IMU הוא אחד הרכיבים החשובים ביותר במערכות ניווט, ייצוב והכוונה – אך הוא אינו מערכת ניווט בפני עצמו.

הוא אינו יודע היכן הפלטפורמה נמצאת, לאן היא נוסעת או מהי המהירות שלה ביחס לקרקע. הוא מודד תנועה בלבד: מהירות זוויתית סביב שלושה צירים ותאוצה סגולית לאורך שלושה צירים.

כדי להפוך את המדידות האלה לפתרון ניווט שימושי, נדרשת שרשרת שלמה של חישובים, כיולים, מודלים, סנכרון ומקורות מידע נוספים.

במערכת טקטית, השרשרת הזו חייבת לפעול בזמן אמת, להתמודד עם רעידות, שינויי טמפרטורה, תמרונים מהירים, הפרעות GNSS ושגיאות מצטברות – ולעיתים להמשיך לספק פתרון ניווט גם כאשר מקור המיקום החיצוני נעלם.

המאמר הזה מסביר את הדרך המלאה:

מנתוני Gyroscope ו-Accelerometer גולמיים ועד Attitude, Velocity ו-Position.

מה ההבדל בין IMU ל־INS?

הבלבול בין IMU לבין INS נפוץ גם בפרויקטים מתקדמים.

IMU – יחידת מדידה אינרציאלית

IMU, או Inertial Measurement Unit, מכיל בדרך כלל:

• שלושה Gyroscopes
• שלושה Accelerometers
• חיישן טמפרטורה
• אלקטרוניקה לעיבוד, כיול והעברת הנתונים

ה-Gyroscopes מודדים מהירות זוויתית.

ה-Accelerometers מודדים Specific Force – הכוח הסגולי הפועל על החיישן, ולא בהכרח את התאוצה הלינארית הפשוטה שהמשתמש מדמיין.

התוצאה שמתקבלת מה-IMU היא זרם מדידות:

ωx,ωy,ωz\omega_x,\omega_y,\omega_zωx​,ωy​,ωz​

ו-

fx,fy,fzf_x,f_y,f_zfx​,fy​,fz​

אלו הם נתוני התנועה של הפלטפורמה במסגרת הצירים של החיישן.

IMU מתקדם יכול לספק נתונים בקצב גבוה, עם השהיה נמוכה, כיול טמפרטורה ופיצוי שגיאות פנימי. לדוגמה, ה-LandMark 006 של Gladiator Technologies מציע עד 10 kHz קצב נתונים, רוחב פס של עד 600 Hz, סנכרון חיצוני והשהיית הודעה של פחות מ-20 מיקרו-שניות בגרסת VELOX Plus. עם זאת, הפלט שלו עדיין מורכב ממדידות אינרציאליות – לא ממיקום מוכן.

INS – מערכת ניווט אינרציאלית

INS, או Inertial Navigation System, משתמש במדידות ה-IMU כדי להעריך:

• Attitude – זווית וכיוון הפלטפורמה
• Velocity – מהירות
• Position – מיקום

כדי לעשות זאת, המערכת צריכה לדעת:

• מהי תנוחת הפלטפורמה בתחילת התהליך
• כיצד צירי ה-IMU מותקנים ביחס לפלטפורמה
• מהו הזמן המדויק של כל מדידה
• כיצד להסיר את השפעת הכבידה
• כיצד לטפל בסיבוב כדור הארץ
• כיצד להעריך ולתקן Bias
• כיצד לשלב GNSS או מקורות עזר אחרים

במילים פשוטות:

ה-IMU מודד את התנועה. ה-INS מפרש אותה כניווט.

למה אי אפשר פשוט לבצע אינטגרציה?

לכאורה, התהליך נראה פשוט:

1. מבצעים אינטגרציה למהירות הזוויתית ומקבלים זווית.
2. מבצעים אינטגרציה לתאוצה ומקבלים מהירות.
3. מבצעים אינטגרציה נוספת ומקבלים מיקום.

אבל מערכת אמיתית אינה פועלת בתנאים אידאליים.

