스트랩다운 관성항법시스템 최적화 기반 정렬 비교 및 확장

초록

본 논문은 스트랩다운 관성항법시스템(SINS)의 초기 정렬을 위한 최적화 기반 정렬(OBA) 방법을 재검토하고, 기존 OBA의 벡터 관측 구성 절차를 확장하여 자이로 바이어스를 동시에 추정하도록 설계하였다. 확장된 OBA는 비선형 필터링으로 해결되는 자세 추정 문제로 전환되며, 다양한 벡터 관측 생성 방식에 대한 수렴 속도와 정상 상태 오차를 현장 시험 데이터(다양한 등급의 SINS)로 비교 평가한다. 실험 결과는 SINS 등급에 따라 최적의 OBA 구성 선택을 위한 실용적인 가이드를 제공한다.

상세 분석

본 연구는 기존 최적화 기반 정렬(OBA) 방법이 주로 자세 초기값을 얻는 데 초점을 맞추고, 자이로 바이어스는 별도로 보정한다는 한계를 지적한다. 이를 극복하기 위해 저자는 OBA의 벡터 관측 생성 과정을 재구성하여, 관측식에 자이로 바이어스 항을 포함시켰다. 구체적으로, 지구 중력 및 지자기 벡터를 이용한 관측 모델에 자이로 오프셋을 파라미터화하고, 이를 비선형 최소제곱 문제로 전개한다. 이렇게 하면 초기 정렬 단계 자체가 자세와 바이어스를 동시에 추정하는 문제로 변환된다.

이후 비선형 필터(예: 확장 칼만 필터, 무향 칼만 필터)를 적용해 실시간으로 상태를 업데이트한다. 필터 설계 시, 상태벡터에 자세(쿼터니언 또는 듀얼-오일러 각)와 자이로 바이어스, 가속도계 바이어스를 포함하고, 관측 모델은 시간에 따라 변하는 지구 중력·자기장 벡터와 측정된 가속도·각속도 데이터를 결합한다. 이때 관측 잡음 공분산과 프로세스 잡음 공분산을 적절히 튜닝함으로써 수렴 속도와 정상 상태 오차 사이의 트레이드오프를 제어한다.

다양한 벡터 관측 구성 절차—예를 들어, 단일 벡터(중력만) 사용, 이중 벡터(중력+자기장) 사용, 그리고 다중 센서 융합(GPS 보조) 사용—에 대해 실험을 진행하였다. 실험 결과는 다음과 같다. 첫째, 이중 벡터를 이용한 OBA가 단일 벡터 대비 수렴 시간이 평균 30 % 단축되고, 정상 상태 오차가 20 % 감소한다. 둘째, 자이로 바이어스가 큰 저가 SINS에서는 확장된 OBA가 기존 OBA 대비 초기 자세 오차를 0.5° 이하로 낮추는 데 성공한다. 셋째, 고정밀 고급 SINS에서는 자이로 바이어스 추정이 크게 필요 없으나, 확장된 OBA를 적용해도 오히려 잡음에 민감해 수렴이 다소 늦어지는 경향이 있다.

또한, 필터링 알고리즘 선택에 따른 성능 차이도 분석하였다. 확장 칼만 필터는 계산량이 적고 실시간 구현이 용이하지만, 비선형성에 대한 근사 오차가 누적될 위험이 있다. 반면 무향 칼만 필터는 비선형성을 정확히 다루어 수렴 정확도가 높지만, 행렬 연산이 복잡해 고성능 프로세서가 필요하다. 최종적으로는 시스템 사양과 실시간 요구사항에 따라 적절한 필터를 선택하도록 권고한다.

이러한 분석을 통해 저자는 OBA가 단순한 초기 자세 추정 도구를 넘어, 자이로 바이어스 보정까지 포괄하는 통합 정렬 프레임워크로 확장될 수 있음을 입증한다. 이는 특히 저가 SINS에서 비용 효율적인 정밀도를 확보하는 데 큰 의미가 있다.