určení polohy ve třech rozměrech a korekci chyby vnitřních hodin přijímače jsou potřeba signály ze čtyř různých satelitů. Atmosférické podmínky a další náhodný šum sice narušují přesnost udávání polohy, ale hlavní zdroj chyb – umělý nízkofrekvenční šum zvaný Selective Availability (SA) byl odstraněn v květnu roku 2000, což umožnilo přijímačům pro běžné auto-navigační systémy určovat absolutní polohu s přesností asi 10 m, tj. výsledkem měření by měla být taková poloha, která se alespoň v 95 % všech uskutečněných měření nachází v okruhu Obr. 2 – Dráhy GPS satelitů [29] 10 m od skutečné polohy. Při potřebě přesností 1 m a méně je nutné zvolit některou z tzv. diferenčních technik (Differential GPS, DGPS). Hlavní myšlenkou diferenčního určování polohy je korekce odchylek na neznámém místě pomocí odchylek změřených v místě se známou polohou. Referenční přijímač (základní stanice) vypočítává korekce pro každý satelit v dosahu. Použití jednoduché opravy polohy vzdáleného přijímače odchylkami referenčního přijímače má omezené použití, protože oba přijímače musí ve svém výpočtu používat stejnou množinu satelitů, aby byly oba zatíženy stejnou chybou. Diferenční postupy mohou být aplikovány buď v reálném čase, nebo později

14

prostřednictvím technik post-processingu. DGPS dokáže odstranit pouze chyby společné pro referenční i vzdálený přijímač, nikoliv tedy například vlastní šum přijímače. Princip činnosti GPS spočívá v předpokladu, že satelit nacházející se na určených souřadnicích vysílá signál v čase daném jeho palubními hodinami a tento signál, šířící se rychlostí světla, je později zaregistrován na zemi GPS přijímačem v čase odpovídajícím jeho vnitřním hodinám. Ve skutečnosti je tedy měřenou veličinou rozdíl časů odeslání a přijmutí signálu. Pokud by oboje hodiny byly zcela synchronizovány a udržovány v absolutní přesnosti, bylo by možné určit vzdálenost satelitu jednoduše pomocí rovnice d = c (t – T), kde c je rychlost světla. Protože však chyby hodin mohou být znatelné a nelze je přesně určit bez předchozí analýzy, zaznamenaná délka se označuje jako pseudo-vzdálenost (Pseudo-range, PR).

Obr. 3 – DGPS na bázi detekce fáze nosných vln [29] Vedle zpoždění datového signálu mohou přijímače také detekovat nosný signál a určovat změny vzdálenosti zdroje signálu od přijímače prostřednictvím čítání cyklů nosné vlny. Počet cyklů nosné vlny přepočítaný na metry se označuje jako kumulovaný delta range (Accumulated Delta Range, ADR). Při prvním zaznamenání satelitu je jemu příslušející ADR nastaven na nulu. Dále je udržován úměrně změnám ve zpoždění signálu, pokud nedojde k náhodnému přeskočení jednoho či více celých cyklů (tzv. cycle slip, ke kterému může občas dojít). Výhodou ADR oproti PR je, že je možné ho měřit podstatně přesněji, nevýhodou jsou ale možné přesmyky cyklů. Kinematická GPS (K-GPS) je metoda využívající rozdílů fáze nosných vln satelitních signálů. Je to typ diferenčního GPS, který rovněž používá odchylky z referenční stanice. Technika, která v reálném čase měří polohu metodou K-GPS se nazývá real-time kinematic GPS (RTK-GPS, viz Obr. 3). RTK-GPS se skládá ze dvou GPS přijímačů. Jeden pracuje jako základní stanice pevně stojící na zemi a druhý jako pohyblivá stanice připevněná na zkoušeném vozidle. Obě stanice spolu navzájem komunikují prostřednictvím bezdrátového modemu. RTK-GPS pracuje 15

velmi dobře ve spojení se signály z dalších pohybových čidel (viz [6] nebo [8]). Dosahované přesnosti takovéto integrace uvádí Tab. 2. Přesnost měření rychlosti pomocí GPS se ve světle přesnosti měření Tab. 2 – Přesnosti dosahované při použití polohy může zdát překvapivá, ale RTK-GPS ve výzkumu [6] rychlost není získávána prostým horizontální pozice 1,4 cm rozdílem sousedních měření polohy. Narozdíl od určování polohy, při vertikální pozice 1,4 cm kterém se používá kódová složka poloha v prostoru 0,2 ° satelitního signálu, hodnota rychlosti může být vypočtena přijímačem podélná rychlost 0,28 km/h pomocí 19 cm (1575,42 MHz) nosné příčná a vertikální rychlost 0,046 m/s vlny jednou ze dvou metod. V první úhlová rychlost 0,1 ° z nich jsou v přijímači sledovány změny ve frekvenci nosné vlny, které jsou následně interpretovány jako Dopplerův jev nastávající při vzájemném pohybu přijímače a vysílače. Ze znalosti poloh a rychlostí satelitů mohou být tyto Dopplerovy změny převedeny na absolutní rychlost přijímače. Alternativně může být k odhadu rychlosti přijímače použita změna ve fázi nosné vlny mezi dvěma po sobě jdoucími vzorky. Tato metoda, používaná některými přijímači, však vnáší do informace o rychlosti faktické zpoždění o polovinu vzorkovací periody, které musí být odstraněno před porovnáváním s dalšími signály. Dle výroků výrobců přijímačů může GPS poskytnout trojrozměrný vektor rychlosti s přesností 5 cm/s v každé ose. Testy uveřejněné v [2] ale ukazují, že jsou tyto výroky spíše konzervativní. Klíčem k použití GPS-měření rychlosti je transformace rychlosti do souřadnic spojených s tělesem dopravního prostředku. To vyžaduje znalost orientace podélné osy vozidla v prostoru (nazývané směr či kurz vozidla), k čemuž se nejčastěji používá snímač úhlové rychlosti v ose otáčení vozidla. Jelikož tento postup vyžaduje integraci signálu, musí být stejnosměrná složka rychlosti změny směru nejdříve odstraněna. Jednoduchý model gyroskopu předpokládá, že jeho citlivost je známa a jeho výstup se skládá ze skutečné rychlosti otáčení, konstantního ofsetu a bílého šumu. Měřená rychlost otáčení může být za účelem odhadu úhlu kurzu a ofsetu gyroskopu použita jako vstup do Kalmanova filtru, což je v moderních výzkumech nejobvyklejší postup. 2.3 INTEGRACE INS A GPS – KALMANŮV FILTR Globální polohovací systém a inerciální navigační systémy mají doplňující se vlastnosti. GPS umí poskytnout pozici, rychlost a polohu v prostoru s omezenou přesností, která se ale nezhoršuje s časem. GPS přijímače mohou být považovány za diskrétní snímače, svá měření obvykle poskytují s frekvencí 1 – 10 Hz. Taková vzorkovací frekvence nemusí být dostatečná, mění-li se dynamika vozidla relativně

16

rychle. INS je soběstačný spojitý měřicí systém, který není závislý na vnějších signálech. Nabízí krátkodobou stabilitu, ale má jen omezenou dlouhodobou stabilitu kvůli chybám jeho senzorů. Použitím uvedených doplňujících se vlastností mohou být integrací GPS a INS vytvořeny navigační systémy poskytující dlouhodobou stabilitu i spojité měření. Existuje několik metod integrace INS a GPS, ve většině z nich se ale jako integrační člen používá nějaká forma Kalmanova filtru.

determ. signál

n áhodný signál  Pozorovaný objekt

Model objektu

Systém pohyb měření výstup objektu měřicího systému

odhad pohybu objektu

Model systému

chyby měření měřené veličiny K

odhad měřené veličiny korek ční signál

Obr. 4 – Princip dynamické filtrace Ideou Kalmanova filtru je implementace modelu skutečného systému v počítači pracujícím paralelně s modelovaným systémem [15]. Kalmanův filtr je stochastický estimátor stavu. Předpokládá se, že pozorovaný (modelovaný) objekt je buzen šumem charakterizovaným stochastickými veličinami a že použité senzory jsou stejným typem šumu rušeny. Pro známý lineární stochastický model s gaussovským šumem s nulovou střední hodnotou a známou kovariancí je Kalmanův filtr optimálním rozptyl minimalizujícím filtrem. Pokud by model byl lineární, ale šum negaussovský, je Kalmanův filtr nejlepším lineárním rozptyl minimalizujícím filtrem. Estimátor je řízen stejnými vstupy jako pozorovaný objekt (s výjimkou procesního šumu) a odhad stavového vektoru systému je založen na srovnání změřených a spočtených výstupů. Vracení zjištěné odchylky zpět do filtru zajišťuje, že odhadovaný stavový vektor bude odpovídat skutečnému stavu objektu. Obvykle se k dosažení přijatelné výkonnosti používá nepřímý (rozšířený) Kalmanův filtr, jehož stavy tvoří chyby inerciální měřicí jednotky (Inertial Measurement Unit, IMU). K dosažení výsledků blízkých optimálním je vyžadován filtr vysokého řádu, s nímž je spojena vysoká výpočtová náročnost vyplývající z nutnosti neustálé aktualizace tzv. Kalmanových zisků (matice zesílení). Často se pak ke snížení výpočetního zatížení použijí pevné Kalmanovy zisky, což vede ke zhoršení kvality výsledků. Za účelem eliminace těchto nevýhod představili např.

17

autoři [7] integrační přístup s tzv. přímým Kalmanovým filtrem. Přímý Kalmanův filtr je filtr, mezi jehož stavy se nachází pozice a rychlost zkoumaného vozidla. Základním prvkem navrhované integrace je zpracování všech různých nelineárních operací před Kalmanovou filtrací a přesunutí maximálního množství nezbytné dynamiky do vlastního filtru. Pochopitelně sofistikovanější modelování inerciálních chyb s rozšířeným Kalmanovým filtrem může zlepšit kvalitu výsledků, ale za cenu výpočetních nároků vyšších o řád i více. 2.4 POUŽÍVANÁ ZAŘÍZENÍ Z řady používaných zařízení pro zaznamenávání pohybu objektu zůstávají ve všeobecném povědomí především dva přístroje – tzv. černá skříňka z letecké dopravy a tachograf, používaný při kontrole silniční dopravy. Pojmenování „černá skříňka“ pochází z inženýrské terminologie a přísluší zařízení, u něhož je možné volně ovládat vstupy a přejímat výstupy, ale jehož vnitřní mechanismy jsou neznámé. Ve skutečnosti bývá povrch těchto zařízení natřen jasně oranžovou barvou a každé velké komerční letadlo je vybaveno dvěmi různými skříňkami, které se liší daty, která zaznamenávají [25]. Prvním typem je Cockpit Voice Recorder (CVR), který zaznamenává mluvenou řeč a ostatní zvuky v pilotní kabině. Z pohledu této práce je ale podstatně zajímavější druhý typ černé skříňky, který se nazývá Flight Data Recorder (FDR) a který slouží k záznamu letových parametrů a provozních dat z různých systémů letounu. Černá skříňka Mnoho dnes používaných černých skříněk ukládá záznamy na smyčku magnetické pásky zavedené v šedesátých letech. Letecké společnosti ale postupně přesunují pozornost k paměťovým deskám, které se objevily v průběhu let devadesátých. Záznamníky s paměťovými čipy mohou sledovat více parametrů než magnetické pásky, protože zvládnou obsloužit vyšší datový tok. Zatímco páskové záznamníky mohou sledovat kolem 100 parametrů s periodou jedné vteřiny, přesnější digitální záznamníky zachytí více než 700 letových parametrů každou šestnáctinu vteřiny a i tak mohou uchovat až 25 hodin letu. Všechna Obr. 5 – Černá skříňka FDR data posbíraná senzory letadla jsou odesílána do sběrné jednotky letových dat (Flight Data Acquisition Unit, FDAU), obvykle umístěné v přední části letounu, která je odesílá dále do černých skříněk. Senzory snímají zrychlení, rychlost proudění vzduchu,

18

nadmořskou výšku, magnetický kurz, nastavení klapek, polohu směrovky, venkovní teplotu, teplotu a tlak v kabině, chování motorů, průtok paliva a další. V současné době už nejsou černé skříňky součástí pouze letadel. Někteří výrobci automobilů již užívají podobné technologie v jejich vozech a část z nich již tak činí delší dobu. Na druhou stranu ale také NASA uzavřela dohodu o realizaci návrhu a výroby neobyčejného kosmického zařízení [26]. Jedná se o černou skříňku pro pilotované kosmické lodě včetně raketoplánů, která bude schopna samostatného návratu na Zemi při havárii kosmické lodě. Nízko nad zemským povrchem se oddělí od návratové kabiny a zahájí samostatný sestup. V okamžiku oddělení naváže kontakt s telekomunikační družicí na oběžné dráze, přes kterou předá do řídícího centra veškerá naměřená data, která mohou být velmi důležitá především při havarijním sestupu raketoplánu či jiné pilotované kosmické lodě. Zařízení bude opatřeno tepelným štítem, bateriemi, záznamníkem dat, potřebnými detektory a vysílačem. První start by se mohl uskutečnit již v roce 2006. Tachograf Uvedené pokusy s černými skříňkami v automobilech ještě nedosáhly uplatnění ve stejném smyslu v jakém pracují tyto záznamníky v letectví. Rozšířily se ale tachografy, které by se daly nazvat zjednodušenými černými skříňkami a které v legislativě Evropské unie slouží ke kontrole dodržování pravidel nákladní silniční dopravy již po dobu 16-ti let. Dosud používané analogové tachografy zapisují kontrolní data na kotouče z voskového papíru. Tyto kotouče jednak nejsou vždy zaměnitelné mezi různými jednotkami, ale Obr. 6 – Analogový tachograf navíc jsou také náchylné k poškození a falšování. Zapisováno je pouze několik nejdůležitějších údajů jako okamžitá rychlost (10 .. 125 km/h), ujetá vzdálenost (min. 0,1 km), přestávky, otevření krytu a odpojení snímače rychlosti. Evropská unie však chtěla využít výhod nastupujících technologií k zajištění zabezpečení záznamu povinných jízdních přestávek řidičů. Nový systém digitálních tachografů je méně náchylný k neoprávněným zásahům zkreslujícím zaznamenaná data. Tento systém umožní snazší a lepší kontrolu řidičů ať už jejich operátory či dozorčími úřady. Všechny nové vozy vyžadující instalaci tachografů registrované od 5. srpna 2004 musí být vybaveny digitálními systémy (viz Obr. 7).

19

Obr. 7 – Schéma systému digitálního tachografu [27] Telemetrie Špičku mezi záznamovými systémy tvoří telemetrické soupravy závodních vozů. Do oblastí motoristického sportu jako Formule 1 nebo WRC jsou prostřednictvím významných sponzorů investovány nemalé finanční částky a tomu odpovídá i technická úroveň výbavy těchto vozů. Kvalitní zařízení ale dnes již mohou získat také týmy v nižších soutěžích nebo nesoutěžní subjekty. Důkazem toho je, že podobný systém byl v roce 2005 pořízen i pro experimentální záměry naší výzkumné skupiny. Jedná se o systém sběru dat od rozvíjející se italské společnosti Digitek, která vyráběla a vyrábí komponenty prodávané pod známou značkou Magneti-Marelli. Jádrem telemetrického systému je centrální sběrná a komunikační jednotka, běžně označovaná jako datalogger. Jednotka Cobra firmy Digitek je sběrné zařízení, které je svým vysokým výkonem, spolehlivostí a kompaktností koncipováno pro plnění provozních požadavků rozličných sportovních aplikací. Aby byl tento modul adaptibilní pro různá palubní uspořádání, je vybaven dvěma CAN linkami pro zapojení do palubní komunikační sítě. Navíc umožňuje přímé připojení až šestnácti analogových snímačů (s 12-ti bitovým rozlišením převodu), čtyř zařízení s pulsním výstupem a dvou dvoustavových indikátorů. Jeho záznamové schopnosti jsou garantovány vestavěnou flash pamětí o velikosti 32 MB a možností konfigurace až 288 kanálů s různým vzorkováním od 1 Hz do 1 kHz.