כל מדידה כוללת שגיאות:

• Bias
• Noise
• Scale Factor Error
• Misalignment
• Temperature Drift
• Vibration Rectification Error
• Timing Error

כאשר מבצעים אינטגרציה, השגיאות אינן נעלמות. הן מצטברות.

שגיאה קטנה במדידת הג'יירו הופכת לשגיאת Attitude. שגיאת Attitude גורמת לכך שחלק מווקטור הכבידה מפורש בטעות כתאוצה אופקית. התאוצה המדומה יוצרת שגיאת מהירות, ושגיאת המהירות מתפתחת במהירות לשגיאת מיקום.

זו הסיבה שמערכת ניווט אינרציאלית אינה רק “שתי אינטגרציות”.

היא מערכת להערכת מצב ולניהול שגיאות.

איור 1 – המעבר מיחידת מדידה אינרציאלית (IMU) למערכת ניווט אינרציאלית (INS). ה־IMU מספק את המדידות הגולמיות, בעוד שה־INS משלב כיול, הערכת מצב, Sensor Fusion ואלגוריתמי ניווט כדי להפיק פתרון ניווט מלא.

השלב הראשון – איך מחשבים את כיוון הפלטפורמה (Attitude)?

כאשר ה־IMU מתחיל לשדר נתונים, הוא עדיין אינו יודע היכן הוא נמצא במרחב ואפילו לא לאיזה כיוון הוא פונה.

בכל רגע נתון, שלושת הג'יירוסקופים מודדים את קצב הסיבוב סביב שלושת הצירים של החיישן (X, Y ו־Z). כלומר, הם מודדים כמה מהר הפלטפורמה מסתובבת – לא מהי הזווית שלה.

לדוגמה, אם הג'יירוסקופ מודד קצב סיבוב של 20°/s במשך שנייה אחת, ניתן להסיק שהפלטפורמה הסתובבה בכ־20 מעלות. אם אותו קצב נמשך שתי שניות, הזווית המצטברת תהיה כ־40 מעלות.

לכאורה, הפתרון פשוט: מבצעים אינטגרציה של המהירות הזוויתית לאורך הזמן ומקבלים את כיוון הפלטפורמה.

בפועל, זו רק תחילת הדרך.

כל ג'יירוסקופ מכיל שגיאות קטנות, כגון Bias, רעש (Noise), סטיות כתוצאה מטמפרטורה ושגיאות כיול. כאשר מבצעים אינטגרציה לאורך זמן, גם שגיאות זעירות מתחילות להצטבר ולהפוך לשגיאת זווית הולכת וגדלה.

במילים אחרות, גם אם הפלטפורמה עומדת לחלוטין, מערכת הניווט עלולה "לחשוב" שהיא מסתובבת בקצב איטי מאוד.

זו אחת הסיבות המרכזיות לכך ש־INS אינו מסתפק באינטגרציה פשוטה של נתוני ה־IMU.

למה Attitude כל כך חשוב?

רבים נוטים לחשוב שכיוון הפלטפורמה הוא נתון שימושי בעיקר עבור ייצוב או בקרת טיסה.

בפועל, כמעט כל החישובים הבאים במערכת הניווט תלויים בו.

מד התאוצה אינו יודע להבחין בין תאוצה אמיתית לבין כוח הכבידה. כדי לחשב את התאוצה הלינארית של הפלטפורמה, מערכת ה־INS חייבת לדעת בדיוק כיצד ה־IMU מכוון ביחס לכדור הארץ.

רק לאחר חישוב ה־Attitude ניתן לבצע:

• מעבר ממערכת הצירים של החיישן למערכת הצירים של כדור הארץ.
• הפרדת רכיב הכבידה מהמדידה.
• חישוב התאוצה הלינארית האמיתית.
• חישוב המהירות והמיקום.

למעשה, כל שגיאה בחישוב ה־Attitude ממשיכה להתפשט גם לשלבים הבאים של שרשרת הניווט.

