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。     

SINS/BD紧组合导航系统故障检测算法研究与实现

由于惯性导航系统和卫星导航系统具有良好的互补性与北斗导航系统的迅速发展,惯性/卫星紧组合导航系统得到广泛应用。但卫星导航系统的时变、易受干扰等特性,极易污染整个组合导航系统。因此,研究了一种新型的惯性/北斗紧组合导航系统的故障检测算法,在传统的卡方故障检测算法基础上,利用新息动态变化特性来识别故障星,并对故障星进行隔离,从而保证整个导航系统的稳定性与精度。最后基于嵌入式PC104平台,利用Qt Creator软件开发了多线程惯性/北斗紧组合导航系统,对所研究的算法进行了可靠验证。实验结果表明,所研究的故障检测算法能够有效地检测出卫星信号故障,能及时剔除故障星,大大降低了漏检、错检的概率,提高了整个导航系统的可靠性与精度。     

自适应滤波算法在SINS/GPS组合导航系统中的应用研究

以SINS/GPS组合导航系统为应用背景,对具有代表性的Sage自适应滤波和渐消卡尔曼滤波进行了研究,分析了这些方法在SINS/GPS组合导航应用中存在的问题,提出了适合工程应用的改进方法。改进的Sage自适应滤波主要对系统状态噪声协方差阵利用状态误差进行估计,更符合SINS/GPS组合导航系统的实际情况,提高了滤波稳定性。改进的渐消卡尔曼滤波采用矩阵因子的形式直接对状态预测协方差阵各分量进行不同程度的调节,使调节更趋合理。此外,改进算法增加了对观测粗差的处理,降低了观测粗差对滤波结果的影响。最后,用实际跑车试验验证了改进方法的有效性。     

改进的状态X^2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X^2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X^2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。     

基于SAR图像匹配结果可信度评价的INS/SAR自适应Kalman滤波算法

在惯性导航系统（INS）/合成孔径雷达（SAR）组合导航系统中,SAR图像易受斑点噪声的影响,图像匹配的精度对整个导航系统精度的影响十分明显,能够准确地分析SAR图像匹配过程中的误差特性,利用有效的图像匹配信息辅助INS进行组合定位尤为重要。针对上述问题,在加权Hausdorff距离匹配算法的基础上,对影响SAR图像匹配精度的因素进行了分析,提出了一种基于模糊推理的匹配结果可信度评价准则,经过可信度筛选,将有效的匹配信息与INS进行组合;对合理范围内的匹配误差变化引起量测噪声统计特性发生变化,进而导致Kalman滤波精度下降的问题,研究采用改进的Sage-Husa自适应滤波算法对量测噪声方差阵进行动态调整,使其更加接近系统的当前状态。搭建仿真验证平台对所提算法进行了验证,结果表明,该算法能够在合理的匹配误差范围内,有效地筛选出可信的图像匹配结果,相比常规Kalman滤波算法,显著地提升了INS/SAR组合导航系统水平方向的定位精度。     

优化抗差自适应滤波器在深组合导航中的应用

为了提高惯性/卫星深组合导航系统的滤波性能,在抗差自适应滤波算法的 基础上,研究了一种优化抗差自适应滤波算法。该算法通过比较实际预测残差协方差矩 阵和理论协方差阵的差值来生成自适应因子,从而优化抗差自适应滤波。将所研究的算 法应用于惯性/卫星深组合导航系统, 在高动态环境下进行仿真验证, 并与常规卡尔曼 滤波、抗差自适应滤波进行比较。结果表明,优化算法能有效地控制观测异常和动态模 型异常对状态参数估值的影响,所得组合导航位置误差和速度误差明显减小,提高了组 合导航系统的滤波精度。     

基于改进联邦Kalman滤波的组合校准方法研究

联邦滤波器广泛应用于多传感器信息融合领域,联邦滤波中的信息分配原则影响滤波精度.针对联邦Kalman滤波器进行改进,采用基于估计协方差阵奇异值动态确定信息分配系数.对子滤波器进行重置时,采用新的重置方法,保证了子滤波器误差协方差阵的对称性,确保Kalman滤波器的一致收敛稳定性.新的联邦滤波算法允许每个状态分量拥有不同的动态信息分配因子,从而改进了联邦滤波信息融合的精度.设计了SINS/GPS/电子罗盘组合导航系统,仿真结果说明,与传统联邦滤波算法相比,改进的联邦滤波器估计精度得到了提高,可以更好地对SINS误差进行校准,提高系统的精度.     

