基于融合状态递推的非线性联邦滤波器故障检测算法

传统的联邦滤波器故障检测算法一般是针对线性系统模型提出的,现在非线性条件下对算法进行推广,推导了针对非线性模型的状态χ~2故障检测算法,并对其进行改进,提出一种基于融合状态递推的新型联邦滤波故障检测算法。该算法利用联邦滤波器的全局最优融合状态通过状态递推器获得融合状态递推,再由各子系统通过非线性滤波得到的状态估计与融合状态递推之间的残差构造检验量,进行故障检测。由于全局最优融合状态的精度要高于局部滤波值,故相比于传统联邦故障检测法,该算法的检测灵敏度更高;最后设计了一组仿真实验,验证了该检测算法的有效性。     

INS/GPS/TERCOM组合制导系统中的

提出由坐标变换、误匹配检测和卡尔曼滤波三个单元构成的一种新型INS/TERCOM系统优化结构,并对INS/GPS/TERCOM组合系统自适应联邦滤波信息融合和分散式信息融合两种算法分别进行了研究,将这两种算法与传统的集中滤波算法进行了比较.结果表明,系统无故障情况下三种方法精度相同;而在有故障情况下自适应联邦融合法优于另两种方法.     

INS／GPS／TERCOM组合制导系统中的信息融合方法研究

提出由坐标变换、误匹配检测和卡尔曼滤波三个单元构成的一种新型INS／GPS／TERCOM系统优化结构，并对INS／GPS／TERCOM组合系统自适应联邦滤波信息融合和分散式信息融合两种算法分别进行了研究，将这两种算法与传统的集中滤波算法进行了比较。结果表明，系统无故障情况下三种方法精度相同；而在有故障情况下自适应联邦融合法优于另两种方法。     

多传感器信息融合技术在SINS／GPS／TAN组合导航系统中的应用

阐述了多传感器信息融合理论应用于组合导航系统的一般原理和方法。建立了SINS／GPS／TAN组合导航系统的联邦滤波模型，其中SINS／GPS子滤波器的状态变量为24维，SINS／TAN子滤波器的状态变量为23维，公共状态为18维。对组合导航系统的联邦滤波进行了仿真研究，仿真结果表明，基于信息融合的联邦滤波算法不仅解决了“维数灾难”问题，而且滤波精度相当高。可以满足导航制导系统的需要。     

基于联邦UKF算法的月球探测器自主组合导航

研究了月球探测器在地一月转移轨道阶段的自主导航方法，提出了利用地月位置信息和星光角距测量信息实现探测器自主组合导航的方案。针对导航系统的状态方程非线性的特点，将Unscented卡尔曼滤波算法和信息融合技术相结合，设计了新的联邦滤波器并应用于自主导航系统中。对这种导航方案进行了数值仿真，和传统的联邦滤波算法进行了比较。仿真结果表明，所提出的组合导航方法和联邦滤波算法的导航位置估计精度约为1km，速度估计精度约为0．01m／s，并且具有良好的鲁棒性和容错性能。     

一种多模型自适应联邦滤波器及其在INS/CNS/GPS组合导航系统中的应用

本文介绍一种基于多模自适应估计的联邦滤波器的原理和特点。设计了INS/CNS/GPS组合导航系统的联邦滤波算法 ,并首次将多模自适应估计方法运用到联邦卡尔曼滤波器中。此外 ,联邦滤波器算法中采用自适应调整信息分配系数的方法。仿真结果表明 ,与采用单一模型的联邦滤波算法相比 ,多模自适应方法与联邦滤波方法结合使用能大大提高导航系统的精度和可靠性。     

空间转移飞行器自主导航系统的信息融合方法

针对空间转移飞行器的工作环境和特点,分析了捷联惯性导航系统(SINS)、GPS和星敏感器(SS)的优缺点,提出了基于SINS/GPS/SS的空间转移飞行器自主导航系统的信息融合方法,该方法可取长补短,将GPS定位和星敏感器定姿精度高的优势辅助于捷联惯导系统,建立了组合导航滤波模型,利用联邦滤波组合导航中各子滤波器没有私有状态变量的特点,改进了联邦Kalman滤波器,可动态地选取并优化信息分配因子,便于实时处理。仿真结果表明,改进的联邦滤波算法能充分运用各导航系统的信息进行信息互补和信息融合,比传统的联邦滤波算法有更高的估计精度,可满足空间转移飞行器长时间的自主导航要求,是一种较理想的自主导航方案,具有重要的工程应用价值。     

模糊超球神经网络辅助组合导航融合算法

研究了应用线性网络对组合导航多传感器信息进行融合的方法,在此基础上提出了一种神经网络组合导航容错算法。该算法将局部滤波器状态估计的模糊超球隶属函数引入网络,在线调整融合网络权值,实现全局估计的自适应性和容错性。仿真表明,该融合算法有较高的估计精度,在传感器故障时,能够及时检测出并在融合网络中予以隔离,不致影响全局估计。     

基于简化联邦CKF的INS/GNSS组合导航算法

针对高精度INS/GNSS组合导航子系统模型为部分非线性的问题,提出了一种新的简化联邦CKF滤波算法。该算法将容积卡尔曼滤波(Cubature Kalman Filter,CKF)的计算过程融入到联邦滤波结构框架中,并针对子系统模型存在部分非线性问题,对算法的时间更新过程进行了简化,简化后直接用状态转移矩阵计算一步预测和预测协方差矩阵,避免了采用求容积点近似计算的复杂过程及协方差矩阵分解。最后,建立了INS/GNSS紧组合导航模型,对提出的算法进行了仿真验证,将仿真结果与联邦UKF算法、联邦CKF算法进行对比。仿真结果表明,相比于联邦UKF和CKF算法,所提算法在保证滤波精度的情况下,有效减小了计算量,改善了组合导航系统的性能。     