20

Telemetrické funkce jsou zajišťovány přenosem vybraných dat v reálném čase přes sériovou linku a radiové spojení do servisního počítače. Po skončení soutěže nebo během přestávky v boxu lze s jednotkou komunikovat přímo z analytického software na osobním počítači přes standardní 10Mb ethernet rozhraní a TCP/IP protokol. Analytický software pak doplňuje celý systém o příslušné nástroje umožňující obsluze konfigurovat záznamové tabulky, zobrazovat a ukládat on-line i off-line data a provádět okamžité i postprocesové analýzy nasnímaných dat.

Obr. 8 – Komponenty telemetrického systému závodního vozu Mezi připojitelné typy snímačů patří akcelerometry, snímače rychlosti otáčení kol, snímač natočení volantu, snímače poloh tlumičů, tlaku oleje, paliva, brzdové kapaliny, teploty oleje, chladící kapaliny nebo převodovky. Mimo snímače, které jsou připojeny přímo do dataloggeru, může být dále využito rozhraní CAN pro připojení přídavných modulů, jež existují pro téměř jakýkoliv typ snímačů, ať už je to přímý analogový senzor, termočlánek nebo tenzometrický můstek. Nechybí pochopitelně ani kontrolní zobrazovací zařízení pro řidiče ani infračervený maják pro přesné automatické čítání a měření času absolvovaných kol. Sledovací systémy Zatímco s dosud uvedenými systémy se dostane bezprostředně do kontaktu jen omezená skupina lidí, s bezpečnostními systémy ochrany vozidel proti krádeži se může každý z nás snadno setkat v běžném životě, protože se významně rozšiřují i do segmentu osobních automobilů, jakožto nejčetnější skupiny dopravních prostředků. Úkolem těchto systémů je sledovat pohyb vozidla buď za účelem nalezení vozidla po jeho krádeži, nebo prostě jen pro účely statistického vyhodnocování používání daného vozidla a automatizovanému sestavování různých typů výkazů. Společnost SECAR Bohemia, a.s. [31], provozuje úspěšně takový systém již od roku 1992. V současné době je pro její klienty připravena celá škála produktů pro osobní i nákladní automobily, motocykly a pracovní stroje. Jednotlivé produkty se liší podle požadovaného stupně zabezpečení vozidla a tomu odpovídající technologie. K vyhledávání odcizených vozidel slouží produkt SHERLOG Security Car pracující zejména na bázi radiové lokalizace, eventuálně na bázi GPS a GSM pro aplikace s nejvyšším koeficientem zabezpečení, kdy jsou vozidla kromě

21

radiového systému vybaveny i satelitním systémem GPS/GSM pro lokalizaci i v těch zemích Evropy, kde není dosud systém SHERLOG Security Car vybudován.

Obr. 9 – Sherlog Security Car Na bázi GPS/GSM pracuje také další sledovací systém, který se na českém trhu teprve začíná rozšiřovat. Palubní jednotka systému CarNet [32] pracuje, i když je vozidlo v nečinnosti. Snímá stále polohu vozidla a stav dalších připojených systémů, například instalovaného alarmu nebo skrytého přepínače, a tyto vyhodnocuje svojí vnitřní logikou. Pokud je vozidlo vybaveno autoalarmem, lze na něj palubní jednotku připojit a ta potom bude majitele a/nebo jinou autoritu (např. bezpečnostní agenturu) informovat o jeho aktivaci. Navíc začne palubní jednotka automaticky vysílat data o poloze vozidla. Jakmile je zjištěn ve vozidle problém, jsou data o jeho stavu okamžitě odesílána, přičemž je možné zvolit jeden ze dvou režimů. V případě vozidla nehlídaného bezpečnostní agenturou jsou informace o neautorizované události zaslány formou SMS na zadaný mobilní telefon. Pokud je vozidlo hlídané bezpečnostní agenturou, jsou informace o aktivaci neautorizované události odeslány přímo společnosti, se kterou má majitel tuto službu sjednanou. Bezpečnostní agentura potom zajistí dohled nad vozidlem, jeho vypátrání a vrácení majiteli.

22

3

STRUKTUROVÁNÍ POHYBU VOZIDLA

V minulosti bylo pohodlí nejdůležitější otázkou při výběru a hodnocení osobních automobilů. Postupně jak se řidiči stejně jako o pohodlí začínají zajímat i o jistotu ovládání vozu, zvyšují výrobci automobilů investice do výzkumu zlepšování jízdní stability automobilů v krizových situacích. Dnešní vozy jsou v každém zlomku vteřiny monitorovány řadou senzorů, jejichž výstupy umožňují palubním počítačům vypočítat, kam chce řidič jet a kam vozidlo skutečně směřuje. Jakmile začne auto dostávat smyk, dříve než si řidič stačí vůbec všimnout, systém jízdní stability automaticky vrátí vozidlo zpět do zamýšleného směru. Systémy snímání pohybu vozu mají dále kromě elektronických stabilizačních systémů uplatnění i při ladění komponent podvozkových skupin a při matematickém modelování chování vozidla. 3.1 TYPICKÉ APLIKACE • • • • • • • • • • •

Advanced cruise control Accident avoidance Crash data recording Roll-over protection In-car navigation Dynamic chassis control Next generation ABS Airbag deployment Headlamp steering Transmission control Suspension control

inteligentní tempomat předcházení nehodám zaznamenání dat o nehodě ochrana proti převrácení vozu palubní navigace dynamické seřizování podvozku ABS nové generace konfigurace systému airbagů směrování předních světel regulace převodové soustavy regulace závěsů kol

Obecná definice ACC (Advanced Cruise Control) tvrdí, že je to systém nebo metoda pro předcházení automobilovým nehodám, v nichž je určena absolutní pozice automobilu (např. pomocí navigačního systému jako je GPS) a následně pak jeho umístění vzhledem k okrajům vozovky, které vychází ze zjištěné absolutní pozice a z uložených informací o komunikacích, po kterých by vozidlo mohlo cestovat. Pokud se automobil příliš přiblíží hranici vozovky nebo ji protne, aktivuje se výstražný systém, případně systém automatického navádění. V praxi se termín ACC pojí především s tzv. inteligentním tempomatem, který pracuje tak, že pokud není před ACC automobilem žádné vozidlo, systém udržuje určenou rychlost nastavenou řidičem, stejně jak je tomu u konvenčního tempomatu. Je-li před automobilem zjištěno jiné vozidlo, ACC upraví rychlost auta tak, aby byla dodržena řidičem požadovaná vzdálenost. Když překážející vozidlo zmizí, ACC opět zrychlí na původní určenou rychlost. Systémy jízdní stability bývají nazývány různými jmény, lišícími se podle výrobce, který je nabízí. Nejznámějšími pojmy jsou ESP (Electronic Stability Program), DSC (Dynamic Stability Control) či VDC (Vehicle Dynamics Control).

23

Smyk automobilu v pojmech fyziky je jednoduše otáčení vozu kolem jeho vlastní vertikální osy. Čím rychlejší je tato rotace, tím větší je smykový pohyb a tím větší je nebezpečí nehody. Rozdíl mezi ESP a ABS (Antilock Braking System) resp. TCS (Traction Control System) je právě v tom, že ABS a TCS pracují v podélné ose vozidla tak, aby zamezily ztrátě adheze a pomohly udržet přímou linii jízdy při brždění a akceleraci, zatímco ESP posuzuje chování vozidla a řidiče v okamžicích změny směru jízdy a upravuje pohyb vozidla tak, aby odpovídal pokynům řidiče [22]. Například systém AdvanceTrac od automobilky Ford používá sedm senzorů k monitorování úhlu natočení volantu, rychlostí otáčení kol, stáčivé rychlosti vozidla a dalších faktorů, aby určil, zda se vozidlo pohybuje po trajektorii, kterou řidič zamýšlí. Pokud systém zjistí, že auto dostává smyk zadních kol (přetáčí se), pošle brzdný impuls k vnějšímu přednímu kolu a pomůže tak řidiči se stabilizací auta. Zjistí-li systém, že se naopak přední část vozu pohybuje ven ze zatáčky (nedotáčí), pošle podobný brzdný impuls vnitřnímu zadnímu kolu. Je-li to nutné, systém také sníží výkon motoru. Narozdíl od systémů ABS Obr. 10 – Ilustrace systému ESP nebo TCS vyžadují systémy ESP o podmínkách řízení více informací. K vývoji takového systému je nezbytné získat informace o stáčivé rychlosti vozidla a o úhlech boční směrové úchylky vozidla a směrových úchylek jednotlivých kol, stejně jako koeficient přilnavosti vozovky. Neexistence levného a zároveň spolehlivého snímače, který by mohl být použit k přímému měření těchto stavů způsobila v posledních výzkumech zvýšení počtu technik stavových odhadů. Protože stáčivá rychlost a směrová úchylka jsou klíčové hodnoty v různých kontrolních aplikacích, většina odhadových technik se věnuje právě těmto hodnotám. 3.2 SOUŘADNÉ SYSTÉMY Jsou-li k dispozici potřebné snímače, je možné přistoupit ke zpracování jejich výstupů. Signály získané z měřicího zařízení můžeme považovat za průběhy dynamických veličin vyjádřených v souřadném systému pevně spojeném s tímto měřicím zařízením. Pro přesnou rekonstrukci pohybu vozidla ale potřebujeme znát průběhy veličin v souřadném systému spojeném s jeho neodpruženou hmotou a umístěném v jeho těžišti. Tyto hodnoty nelze dostatečně přesně vypočítat bez současné detailní znalosti polohy karosérie vozidla v prostoru (viz např. [14]). Přehled uvažovaných souřadných systémů obsahuje Obr. 11 níže.

24

Souřadný systém M (measuring device) je již dříve zmíněný systém spojený s měřicím zařízením. Systém označený písmenem B (body) je spojený s karosérií vozidla, ve kterém je měřicí zařízení umístěno. Před dalšími výpočty je evidentně nutné specifikovat vztah mezi systémy M a B, přičemž předpokládáme, že vzájemná poloha těchto dvou systémů se během zkoušky nemění. Tento proces nazýváme rektifikace signálů. Systém V (vehicle) je souřadný systém vozidla jako celku. Na obrázku je umístěn v oblasti jednoho z kol, aby byl dostatečně patrný rozdíl mezi systémy V a B, tj. mezi neodpruženou a odpruženou hmotou vozidla. Jinak se většinou umísťuje do těžiště vozidla, veličiny v něm vyjádřené nejsou ovlivněny kloněním a klopením karosérie a mohou tak již přímo sloužit k popisu jízdních stavů zkoumaného automobilu. Mnohdy ovšem nejsme schopni tyto veličiny dostatečně přesně vyjádřit pouze z naměřených hodnot a jsme nuceni do řešení začlenit ještě další referenční informace.

Obr. 11 – Přehled uvažovaných souřadných systémů GPS poskytuje speciálně kódované satelitní signály, které umožňují přijímači vypočítat svou polohu a rychlost pohybu. Údaje o poloze jsou přijímači počítány v tzv. ECEF XYZ souřadnicích (Earth-Centred Earth-Fixed), kterým v Obr. 11 odpovídá systém označený písmenem G (global). Většinou je přesná poloha na Zemi pro výsledky testů nepodstatná a může být výhodnější převádět výstupy GPS přijímače do lokálního souřadného systému L. GPS přijímače používají k výpočtu polohy elipsoidní zemský model WGS-84 (World Geodetic System 1984), který byl vypočten na základě družicových měření. Pozice v souřadnicích x, y, z bývá uvnitř běžně prodávaných přijímačů přepočítávána na souřadnice geodetické. 3.3 VYBRANÉ MODELY Existují dva druhy modelů pro analýzu dynamických vlastností vozidel – model pro analýzu jízdní stability (ovladatelnosti) a model pro analýzu jízdního pohodlí. Modely prvně jmenované třídy lze rozdělit na skupiny modelů lineárních a nelineárních, z nichž každá má jiný počet stupňů volnosti. V rámci výzkumu dynamiky automobilů je nutné vždy zvolit model odpovídající konkrétním

25

potřebám. Dvojstupňový (jednostopý) model se obvykle přijímá kvůli jeho jednoduchosti. Tento model zachází s automobilem jako s jízdním kolem, které má pouze přední a zadní kolo, tj. levá a pravá kola jsou na obou koncích vozu spojena do jednoho celku, jak to ukazuje Obr. 12. Použijí-li se boční rychlost v a stáčivá rychlost ω jako stavové proměnné, mohou být pohybové rovnice pro tento model vyjádřeny následovně: mv = −muω + 2 Fyf + 2 Fyr (1) I zzω = 2aFyf + 2bFyr

kde m je celková hmotnost vozidla, Izz je moment setrvačnosti ve svislé ose, u je podélná rychlost, Fyf, Fyr jsou přední resp. zadní boční síly na pneumatikách, a a b jsou vzdálenosti mezi přední resp. zadní osou a těžištěm vozidla. Boční sílu na pneumatiku lze považovat za lineárně závislou na úhlu směrové úchylky příslušného kola: Fyi = −Cα iαi (2) pro i = f a r, kde Cαi je boční tuhost dané pneumatiky. l b

a

ω αr

δ

x

u v 2Fyr

y

αf 2F yf

Obr. 12 – Jednostopý model vozidla Jednostopý model dává dobrou shodu v lineární oblasti (přibližně pro boční zrychlení do hodnoty 0,3 g), avšak v nelineární oblasti dosahuje významných chyb. Přestože některé výsledky tohoto dynamického modelu nejsou dostatečně přesné, je stále široce používán v mnoha kontrolních aplikacích kvůli jeho jednoduchosti, snadné implementaci a minimu potřebných informací o parametrech vozidla. Proto bylo navrženo několik metod získání lepších výsledků i v nelineární oblasti. Například práce [1] uvádí odhad úhlové rychlosti stáčení použitím vylepšeného dynamického modelu, jímž byly chyby vyskytující se v nelineární oblasti minimalizovány. Navrhovaný model je postaven na následujících třech prvcích, které nejsou v původním jednostopém modelu uvažovány: 1) nelinearity pneumatik; 2) změny bočního zatížení vlivem odstředivých sil během zatáčení; 3) efekt proměnného převodového poměru vlivem nežádoucích vůlí v řízení, vlivem systémů řízení s posilovačem apod. Boční zrychlení v těžišti vozidla je zde za účelem odhadu

26

stáčivé rychlosti použito jako měřený údaj. Dalšími měřenými vstupy jsou úhel natočení volantu a podélná (dopředná) rychlost. Pohybové rovnice pro tento model mohou být zapsány v maticové formě

x = Ax + Bδ + w y = Cx + Dδ + wy

(3)

kde x = [v ω]T je vektor stavových proměnných, δ je vstupní úhel natočení volantu, w = [w1 w2]T je procesní šum, y je měřené boční zrychlení v těžišti a wy je šum měření. Častěji než odhad stáčivé rychlosti z měřeného bočního zrychlení se používá její měření pomocí elektromechanických gyroskopů. Jak již bylo uvedeno, jednoduchý model gyroskopu předpokládá, že jeho výstup se skládá ze skutečné rychlosti otáčení, konstantního ofsetu a bílého šumu. Jenže u běžně používaných gyroskopů je právě stejnosměrná část signálu částí nejvíce problémovou, neboť závisí na různých okolních skutečnostech, jako jsou napájecí napětí nebo teplota okolí. Proto vznikají pokročilejší metody modelování výstupů gyroskopů jako např. v práci [4], kde jsou tři ortogonálně uspořádané gyroskopy integrovány s GPS za účelem kontinuálního měření prostorové orientace platformy. Z pohledu přesnosti mají gyra poměrně stabilní chování během krátkých intervalů a lze je proto účinně použít k omezení vysokofrekvenčního šumu, který se vyskytuje v odhadech orientace založených na výstupech přijímače GPS. Naopak během výpadků GPS signálu mohou být změny orientace platformy odhadovány přímo z gyroskopických měření, což zlepšuje použitelnost systému. Jelikož ale gyra mohou poskytovat informace pouze o úhlových rychlostech, musí být výchozí absolutní orientace určena z GPS, což vyžaduje během inicializační fáze jeho plnou dostupnost. Stavový vektor Kalmanova filtru se v tomto modelu skládá ze tří ofsetů gyroskopů, tří Eulerových úhlů (ϕ označuje klopení, ψ klonění a θ stáčení) a k nim příslušných úhlových rychlostí [4]. x = ⎡ϕ ψ θ ϕ ψ θ δω x δω y δω z ⎤ ⎣

T

⎦

(4)