איור 2 – מערכת הניווט חייבת להעריך בכל רגע את זוויות ה־Roll, Pitch ו־Yaw של ה־IMU ביחס למערכת הצירים של כדור הארץ. מידע זה משמש כבסיס לכל חישובי התאוצה, המהירות והמיקום בהמשך שרשרת הניווט.

השלב השני – למה מד התאוצה אינו מודד רק תאוצה?

זהו אחד המושגים המבלבלים ביותר בעולם הניווט האינרציאלי.

רבים מניחים שמד התאוצה (Accelerometer) מודד פשוט את התאוצה של הפלטפורמה. בפועל, הוא מודד את הכוח הסגולי (Specific Force) הפועל עליו, הכולל גם את השפעת כוח הכבידה.

כאשר הפלטפורמה עומדת לחלוטין על שולחן, אין לה כל תאוצה לינארית. למרות זאת, מד התאוצה עדיין יציג ערך הקרוב ל־1g באחד הצירים.

במילים אחרות, החיישן אינו יודע להבחין האם המדידה נובעת מתנועה אמיתית או מכוח הכבידה בלבד.

זו בדיוק הסיבה שחישוב ה־Attitude הוא שלב קריטי בכל מערכת ניווט אינרציאלית.

רק לאחר שמערכת ה־INS יודעת כיצד ה־IMU מכוון ביחס לכדור הארץ, היא יכולה להפריד בין רכיב הכבידה לבין התאוצה האמיתית של הפלטפורמה.

ללא שלב זה, כל חישובי המהירות והמיקום יהיו שגויים כבר מהשנייה הראשונה.

למה שגיאת זווית קטנה הופכת במהירות לשגיאת מיקום גדולה?

כאן מתרחש אחד ממנגנוני השגיאה החשובים ביותר במערכת ניווט אינרציאלית.

נניח שהמערכת טועה בהערכת זווית ה־Pitch בעשירית מעלה בלבד.

מבחינת האלגוריתם, חלק קטן מכוח הכבידה "נראה" כתאוצה אופקית אמיתית.

המערכת אינה יודעת שמדובר בטעות.

היא מניחה שהפלטפורמה באמת מאיצה קדימה.

כעת מתחיל תהליך מצטבר:

• התאוצה השגויה משולבת (Integration) ומייצרת שגיאת מהירות.
• שגיאת המהירות משולבת פעם נוספת ומייצרת שגיאת מיקום.
• ככל שהזמן חולף, השגיאה ממשיכה לגדול.

זו אחת הסיבות לכך שמערכות INS אינן יכולות להסתמך על מדידות אינרציאליות בלבד לאורך זמן, ונדרשות לעדכונים ממקורות מידע נוספים כגון GNSS, Visual Odometry או חיישני עזר אחרים.

איור 3 – שגיאת זווית קטנה בהערכת ה־Attitude גורמת לחלק מכוח הכבידה להתפרש בטעות כתאוצה אופקית. לאחר אינטגרציה לאורך זמן, שגיאה זעירה זו מתפתחת לשגיאת מהירות ובהמשך לשגיאת מיקום הולכת וגדלה.

השלב השלישי – מתאוצה למהירות

לאחר שמערכת ה־INS חישבה את כיוון הפלטפורמה (Attitude) והפרידה את השפעת כוח הכבידה מהמדידה, ניתן סוף־סוף להשתמש במדידות התאוצה לצורך ניווט.

בשלב זה התאוצה כבר אינה מייצגת את הכוח שפועל על החיישן, אלא את התאוצה הלינארית של הפלטפורמה ביחס לכדור הארץ.

כעת מתבצע אחד החישובים הפשוטים ביותר מבחינה מתמטית – אך מהחשובים ביותר במערכת כולה.

המערכת מבצעת אינטגרציה של התאוצה לאורך הזמן ומחשבת את המהירות.

אם הפלטפורמה מאיצה בקצב קבוע במשך מספר שניות, המהירות תלך ותגדל בהתאם.

בפועל, התהליך מתבצע אלפי פעמים בשנייה, כאשר כל מדידה חדשה של ה־IMU מעדכנת את אומדן המהירות.