一种基于遗传RBF神经网络的智能容错滤波算法

针对组合导航中标准卡尔曼滤波容错性能不足的问题,提出一种基于遗传RBF神经网络的智能容错滤波算法,其基本思想是通过RBF网络自动调节滤波增益来控制不确定性噪声的影响,进而提高滤波容错性。在RBF神经网络中,隐层单元与核函数宽度的选取对网络的性能具有重要影响,进而利用自适应遗传算法对其隐层单元数及核函数宽度进行了优化,隐层单元中心和输出层连接权值分别由K-均值聚类和最小二乘算法确定,最后得到精度较高且结构优化的RBF网络。为检验方法的应用效果,以SINS/GPS组合导航系统为例进行了仿真验证,实验结果表明遗传RBF网络容错滤波算法能在满足导航精度和计算量增加较小的前提下,比标准卡尔曼滤波具有更强的容错能力,由此也说明了方法的有效性。     

基于故障因子函数的鲁棒联邦滤波算法研究

针对联邦滤波器子系统传感器故障，提出了一种基于状态递推器的滑动残差检验法，并在故障检测函数的基础上，定义了故障因子函数，用于联邦滤波器的信息分配。根据新的算法，联邦滤波器的信息分配系数可根据故障因子函数进行自动调整，以减少故障通过全局重置对其他无故障子系统的污染程度，从而减少了故障信息的影响程度和持续时间，提高了故障隔离后联邦滤波器的快速恢复能力。仿真结果表明该算法是有效的。     

联邦滤波器在卫星姿态估计中的应用

本文介绍了由惯性器件、GPS姿态传感器、太阳敏感器、地球敏感器组成的卫星姿态测量系统 ,利用联邦滤波器对载体姿态进行分散化估计 ,计算机仿真表明该方案不仅有与集中滤波器相当的精度 ,且容错性好。在本文给出的系统中 ,选取不同的信息分配因子进行联邦滤波器的设计 ,可以获得不同的子滤波器性能 ,以利于故障诊断。     

车载GPS/DR组合导航系统的信息融合新方案

总结了适用于车载 GPS/ DR组合导航系统的几种信息融合方法 ,提出一种可容错的新型联合卡尔曼滤波结构方案。针对系统重构和自适应调整的依据 ,提出一种新的分系统状态评估方法 ,定义了滤波器估计结果可信度的概念并给出对其进行模糊综合评判的方法。在此基础上进一步确定联合滤波模型的自适应信息分配准则 ,实时跑车数据处理结果表明 ,该方案大大提高了系统的导航精度和可靠性     

卫星多敏感器组合姿态确定系统中的信息融合方法研究

针对卫星陀螺，红外地平仪，太阳敏感器，GPS接收机组合姿态确定系统的特点，提出一种基于联邦卡尔曼滤波算法的信息融合方法，其中信息分配系数通过计算协方差矩阵的迹在线自适应确定。推导了由四元素描述的卫星姿态误差状态方程和各子系统的测量方程。仿真分析结果表明采用该信息融合算法可以提高定姿精度，有效抑制滤波发散，并使整个系统的运算速度和收敛速度都有所提高。     

一种可重复使用助推飞行器导航方案研究

介绍了重复使用助推飞行器（RBV）技术发展概况和三种典型回收方案,并对火箭动力自主返场RBV的导航系统方案进行了研究。根据高精度自主导航需求,确定了惯性＋卫星＋无线电的导航系统方案。基于动态贝叶斯理论和联邦滤波基本原理,提出了一种新的多传感器信息动态融合方案和算法。针对某飞行轨迹,对导航方案和算法的仿真验证结果表明：在整个返场飞行过程中,方案能实现RBV的高精度自主导航。     

平流层飞艇的组合导航研究

针对平流层飞艇的飞行特点,提出SINS/GPS/陆标组合导航方法,给出SINS/陆标组合导航的观测模型,并将状态与偏差分离的估计算法与联邦滤波相结合,应用于SINS/GPS/陆标组合导航系统.数学仿真结果表明:新组合导航系统相对于SINS/GPS组合导航系统可以有效改善平台误差角的估计精度,同时,提出的简化状态与偏差分离联邦滤波算法能在保持滤波精度基本不变的前提下减少计算量.     

An information fusion algorithm for integrated autonomous orbit determination of navigation satellites

This paper focuses on the information fusion problem of integrated autonomous orbit determination using the observations from inter-satellite-link (ISL), X-ray pulsars and star sensors. A step Kalman filter structure is proposed to solve the information fusion problem of multiple subsystems that have greatly different filtering precision. The subsystems are grouped according to their measurement accuracy and the state parameters and covariance matrix of a group can be calculated using the federated filter structure and propagated to the next group step-by-step. Simulation results show that the mean user range error (URE) of the constellation will be less than 1.5 m in 60 days using the step Kalman filter structure for information fusion. And it has better performance than the federated structure in dealing with information fusion of the astronomical observations and the ISL ranging measurements in integrated autonomous orbit determination.