Vztah mezi úhlovými rychlostmi, polohovými úhly a ofsety gyr je pak dán rovnicí ⎡ωx ⎤ ⎡0 cos (ϕ ) sin (ϕ ) cos (ψ ) ⎤ ⎡ϕ ⎤ ⎡δωx ⎤ ⎥ ⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ 0 − sin (ψ ) ⎥ ⎢ψ ⎥ + ⎢δω y ⎥ ⎢ω y ⎥ = ⎢1 ⎢ ⎥ ⎢0 − sin (ψ ) cos (ϕ ) cos (ψ ) ⎥ ⎢  ⎥ ⎢δω ⎥ ⎦ ⎣θ ⎦ ⎣ z ⎦ ⎣ω z ⎦ ⎣

(5)

Během výpadků GPS nejsou k dispozici žádné jeho výstupy a parametry polohy jsou odhadovány výhradně z dat gyroskopů, s jejichž použitím může být rotace platformy určena integrováním odhadovaných úhlových rychlostí. Odhady úhlových

27

rychlostí závisí na výstupech gyroskopů, na jejich ofsetech a také na odhadech polohových parametrů. Úhlové rychlosti jsou z gyroskopických měření počítány přímo po kompenzaci ofsetu takto: ⎡ϕ ⎤ ⎡ sin (ϕ ) tg (ψ ) 1 cos (ϕ ) tg (ψ ) ⎤ ⎡ω − δω ⎤ x ⎥⎢ x ⎢ ⎥ ⎢ ⎥ − sin (ϕ ) ⎥ ⎢ω y − δω y ⎥ cos (ϕ ) 0 ⎢ψ ⎥ = ⎢ ⎢  ⎥ ⎢sin (ϕ ) cos (ψ ) 0 cos (ϕ ) cos (ψ ) ⎥ ⎢ ⎥ ⎥⎦ ⎣ ωz − δωz ⎦ ⎣θ ⎦ ⎢⎣

(6)

Výsledky odhadů polohy během výpadků GPS také závisí na délce těchto výpadků, protože nejsou-li k dispozici GPS data pro aktualizaci ofsetu gyroskopů, odhady ofsetů zůstávají nezměněné a zhoršují se vlivem změny hodnot skutečných ofsetů v čase. Kompenzace ofsetů gyroskopů je tak tím méně efektivní, čím větší jsou intervaly nedostupnosti GPS, což následně vede k posunu hodnot polohových parametrů. Většina Kalmanových filtrů může být považována za virtuální senzory, protože s pomocí matematického modelu a konkrétních měřených signálů mohou být odhadovány neznámé stavy, které je buď příliš složité měřit přímo, nebo jsou příslušné senzory příliš drahé. Například systémy kontroly jízdní stability automobilů vyžadují ke své činnosti informace o prokluzu kol a úhlu směrové úchylky vozidla, které bez přítomnosti drahých specializovaných senzorů pro měření rychlosti pohybu tělesa nad zemí nejsou dostupné. Bez přímých měření je prokluz kola odhadován porovnáním hodnoty ze snímače rychlosti otáčení daného kola s odhadem rychlosti vozidla, který je vypočtený z rychlostí otáčení všech kol, případně s použitím informací z dalších snímačů. Avšak za podmínek vysokého prokluzu, kde jsou systémy kontroly stability nejvíce potřebné, se tento odhad rychlosti vozidla stává méně přesným. V podobných případech klade chyba spojená s odhadem přísná omezení na použitý řídící algoritmus. Použitím GPS a Kalmanova filtru je ale dle práce [2] možné tyto kritické hodnoty namísto odhadu měřit. Citovaný experiment je založen na jednostopém modelu. Autorům se daří úspěšně odhadovat úhel boční směrové úchylky vozidla, úhly směrových úchylek jednotlivých kol i jejich prokluz. Ve výpočtovém modelu ale figuruje pouze otáčení vozidla kolem jeho svislé osy, klonění a klopení se neuvažuje, neboť pro dané účely nemá příliš velký význam. Pro účely vyšetřování parametrů automobilových podvozků je ale tento model nevhodný, v takových případech je nutné použít model se šesti stupni volnosti jako například ve [6], kde podobný model slouží k analýze pohybu karosérie, přesněji okamžité polohy její osy otáčení, za účelem nalezení objektivního způsobu posuzování jízdních vlastností, které jsou obvykle určovány pouze subjektivně prostřednictvím testovacích jezdců.

28

Přímý Kalmanův filtr V tradičních přístupech jsou za stavy Kalmanova filtru vybírány chyby inerciálního systému. Tento model a jeho lineární aproximace jsou dobře známy. Jako měření vystupují v Kalmanově filtru rozdíly mezi vzdálenostmi změřenými pomocí GPS a délkovými odhady z INS. Matice měření filtru tak obsahuje nelinearity z rovnic globálního polohovacího systému. V přímém Kalmanově filtru [7] vystupují jako stavové veličiny přímo poloha a rychlost vozidla. Propagační rovnice jsou pak jednoduše pohybové rovnice vozidla. Dodatečně mohou být mezi stavy filtru zahrnuty další chybové stavy. Jako vstupy jsou brány hodnoty zrychlení z INS, poloha a rychlost indikované GPS přijímačem vystupují jako měření, což činí matici měření velice jednoduchou. Schéma integračního procesu s přímým Kalmanovým filtrem ukazuje následující obrázek. Jednotka INS

odezva polohy a rychlosti zrychlení

IMU úhlové rychlosti

Dynamické rovnice INS

prostorová orientace

zrychlení v ECEF souřadnicích

Jednotka GPS GPS přijímač

pseudo-range delta range

Algebraické rovnice GPS

poloha, rychlost a čas se šumem

Přímý Kalmanův filtr

odhad polohy, rychlosti a chyby hodin GPS přijímače

odezva rychlosti

Obr. 13 – GPS/INS integrace s přímým Kalmanovým filtrem Dynamické INS rovnice převádějí zrychlení a úhlové rychlosti měřené inerciální měřicí jednotkou (IMU) společně s odezvou ve formě odhadů polohy a rychlosti vozidla z předchozího kroku na odhady zrychlení vyjádřené v centrálních zemských souřadnicích (ECEF) a odhady prostorové orientace vozidla. Algebraické rovnice GPS řeší nelineární pseudo-range a delta range vztahy a jejich výstupem jsou odhady polohy a rychlosti vozidla a chyb hodin vysílače a přijímače. Nelinearity pocházející z GPS jsou tedy předzpracovány v bloku označeném „Algebraické rovnice GPS“ (viz Obr. 13) na vzorkovací frekvenci GPS a nelinearity INS jsou předzpracovány v bloku pojmenovaném „Dynamické rovnice INS“. Vzorkovací frekvence INS je typicky o řád vyšší než frekvence GPS. Odhady zrychlení z INS jednotky jsou dále posílány společně s odhady z GPS do fúzního Kalmanova filtru. Základní snahou tohoto integračního přístupu je přemístit všechny různé nelineární operace před samotný lineární Kalmanův filtr a zahrnout co nejvíce

29

nezbytné dynamiky dovnitř filtru. Výpočty prováděné SINS zařízením lze rozdělit do dvou částí. V první z nich se používají výstupy gyroskopů k výpočtu orientace souřadného systému tělesa vzhledem k základnímu souřadnému systému. V druhé se pak aplikují tyto vztahy při transformaci souřadnic vektorů, typicky zrychlení, mezi uvedenými souřadnými systémy. Souřadný systém, ve kterém jsou výpočty prováděny, se obvykle volí takový, aby souhlasil se souřadným systémem požadovaných výstupů. Pro integraci s GPS je výhodné volit centrální zemské souřadnice. Spojité nelineární dynamické rovnice v ECEF souřadnicích mají tvar ⎤ ⎡ r g ⎤ ⎡ vg ⎥ ⎢ ⎥ ⎢ ⎢v  g ⎥ = ⎢R vg f v − 2Ωigg v g + g g ( r g )⎥ ⎢ ⎥ ⎢ g v  vg ⎥⎥ ⎢ R Ω ⎥⎦ ⎢⎣ R v gv ⎦ ⎣

(7)

kde rg, vg jsou vektory polohy a rychlosti v globálních ECEF souřadnicích, fv je pohybový vektor v souřadném systému vozidla 2 , gg je vektor tíhového zrychlení, který je závislý na polohovém vektoru rg, R vg je transformační matice ze souřadného systému v do systému g, Ωvgv je polosymetrická matice vektoru úhlové rychlosti ωvgv souřadného systému v vůči systému g vyjádřené v systému v a podobně Ωigg je polosymetrická matice vektoru otáčení Země.

2

označení souřadných systémů odpovídá metodice popsané v kapitole 3.2 a ilustrované na obrázku Obr. 11

30

4

METODY ŘEŠENÍ

Rekonstrukcí pohybu vozidla se obvykle rozumí získání co nejúplnější informace o jeho pohybu pomocí vhodně zvolených snímačů. Zejména se jedná o polohu karosérie v prostoru, o úhly směrových úchylek na nápravách a v těžišti a o podélné a příčné zrychlení. Možnostmi rekonstrukce se zabývá článek [16], který vznikl v rámci rozsáhlých měření jízdních manévrů vozidel. Zkoušky byly voleny tak, aby byl simulován jeden z charakteristických manévrů vozidla, kterým je změna jízdních pruhů. Testováno bylo celkem sedm užitkových a osobních vozidel, včetně jízdní soupravy. Testovací vozidlo Škoda Octavia bylo pro účely rekonstrukce pohybu osazeno senzory rozdělenými do tří subsystémů. První subsystém byl tvořen snímači firmy Corrsys-Datron GmbH. Snímače druhého subsystému (snímače zrychlení ADXL105 firmy Analog Devices a snímače úhlové rychlosti Gyrostar ENF-05D-52 firmy Murata) byly integrovány do měřícího přístroje MBox (viz dále) a třetí subsystém byl určen k měření trajektorie vozidla. Cílem uvedeného článku [16] bylo vyzkoušet využití jednak optických snímačů od firmy Corrsys-Datron a jednak snímačů zrychlení a úhlových rychlostí v měřicím přístroji MBox. Základem pro programové vyhodnocení obou variant měření je představa pevného tělesa, reprezentujícího karosérii, pohybujícího se v prostoru. V každém měřeném okamžiku musí být splněny podmínky, které předepisují shodnost měřených signálů s vypočítanými signály z virtuálních snímačů. Vhodnou kombinací těchto podmínek a stavových veličin ovlivňujících pohyb hmoty je možné zrekonstruovat sledovaný kinematický děj. Ve variantě 1 byly s využitím snímačů od firmy Corrsys-Datron snímány horizontální rychlost a úhel směrové úchylky bodu v přední a v zadní části vozu, výška v přední části vozu a dvě výšky v levém a v pravém bodu zadní části vozu. Měřené signály byly zvoleny tak, aby bylo možné spočítat vektor rychlosti pohybu počátku souřadného systému tělesa, jeho stáčivou rychlost, úhel klopení a klonění, úhel směrové úchylky těžiště, úhel směrové úchylky zadní nápravy a v případě znalosti natočení předních kol i úhel směrové úchylky přední nápravy. Derivací je možně získat i další veličiny jako je např. podélné a příčné zrychlení. U varianty 2 se využívá signálů měřícího přístroje MBox, který je navržen tak, aby snímal informace o všech šesti stupních volnosti karosérie, tj. zrychlení pro translační pohyby a úhlové rychlosti pro pohyby rotační. Vzhledem k omezenému počtu měřicích kanálů nebylo vždy měřeno svislé zrychlení a úhlová rychlost klonění, proto byly zavedeny zjednodušující předpoklady, a to že výška vozu a úhel klonění se v průběhu měření nemění. Výsledky výpočtů ukázaly, že obě prezentované metody mají pro stanovení polohy karosérie vozidla v prostoru stejně dobrý potenciál.

31

4.1 MĚŘICÍ ZAŘÍZENÍ MBox třetí generace Současná, v pořadí třetí, realizace zařízení MBox byla osazena osvědčenými snímači zrychlení ADXL105 firmy Analog Devices a aktuálně novými modely gyroskopických senzorů úhlových rychlostí ENC-03J firmy Murata. Oproti předchozí verzi byl integrován výkonný mikrokontroler ADuC812 také od firmy Analog Devices a jednotka pro zaznamenávání výsledků měření na přenositelné paměťové médium. Díky těmto modifikacím se z MBoxu stalo naprosto samostatné, nezávislé měřicí zařízení, které je možno kvalifikovat jako SINS (viz kap. 2.1). Zařízení obsahuje mikrokontroler s 12-ti bitovým A/D převodníkem, osmi kanálovým multiplexerem a DMA (Direct Memory Access) řadičem pro rychlé zaznamenávání výsledků A/D převodu do externí paměti. S procesorem je možné komunikovat přes rozhraní RS-232, což umožňuje pohodlnou aktualizaci obslužného programu přístroje. Na čipu je také obsažen teplotní senzor, který se později ukázal být velmi potřebným. Ke třem zrychlením, Obr. 14 – Měřicí box třetí generace třem úhlovým rychlostem a údaji o teplotě byla ještě přidána hodnota napájecího napětí, čímž bylo vyčerpáno všech osm dostupných kanálů. Jako přenositelné paměťové médium, byl nakonec zvolen formát CompactFlash® Type I (50-ti pinový konektor, tloušťka 3,3 mm). CF karta je médium s implementovaným speciálním řadičem, který umožňuje přímé připojení do hostitelského systému pomocí standardu ATA. Při použití vzorkovací frekvence 100 Hz, což odpovídá 1600 bajtů za vteřinu, lze na dnes již kapacitně malou kartu velikosti 32 MB uložit přibližně pět a půl hodinové měření. Měřené veličiny při uvažované metodě bezdemontážní diagnostiky tlumičů (analýza pohybu karoserie při brzdném manévru) dosahují maximální frekvence do 20 Hz. Vyšší kmitočty již nejsou způsobeny vlastním kýváním karoserie, ale jejím kmitáním. Po předchozích zkušenostech byly snímače v MBoxu opatřeny hardwarovým dolnopropustným filtrem s mezní frekvencí 30 Hz. Zaznamenané signály však nelze přímo použít, protože je v nich promítnuta celá řada okolních skutečností, které je při zpracování třeba zohlednit. Analýza zpřesněných signálů může poskytnout kvalitnější diagnostické údaje o provozní situaci i o technickém stavu vozidla.

32

Bezdrátový akcelerometr Zatímco pro přesné výsledky lokalizace je nutno analyzovat i pohyb karoserie (odpružené hmoty) vozidla, bezdemontážní diagnostika závěsů kol jízdní zkouškou naopak vyžaduje sledovat rychlost vozidla jako celku. Problémy lokalizace a diagnostiky podvozku spolu tedy z hlediska snímání a zpracování signálů velmi úzce souvisí a jsou proto řešeny v podstatě společně. S tímto úmyslem bylo v rámci projektu Fondu vědy Fakulty strojního inženýrství VUT v Brně s číslem BD 135 3029 [N1] realizováno zařízení schopné měřit bezdrátově v reálném čase zrychlení neodpružené hmoty podvozkových skupin všech čtyř kol osobního automobilu. Základem systému jsou akcelerometry řady ADXL202/210 s duty-cycle výstupem umístěné v hliníkovém, mechanicky odolném pouzdře. Snímače jsou spojeny kabelem s centrální jednotkou, která zajišťuje sběr dat ze snímačů, jejich zpracování jednoduchým mikrokontrolerem ATtiny2313 a následný rádiový přenos do operátorského počítače, realizovaný prostřednictvím modulů Aerocomm AC4486, komunikujících v ISM pásmu s generální licencí na frekvenci 868 MHz. Na straně PC je přijímač, který zajišťuje převod rádiového signálu na sériová data, která dále předává do PC přes komunikační rozhraní USB.

