基于预滤波器和两级AIME的GNSS/INS超紧组合慢变故障检测

针对包含预滤波器的GNSS/INS非相干超紧组合架构，提出了一种基于预滤波器的两级AIME慢变故障检测方法。该方法首先基于预滤波器构建第1级AIME检测，并设计了关于第1级AIME检测统计量的检测量Kalman滤波器。在发生慢变故障时，第1级AIME故障检测统计量存在递增趋势。对于检测量Kalman滤波器而言，这种递增趋势也可视作一种慢变故障。以检测量Kalman滤波器为基础，构建了第2级AIME检测算法，以达到减小故障检测时间的目的。在单星和两星伪距慢变故障场景下，进行了仿真与对比分析。仿真结果表明，所提方法能够正确识别故障卫星并且可以显著减小慢变故障的检测时间。对于小变化率的慢变故障，所提方法在检测时间上的优势更加明显。     

改进的状态χ2故障检验方法及其应用

针对单状态递推器存在误差时间累积的缺点,在SINS/GPS组合导航系统传感器故障检测过程中,基于状态χ2检验方法提出了以速度误差作为更新依据的状态递推器更新判断准则,并与双状态χ2检验方法进行了比较验证。仿真结果表明,该方法大大减少了状态递推器受故障污染的几率,同时有效提高了故障检测的灵敏度。     

改进的量测一致性的联邦滤波器两级故障检测

当联邦滤波器故障为缓变故障或者故障幅值比较小时,传统的基于量测一致性的联邦滤波器故障检测算法由于相应的估计误差和方差同时增大,这使得算法需一定的时间后才能使这种增量大到使故障函数计算结果超出门限,因而会出现警告延迟甚至漏检现象.针对量测一致性算法的缺点,提出了改进的基于量测一致性的联邦滤波器两级故障检测算法.相比传统的基于量测一致性的故障检测算法,该方法增加了故障检测的冗余性,不仅可以区分硬故障和软故障,而且提高了故障检测的可靠性和灵敏度,使得联邦滤波器的故障检测方法更加成熟完善,这对提高整个系统的可靠性具有重要意义.仿真和实验结果表明,该方法准确度高,计算量小,便于工程实现.     

改进故障隔离的容错联邦滤波

为了解决重置模式下联邦滤波器中子系统故障对导航系统污染的问题,提出利用故障检测函数构建时变量测噪声的容错联邦滤波结构。通过将故障子滤波器等价为量测噪声趋于无穷大的正常系统,来取代传统的故障隔离方法;推导出了子滤波器对应的最优估计值,用以消除子滤波器估计次优性对故障检测的影响;采用动态信息分配系数,以减少故障信息对全局估计的影响。采用惯性/天文/景象/地形(INS/CNS/SMNS/TERCOM)的组合导航系统进行了仿真验证,结果表明该容错联邦滤波方法在子系统发生故障时的估计性能优于故障隔离方法。因此,所提方法具有提高故障子滤波器精度、保证无故障子滤波器鲁棒性以及全局估计精度的优势,具有较高的实用价值。     

INS/GPS/TAN系统中的联邦卡尔曼滤波信息融合方法

在分析联邦卡尔曼滤波原理和结构的基础上,提出了一个适合惯性导航系统／全球定位系统／地形辅助导航（ＩＮＳ／ＧＰＳ／ＴＡＮ）子系统状态向量维数不同这一特点的联邦卡尔曼滤波方法,并构造了一种具有较强容错性能和适应性的联邦卡尔曼子系统滤波器结构。由于采用了局部状态扩展、局部状态压缩、智能的不等间隔滤波、多级故障检测、阈值控制等信息融合技术,在保证精度的前提下,联邦卡尔曼滤波器的可靠性、适应性得到了明显提高。     

一种联邦卡尔曼滤波渐变型故障容错方法

具有良好的容错性是组合导航系统的基本要求。组合导航系统易于完成突变型故障的检测与容错,对渐变型故障的检测与容错则较为困难。文中以联邦卡尔曼滤波为组合导航系统状态估计方法,针对渐变型故障,提出了观测品质的概念及其模糊评估方法,应用观测品质进行了导航系统的渐变型故障检测,利用观测品质构成局部滤波器估计均方误差阵的修正矩阵,设计了组合导航系统智能自适应渐变型故障容错方法并完成了仿真运算。     