לכן איכות נתוני ה־IMU, קצב הדגימה, סנכרון הזמן ודיוק ה־Attitude משפיעים ישירות גם על איכות חישוב המהירות.

למה שגיאת מהירות ממשיכה לגדול?

כאן מופיעה אחת התכונות הייחודיות של מערכות ניווט אינרציאליות.

בניגוד לחיישן שמודד ערך רגעי בלבד, מערכת INS מבצעת אינטגרציה רציפה של כל המדידות.

לכן, אם נוספה בטעות תאוצה קטנה למדידה – גם אם מקורה בשגיאת Attitude של עשירית מעלה בלבד – היא אינה נעלמת במדידה הבאה.

המערכת ממשיכה "להאמין" שהתאוצה קיימת, ולכן שגיאת המהירות הולכת וגדלה עם הזמן.

כלומר, גם אם התאוצה השגויה נשארת קבועה, שגיאת המהירות אינה נשארת קבועה.

היא מצטברת באופן רציף.

זו הסיבה שמערכות INS איכותיות משקיעות מאמץ רב בהקטנת שגיאות Bias, בפיצוי טמפרטורה ובשילוב מקורות מידע חיצוניים.

השלב הרביעי – ממהירות למיקום

לאחר שחושבה המהירות, מתבצע שלב אינטגרציה נוסף.

המערכת משלבת את המהירות לאורך הזמן ומעריכה את מיקום הפלטפורמה.

מבחינה עקרונית, זהו בדיוק אותו רעיון:

• תאוצה → מהירות
• מהירות → מיקום

אולם כאן מתגלה האתגר הגדול ביותר של ניווט אינרציאלי.

אם שגיאת התאוצה גדלה עם הזמן לשגיאת מהירות, הרי ששגיאת המהירות תמשיך לגדול ותיצור שגיאת מיקום גדולה עוד יותר.

לכן, גם מערכת INS המבוססת על IMU איכותי מאוד אינה יכולה לשמור על דיוק מוחלט לאורך זמן ללא תיקוני ניווט חיצוניים.

משך הזמן שבו ניתן להסתמך על ה־INS בלבד תלוי בגורמים רבים, בהם איכות ה־IMU, רמת הכיול, האלגוריתמים, תנאי הסביבה והיישום המבצעי.

מדוע מערכות INS זקוקות לעדכוני ניווט?

עד כה תיארנו שרשרת פשוטה לכאורה:

1. חישוב Attitude.
2. חישוב תאוצה לינארית.
3. חישוב מהירות.
4. חישוב מיקום.

אולם כל שלב בשרשרת נשען על תוצאת השלב הקודם.

שגיאה קטנה בתחילת התהליך ממשיכה לעבור דרך כל החישובים, ובכל אינטגרציה היא גדלה עוד יותר.

זו הסיבה שמערכות ניווט מודרניות אינן מסתמכות על ה־IMU בלבד.

בשלב מסוים נדרש מקור מידע נוסף שיסייע לתקן את הסטייה המצטברת ולהחזיר את מערכת הניווט למסלול.

איור 4 – במהלך חסימת GNSS, מערכת ה־INS ממשיכה לספק פתרון ניווט רציף על בסיס המדידות האינרציאליות בלבד. עם חזרת מדידות ממקורות עזר, תהליך ה־Sensor Fusion משלב אותן עם נתוני ה־IMU כדי לעדכן את אומדן המצב (State Estimation) ולהקטין את השגיאה המצטברת.

השלב החמישי – למה IMU איכותי לבדו עדיין אינו מספיק?

עד לנקודה זו הצגנו את שרשרת הניווט כאילו מדובר בתהליך לינארי:

• מדידת מהירות זוויתית
• חישוב Attitude
• הסרת כוח הכבידה
• חישוב מהירות
• חישוב מיקום

אולם מערכת ניווט טקטית אמיתית אינה פועלת בצורה כזו.

בפועל, כל אחד מהשלבים הללו מושפע מעשרות מקורות שגיאה הפועלים בו־זמנית.