Obr. 15 – Bezdrátový akcelerometr, vysílací část Pro realizaci měřicího řetězce byly vytipovány snímače, které hodnotu měřené veličiny vyjadřují pomocí pulzně šířkové modulace (Pulse Width Modulation, PWM), což poskytuje výhodu v tom, že A/D převodník je v měřicím řetězci nahrazen prostým čítačem pulzů a pro digitalizaci signálu je tak možné použít podstatně jednodušší mikročip. Přenos po radiových vlnách na frekvenci 868 MHz byl vybrán s ohledem na vzdálenosti, přes které měl být signál přenášen, a vliv okolního prostředí na tento signál. Pro zvolenou frekvenci lze také běžně pořídit transcievery sériového kódu, čímž se hardwarová část problému zredukovala na návrh relativně jednoduché desky plošných spojů integrující do jednoho celku zmíněný radiotransciever, mikročip řídící sériovou komunikaci a modul bateriového 33

napájení. Kvůli dobrému poměru cena/kapacita byla pro napájení zvolena Li-Ion baterie a obvod MAX1555 jako její nezávislý nabíječ, který je schopen baterii nabíjet s ohledem na maximální nabíjecí proud i na jeho optimální časový průběh a jehož součástí je i tepelná regulace. Pro nabíjení integrované baterie je tak možné využít běžný AC adaptér s 9V výstupem. Výstupy snímačů zrychlení jsou přivedeny na vstupní port mikrokontroleru ATtiny2313. Při vyvolání přerušení jsou získaná data načítána a postupně odesílána přes rozhraní UART, které je napojeno na patici rádiového modulu Aerocomm AC4486, který obstarává jejich bezdrátový přenos. Na straně měřicího PC již hardwarovou část tvoří pouze párový radiomodul připojený na obvod FM232BM, jehož funkcí je převod sériových TTL dat na formát USB. Rozhraní USB je zde současně použito i pro napájení přijímací části systému. Základním problémem měření bylo zvolení vhodného způsobu měření střídy výstupního signálu snímačů. Řešení pomocí vnějšího přerušení reagujícího na změnu hrany je nejobvyklejší a nejběžněji používané. Zvolená jednotka ATiny2313 je vybavena 8 hradly, která jsou schopna detekce vnějšího přerušení, což umožňuje měření teoreticky až 8 kanálů. Při měření takového počtu kanálů ale nastává problém s časovými nároky na výpočet střídy jednotlivých signálů, který tak není možné realizovat v samotném mikrokontroleru. Proto bylo zvoleno řešení, při kterém je čtena hodnota celého vstupního portu (tj. všech osmi potenciálních signálů zároveň) a ukládána hodnota čítače určujícího čas daného čtení. Tyto hodnoty jsou bezdrátově přeneseny do měřicího PC, kde jsou teprve zpětně rekonstruovány průběhy jednotlivých PWM signálů a dopočítávány výstupní střídy příslušných snímačů resp. jim odpovídající detekovaná zrychlení. GPS přijímač Signály satelitního systému GPS jsou získávány pomocí běžného kompaktního přijímače integrovaného s interní anténou značky Haicom HI-204E. Podle typu kabeláže se tento přístroj dá připojit k osobním počítačům, notebookům, nebo PDA (Personal Digital Assistant). Na výstupu přijímače je sériový proud znaků ve formě vět standardu NMEA (National Marine Electronics Association). Tato námořní asociace vytvořila specifikaci Obr. 16 – Integrovaný GPS přijímač rozhraní pro komunikaci různých částí námořního elektronického vybavení. Základní myšlenkou tohoto formátu je posílání informačních bloků zvaných věty, které jsou naprosto soběstačné a nezávislé na jiných větách. Pro každou kategorii zařízení existují standardní věty, stejně tak existuje možnost definovat nové věty, náležející pouze danému zařízení. Všechny

34

standardní věty mají dvouznakový prefix, který specifikuje kategorii zařízení, které určitý typ vět používá (pro GPS přijímače je rezervován prefix „GP“). Přijímač Haicom HI-204E posílá věty ve formátu NMEA 0183 v. 2.2, a to jmenovitě věty GGA (základní data o aktuální poloze ve třech rozměrech a její přesnosti), GLL (údaje o zeměpisné šířce a délce), VTG (velikost a směr rychlosti pohybu), RMC (tzv. doporučené minimum – základní data o času, poloze a rychlosti), GSA (údaje o počtu použitých satelitů a o přesnosti zaměření polohy) a GSV (podrobné údaje o konfiguraci satelitů použitých při výpočtu). Parametry přijímače jsou zcela běžné pro tento segment trhu – 12 kanálů pro L1 C/A kód, přesnost určení polohy 5 m 95% CEP (Circle Error Probable, viz kapitola 2.2), přesnost rychlosti 0,1 m/s, frekvence zaměřování 1 Hz. 4.2 SNÍMÁNÍ Záznam informací přicházejících z přijímače GPS se ve světle předchozího odstavce jeví velmi snadno. GPS přijímač sám provádí potřebné kalibrace a konverze a na jeho výstupu dostáváme již přímo hodnoty fyzikálních veličin. Stačí tedy najít nebo napsat jednoduchý program, který čeká při otevřeném sériovém portu a všechny příchozí znaky ukládá do souboru. Oproti tomu analogové senzory, ať už se jedná o snímače se standardním napěťovým výstupem nebo o pulzně modulovaný výstup, je třeba před použitím zkalibrovat ve vlastní režii. Kalibrace gyroskopů Zatímco pro kalibraci akcelerometrů je možné jako referenční hodnotu fyzikální veličiny použít tíhové zrychlení, kalibrace snímačů úhlových rychlostí je znatelně složitější. Pro účely kalibrace gyroskopů pevně zabudovaných v inerciální měřicí jednotce bylo nutné vyvinout speciální kalibrační zařízení. Jako referenční hodnota fyzikální veličiny se v něm používá frekvence napájecího napětí synchronního motoru, který pohání otočnou plošinu, na které je kalibrovaná jednotka umístěna. Jak je známo, výhodou synchronních motorů je principiální stálost frekvence jejich otáčení, která je přímo úměrná právě frekvenci napájecího napětí.

Obr. 17 – Model zařízení pro kalibraci gyroskopických snímačů

35

Rektifikace signálů Jak bylo nastíněno v úvodní kapitole, tato práce se zaměřuje na diagnostická měření, která se vyznačují především požadavky na snadnou a rychlou aplikaci měřicích zařízení v jakémkoliv vozidle. Připomeňme si také, že vždy je nutné počítat s existencí určité absolutní chyby orientace odpružené hmoty vozidla oproti prostorové orientaci vozidla jako celku, způsobené například nerovnoměrným obsazením vozidla posádkou nebo podélnou směrovou úchylkou pocházející z nepřesné geometrie náprav. Proto ani orientace inerciální jednotky (MBox) vůči karosérii vozidla nemusí být přesně definovaná, neboť lze předpokládat, že se ani jedna z těchto odchylek po celou dobu testu nemění a že je možné je obě eliminovat zároveň v jednom rektifikačním procesu. Pojem „rektifikace“ je možné vysvětlit jako drobnou opravu, úpravu naměřených hodnot do náležitého stavu. Uvažme například případ, kdy je měřicí jednotka umístěna na zadním sedadle vozidla. Sedáky sedadel mívají vůči podlaze vozidla jistý sklon, proto při takovém uložení lze očekávat naklonění podélné osy měřicí jednotky v jednotkách stupňů, které se v zaznamenaných signálech projeví absolutní chybou hodnoty podélného zrychlení do 2 m/s2 (viz Obr. 18). Není-li tato chyba odstraněna, pak vlastně vozidlo zdánlivě neustále zrychluje a v integraci jeho rychlost roste nade všechny meze. Rektifikace tohoto a podobných případů spočívá v transformaci vektoru zrychlení a vektoru úhlové rychlosti ze souřadného systému měřicí jednotky do souřadného systému, jehož osa x je orientována ve směru dopředného pohybu vozidla a osa z ve směru proti působení tíhového zrychlení (osa y dotváří pravotočivý souřadný systém). Úkolem rektifikačního procesu je tedy určit rektifikační matici směrových kosinů pro transformaci vektorů mezi uvedenými souřadnými systémy.

4

a [m/s2]

2 0 -2 -4

Původní záznam

-6

Rektifikovaný záznam

t [s]

-8 16

18

20

22

24

26

28

30

Obr. 18 – Účinky rektifikace signálů

36

Způsobů nalezení matice směrových kosinů pro transformaci mezi známými souřadnými systémy je obecně více. V případě, kdy je možné vyjádřit, jak bude jedna a tatáž rovina vypadat před a po transformaci, je možné průsečnici těchto dvou reprezentací použít pro určení třech elementárních otočení, jejichž kombinací vznikne hledaná transformační matice. V tomto případě je ale cílový souřadný systém neznámý, pouze je-li vozidlo v klidu, lze provést dvě elementární otočení taková, že celkový vektor zrychlení bude ležet v ose z nového souřadného systému ve směru působení tíhového zrychlení. Úhly těchto otočení vyjadřují následující rovnice (ϕ je natočení kolem osy x, ψ potom natočení kolem osy y; označení systémů opět odpovídá metodice z kapitoly 3.2).

ϕ

⎛ am ⎞ = atan ⎜ ym ⎟ ⎜ az ⎟ ⎝ ⎠

ψ = sgn (

axm

⎛ ⎡0 sin (ϕ ) cos (ϕ ) ⎤ ⋅ am ⎞ ⎦ ⎟ ) ⋅ acos ⎜⎜ ⎣ m ⎟ a ⎝ ⎠

(8)

Je-li ovšem vozidlo v pohybu, potom výše uvedené vztahy neplatí. Pouze v případě, kdy vozidlo vykonává přímý dopředný pohyb, lze předpokládat, že příčné zrychlení vozidla (složka aby zrychlení ab) je nulové. Za tohoto předpokladu lze psát ⎛ aˆ by ⎞ ⎟, ⎜ aˆ xb ⎟ ⎝ ⎠

θ = − atan ⎜

kde

aˆ b = R y (ψ ) R x (ϕ ) a m

(9)

Matice Ri(α) zde vyjadřuje elementární otočení kolem osy i o úhel α. Vektor aˆ b je proto vektor zrychlení vozidla po aplikaci elementárních otočení z rovnice (8), tj. otočení, která byla určena v okamžiku, kdy bylo vozidlo v klidu. Rektifikační matice je potom určena jednoduše R bm = R z (θ ) R y (ψ ) R x (ϕ )

(10)

Z předchozího vyplývá, že k realizaci rektifikace inerciální měřicí jednotky potřebujeme po jejím umístění ve vozidle a před prvním měřením provést ideálně jednu přímou, tzv. rektifikační jízdu (rozjezd a zastavení na přímé dráze – záznam takové jízdy ukazuje mimo jiné Obr. 18). Protože ale nic není ideální, není většinou ani plocha, na které se rozhodneme rektifikační jízdu provádět, ideálně rovná. Připustíme-li, že v místě rozjezdu a zastavení má vozovka určitý sklon v podélném a/nebo příčném směru, budou hodnoty těchto úhlů při použití výše uvedeného postupu zahrnuty v rektifikační matici, což zřejmě není žádané. Řešením je realizace dvou rektifikačních jízd, namísto jedné, na stejné dráze, ale v opačném směru. Opačný směr jízdy totiž způsobí, že sklon vozovky se při výpočtu rektifikační matice projeví v opačném smyslu, takže úhly elementárních otočení neovlivněné sklonem vozovky je možné snadno určit jako průměr obou řešení.

37

Teplotní drift V kapitole 2, která se zabývá také principy inerciálních navigačních systémů, bylo uvedeno, že zařízení založená na gyroskopických senzorech se nejlépe hodí pro aplikace snímající relativní pohyby, protože jejich chyby se kumulují s časem a tyto systémy tak mají pouze omezenou dlouhodobou stabilitu. Charakteristickou vlastností všech gyroskopů, ať už mechanických či elektronických, je kolísání jejich výstupu v klidovém stavu, tzv. „plavání ofsetu“ nebo „drift“. Gyroskopy použité v měřicí jednotce MBox se navíc projevují velmi silnou závislostí na okolní teplotě. Výrobce snímačů, firma Murata, navrhuje ve svých produktových listech řešení zařazením hornopropustního filtru s mezní frekvencí přibližně 0,3 Hz. Taková hodnota je však pro naše účely příliš vysoká, protože při vyšetřování pohybu vozidla jako celku, například při jízdě po dálnici, se užitečné hodnoty změn úhlových rychlostí pohybují převážně pod touto hranicí. Míru závislosti výstupu gyroskopů na okolní teplotě demonstruje následující obrázek.

20

ω [°/s]

T[1]

15 10 Úhlová rychlost Teplota Poly. (Teplota)

5 0 0

1000

2000

3000

t [s]

4000

Obr. 19 – Vliv teploty na výstupy gyroskopů Jednotka MBox zaznamenává teplotu mikrokontroleru jako jeden z výstupních kanálů. Tento kanál ovšem není zkalibrován, proto je v grafu teplota uvedena bez jednotek přímo v hodnotách hladin A/D převodníku. To není na překážku, neboť zajímavý je především průběh teploty, nikoliv její absolutní hodnoty. Absolutní hodnoty by mohly být užitečné v případě, kdy by každý z gyroskopů měl svůj teploměr, který by měřil přímo jeho vlastní teplotu. Protože je ale měřena pouze teplota mikrokontroleru a o rozložení teplotního pole uvnitř zařízení nemůžeme vyslovit v podstatě žádné předpoklady, bylo nutné stanovit nějakou jinou metodiku odstraňování této chyby, než je explicitní vyjádření teplotních závislostí. Vyzkoušeno bylo několik obecných postupů odstraňování stejnosměrné složky signálu, včetně filtrování signálu hornopropustným filtrem. Toto snažení však bylo

38

po několika pokusech zavrženo, neboť jak naznačuje Obr. 19, mezní frekvence takového filtru by se musela pohybovat na hranici 0,00025 Hz, což při vzorkování 100 Hz znamená velmi malý poměr řezové a vzorkovací frekvence. Uvážíme-li, že signálové filtry mají omezenou funkčnost vzhledem k tomuto poměru, bylo by nutné vstupní signál nadměrně decimovat a následně zpětně interpolovat, aby bylo výsledek možné odečíst od původního signálu. Tento postup je v porovnání s následujícím zbytečně časově náročný (nehledě na zpoždění filtrů, které při postprocesovém zpracování znamená de facto odříznutí části signálu), a proto bylo od dalšího snažení v tomto směru upuštěno. Uspokojivých výsledků bylo dosaženo pouze modelováním nelineárního průběhu klidového výstupního napětí v závislosti na čase měření. Nejjednodušším řešením je použití lineární regrese pro nahrazení signálu z teplotního čidla prostou kubickou křivkou (viz Obr. 19), která je následně použita jako základ pro určení nulové hladiny signálu úhlové rychlosti. Tento postup plně vyhovuje pro relativně krátká měření (řádově do 20 min.), ale na dlouhých souborech částečně selhává. Ve složitějších případech je možné specifikovat okamžiky, ve kterých bylo vozidlo v klidu, a na základě těchto informací sestavit rovnice kubických splajnů. Dalšího zpřesnění je dosahováno integrací s GPS a modelováním ofsetu gyroskopů aplikací Kalmanova filtru. Synchronizace signálů Praktická realizovatelnost uvažovaného integračního postupu závisí na míře synchronizace signálů pocházejících z různých zdrojů. V tomto ohledu je měřicí zařízení MBox vybaveno vstupním portem, který umožňuje záznam významných okamžiků měření, tzv. časových bran. V popisu zařízení v kapitole 4.1 bylo uvedeno, že maximální počet zaznamenávaných kanálů je osm a že jsou všechny bezezbytku využity. Každý zaznamenaný vzorek má však délku 2 B (tj. 16 bitů), ale A/D převodník integrovaného mikrokontroleru je pouze dvanáctibitový, takže v každém vzorku zbývají čtyři nevyužité bity, které je možno využít například k zaznamenávání synchronizačních značek. Při čtení souboru se pak tyto značky musí zpracovat nebo ignorovat, k čemuž je ideální logická operace AND s vhodně zvolenou bitovou maskou. Většina aplikačních GPS přijímačů 3 disponuje možností synchronizace času pomocí přesného vteřinového pulzu, který by bylo možné připojit přímo na port časových bran MBoxu. Bohužel přijímač Haicom HI-204E, který máme k dispozici, je určen pro koncové použití a podobné funkce nemá, pouze posílá sériová data ve formě vět standardu NMEA 0183. Proto bylo nutné navrhnout a realizovat manuální značkovací zařízení. Elektronické schéma ukazuje následující obrázek.