基于遍历性的组合导航系统故障检测方法研究

理想情况下,基于卡尔曼滤波的组合导航系统在无故障时的滤波残差为白噪声,故障时通常用2χ法来检测,但用这种方法检测往往具有较大的虚警。因此,针对无故障时卡尔曼滤波器的滤波残差是白噪声这一特点,提出了一种新的故障检测方法来判断系统是否发生了故障,在应用时大大降低了虚警,取得了较好的效果。     

惯性卫星紧组合导航系统自主完好性算法研究

为保证组合导航系统运行的可靠性和输出导航参数的准确性,结合组合导航系统的自主完好性检测的基本算法,基于气压高度辅助下的卫星导航接收机最小二乘检测法和组合导航卡尔曼卡方检验法,提出了一种能够识别突变故障和缓变故障的组合导航系统自主完好性检测的算法,充分利用导航系统中高精度惯导系统的导航信息,实现了组合导航系统的自主完好性检测算法,提高了组合导航系统在复杂环境下的导航信息可靠性。     

基于联邦滤波的惯导/北斗/里程计紧 组合导航算法研究

针对地面载体长时间复杂应用环境对导航系统精确性和可靠性的要求,提 出一种基于联邦滤波器的惯导/北斗/里程计紧组合导航算法。在分析惯导、北斗、里程 计导航系统特点的基础上,建立了组合导航系统的误差状态模型和量测模型,采用联邦 滤波器实现了三者的紧组合容错系统设计,分别对子系统无故障、北斗及里程计出现故 障情况下进行仿真验证。结果表明,将联邦滤波理论应用于惯导/北斗/里程计紧组合导 航系统可以提高导航性能和系统的容错能力。     

基于GPS/DR/DM组合导航定位系统的研究

设计了一种基于GPS辅助以DR和DM的组合导航定位的联邦滤波器,采用GPS、DR和DM组合导航定位的设计方案的基础上,提出一种先分散式再局部集中联邦滤波器并采用一种简化的自适应联邦滤波器算法对各定位数据进行融合优化,并进行了仿真.仿真结果表明本文设计的联邦卡尔曼滤波器自适应算法对多传感器系统进行数据处理,能够提供一种最佳估计途径,在容错、数据容量及降低系统费用等方面,都比集中卡尔曼滤波器更为优越,使误差进一步减小.该设计与一般的分散卡尔曼滤波器比较,在信息综合方面更加快捷.     

区域导航无人机空中基准站的多源信息融合容错导航系统研究

作为卫星导航系统的补充和备份,区域导航服务系统近年来得到较大发展。在基于无人机的区域导航服务系统中,无人机自身的定位精度对区域导航服务系统的可靠运行有直接的影响。针对无人机导航传感器及系统的容错和可靠性问题,设计了具有针对性和自优化功能的多源信息融合容错导航方案,提出了一种优化的基于矢量分配形式的自适应联邦滤波算法。通过对每个状态量设计不同的信息分配系数,实现传感器量测噪声的动态优化调整,有效减小了传感器故障对融合导航系统的影响,提高了无人机导航系统的鲁棒性。验证分析表明,该方法可以减小子滤波器故障信息对融合导航系统联邦滤波全局估计的影响,避免了故障子滤波器在信息重置过程中对系统造成的污染,提高和保障了无人机空中基准站多源信息融合导航系统的稳定性和可靠性。     