חלקם נובעים מהחיישנים עצמם, אחרים מהפלטפורמה, מהתקנת ה־IMU, מהטמפרטורה, מהרעידות ומהמודל המתמטי של מערכת הניווט.

לכן פיתוח מערכת INS אינו מסתכם בבחירת IMU בעל ביצועים טובים.

זהו תהליך שלם של כיול, אפיון, אינטגרציה והערכת שגיאות.

מקורות השגיאה העיקריים במערכת ניווט אינרציאלית

במערכת מבצעית, מספר מנגנונים פועלים במקביל ומשפיעים על איכות פתרון הניווט.

ביניהם:

• Bias של הג'יירוסקופים ומדי התאוצה
• רעש אקראי (Noise)
• שגיאות Scale Factor
• אי־יישור בין צירי ה־IMU לפלטפורמה (Misalignment)
• שינויי טמפרטורה
• רעידות ותנודות מכניות
• השהיות תקשורת וסנכרון זמן
• שגיאות במיקום ההתקנה (Lever Arm)
• שגיאות Boresight בין ה־IMU לחיישנים נוספים

כל אחד מגורמים אלו עשוי להיות קטן בפני עצמו.

כאשר הם פועלים יחד לאורך זמן, השפעתם עלולה להיות משמעותית הרבה יותר.

זו הסיבה שמערכות ניווט מתקדמות אינן עוסקות רק במדידת תנועה, אלא גם בהערכה רציפה של איכות המדידות ובפיצוי השגיאות המצטברות.

השלב השישי – תפקידו של Kalman Filter

כאן מגיע אחד המונחים המוכרים ביותר בעולם הניווט האינרציאלי.

לעיתים נדמה כי Kalman Filter הוא "אלגוריתם קסם" שמתקן את כל השגיאות במערכת.

בפועל, תפקידו שונה לחלוטין.

ה־Kalman Filter אינו מחליף את מערכת הניווט ואינו מחשב את המיקום מחדש.

תפקידו הוא להעריך באופן רציף את מצב המערכת, לזהות שגיאות מצטברות ולשלב בצורה מיטבית את כל מקורות המידע הזמינים.

במילים אחרות, הוא מסייע למערכת להבין עד כמה ניתן לסמוך על כל מדידה בכל רגע נתון.

כאשר מתקבלת מדידת GNSS חדשה, האלגוריתם אינו "מחליף" את נתוני ה־IMU.

במקום זאת, הוא משווה בין התחזית שהתקבלה מהמערכת האינרציאלית לבין המדידה החדשה, מעריך את הפער ביניהן ומעדכן את אומדן מצב המערכת בהתאם.

זו הסיבה שמערכות ניווט מודרניות מסוגלות להמשיך לספק פתרון יציב גם כאשר אחד ממקורות המידע הופך לפחות אמין באופן זמני.

אז איך בונים בפועל מערכת ניווט טקטית?

לאחר שמבינים כיצד מערכת ניווט אינרציאלית פועלת, קל יותר להבין מדוע פיתוח מערכת ניווט טקטית אינו מתחיל בבחירת IMU – אלא בהגדרת דרישות המערכת.

האם המערכת מיועדת לרחפן קטן או לרכב קרקעי?

האם היא צריכה להמשיך לנווט במשך מספר שניות ללא GNSS, או במשך דקות ארוכות?

האם היא מיועדת לייצוב גימבל, לניווט, להכוונת חימוש או לבקרת טיסה?

התשובות לשאלות אלו משפיעות על כל החלטת תכנון בהמשך.

במקרים רבים, דווקא איכות האינטגרציה בין הרכיבים היא שקובעת את ביצועי המערכת – לא רק איכותו של ה־IMU.

מערכת ניווט טקטית טיפוסית משלבת מספר שכבות הפועלות במקביל:

• IMU המספק מדידות אינרציאליות בקצב גבוה.
• מערכת INS המבצעת את חישובי הניווט.
• מנגנוני כיול ופיצוי שגיאות.
• אלגוריתם Sensor Fusion.
• Kalman Filter להערכת מצב המערכת.
• מקורות עזר כגון GNSS, מצלמות, LiDAR, Radar, Wheel Odometry או חיישנים נוספים בהתאם ליישום.

