RMS – kvadratisk gjennomsnitt
Root Mean Square (RMS) er et statistisk mål som kvantifiserer størrelsen på et varierende signal. Det brukes mye innen inertialnavigasjon for å beskrive sensorstøy, bias-ustabilitet og den generelle kvaliteten på inertialmålinger. RMS uttrykker et signals effektive effekt ved å ta kvadratroten av gjennomsnittet av kvadratverdiene. Denne prosessen sikrer at positive og negative avvik bidrar like mye til resultatet.
Ingeniører bruker RMS til å karakterisere utgangssignaler fra akselerometre og gyroskoper, spesielt når de vurderer feilutbredelse i en inertialmåleenhet (IMU). Dette spiller derfor en avgjørende rolle i vurderingen av hvor godt et inertialnavigasjonssystem (INS) kan opprettholde nøyaktigheten under navigering etter beregning.
Innvirkning på treghetsnavigasjon
Innen inertialnavigasjon brukes RMS ofte til å kvantifisere både målebrus og restfeil i integrerte posisjons-, hastighets- og orienteringsdata. For eksempel bidrar RMS-akselerasjonsbrus til å bestemme hvordan tilfeldige svingninger påvirker hastighetsestimater etter integrasjon.
RMS-vinkelhastighetsbrus, ofte uttrykt som «angular random walk», påvirker orienteringsdriften direkte. Produsenter spesifiserer mange ytelsesmål – som for eksempel hastighets-random walk, repeterbarhet av skjevhet og utgangsstøytetthet – ved hjelp av disse verdiene. Disse RMS-baserte spesifikasjonene gjør det mulig for systemintegratorer å sammenligne ulike IMU-er, estimere navigasjonsdrift over tid og utforme passende filtreringsstrategier.
Kalman-filteret, som er mye brukt i integrasjon av «INS » / «GNSS », bruker RMS-støynivåer i prosess- og målekovariansmatrisene for å håndtere usikkerhet og redusere estimeringsfeil.
RMS fungerer også som et avgjørende mål når man validerer navigasjonsytelsen gjennom etterbehandling. Analytikere beregner RMS-forskjeller mellom estimerte baner og referanseløsninger for å vurdere kvaliteten på en « INS » under tester som involverer « GNSS »-nektelse eller manøvrer med høy dynamikk.
En lav RMS-feil indikerer stabil sensoratferd og effektiv filtrering. Omvendt påpeker en høy RMS-feil problemer som termisk drift, mekanisk vibrasjon eller utilstrekkelig kalibrering.
Fordi RMS oppsummerer den samlede størrelsen på variasjonene, gjør den det mulig for ingeniører å vurdere systemets robusthet under miljøbelastninger. På denne måten fungerer den som et grunnleggende verktøy for å karakterisere treghetssensorers atferd, evaluere navigasjonsalgoritmer og sikre at en INS fungerer pålitelig på tvers av ulike oppdragsprofiler.