3

GPS přijímače pro aplikace – krytované nebo v podobě OEM desek určených pro zastavění do dalších systémů

39

GPS přijímač je zakončen standardním sériovým konektorem DB9-F, ve kterém jsou ale zapojeny pouze piny TxD (Transmit Data) a SG (Signal Ground) a ostatní je možné použít pro jiné účely. Jednu část synchronizačního zařízení proto tvoří redukce DB9-MF, do které je přiveden signál z manuálního značkovače, jehož druhá větev je zároveň připojena k portu časových bran jednotky MBox. Stisknutím tlačítka značkovače je tak odeslán synchronizační pulz zároveň do jednotky MBox a zároveň na pin RI (Ring Indicator) konektoru, který je určen pro připojení GPS přijímače k počítači. Záleží už jen na počítačovém programu, který data z GPS zaznamenává, jak se signálem RI naloží. AV

PC

5

1 9 1

5 5

 

   9

1 9

ruční spínač

IMU GPS

Obr. 20 – Schéma synchronizačního značkovače Součástí vývoje programového vybavení má být dle specifikace cílů této práce také konzultace možností reprodukce videozáznamu společně s ostatními signály. Videozáznam je z tohoto pohledu pouze další signál, který má například pro normu PAL vzorkovací frekvenci (počet snímků za vteřinu) 25 Hz a který je třeba synchronizovat se signály z ostatních systémů. V práci [21] byla navržena a odzkoušena metoda využívající přímý zápis synchronizačních pulsů do EEG záznamu se současným optickým záznamem těchto pulsů do videonahrávky pohybu prstu ruky. Synchronizační signál je vytvářen jako posloupnost pravidelně se opakujících obdélníkových pulsů, která je současně zapisována do EEG snímacího zařízení a opticky zaznamenávána videokamerami jako blikání LED umístěné v rohu obrazového pole. Synchronizační signál je z videozáznamu rekonstruován na základě sledování změn energie jasové složky obrazové funkce v té části obrazu, ve které se nachází obraz synchronizační LED. Proto byla do schématu značkovacího zařízení přidána další paralelní větev s vysoce svítivou diodou, která se bude rozsvěcovat zároveň se synchronizačními pulzy odesílanými do jednotky MBox a do programu zachytávajícího výstupy GPS přijímače.

40

4.3 REKONSTRUKCE Využití signálů INS Inerciální měřicí jednotka MBox ukládá zaznamenávané signály na CF kartu do jednoduchých binárních souborů s prokládanými kanály (v každém okamžiku sejmutí jsou za sebou uloženy vzorky ze všech osmi kanálů), kde každý vzorek má délku 2 B. Před interpretací souboru je pouze nutné si uvědomit, že při návrhu počítačů se používají dva různé přístupy k manipulaci s pamětí. Tyto se nazývají “Big-Endian” a “Little-Endian” a vztahují se k pořadí, v jakém jsou slabiky (byte) uloženy v paměti. Použitý procesor kontroleru ADuC812 je big-endian, který jako první ukládá horní (nejvýznamnější) byte, zatímco osobní počítače odvozené od původní architektury firmy Intel jsou výhradně little-endian, což znamená, že jako první ukládají do paměti dolní (nejméně významný) byte. Do procesu čtení souboru je vhodné zahrnout zároveň filtraci dolní propustí (a případnou decimaci), aby se odstranil vysokofrekvenční šum použitých snímačů a složky signálů, které nesouvisí ani tak se samotným pohybem vozidla, jako spíš s chvěním přenášejícím se na karoserii vozidla z jeho motoru. Po načtení souboru do paměti je před dalším zpracováním většinou nutné aplikovat postupy odstranění teplotního driftu gyroskopických senzorů a rektifikace signálů, které jsou detailně popsány v předchozí kapitole. Dále už se při rekonstrukci postupuje podle jednoduchého schématu, s využitím lichoběžníkové metody numerické integrace. ⎡ R lvi ( aiv + aiv+1 ) ⎤ ⎡ vli +1 ⎤ ⎡ vli ⎤ ⎥ ⎢ l ⎥ ⎢ l⎥ h⎢ vil + vil +1 ⎥ ⎢ ri +1 ⎥ = ⎢ ri ⎥ + ⎢ ⎥ ⎢ l ⎥ ⎢ l⎥ 2⎢ l v v φ φ R ω ω + ⎢ ( ) i +1 ⎥ ⎣⎢ i +1 ⎦⎥ ⎣⎢ i ⎦⎥ ⎣ vi i ⎦

R lvi = R z (θ i ) R y (ψ i ) R x (ϕi )

(11)

kde matice Rlvi udává orientaci souřadného systému vozidla v prostoru, přesněji řečeno hodnoty úhlů elementárních otočení, která je nutné provést k tomu, aby souřadný systém vozidla přešel do polohy shodné s orientací os lokálního souřadného systému, v okamžiku i a h je perioda vzorkování. Počáteční hodnoty r0, v0, a0, ω0 všech veličin s výjimkou počáteční orientace vozidla ϕ0 mohou být nulové. Počáteční orientace vozidla v prostoru však musí být stanovena. Známe-li časový úsek, ve kterém bylo vozidlo v klidu (např. část signálu ohraničenou časovými branami), můžeme určit počáteční podélný a příčný náklon vozidla jednoduše z hodnot, kterými se v příslušných osách projevuje tíhové zrychlení, pomocí vztahů uvedených v rovnici (8). Počáteční kurz vozidla ovšem nijak zjistit nelze a tato hodnota musí být zadána jako uživatelský parametr. Prakticky může být počáteční kurz většinou nulový, pouze pokud chceme absolvovanou trajektorii vykreslit ve vztahu k okolnímu prostředí, je nutné se touto hodnotou zabývat.

41

Využití signálů GPS Přijímače signálu GPS řeší úlohu zaměření aktuální polohy na Zemi výhradně v kartézských ECEF souřadnicích. Již dříve zmíněné aplikační přijímače často poskytují tzv. RAW výstupní formát, což jsou surová data, která je možno použít v navazujících výpočetních procesech a jejichž obsahem bývá mimo jiné právě poloha v ECEF souřadnicích. Uživatelské GPS přijímače zase naopak téměř výhradně přepočítávají výsledek zaměření polohy do geodetických zeměpisných souřadnic, a pokud má být výstup takového přijímače použit k dalším výpočtům, je obvykle nutné provést zpětnou transformaci do kartézského souřadného systému. Pro transformaci mezi kartézským a geodetickým souřadným systémem slouží následující vztahy:

y = ( N + h ) cos (φ ) sin ( λ )

⎛ z + e′2b sin 3 (θ ) ⎞ φ = atan ⎜ ⎟ ⎜ p − e2 a cos3 (θ ) ⎟ ⎝ ⎠ λ = atan2 ( y, x )

z = N 1 − e2 + h sin (φ )

h=

x = ( N + h ) cos (φ ) cos ( λ )

( (

přičemž

) )

a −b a

e2 = 2 f − f 2

f =

a 2 − b2 e′ = b2

p = x2 + y 2

2

p −N cos (φ ) N=

(12)

a 1 − e sin 2 (φ ) 2

⎛ za ⎞ ⎟ ⎝ pb ⎠

θ = atan ⎜

a x, y, z jsou souřadnice centrálního zemského kartézského souřadného systému, (systém G v Obr. 11), φ, λ, h jsou po řadě geodetická zeměpisná šířka, geodetická zeměpisná délka a výška nad povrchem elipsoidu, N je poloměr zakřivení povrchu dané části elipsoidu, a je hlavní zemská poloosa (rovníkový poloměr), b pak vedlejší zemská poloosa (polární poloměr), f zploštění a e excentricita. Většinou je však přesná poloha na Zemi pro výsledky testů nepodstatná a může být výhodnější převádět výstupy GPS přijímače do lokálního souřadného systému L. Rovinný model Země může být v takových případech použit pouze do vzdáleností, při nichž je zakřivení planety nepodstatné (cca. do 10 km). Pro navigaci v malém dosahu jsou také často používány kulové modely Země. Při modelování skutečného tvaru Země však tyto přístupy selhávají a pro přesné výpočty jsou vyžadovány elipsoidní modely, které jsou vždy určeny tzv. referenčním elipsoidem. Referenční elipsoidy jsou obvykle definovány pomocí hlavní poloosy a zploštění. Elipsoidní zemský model WGS-84 potom definuje a = 6378137 a f = 1 / 298,257223563. Probíhá-li experiment v nějaké lokální oblasti (např. v rozsahu jednoho městského bloku), je možné zvolit libovolně počátek lokálního souřadného systému a všechny údaje o poloze z GPS přijímače převádět do tohoto systému. Pokud by experiment měl probíhat na rozlehlé oblasti (město, stát), je nutné v pravidelných, dostatečně

42

krátkých intervalech počátek lokálního souřadného systému posouvat společně s pohybujícím se vozidlem. Experimenty realizované v rámci této práce probíhaly vesměs lokálně a byl při nich aplikován následující postup. Vozidlo bylo postaveno do startovní pozice a ponecháno v klidu dostatečně dlouhou dobu na to, aby bylo možné statisticky co nepřesněji vyjádřit skutečné souřadnice místa startu. Tyto souřadnice byly zvoleny jako počátek lokálního souřadného systému. Souřadnice pohybu vozidla potom byly převáděny do tohoto systému takto: r l = R lg ( r g − r0g )

⎡ − sin ( λ ) cos ( λ ) 0 ⎤ ⎢ ⎥ R lg = ⎢ − sin (θ ) cos ( λ ) − sin (θ ) sin ( λ ) cos (θ ) ⎥ ⎢ cos (θ ) cos ( λ ) cos (θ ) sin ( λ ) sin (θ ) ⎥⎦ ⎣

(13)

kde matice R lg je sestavena tak, aby výsledný lokální souřadný systém měl osu x orientovanou východně, osu y severně a osu z svisle vzhůru 4 , stejně jako v rovnici (12) jsou φ, λ geodetická zeměpisná šířka a délka. Obdobně lze určit vztahy pro převod zpět do globálního souřadného systému. r g = R lg r l + r0g

R lg = ( R lg ) = ( R lg ) −1

T

(14)

Druhým typem informace, který lze ze signálu GPS použít, jsou hodnoty velikosti a směru rychlosti pohybu. Jak již bylo uvedeno, přesnost určování rychlosti pohybu je výrazně vyšší oproti údajům o poloze. Jsou-li vhodně zvoleny počáteční podmínky (počátek lokálního souřadného systému), je teoreticky možné určit absolvovanou trajektorii jednoduchou integrací pouze z informací o rychlosti, například opět lichoběžníkovou metodou. Je ale nutné si uvědomit, že běžné GPS přijímače, na které se tato práce zaměřuje, většinou neposkytují rychlostní informace ve třech rozměrech, ale pouze v rovině. Základní informace o rychlosti pohybu obsahuje podle specifikace NMEA věta GPRMC (tzv. navigační minimum, viz kapitola 4.1). V této větě je obsažena hodnota rychlosti pohybu v uzlech a směr pohybu ve stupních jako kurz s obvyklým významem (0° odpovídá pohybu na sever, 90° pohybu na východ atd.). V lokálním souřadném systému ale podle rovnice (13) směřuje osa x na východ a také smysl kladného přírůstku úhlu je v tomto systému opačný. Proto je nutná mírná úprava, která je zřejmá z následujících vztahů.

ril+1 = ril +

h l v v R vi vi + Rlvi +1vi+ ( 1) 2

R lvi = R z ( 90° − θ iGPS )

(15)

Připomeňme si, že v tomto případě je vektor vv = [vGPS, 0, 0]T, a není proto možné použít rychlostní údaje pro účely určování výškového profilu absolvované trati.

4

osa z není orientována kolmo k zemi, nýbrž kolmo k povrchu referenčního elipsoidu

43

Integrace systémů Sjednocení měření inerciálního navigačního systému se satelitním navigačním systémem je jedním z cílů této práce. Tento integrační přístup odstraňuje nevýhody obou systémů využitím jejich vzájemně se doplňujících kladných vlastností. Výsledkem výpočtu pak mimo trojrozměrnou polohu může být také podélná, příčná a vertikální rychlost pohybu, podélný a boční náklon vozidla, stoupání vozovky, boční směrová úchylka pohybu vozidla a chyby nulové hodnoty výstupu snímačů zrychlení a úhlových rychlostí. Spojení systémů probíhá na základě aplikace tzv. kinematického estimátoru ve formě Kalmanova filtru. Označení kinematický vychází z toho, že použitý model vyjadřuje pouze kinematické vztahy mezi senzory a že se tedy nejedná o dynamický model. Lineární Kalmanův filtr se skládá ze dvou základních kroků zvaných “time update” (předpověď) a “measurement update” (oprava) vyjádřených rovnicemi xˆ i− = Axˆ i −1 + Bui Pi−

= APi −1A + Q T

(

K i = Pi− H T HPi− H T + R xˆ i = xˆ i− + K i ( z i − Hxˆ i− )

)

−1

(16)

Pi = ( I − K i H ) Pi−

kde x je stavový vektor, xˆ − je předpověď stavového vektoru (tzv. apriorní odhad), xˆ je opravený (posteriorní) odhad a z jsou výstupy měření. Matice A je matice soustavy, B matice buzení a H matice měření. P, Q a R jsou po řadě kovarianční matice odhadových chyb, procesního šumu a šumu měření. Charakteristickým prvkem Kalmanovy filtrace je potom matice K, tzv. Kalmanův zisk. Uvedené rovnice (16) vyjadřují princip činnosti Kalmanova filtru, skutečný tvar rovnic je nutné sestavit na základě vybraného modelu (viz kapitola 2.3). To bude realizováno kombinací diferenciálních rovnic dílčích modelů. Po převedení těchto rovnic do diferenční formy lze po úpravách zapsat použitý stavový vektor ve tvaru x = ⎡⎣r v b a φ b g ⎤⎦

T

(17)

kde r je polohový vektor, v je vektor rychlosti, ϕ vektor natočení karosérie vozidla a ba a bg jsou hodnoty ofsetů snímačů zrychlení resp. úhlových rychlostí. Model vychází z jednoduchých úvah, že výstupy jednotlivých senzorů jsou rovny součtu skutečné hodnoty měřené fyzikální veličiny, systematické chyby a bílého šumu. Například pro osu x platí: ax =  x + bax + wa

ωx = ϕ + bgx + wg

(18)

kde wa je šum měření použitých snímačů zrychlení a obdobně wg měřicí šum použitých snímačů úhlových rychlostí. Obdobné vztahy je možné zapsat i pro další

44

dvě souřadné osy. Tyto rovnice je nejprve nutné převést do diferenční formy, která vychází z definice derivace. Uvažujeme-li periodu vzorkování h = ti+1 – ti, pak lze psát ⎡1 h − h2 2⎤ ⎡ rx ⎤ ⎡ h 2 2⎤ ⎡ −h 2 2⎤ ⎡ rx ⎤ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ v h v h a = 0 1 − + + − h (19) ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ wa x x x ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢⎣bax ⎥⎦ 0 0 1 ⎦ ⎢⎣bax ⎥⎦ i ⎣ 0 ⎦ 0 ⎦ i +1 ⎣ ⎣ a obdobně

⎡ϕ ⎤ ⎡1 − h ⎤ ⎡ ϕ ⎤ ⎡ h ⎤ ⎡ −h ⎤ ⎢ ⎥ =⎢ ⎢ ⎥ + ⎢ ⎥ ωx + ⎢ ⎥ wg ⎥ ⎣0⎦ ⎣⎢bgx ⎦⎥ i +1 ⎣0 1 ⎦ ⎣⎢bgx ⎥⎦ i ⎣ 0 ⎦

(20)

Z diferenčních rovnic již lze přímo sestavit matici soustavy a matici buzení filtru. Model měření je pak velice jednoduchý, protože jako měření jsou používány stejné veličiny, které vystupují ve stavovém vektoru, a do filtru vstupují přímo hodnoty zjištěné z přijímače GPS (po transformačních úpravách popsaných blíže v předchozí podkapitole). Před použitím je ale ještě nutné model mírně upravit vzhledem k dostupnosti signálu GPS. V případě, že GPS data nejsou k dispozici buď z důvodu zastínění výhledu na oblohu (např. v lese nebo v tunelu), nebo kvůli rozdílným vzorkovacím frekvencím obou systémů, nebo jsou data velmi nepřesná (multi-path error v silně zastavěných oblastech), je možné použít alternativní nulovou matici měření a Kalmanův filtr potom provádí v podstatě pouze numerickou integraci vstupních signálů Eulerovou metodou. V těchto okamžicích nejsou aktualizovány chybové stavy ba a bg a při delším výpadku tak může dojít ke zhoršení přesnosti dosažených výsledků. Jedním z velmi sledovaných parametrů při vyšetřování jízdních stavů vozidla je úhel boční směrové úchylky β, který vyjadřuje odchylku podélné osy vozidla od směru rychlosti jeho pohybu nebo také míru bočního pohybu vozidla. S použitím samotného jedno-anténního GPS přijímače nelze tuto veličinu vyšetřovat, protože nelze zjistit skutečnou orientaci podélné osy vozidla, ale k dispozici je pouze směr rychlosti pohybu. Ovšem pokud je použito měření GPS zároveň s měřením otáčení vozidla kolem svislé osy a pokud stejnosměrná složka výstupního signálu daného snímače je přiměřeně stabilní, je možné určit odhad boční směrové úchylky jako

βˆ = θGPS − θˆgyro

(21)

Úvaha je založena na podmíněné modifikaci matice měření Kalmanova filtru. Během okamžiků relativně přímého pohybu, kdy je očekávaná hodnota boční směrové úchylky minimální, se výstup GPS použije k odhadu ofsetu snímače úhlové rychlosti ve svislé ose a naopak v okamžicích výrazného zatáčení se Kalmanův filtr použije jen jako integrátor a GPS měření slouží pro určení odhadu βˆ .