כאשר כל השכבות הללו פועלות יחד, מתקבלת מערכת המסוגלת לספק פתרון ניווט רציף, גם כאשר אחד ממקורות המידע נפגע באופן זמני.

בחירת IMU היא רק תחילת הפרויקט

אחד המאפיינים של פרויקטי ניווט מצליחים הוא שהדיון אינו מסתיים בבחירת החיישן.

מהנדסי מערכת שואלים בדרך כלל שאלות אחרות:

• האם קצב הדגימה מתאים לדינמיקה של הפלטפורמה?
• מהי השהיית הנתונים מקצה לקצה?
• כיצד מתבצע סנכרון הזמן?
• האם ניתן לבצע External Synchronization?
• כיצד מתנהג ה־Bias לאורך טווח הטמפרטורות?
• כיצד תבוצע אינטגרציה עם שאר חיישני המערכת?
• כיצד יתבצע Alignment לאחר ההתקנה?

אלו השאלות שמבדילות בין מערכת שפועלת היטב במעבדה לבין מערכת שממשיכה לפעול גם בתנאי שטח.

טבלה מסכמת

סיכום

IMU הוא תחילת הדרך, לא סופה

במבט ראשון, מערכת ניווט אינרציאלית עשויה להיראות כתהליך פשוט של אינטגרציה בין מדידות ג'יירוסקופים ומדי תאוצה.

בפועל, מדובר באחת ממערכות העיבוד המורכבות ביותר בעולם הבקרה והניווט.

המעבר ממדידות גולמיות של IMU לפתרון ניווט יציב דורש שילוב של חיישנים, אלגוריתמים, מודלים מתמטיים, כיול, סנכרון זמן והערכת שגיאות בזמן אמת.

זו הסיבה שבמערכות טקטיות מודרניות, איכות ה־IMU היא רק אחד מהגורמים המשפיעים על ביצועי המערכת הכוללת.

נקודה למחשבה

שני צוותי פיתוח יכולים לבחור בדיוק באותו IMU, ועדיין לקבל ביצועי ניווט שונים לחלוטין. ברוב המקרים, ההבדל אינו נובע מהחיישן עצמו, אלא מאיכות האינטגרציה, סנכרון הזמן, כיול המערכת, אלגוריתמי ה־Sensor Fusion והבנת מקורות השגיאה לאורך שרשרת הניווט.

מה קורה כאשר רחפן מאבד GNSS למשך 30 שניות?

התרחיש הבא מיועד להמחשת אופן פעולתה של מערכת ניווט אינרציאלית. ביצועי המערכת בפועל תלויים באיכות ה־IMU, באלגוריתמי הניווט, בכיול, בפלטפורמה ובתנאי ההפעלה.

מה ניתן ללמוד מהתרחיש?

במהלך חסימת GNSS, מערכת הניווט נשענת כמעט לחלוטין על איכות המדידות האינרציאליות.

לכן, מאפיינים כגון:

• Bias Stability
• Bias Over Temperature
• Angle Random Walk (ARW)
• Data Rate
• Message Delay
• External Synchronization

עשויים להשפיע באופן משמעותי על איכות פתרון הניווט עד לחזרת מקור ניווט חיצוני.

IMU כדוגמת LandMark™ 006 של Gladiator Technologies פותח עבור יישומים שבהם נדרשים קצב דגימה גבוה (עד 10 kHz), רוחב פס של עד 600 Hz, השהיית הודעה נמוכה מ־20 µs בגרסת VELOX Plus, תמיכה ב־External Synchronization וכיול מלא לאורך טווח הטמפרטורות. מאפיינים אלה מאפשרים לספק נתונים אינרציאליים איכותיים עבור מערכות ייצוב, בקרה וניווט מתקדמות, כאשר ביצועי המערכת הכוללת תלויים גם באלגוריתמי ה־INS וה־Sensor Fusion שנבנו מעליהם.