采用H_∞滤波器的GPS/INS全组合导航系统研究

 根据 H∞ 鲁棒滤波理论,提出了基于 H∞ 滤波技术的 GPS/INS全组合导航系统。该系统仅含有位置误差、速度误差和平台误差角 9维状态,并利用位置、速度和载波相位观测信息对全部状态进行观测,组成全组合导航系统,由 H∞ 滤波来提高系统的鲁棒性。对提出的全组合系统进行了动态仿真,仿真结果表明,该系统结构简单,状态估计精度高,系统鲁棒性好,便于工程实现。     

INS/GPS组合导航系统故障检测问题研究

提出了一种新的故障检测方案。该方案由卡尔曼滤波 ,得到新息序列 ,利用大数定律对新息序列的稳定性进行检验 ,来判别系统是否出现了故障。同时提出了故障状态下卡尔曼滤波的修正算法。数值仿真结果表明 ,该方法能有效地检测出 INS/GPS组合导航系统的故障 ,保证了 INS/GPS组合导航系统的安全性和可靠性     

抗差自适应分步滤波算法在PPP/INS组合导航中的应用

针对常规抗差自适应滤波算法在PPP/INS组合导航应用中存在难以准确识别和分离观测粗差及运动异常对定位结果影响的问题，基于分类因子自适应滤波原理,提出了一种抗差自适应分步滤波算法。该算法首先执行第一步滤波,对状态模型异常信息进行隔离，仅对观测粗差进行诊断和抗差处理；然后在第一步滤波的基础上，执行第二步滤波，对状态模型异常进行诊断和自适应处理。算法分析表明，抗差自适应分步滤波算法可以准确地识别和分离观测粗差和运动异常扰动。实验结果表明，抗差自适应分步滤波算法能够进一步增强滤波算法抵抗观测粗差和运动异常扰动对滤波结果的影响，提高PPP/INS组合导航系统定位结果的稳定性和可靠性。     

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...     

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。     

JIDS/SINS/GPS组合导航系统两级故障检测结构设计

针对传统组合导航系统故障检测方法不能同时准确检测突变故障及缓变故障的不足,提出了一种两级故障检测结构。这种结构采用联邦滤波器结合了残差χ2检测法易于检测突变故障和状态χ2检测法易于检测缓变故障的优势,在JIDS/SINS/GPS组合导航系统中得到了成功应用。仿真表明,这种方法对突变故障和缓变故障都达到了较好的检测效果。此外,此方法没有改变联邦滤波器原有结构,检测准确度高,计算量小,是一种便于工程实现的检测方法。     

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。     

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。     

基于联邦滤波的多源融合导航算法

在复杂多变环境下,单一导航源的定位性能和鲁棒性会受到一定的影响。针对汽车、小型飞行器在城市、峡谷、卫星信号缺失或被遮挡以及导航信息源繁多等情况,研究了基于联邦滤波的多源融合导航算法。该算法综合利用了各种不同的信息源,经过多传感器的高度集成、多信息源的数据融合,生成时空基准统一且具有抗干扰、连续、可靠的PNT服务信息。设计的联邦滤波器采用两级结构,在子滤波器中进行局部估计后,在主滤波器中进行最优合成。此外,每个子滤波器加入了故障诊断算法,且结合自适应滤波理论进行信息因子的自适应分配,有效提高了故障检测能力。最后,通过实验验证了不同信息源组合的有效性,表明所设计的基于联邦滤波的多源融合算法可以提供稳定、可靠以及高精度的多源融合定位服务,具有一定的研究意义和实际价值。     

一种具有容错性的分散化滤波算法

先介绍了联邦滤波器和方差交叉滤波器,然后结合上述两种方法,提出了一种具有容错性的分散化滤波方法,证明了这种方法是次优的,并给出了确定信息融合因子的算法,最后通过一个组合导航系统的仿真例子验证了这种方法是可行的和有效的。     

再论联邦滤波在组合导航中的应用可行性

在联邦滤波算法中，针对子滤波器存在私有状态从而导致全局状态信息融合估计为次优估计的问题，通过一个简单的3维状态、2维量测系统的数值仿真以及速度+姿态传递对准组合导航仿真，验证了联邦滤波的次优估计结果误差太大，难以满足实际系统的高精度滤波需求。联邦滤波估计的次优程度没有经过严格证明，且难以证明，因而存在应用风险。对于以精度为主要性能指标的组合导航系统，不建议采用联邦滤波算法，否则其精度损失不足以弥补其带来的计算量降低和容错性提高的优势。