45

5

ANALYTICKÝ SOFTWARE

Současně s pořizováním hardwarového vybavení započala také realizace obslužného software. První fází vývoje každého programu je specifikace požadavků. Základní výchozí požadavek byl určen jako jeden z cílů této práce. Úkolem je návrh analytického software, schopného detailního rozkladu rekonstruovaného pohybu na jednotlivé dynamické parametry, které jsou významné při posuzování chování vozidla během jízdní zkoušky. Hlavní vlastností by měla být možnost promítání zaznamenaného pohybu, a to jak ve formě uceleného náhledu na kompletní absolvovanou trajektorii, tak formou maximálně možného rozfázování pohybu, které by umožňovalo podrobné studium důležitých jízdních parametrů v konkrétních izolovaných okamžicích zkoušky. Analytické programy dodávané k telemetrickým systémům používaným v automobilovém sportu se jednak specializují na závodní vozy, které mají k dopravním prostředkům používaným v běžném životě poměrně daleko, a jednak jsou také zaměřeny především na provozní stavy vozidla. Navíc je problémem těchto aplikací obtížná dostupnost bez současného pořízení nákladného hardware a naprostá uzavřenost, která je činí obtížně použitelnými při experimentálních a výzkumných činnostech. Proto je cílem této práce navrhnout software, který by byl snadno a intuitivně použitelný a zároveň efektivní a výkonný, taktéž obecně aplikovatelný, ale stejně tak rozšiřitelný a upravitelný pro specifická nasazení. Předně je třeba si určit, jaký operační systém bude podporován. Analytický model bude samozřejmě platformově nezávislý, ale návrhová fáze už obvykle probíhá s ohledem na nějaký cílový operační systém. Zvolen byl stále ještě nejpoužívanější operační systém osobních počítačů Microsoft® Windows® v novějších verzích 2000 a XP. U systému Windows 98 už je podpora od jeho výrobce v podstatě ukončena, nicméně je stále velmi rozšířený, a proto bylo stanoveno, že pokud bude možné se při vývoji vyhnout nekompatibilitě s touto verzí operačního systému, bude se postupovat cestou jeho podpory. Jak ale bylo uvedeno, součástí vlastního vývoje programového vybavení mělo být zhodnocení možností integrace a reprodukce videozáznamu společně s ostatními signály a právě v oblasti grafiky a multimédií došlo od verze 98 ke znatelným posunům, takže některé pokročilé funkce nemusí být v této verzi dostupné. Matematické knihovny tradičně sestávají z datových struktur a funkcí, které s nimi pracují, což je konfigurace typická pro tzv. strukturální programování. Objektově orientované programování je naproti tomu charakteristické spojením souvisejících dat a funkcí do jednoho autonomního celku, objektu. Objektově orientovaný přístup je bezpochyby ideálním přístupem u obchodních (enterprise) systémů, ale stejně dobře se hodí i pro technologické systémy, proti hovoří pouze jistá míra snížené efektivity, ale efektivita je věc návrhu a implementace, nikoliv analýzy. V analytické fázi lze rychlost uvažovaných procesů považovat za nekonečně velikou a teprve ve fázi návrhu se případně z důvodu optimalizace kódu

46

od čistě objektového přístupu mírně odklonit. Dle mého názoru je objektově orientovaná cesta tou nejlepší cestou tvorby software, a proto i v této práci bylo k analýze a návrhu použito objektově orientované modelování s využitím prvků jazyka UML. 5.1 PŘÍPADY POUŽITÍ Případ použití ve zjednodušeném pojetí v podstatě ve výsledku odpovídá programovému kódu čili tomu, co se nakonec bude programovat. Pro hledání případů použití se používají v zásadě dva odlišné přístupy: definice tzv. aktorů, reprezentantů entit, které budou se systémem pracovat, a modelování probíhajících procesů. V této práci byl zvolen druhý postup, protože je stabilnější, tj. častěji vede ke správnému cíli a je méně náchylný k analytickým chybám. Postup spočívá v určení základních procesů, které budou v systému probíhat, a v jejich rozkladu na elementární aktivity, které se poté přímo mapují na odpovídající případy použití. Nebudu zde uvádět kompletní strom Organizace měření aktivit, pouze popíši základní větvení Definice interpretace signálu úkonů, které program podporuje. Vícekanálové soubory Výchozí určení programu je digitální Kanály po řadě za sebou zpracování signálů z experimentálních Prokládané kanály měření. Signály mohou mít různou Kompozitní soubory formu, proto je v prvé řadě nutné Synchronizace signálů specifikovat, jak se daný signál má Definice způsobu zpracování interpretovat. Například v jakém tvaru Definice zdroje signálu jsou v něm data uložena, zda jako text Real-time zdroj nebo jako binární čísla; dále pak jak je Off-line zdroj řešen obsah vícekanálových souborů, Definice konzumenta signálu zda se seskupují vzorky náležející Real-time záznam stejnému kanálu nebo vzorky náležející Záznam na vyžádání stejnému časovému okamžiku; dále Definice DSP procesu není výjimkou, že signály pocházející Specifikace prohlížeče signálu z jednoho experimentu nebo z jednoho Připojení rozšiřujících modulů zařízení jsou uložena v několika Zobrazení signálu souborech, které nutné nebo vhodné Výběr kanálů k zobrazení zpracovávat společně, v takovém Analýza signálu případě je pro dosažení uspokojivých výsledků nutná perfektní synchronnost Zoom a rolování Replay jednotlivých kanálů; nakonec ještě mohu připomenout odlišné přístupy Rychlost přehrávání Krokování různých platforem k pořadí ukládání bajtů do souboru, zmíněné v kap. 4.3.

47

Víme-li co a jak je v souboru uloženo, můžeme přistoupit ke zpracování daného signálu. To je modelováno jako proud dat, který má obecně někde svůj zdroj, někde svůj cíl a po cestě mezi těmito hranicemi může být nějakým způsobem transformován. Například může jít o proces, který přečte data ze souboru na disku, převzorkuje je, vyfiltruje a pošle do koncové komponenty, která je okamžitě zobrazí na obrazovce. Nebo naopak může jít o proces, který přijímá data on-line ze sériové linky, vyhodnocuje hodnotu řídicího signálu a na jejím základě spouští a ukončuje záznam do fyzického souboru (tzv. trigger). Patřičným způsobem zpracovaný signál obvykle chceme vidět, proto je důležité, aby existovala možnost, jak specifikovat, který soubor se má zobrazit ve kterém prohlížeči. S tím souvisí fakt, že nelze vytvořit takový prohlížeč, který by uměl zobrazit všechny současné a minulé, natož budoucí, formáty souborů, a proto je velmi důležitá rozšiřitelnost prohlížeče, aby autor, uživatel, případně nějaká třetí strana mohli dodatečně dodefinovat chybějící funkčnost, aniž by se základní řešení muselo znovu sestavovat. Při vlastním prohlížení signálů je potom nutná možnost volby kanálů, které se budou zobrazovat a analyzovat. Zatímco pro rámcovou představu o daném signálu je nejlepší celkový náhled na kompletní signál, pro detailní analýzu musí mít uživatel možnost vytvořit si výřez konkrétní části signálu a tu si zobrazit i s detaily, které musely být z optimalizačních důvodů při tvorbě celkového náhledu odstraněny. Dalším analytickým prvkem je repríza zaznamenaného signálu, která vizuálně, ať už v reálném čase, zrychleně či naopak zpomaleně, prezentuje proces, který je v signálu zaznamenán. Obr. 21 – Moduly aplikace Moduly aplikace Výsledný produkt, který jsem nazval podle jeho primárního účelu „Diagnostika automobilů“ (Vehicle Diagnostics), se dle modelování procesů skládá z několika modulů plnících odlišné úkoly: • Measurement Data Management Extension (MdmExt.dll) – je rozšíření uživatelského rozhraní operačního systému Windows (tzv. shell extension),

48

které zajišťuje úkoly organizace a klasifikace souborů z měření; na obsahu souborů je tento modul nezávislý, pro tyto účely používá tzv. pluginy. • Vehicle Diagnostics Library (Vehicle.dll) – je knihovna rutin digitálního zpracování signálů (Digital Signal Processing, DSP), která zajišťuje úkoly čtení a zápisu datových souborů, záznamu, interpretace a transformace signálů, což ji předurčuje k tomu, aby byla použita zároveň jako plugin čili nadstavbový modul pro správu výsledků měření. • Vehicle Diagnostics Viewer (VdViewer.exe) – je výchozí prohlížeč digitálních obecných signálů a signálů specifických pro diagnostickou analýzu jízdních zkoušek automobilů; tento modul je rovněž rozšiřitelný pomocí pluginů; primárním nadstavbovým modulem je pochopitelně Vehicle.dll. • MBox Signal Processing (MBoxDsp.dll) – je plugin pro správu výsledků měření a pro výchozí prohlížeč signálů, který s použitím knihovny diagnostických rutin interpretuje soubory z měřicí jednotky MBox, které mají svá specifika, která nelze zobecnit a zahrnout do modulu Vehicle; současně je to vzor pro případné pluginy pokrývající jiná v budoucnu používaná zařízení. Poslední verze produktu zpracovávaná v rámci této práce je verze 3.0. Její implementace sice nebyla v době tisku práce ještě zcela dokončena, ale veškeré zde uváděné vlastnosti jsou součástí jejího návrhu a jsou pro ni platné. 5.2 MODUL SPRÁVY VÝSLEDKŮ MĚŘENÍ Tento modul tvoří dynamicky linkovaná knihovna (Dynamically Linked Library, DLL), neboť to je forma, kterou vyžaduje Windows Explorer od svých rozšíření. Základem je tzv. Property Sheet Handler, jehož úkolem je přidávat do vlastností adresářů stránku pro definici způsobu zpracování souborů z měření. Hlavním cílem je usnadnit orientaci v naměřených datech a urychlit časté operace se soubory. U adresáře lze nastavit, zda se v něm vyskytují nějaké soubory z měření, zda se má modul adresářem zabývat či nikoliv. Zcela záměrně je tato stránka graficky rozvržena podobně jako stránka specifikující parametry sdílení adresáře (Explorer 5.x), aby z uživatelského hlediska tvořila intuitivní součást souborového systému. Dále je v parametrech možné nastavit masku pro jména souborů, na které se funkce handleru vztahují (např. *.txt, mb_*.dat apod.), a ke každé masce plugin, který umí soubory daného typu zpracovat. Knihovna tedy pracuje pouze jako rozhraní mezi shellem a pluginem, který je danému typu souborů přidělen, takže je naprosto nezávislá na konkrétním obsahu souboru, neboť vše, co souvisí s obsahem souboru, zajišťuje určený plugin. Nastavení může být definováno jako dědičné pro všechny podadresáře. Adresář, který dědí nastavení z nějakého adresáře vyšší úrovně, může toto nastavení zcela předefinovat. Při vyvolání modulu se nejprve zjistí, zda se adresář, pro který je modul vyvolán, nachází v konfiguraci modulu. V dalším kroku se určí, zda zpracovávaný soubor odpovídá některému z definovaných vzorů, a případně se

49

otestuje, zda je definovaný plugin dostupný. Test, zda jméno souboru odpovídá některému ze vzorů, se provádí pouze v případě, kdy je vybrán (označen) jen jeden soubor. Je-li vybráno více souborů, může každý spadat do jiné konfigurace, což by mohlo být zdrojem nejednoznačností v chování modulu. ?

Měření Properties General

Sharing

Security

 

Measurement

Customize

   

You can setup this folder, so that files in there were managed as outputs from your experimental measurements. To enable such management for this folder, click Manage measurement outputs.

My Computer 

 

Local Disk (C:)

Do not manage measurement outputs

Měření 

Manage measurement outputs

 

Extension MB_*.dat *.gps

Program Files   Explore  WINDOWS Open 

Action MBox Device Plugin Vehicle Diagnostics Li

 

  Send To  Cut  Copy  Paste  Delete  Rename 

Add...

 

Edit...

Search...

Properties

 

 

Documents and Settings  Expand

 

Remove

 

Overwrite inherited settings OK

Cancel

 

Apply

Obr. 22 – Property sheet handler Z výše uvedeného vyplývá, že tento modul bude zaregistrován jako handler pro všechny soubory (třída souborů *), protože nelze předem určit, jaký typ souborů se bude zpracovávat. To je třeba brát v úvahu při výběru z možností, které rozšíření shellu nabízí. Většina funkcí (ne-li všechny) bude ponechána na uživateli, aby zvolil, zda se budou používat, či nikoliv. Chování modulu by mohlo být možné konfigurovat následujícími vlastnostmi: • AllowContext – true hodnota znamená, že do plovoucí nabídky souboru je vložena položka pro otevření souboru s použitím definovaného pluginu, např. ve formě příkazu „Otevřít s <>“. • AllowContextDefault – funguje pouze ve spolupráci s předchozí vlastností, jsou-li obě vlastnosti true, je položka vkládaná do plovoucí nabídky definována jako výchozí a lze ji spustit poklepáním na soubor, čímž se de facto na úrovni jednotlivých souborů předefinuje výchozí akce pro spuštění souboru – např. soubor *.txt neotevře notepad.exe, ale prohlížeč naměřených dat. Handler je tak spouštěn nejen při vyvolání místní nabídky, ale i při každém spuštění souboru, což může za jistých okolností působit výkonnostní problémy.