基于矢量化检测联邦滤波的INS/BDS/地磁组合导航容错方法

组合导航能够将多种类型的导航信息进行结合,实现优势互补,因此成为了目前导航应用领域的主要发展方向。然而,导航信息的增多势必会引入更多的风险源,从而降低导航系统的可靠性。基于联邦滤波的容错方法是目前抑制故障信息影响的主要解决手段,但是现有的故障容错方法普遍采用统一的检测机制,没有根据各个导航子系统的误差传播特性针对性地构建故障检测模型,因此会引起较高的误警率与漏检率。针对上述问题,提出了基于矢量化检测联邦滤波的INS/BDS/地磁组合导航容错方法。通过构建面向INS/BDS/地磁不同导航信息的故障检测函数,能够实现更加准确的矢量化信息分配,从而可以有效避免可用导航信息的损失以及故障导航信息对整体系统的影响。仿真结果表明,提出的方法可以有效隔离不同类型的故障信息,并减小其对无故障导航信息及整体系统的影响,从而提高了组合导航的精度和可靠性。     

基于双状态卡方故障检测的组合导航系统

故障检验与隔离是利用联邦滤波实现组合导航系统安全可靠运行的关键技术。针对常规残差卡方检验法对于慢变故障检验效果差,以及状态卡方检验受到初值误差、系统噪声和建模误差影响导致子系统被频繁隔离的问题,提出一种改进的SINS/GPS/ADS/DVL组合导航系统故障检验算法。该算法采用2个状态推进器交替地对滤波数据进行重置,避免状态递推器被未检测出来的故障污染。实验结果表明,改进的算法能够有效提高故障检验的灵敏度,增强组合导航系统的可靠性。     

容错多传感器组合导航系统发展综述

对容错组合导航系统的基本理论、联邦滤波器的设计方法、特点进行了分析；指出联邦滤波器在时间和空间上为组合导航系统的容错设计提供了条件；同时对组合导航系统故障诊断、故障隔离和系统重构方法进行了研究。     

基于联邦滤波的SINS/GNSS/OD/高度计多源组合导航算法研究

针对城市情况下车载导航时单一导航源易受干扰的问题,提出了一种基于自适应联邦Kalman滤波的多源组合导航算法.该模型具有两级结构,由子滤波器进行各信息源局部估计后,通过主滤波器进行最优融合估计.融合具有不同工作特点的导航传感器的输出信息组成多源信息组合导航系统,从而提高了导航系统的精度和鲁棒性,且通过故障诊断算法实时检...     

Model-based robust estimation and fault detection for MEMS-INS/GPS integrated navigation systems

In micro-electro-mechanical system based inertial navigation system（MEMS-INS）/global position system（GPS） integrated navigation systems, there exist unknown disturbances and abnormal measurements. In order to obtain high estimation accuracy and enhance detection sensitivity to faults in measurements, this paper deals with the problem of model-based robust estimation（RE） and fault detection（FD）. A filter gain matrix and a post-filter are designed to obtain a RE and FD algorithm with current measurements, which is different from most of the existing priori filters using measurements in one-step delay. With the designed filter gain matrix, the H-infinity norm of the transfer function from noise inputs to estimation error outputs is limited within a certain range; with the designed post-filter, the residual signal is robust to disturbances but sensitive to faults. Therefore, the algorithm can guarantee small estimation errors in the presence of disturbances and have high sensitivity to faults. The proposed method is evaluated in an integrated navigation system, and the simulation results show that it is more effective in position estimation and fault signal detection than priori RE and FD algorithms.     

组合导航系统中一种基于特征值分解的自适应信息融合滤波算法

基于分散滤波理论的联合滤波算法,可以有效地降低组合导航系统的计算负担,并且增强系统的容错性能。给出了一种联合滤波算法中信息分配系数的自适应计算方法,能够使联合系统根据导航过程中各传感器的信息质量的变化合理地反馈全局信息。仿真结果表明,该算法可以有效地降低由于导航子系统降级带来的滤波误差。     

基于残差x^2故障检测的IRS／GPS紧组合算法研究

对于民用航空来说,除了精度指标外,可靠性指标也十分重。组合导航技术可以极大的提高导航系统的精度,对组合导航系统进行实时的故障检测可以有效提高导航系统的可靠性。本文对基于残差x^2故障检测的IRS／GPS紧组合算法进行研究,并进行相应的仿真分析。仿真结果表明设计的组合导航和故障检测方案可以有效隔离GPS故障量测,在GPS存在故障时仍能保持较高的定位精度,提高组合导航系统的可靠性,具有重的工程应用价值。