מבוא – מדוע חיישן שאינו זז עדיין מציג תנועה?
דמיינו מערכת ניווט אינרציאלית (INS) המותקנת בכלי טיס, ברכב אוטונומי או במערכת אלקטרו-אופטית מיוצבת. המערכת נעזרת בג'יירוסקופים למדידת מהירות זוויתית ובמדי תאוצה (Accelerometers) למדידת תאוצה.
שני סוגי החיישנים מהווים מרכיבים מרכזיים ביחידת מדידה אינרציאלית (IMU), והדיוק שלהם משפיע על איכות המידע שמקבלת מערכת הבקרה או הניווט.
אבל מה קורה כאשר מניחים את החיישנים על שולחן יציב לחלוטין?
הג'יירוסקופ אמור להציג מהירות זוויתית של אפס, משום שאין תנועה סיבובית. מד התאוצה, לעומת זאת, ימדוד גם את השפעת הכבידה, בהתאם לכיוון הציר שלו.
לכאורה, כל עוד החיישנים אינם זזים, היינו מצפים לקבל ערכים קבועים לחלוטין.
בפועל, זה לא מה שקורה.
גם כאשר החיישן נמצא במנוחה, המדידות משתנות מעט מרגע לרגע. לעיתים מדובר בתנודות אקראיות קטנות ומהירות, ולעיתים ניתן להבחין בשינוי איטי והדרגתי של נקודת האפס.
תופעות אלה אינן בהכרח מעידות על תקלה. הן חלק מהמאפיינים הפיזיקליים והאלקטרוניים של חיישנים אמיתיים, ובפרט של חיישנים המבוססים על טכנולוגיית MEMS.
הבעיה מתחילה כאשר מערכת הבקרה או הניווט מפרשת את השגיאות האלה כתנועה אמיתית.
לדוגמה, רעש במדידת המהירות הזוויתית עלול להצטבר לשגיאת זווית, ואילו שגיאות במדידת התאוצה עלולות להצטבר לשגיאות במהירות ובמיקום.
ככל שהמערכת נדרשת לפעול בדיוק גבוה יותר או במשך זמן ממושך יותר ללא תיקון ממקור חיצוני, כך גדלה החשיבות של הבנת הרעש והסחיפה בחיישן.
כאן נכנסת לתמונה שיטת Allan Deviation, המאפשרת לבחון כיצד יציבות המדידה משתנה לאורך פרקי זמן שונים, ולהבחין בין סוגים שונים של רעש ושגיאות.
במאמר זה נסביר תחילה את השיטה בצורה פשוטה, נלמד כיצד לקרוא גרף Allan Deviation, ונכיר את המדדים החשובים ביותר:
-
ARW – Angle Random Walk: רעש אקראי בג'יירוסקופ.
-
VRW – Velocity Random Walk: רעש אקראי במד תאוצה.
-
Bias Instability: אי-יציבות איטית של היסט המדידה.
-
In-Run Bias Stability: יציבות ההיסט במהלך פעולת החיישן.
בהמשך ננתח גם תוצאות מדידה שהציגה Gladiator Technologies עבור מדי תאוצה בטכנולוגיית Closed-Loop, ונבחן את המשמעות של ביצועי הרעש והיציבות בדור החדש של חיישני SX3 Low Noise.
1. מהו Allan Deviation? הסבר פשוט
נניח שאנחנו רוצים לבדוק עד כמה מדידה של חיישן יציבה.
אנחנו מניחים את החיישן במצב סטטי, אוספים אלפי מדידות ומגלים שהערכים משתנים מעט בכל רגע.
הפתרון האינטואיטיבי הוא לחשב ממוצע.
אם נחשב ממוצע של עשר מדידות, חלק מהרעש האקראי יתבטל. אם נחשב ממוצע של מאה מדידות, ייתכן שנקבל תוצאה יציבה עוד יותר.
אבל האם ככל שנגדיל את זמן המיצוע נקבל תמיד מדידה מדויקת יותר?
התשובה היא לא בהכרח.
בטווחי זמן קצרים, רעש אקראי עשוי להיות הגורם הדומיננטי. מיצוע של המדידות מסייע לצמצם את השפעתו.
אולם בטווחי זמן ארוכים יותר, החיישן עשוי להתחיל להציג שינויים איטיים הנובעים מתהליכים פנימיים, משינויים תרמיים או ממנגנוני רעש אחרים.
כתוצאה מכך, הגדלת זמן המיצוע אינה מבטיחה שיפור מתמשך.
אז מה בעצם מודדת שיטת Allan Deviation?
במקום לבחון רק עד כמה כל מדידה רחוקה מהממוצע הכללי, השיטה מחלקת את רצף המדידות לקבוצות עוקבות.
תחילה מחשבים ממוצע לכל קבוצה, ולאחר מכן בודקים עד כמה הממוצעים של קבוצות סמוכות שונים זה מזה.
חוזרים על התהליך עבור זמני מיצוע שונים: שנייה, עשר שניות, מאה שניות וכן הלאה.
כך מתקבלת תמונה של יציבות החיישן כתלות במשך הזמן שבו מבצעים את המיצוע.
במילים פשוטות: Allan Deviation מראה לנו כיצד הרעש והסחיפה משפיעים על יציבות המדידה בטווחי זמן שונים.
חשוב להדגיש שהשיטה אינה מודדת ישירות את הדיוק המוחלט של החיישן. חיישן יכול להציג Allan Deviation נמוך מאוד, ובכל זאת לסבול מהיסט אפס קבוע ומשמעותי. לכן משתמשים בשיטה לצד בדיקות נוספות של דיוק, כיול ויציבות.