50

U této funkčnosti je ještě třeba důkladně otestovat důsledky její aktivace, její nároky na čas a prostředky. • AllowContextThumbnail – true hodnota znamená, že náhled na obsah souboru bude zobrazen jako položka v plovoucí nabídce, zobrazení plovoucí nabídky pak může být v závislosti na konkrétní konfiguraci a obsahu souboru odpovídající měrou pomalejší. • AllowPropertySheet – true hodnota znamená, že do systémového dialogu vlastností souboru je přidána stránka s konfiguračními parametry pluginu, který daný typ souborů obsluhuje. • AllowColumn – true hodnota znamená, že skladba sloupců v detailním zobrazení adresáře může být změněna. Skladba sloupců se mění pro celý adresář ne pro jednotlivé soubory, lze v nich proto zobrazovat pouze společné informace. Aktuálně se počítá se zobrazováním délky měření (hh:mm:ss), vzorkovací frekvence (Hz) a počtu kanálů. Dále bylo zvažováno použití rozšíření pro modifikaci ikon (Icon Handler), náhledů (Thumbnail handler), infotipů a metadat. Tato rozšíření jsou však specifická tím, že pro každou třídu souborů může být zaregistrován pouze jeden handler. Vzhledem k tomu, že modul MdmExt.dll z principu musí být zaregistrovaný pro všechny typy souborů (třída *), mohlo by být použití těchto rozšíření zdrojem komplikací a nežádoucích interakcí s dalšími programy nebo částmi operačního systému. Následující volby byly tedy prozatím vyřazeny z implementace: • AllowIcon – true hodnota znamená, že může být změněna ikona souboru, tj. soubor bude reprezentován ikonou odlišnou od té, která je pro daný typ souborů registrována v systému. • AllowMetadata – true hodnota znamená, že daný typ souborů může poskytovat rozšířené informace použitelné na různých místech (např. sloupce detailního zobrazení adresáře a seskupování, infotipy či stránky vlastností). • AllowInfotip – true hodnota znamená, že plovoucí textové okno, zobrazené při podržení kurzoru myši nad souborem, může obsahovat rozšířené informace. • AllowThumbnail – true hodnota znamená, že plugin je schopen poskytnout systému obrazový náhled obsahu souboru. Tento náhled je použit při tzv. náhledovém zobrazení obsahu adresáře. Plugin se vyvolá přes exportovaný vstupní bod se jménem, definovaným modulem MdmExt.dll. Existence tohoto vstupního bodu je součástí detekce dostupnosti daného pluginu. Vstupním parametrem této funkce je ukazatel na rozhraní, které poskytuje pluginu přístup ke konfiguračním datům, a návratovou hodnotou ukazatel na rozhraní poskytující modulu přístup k vlastnostem souboru. Plugin může konfigurační rozhraní používat nejen pro čtení běžných vlastností, ale i pro zápis vlastností specifických pro daný plugin. Mezi takové informace patří: • způsob uložení dat – kanály za sebou × vzorky za sebou, definice hlavičky • formát dat (textový, binární, pořadí bajtů), počet kanálů, vzorkovací frekvence 51

5.3 KNIHOVNA VÝPOČTOVÝCH RUTIN Modul je rovněž tvořen dynamickou knihovnou, která obsahuje exportované třídy, rozhraní a funkce pro digitální zpracování signálů. Kromě jmenných symbolů obsahuje také typovou knihovnu (Type Library) pro snadné použití v jazyce Visual Basic, potažmo v prostředí VBA aplikace Excel a jiných. Knihovna umožňuje sestavit si vlastní softwarový řetězec pro číslicové zpracování signálu. Digitální signál je zde chápán jako vícekanálová řada vzorků, v níž konkrétní vzorek může být identifikován buď svým pořadovým číslem nebo časem sejmutí. Libovolný řetězec je možné sestavit pomocí čtyř základních abstraktních elementů, pro které jsem pro účely této knihovny zavedl následující pojmenování: • Buffer – slouží primárně k zachycení proudu vzorků vícekanálového signálu. Zprostředkovává přístup k jednotlivým vzorkům a zajišťuje synchronizaci procesorů. • Processor – reprezentuje objekt, který provádí výpočetní či manipulační operace se vzorky signálu. Typicky se jedná o filtr, integrátor nebo jiný kalkulační případně akviziční proces. • Source – představuje zdroj dat digitálního signálu. Data mohou pocházet z fyzického souboru, z některého komunikačního portu nebo mohou být zdrojem generována. • Target – představuje cíl, neboli místo pro uložení zpracovaných dat. Pracovní řetězec může být zakončen buď objektem typu Target, který přijatá data konečným způsobem zpracuje (uloží do souboru, vykreslí na obrazovku apod.), nebo objektem typu Buffer, který signál pouze zachytí v operační paměti pro další použití. «subsystem» Buffers SourceImpl

 

SignalImpl

     

#width #length #entry #exit #startTime #sampling

 

   

   

«subsystem» Processors

#readPtr

Calibrator +IsOwner

 

TargetImpl #writePtr

 

 

   

 

 

Signal

Target

     

+WritePointer

+Width +Length +Entry +Exit +StartTime +SampleRate

 

 

 

+Write()

 

  Source +ReadPointer +Read()

Link +Source +Target #Transform()

 

Processor +Mode +IsRunning +Run() +Stop()

 

SampleProcessor

Obr. 23 – Základní třídy modulu Vehicle.dll

52

Spojování elementů do řetězce probíhá pomocí dvou významově opačných rozhraní Source a Target, neboť procesní řetězec lze maximálně zjednodušit právě do tvaru zdroj-cíl. Pojmeme-li zdroj a cíl jako abstraktní rozhraní, pak zdrojem případně cílem může být kterýkoliv z výše uvedených základních elementů. Zatímco Source a Target plní skutečně pouze úlohu zdroje resp. cíle, komponenty Buffer a Processor pracují uprostřed řetězce, a proto mohou pracovat v obou rolích, implementují obě tato rozhraní. Uvažujme řetězec ve formě zdroj-proces-cíl. Pak proces je cílem pro zdroj a zdrojem pro cíl, přičemž za zdrojem i cílem se může skrývat další proces. Filter

 

CustomProcessor

VD::SampleProcessor

+CustomProc +ProcParam

PwmDecoder

 

PortProcessor

   

+Port +Type +Setting NmeaDecoder

 

+Type +Order +LowPass +HighPass +Invert()

VD::Processor +Mode +IsRunning +Run() +Stop()

 

Sampler +SampleRate

Resampler +FactorL +FactorM

CustomSampler +SampleProc +ProcParam

  VD:: Target +WritePointer +Write()

Trigger Bufferer

+Channel +Limit +Prebuffer

 

 

VD:: SourceImpl #readPtr

 

 

VD:: Source +ReadPointer +Read()

Obr. 24 – Předdefinované procesory Základová třída Processor definuje základní výkonnou jednotku digitálního zpracování signálu. Obsahuje metody pro spuštění a zastavení zpracování, mimo to má také vlastnost, která vyjadřuje, v jakém režimu procesor pracuje. Výchozí režim je asynchronní, to znamená, že po zavolání metody Run(), pro spuštění procesu, se řízení ihned předá zpět volající straně a volaný proces probíhá paralelně v jiném vlákně. Naopak synchronní režim znamená, že volající strana je ve svém výkonu blokována do té doby, dokud volaný proces neskončí, metodu Stop(), pro zastavení procesu, tak v tomto režimu nelze nikdy volat. Posledním režimem je režim „jednou a dost“, který se chová jako synchronní režim, avšak s tím rozdílem, že nepokračuje ve zpracování až do konce signálu, ale skončí ihned po dokončení zpracování prvního vzorku, který je na řadě. Specializací základní procesorové třídy je třída SampleProcessor, která reprezentuje již dříve zmiňovaný proces, který může vystupovat jako prvek v procesním řetězci, tj. může se vůči svému okolí tvářit jako procesor, jako zdroj signálu, nebo jako konzument signálu, záleží pouze na kontextu, v jakém je volán. Podobnou, ale mírně odlišnou specializací je třída 53

PortProcessor, jež reprezentuje základní třídu pro procesory přistupující ke vstupním nebo výstupním portům počítače, což vede k tomu, že smí pracovat pouze v asynchronním režimu, protože jinak by vstupně-výstupní operace, které v ní probíhají a které často pouze nečinně čekají, blokovaly vykonávání ostatního kódu. Metody pro spuštění a zastavení procesu zde mají v podstatě význam otevření resp. uzavření portu. Součástí knihovny je i sada předdefinovaných procesorů, které pokrývají další základní požadavky při zpracování signálů. Mezi ně patří například: • Filter – nejpoužívanější procesor vzorků, dle pojmenování provádí digitální filtraci signálu. • Resampler – je specializace třídy Filter, která navíc umožňuje zadat decimační resp. interpolační koeficient, a tím vlastně ve výsledku provádět převzorkování signálu. • Sampler – jedná se o procesor, který volá svou interní výkonnou rutinu v pravidelných intervalech, daných určitou vzorkovací frekvencí. • Bufferer – je specializace předchozího procesoru, jeho výkonnou rutinou je jednoduchý přesun vzorků z libovolného zdroje k libovolnému cíli. • NmeaDecoder – specializace portového procesoru, která interpretuje věty ve formátu NMEA přicházející z přijímače GPS. Specializace základové třídy Processor jsou umístěny v samostatném balíčku, v samostatném jmenném prostoru. Podobně je tomu i u tříd, které zastávají funkce vyrovnávacích pamětí. Základní třída BasicBuffer reprezentuje synchronizační prvek mezi dvěma procesy. Nejenom že může vystupovat uprostřed procesního řetězce, ale navíc synchronizuje přístup ke svým datům na principu čtenář-písař. Specializací je potom třída CircleBuffer, což je cyklický buffer, který provádí velmi rychle indexové posuny prvků, což je užitečné například pro zpožďovací řady digitálních filtrů. Další specializací cyklického bufferu je buffer frontový, který sám o sobě provádí indexové posuvy podle aktuálních podmínek zpracování. QueueBuffer

 

CircleBuffer #head BasicBuffer

 

VD:: SignalImpl

     

#width #length #entry #exit #startTime #sampling

 

   

 

VD::SourceImpl #readPtr

 

+Item +IsPreserved +IsFull +IsEmpty +GetSample() +SetSample() +Shift() +GetEnumerator()

 

 

VD:: Enumerator

 

#shift +Current +MoveNext() +Reset()

Syncer

 

VD:: TargetImpl

#CS

#writePtr

+Lock() +Unlock()

Obr. 25 – Předdefinované vyrovnávací paměti

54

V současné době knihovna úspěšně slouží k post-procesovému zpracování datových souborů z měřicího zařízení MBox i k obsluze datového toku bezdrátových akcelerometrů v reálném čase. Podporuje také všechny základní funkce uživatelského rozhraní, jako jsou rychlé náhledy obsahu souboru, detailní výřezy, filtrace a decimace signálu. 5.4 PROHLÍŽEČ SIGNÁLŮ Prohlížeč signálů je koncová aplikace pro zobrazování číslicových signálů na počítači. Signály je možné vykreslovat buď přímo na obrazovku nebo na jakoukoliv jinou počítačovou kreslicí plochu (např. bitmapový obrázek nebo tiskárna). Ve výchozí konfiguraci se pojí s knihovnou Vehicle.dll, ale poskytuje možnost připojení i jiných modulů, které budou implementovat záležitosti specifické pro konkrétní zařízení (takovým modulem je např. MBoxDsp.dll). Tím je dosaženo toho, že tento prohlížeč nemusí zobrazovat pouze grafické průběhy sledovaných veličin, ale může obsahovat i různé jiné grafické prvky. Vehicle Diagnostics Viewer

 

 

 

D élka tratě: 650 m

  Nejvyšší rychlost: 75 km/h  Minimální poloměr: 5 m  Maximální stáčení: 40 °/s  Doba měření: 1:08,32 min

! 

73  km/ h 

15°   

 

Stop

Start

Obr. 26 – Návrh uživatelského rozhraní prohlížeče Pro účely diagnostiky automobilů byly navrženy rozšiřující grafické prvky, jejichž složením vznikne virtuální palubní deska, na níž bude možné při zpětném

55

přehrávání zaznamenané jízdy sledovat jednotlivé důležité jízdní parametry vozidla. Součástí této palubní desky může být i okno umožňující zobrazení polohy testovaného automobilu na mapě nebo na nějakém situačním plánku, jako je tomu v této práci v kapitole 6. Jsou-li k dispozici souřadnice alespoň dvou bodů, které se na plánku vyskytují, pak lze pomocí transformace do lokálního souřadného systému, která je popisována v kapitole 4.3, přesně vykreslit záznam pohybu do tohoto plánku. Pokud na daném počítači bude dostupný (bude mít uživatel nainstalován) mapový software, který bude umět svou mapu zobrazit v podokně jiného programu, pak bude možné integrovat tento software do prohlížeče signálů také. Odpověď na otázku jak nejlépe prezentovat sledovaná data uživateli, byla a vždy bude do jisté míry subjektivní. Rozhodně by neměly chybět možnosti změny měřítka, aby si uživatel mohl zobrazit celé měření v prvotním náhledu, vybrat si úsek, který ho nejvíce zajímá, a ten sledovat detailně. S tím souvisí i jisté potíže při zpracování velmi dlouhých měření, u nichž načítání celého měření může být značně časově náročné. Na druhou stranu, pokud se do paměti nenačtou všechna data zároveň, bude nutné je dočítat v průběhu přehrávání záznamu, což může na uživatele působit nepříjemně. Knihovna Vehicle.dll pro tento účel definuje posuvný buffer, který při sekvenčním přístupu automaticky sleduje pozici kurzoru a doplňuje potřebná data paralelně na pozadí. Pouze v případě, kdy se uživatel rozhodne přeskočit nějaký větší úsek, může se stát, že bude jistý okamžik čekat, než se z datového zdroje obdrží nová data. Podobně návrh vhodných ovládacích prvků je také důležitý pro přívětivý vzhled programu. Obecně se dává přednost prvkům, které simulují analogové ovladače, protože jejich použití bývá pro uživatele intuitivnější a přehlednější, než je tomu u číslicových ovládacích prvků. Proto se v implementační počítá s realizací ručičkových ukazatelů pro zobrazení rychlosti pohybu, úhlové odchylky směru pohybu vozidla od jeho podélné osy nebo úhlů klonění a klopení vozidla. Na ciferníku takového ukazatele mohou být například barevně odlišeny běžné, optimální a kritické hodnoty veličin. U podobných grafických počinů je ale nutné velmi pečlivě a efektivně navrhnout techniky vykreslování a hlavně překreslování při změně hodnoty sledované veličiny (animace), aby nedošlo k nadměrnému čerpání zdrojů daného počítače jenom kvůli několika grafickým ovládacím prvkům. Implementační fáze tvorby popisovaného software, ještě nebyla v době tisku této práce zcela dokončena, nicméně všechny jeho důležité části byly zanalyzovány a navrženy, zbývá dořešit především grafickou stránku aplikace.

56

6

EXPERIMENTÁLNÍ VÝSLEDKY

Průběh experimentální fáze řešení byl významně ovlivněn komplikacemi při měření bezdrátovým akcelerometrem (viz kap. 4.1). Toto zařízení je výsledkem ryze autorského řešení, které bylo realizováno ve spolupráci Ústavem automatizace a měřicí techniky FEKT VUT v Brně. Jako snímací prvky byly v tomto řešení vytipovány snímače, které hodnotu měřené veličiny vyjadřují pomocí pulzně šířkové modulace, takže pro její zpracování není potřeba žádný A/D převodník. Ukázalo se však, že způsob měření, při němž nedochází k výpočetnímu zatěžování mikrokontroleru, klade vysoké nároky na propustnost bezdrátové datové linky. V případě příliš velkého množství odesílaných dat, docházelo k zahlcení vstupního bufferu radiomodulu a k následným výpadkům přenášených dat, kterými jsou informace o vzestupných a sestupných hranách PWM signálu. V důsledku toho obsahovaly přijímané signály amplitudové a frekvenční chyby a trvalo poměrně dlouhou dobu, než se podařilo najít a vyřešit příčinu těchto nedostatků. Pro účely experimentálního ověření navrhovaných postupů byla v areálu naší fakulty horizontálním značením vytyčena zkušební dráha (viz Obr. 27). Jednalo se o uzavřenou trasu kolem bloku dílen a laboratoří s celkovou délkou 650 m, která obsahovala dlouhé rovné úseky, mírné oblouky i ostré zatáčky a ve vertikálním směru jedno poměrně prudké stoupání a klesání. V následujícím obrázku je vytyčená trať znázorněna šedou čárkovanou čarou. Pro hrubou představu je možné u obrázku uvažovat měřítko 1:2000, tj. 1 mm odpovídá přibližně 2 m ve skutečnosti.

Obr. 27 – Areál Fakulty strojního inženýrství Jako dopravní prostředek bylo použito vozidlo Peugeot 405, uvnitř na zadním sedadle byla instalována měřicí jednotka MBox a vprostřed jeho střechy byl umístěn integrovaný GPS přijímač Haicom HI-204E (bližší popis měřicích zařízení je uveden v kapitole 4.1). V první fázi byla provedena rektifikace inerciální měřicí jednotky na 60m rovné dráze v oblasti místa startu. Vyhodnocením rektifikačních jízd byly stanoveny odchylky orientace souřadného systému MBoxu od souřadného 57

systému vozidla, které v osách x, y a z dosahovaly po řadě hodnot -4,41°, 2,27° a 4,15°. Dále bylo realizováno několik zkušebních jízd se startem a cílem v jednom místě, vyznačeném na obrázku Obr. 27. Za volantem seděl zkušený řidič, který se snažil držet vytyčené dráhy, přesto nelze ve výsledcích vyloučit mírné odchylky způsobené lidským faktorem. Naměřená data byla poté vyhodnocena pomocí vytvořeného analytického software, jehož popis byl předmětem předchozí kapitoly.

Obr. 28 – Rekonstrukce záznamů INS Nejdříve jsem se pokusil zrekonstruovat absolvovanou trajektorii pouze podle signálů zaznamenaných inerciální měřicí jednotkou. Obr. 28 ukazuje typický výsledek takové rekonstrukce. Jak již bylo několikrát uvedeno, problémem měření inerciální jednotkou je kolísání ofsetu především gyroskopických senzorů. Na naměřené signály byl aplikován opravný proces odstranění teplotního driftu popsaný v kapitole 4.2, ovšem tento proces není nikdy stoprocentní a určitá část nežádoucího signálu v datech přesto zůstává. Důsledkem toho vozidlo zdánlivě mírně zatáčí i ve chvílích, kdy ve skutečnosti cestovalo po přímé trajektorii. Tento efekt je jasně patrný na horních rovných úsecích tratě, ale lze ho vypozorovat i v jiných úsecích. Nežádoucím zatáčením se rekonstruované vozidlo postupně vychyluje ze značeného směru až v závěrečném úseku zcela opustí určenou dráhu. Podobně se chovají také gyroskopy v podélné a příčné ose vozidla, takže druhým průvodním jevem kolísání ofsetu gyr, který již z obrázku není přímo patrný, je chybně určený podélný náklon vozidla a tomu odpovídající chybně určené podélné zrychlení potažmo rychlost vozidla. Podle výpočtu se tak vozidlo v místě zastavení stále ještě pohybovalo nenulovou rychlostí kupředu, což ve skutečnosti rovněž nebyla pravda. V dalším postupu byla vyhodnocena přesnost údajů o poloze získaných z GPS přijímače. V celém areálu byl poměrně dobrý výhled na oblohu a tomu odpovídající příjem satelitního signálu. Pouze rovný úsek trati v oblasti místa startu je relativně hodně zastíněný okolními budovami. Obr. 29 ukazuje výsledky jednoho z lepších měření, kdy výstupy přijímače GPS dobře kopírují tvar absolvované trajektorie, ale

58

místy dosahují výrazných odchylek a v závěrečném oblouku dokonce vozidlo zdánlivě opouští vozovku. Je ale patrné, že v místech s vynikající viditelností oblohy mohou mít i polohové informace poskytované nejlevnějšími GPS přijímači dobrý potenciál pro následnou analýzu absolvovaného pohybu, pouze je třeba brát v úvahu, že vertikální údaje mají znatelně horší přesnost a větší rozptyl.

Obr. 29 – Reprodukce polohy GPS Druhým typem signálu, který poskytuje přijímač GPS jsou hodnoty velikosti a směru rychlosti pohybu, které by měly být znatelně přesnější něž údaje o poloze. Výsledky na Obr. 30 to nevyvracejí, ale je na nich znát vliv velmi nízké vzorkovací frekvence, připomeňme si, že GPS přijímač měří polohu a rychlost pohybu jednou za vteřinu, což je na přesnou rekonstrukci pohybu osobního automobilu poměrně málo. Ve výsledku tato data neobsahují informace o rychlých změnách jak velikosti, tak směru rychlosti pohybu a rekonstruovaná trajektorie proto nezachycuje skutečně absolvovaný pohyb příliš věrně.

Obr. 30 – Reprodukce rychlosti GPS

59

Poslední fází vyhodnocení prováděného experimentu byla integrace obou zdrojů informací a aplikace dynamické filtrace na zaznamenané signály. Touto metodou byly dle očekávání odstraněny nevýhody obou systémů a využitím jejich vzájemně se doplňujících kladných vlastností byly dosaženy velmi dobré výsledky. Metoda má pro podobné úkoly velmi velký potenciál, ale pochopitelně není samospasitelná. Zásadní význam má přesná časová synchronizace rozdílných zdrojů signálu, ale největší výzvou při jejím použití je správné stanovení rozptylů náhodných veličin a kovariancí, na které je metoda velmi citlivá. Nevhodnou volbou lze získat více či méně zkreslené výsledky. Obr. 31 ukazuje záznam prvního absolvovaného okruhu, ve kterém jediná výrazná odchylka od vyznačené dráhy je způsobena chováním řidiče, který byl nucen se po projetí křižovatky na byť areálové, přesto poměrně frekventované silnici vyhnout protijedoucímu vozidlu a zařadit se dle pravidel do pravého jízdního pruhu. Přesto, nebo snad právě proto, bylo toto měření vybráno pro demonstraci možností integrace systému GPS s inerciálním navigačním systémem, mezi které mohou být zahrnuty i aplikace náročné na přesnost, jako jsou testy jízdních vlastností vozidel, tzv. losí testy a podobné.

Obr. 31 – Výsledek integrace INS a GPS

60

ZÁVĚR Práce je zaměřena do oblasti technické diagnostiky jízdních stavů dopravních prostředků. V první fázi se zabývá různými možnostmi a principy snímání pohybu vozidel, především aplikací známých inerciálních navigačních systémů a globálního polohovacího systému. Z hodnocení vyplývá, že oba typy systémů mají své výhody a své nevýhody. Integrací obou systémů do jednoho výpočetního modelu se ale jejich nevýhody vzájemně potírají a tímto způsobem je možné dosáhnout velmi přesných a spolehlivých výsledků. K integraci rozdílných systémů se používá Kalmanův filtr jako stochastický estimátor stavů dynamického procesu. Oblast technické diagnostiky dopravních prostředků klade na procesy získávání dat o pohybu prostředku zvláštní požadavky, které ve svém důsledku vedou ke snížené přesnosti a/nebo snížené reprodukovatelnosti zaznamenaných signálů. V práci je provedena studie možných přístupů k řešení rekonstrukce zaznamenaného pohybu za přítomnosti neznámých nebo náhodných chyb měření a na základě vlastností použitých nízkonákladových měřicích zařízení jsou formulovány postupy rektifikace a interpretace výstupů těchto zařízení. Následně jsou matematicky vyjádřeny procesy rekonstrukce absolvovaného pohybu z těchto výstupů a integrace výstupů různých zařízení v jednom matematickém modelu. Tyto postupy jsou dále začleněny do softwarového produktu, který umožnil jejich experimentální ověření. S použitím technik objektově orientovaného modelování byly nejdříve vyhodnoceny požadavky na tento analytický software. Na základě neformální specifikace byly modelovány procesy probíhající při práci se soubory výsledků experimentálních měření a na jejich základě byly odvozeny typické případy použití připravovaného software. Dále byly utilizací diagramů tříd navrženy instanční modely pro sestavování a spouštění uživatelsky definovatelných procesních řetězců digitálního zpracování signálů a podle těchto modelů byla implementována dynamická knihovna, která exportuje třídy a funkce využitelné při zpracování experimentálních dat, a to nejen v rámci této práce, ale i dalších výzkumných projektů. Pro účely správy a organizace velkého množství souborů různých typů, pocházejících z různých měřicích zařízení, bylo navrženo rozšíření uživatelského rozhraní souborového manažeru operačního systému Windows (tzv. Shell Extension) a implementována jeho beta verze. Stejně tak se podařilo dokončit beta verzi grafického rozhraní pro analýzu naměřených signálů převážně, i když ne výhradně, z oblasti analýzy jízdních stavů vozidel, které umožňuje uživateli sledovat reprízu zaznamenaného pohybu společně s hodnotami vybraných důležitých parametrů. Takto lze snadno lokalizovat významné okamžiky experimentu a zefektivnit následnou analýzu získaných dat. Pomocí realizovaného programového produktu byla experimentálně ověřena použitelnost výstupů levných a snadno aplikovatelných měřicích zařízení pro kvalitní analýzu v rámci technické diagnostiky dopravních prostředků.

61

REFERENCE [1] [2] [3]

[4] [5]

[6] [7] [8] [9] [10] [11] [12]

SHIN, M. – BAE, S. – LEE, J. M. et al.: New Vehicle Dynamics Model for Yaw Rate Estimation. Vehicle System Dynamics, Vol. 37 (2002), Suppl. S, pp. 96-106. BEVLY, D. M. – GERDES, J. C. – WILSON, C.: The Use of GPS-based Velocity Measurements for Measurement of Sideslip and Wheel Slip. Vehicle System Dynamics, Vol. 38 (2002), No. 2, pp. 127-147. RYU, J. – GERDES, J. C.: Integrating Inertial Sensors with Global Positioning System (GPS) for Vehicle Dynamics Control. Journal of Dynamic Systems Measurement and Control – Transactions of the ASME, Vol. 126 (2004), No. 2, pp. 255-264. WANG, C. – LACHAPELLE, G. – CANNON, M. E.: Development of an Integrated Low-cost GPS/Rate Gyro System for Attitude Determination. Journal of Navigation, Vol. 57 (2004), No. 1, pp. 85-101. BEVLY, D. M.: Global Positioning System (GPS): A Low-cost Velocity Sensor for Correcting Inertial Sensor Errors on Ground Vehicles. Journal of Dynamic Systems Measurement and Control – Transactions of the ASME, Vol. 126 (2004), No. 2, pp. 243-254. FUKUBA, H. – ADACHI, T. – YOSHIMOTO, A. et al.: Measurement of Vehicle Attitude with RTK-GPS for Analyzing the Vehicle Motion Behavior. JSAE Review, Vol. 24 (2003), No. 3, pp. 313-320. QI, H. H. – MOORE, J. B.: Direct Kalman Filtering Approach for GPS/INS Integration. IEEE Transactions on Aerospace and Electronic Systems, Vol. 38 (2002), No. 2, pp. 687-693. OMAE, M. – SHIMIZU, H. – FUJIOKA, T.: GPS-based Automatic Driving Control in Local Area with Course of Large Curvature and Parking Space. Vehicle System Dynamics, Vol. 42 (2004), Nos. 1-2, pp. 59-73. KIM, Y. S. – HONG, K. S.: An IMM Algorithm for Tracking Maneuvering Vehicles in an Adaptive Cruise Control Environment. International Journal of Control Automation and Systems, Vol. 2 (2004), No. 3, pp. 310-318. KIM, J. H. – OH, J. H.: A Land Vehicle Tracking Algorithm Using StandAlone GPS. Control Engineering Practice, Vol. 8 (2000), pp. 1189-1196. BEST, M. C. – GORDON, T. J. – DIXON, P. J.: An Extended Adaptive Kalman Filter for Real-time State Estimation of Vehicle Handling Dynamics. Vehicle System Dynamics, Vol. 34 (2000), No. 1, pp. 57-75. ZHAO, L. – OCHIENG, W. Y. – QUDDUS, M. A. – NOLAND, R. B.: An Extended Kalman Filter Algorithm for Integrating GPS and Low Cost Dead Reckoning System Data for Vehicle Performance and Emissions Monitoring. Journal of Navigation, Vol. 56 (2003), No. 2, pp. 257-275.

62

[13] [14] [15] [16] [17]

[18] [19] [20] [21] [22] [23] [24] [25] [26]

WENZEL, T. A. – BURNHAM, K. J. – BLUNDELL, M. V. – WILLIAMS, R. A.: Dual Extended Kalman Filter for Vehicle State and Parameter Estimation. Vehicle System Dynamics, Vol. 44 (2006), No. 2, pp. 153-171. HONG, S. – LEE, M. H. – KWON S. H. – CHUN H. H.: A Car Test for the Estimation of GPS/INS Alignment Errors. IEEE Transactions on Intelligent Transportation Systems, Vol. 5 (2004), No. 3, pp. 208-218. VENHOVENS, P. J. T. – NAAB, K.: Vehicle Dynamics Estimation Using Kalman Filters. Vehicle System Dynamics, Vol. 32 (1999), Nos. 2-3, pp. 171184. PORTEŠ, P.: Rekonstrukce pohybu automobilu na základě měřených signálů. In Sborník přednášek národní konference Inženýrská mechanika 2002. Svratka: UMT FSI VUT v Brně, 2002. ISBN 80-214-2109-6. HWANG, J. K. – UCHANSKI, M. – SONG C. K.: Vehicle Speed Estimation Based on Kalman Filtering of Accelerometer and Wheel Speed Measurements. International Journal of Automotive Technology, Vol. 6 (2005), No. 5, pp. 475-481. LEE, K. – PENG, H.: Evaluation of Automotive Forward Collision Warning and Collision Avoidance Algorithms. Vehicle System Dynamics, Vol. 43 (2005), No. 10, pp. 735-751. KING, A. D.: Inertial Navigation – Forty Years of Evolution. GEC Review, Vol. 13 (1998), No. 3, pp. 140-149. CHOI, S. Y. – LEE, J. M.: Applications of Moving Windows Technique to Autonomous Vehicle Navigation. Image and Vision Computing, Vol. 24 (2006), pp. 120-130. HAVLÍK, J.: Synchronizace EEG záznamu a videozáznamu při snímání pohybu prstu ruky. Katedra teorie obvodů, Fakulta elektrotechnická, České vysoké učení technické v Praze. Case Studies – ABS/ESP [online]. [cit. 2006-15-05] Dostupné z: . Inertial Sensing Projects at the MIT Media Laboratory [online]. [cit. 200615-05]. Dostupné z: . PICKERING, K. A. Columbus and Dead Reckoning Navigation [online]. c1997-2006, [cit. 2006-15-05]. Dostupné z: . BONSOR, K. How Black Boxes Work [online]. c1998-2006, [cit. 2006-1505]. Dostupné z: . BLUCK, J. Micro Spacecraft to Pave the Way for Future Space Exploration [online]. Editor: WILSON J., Last Updated: March 22, 2006, [cit. 2006-1505]. Dostupné z: .

63

[27] [28] [29] [30] [31] [32]

About Digital Tachograph [online]. c2004, [cit. 2006-15-05]. Dostupné z: . DEPRIEST, D. NMEA data [online]. [cit. 2006-15-05]. Dostupné z: . DANA, P. H. Electronic Navigation, Precise Positioning, and Geographic Information Systems Research and Development [online]. Revised: 12/24/2003, [cit. 2006-15-05]. Dostupné z: . Sustainable Safety [online]. Last revised: 2006-11-05, [cit. 2006-15-05]. Dostupné z: . Sherlog Security Car [online]. [cit. 2006-15-05]. Dostupné z: . CarNet – vozidla na dohled [online]. [cit. 2006-15-05]. Dostupné z: .

Vlastní publikace [N1] [N2]

[N3]

[N4] [N5] [N6]

[N7]

NOVÁK, J.: Bezdrátový akcelerometr, BD 135 3029. In Sborník Fondu vědy FSI. Brno, 2005. NOVÁK, J. – DOČKAL, A.: Zpřesnění rekonstrukce jízdního manévru pomocí GPS. In Sborník přednášek 46. mezinárodní konference kateder částí a mechanismů strojů. ReportArt Liberec, 2005. ISBN 80-7083-951-1. s. 252256. NOVÁK, J. – DOČKAL, A.: Použití GPS pro diagnostiku jízdních stavů vozidel. In Sborník přednášek 28. mezinárodní konference TD2005 – Diagon 2005. Zlín: Academia centrum, UTB Zlín, 2005. ISBN 80-7318-293-9. s. 7983. NOVÁK, J. – MAZŮREK, I.: Analýza jízdních stavů automobilu. In Sborník přednášek 45. mezinárodní konference kateder částí a mechanismů strojů. Blansko, 2004. ISBN 80-214-2702-7. s. 445-449. NOVÁK, J.: Integrace metod pro optimalizaci výrobních dávek a rozvrhů. Brno, 2004. 55 s. Diplomová práce na ÚAI FSI VUT v Brně. Vedoucí diplomové práce RNDr. Jiří dvořák, CSc. Novák, J. – Mazůrek, I.: Diagnostika jízdních stavů automobilu. In Sborník přednášek 27. mezinárodní konference TD2004 – Diagon 2004. Zlín: Academia centrum, Univerzita Tomáše Bati ve Zlíně, 2004. ISBN 80-7318195-6. s. 17-21. Novák, J.: Vývoj systému plánování a řízení výroby malé strojírenské firmy. Brno, 2002. 67 s. Diplomová práce na ÚK FSI VUT v Brně. Vedoucí diplomové práce Ing. Petr Kejda.

64

Murphyho zákon: Mít vozidlo s pohonem 4×4 znamená pouze to, že uvíznete na méně přístupném místě.