[发明专利]一种飞行器的容错组合导航方法及系统

说明书

本发明涉及一种飞行器的容错组合导航方法及系统，方法为：将主定位传感器和每个辅助定位传感器定位信息经过对应的局部滤波器进行滤波估计，再经故障检测和隔离后进行全局信息融合；局部滤波器采用自适应无迹卡尔曼滤波算法：若新息向量矩阵的迹大于量测向量的预测误差方差矩阵的迹，采用自适应因子修正无迹卡尔曼滤波算法中的增益矩阵，自适应因子为量测向量的预测误差方差矩阵的迹与新息向量的迹的比值。系统包括至少一个输入连接主定位传感器和辅助定位传感器的局部滤波器，局部滤波器采用上述自适应无迹卡尔曼滤波算法。本发明可及时在线实时调整最新量测值对预测值的修正作用，降低软故障值对状态估计的影响，且使量测估计不跟踪故障输出。

技术领域

本发明属于飞行器自主导航技术领域，具体涉及一种飞行器的容错组合导航方法及系统。

背景技术

随着诸多行业对位置服务精度要求的提高，组合导航系统由于具备定位精度高、可靠性高等优点成为导航系统发展的主要途径。组合导航常选取设计方便、计算复杂度低的联邦滤波器作为基本信息融合结构，但联邦滤波器总体导航精度与各子系统密切相关，若某子系统发生突变或渐变故障而未及时检测并隔离，则会造成整个导航系统受到污染，导致导航结果不可用。因此在组合导航系统中，首先必须实时的判定各子滤波器的量测信息是否有效，然后由各子滤波器的局部状态估计进行导航系统的整体最优融合。因此要求在各个子滤波器中配备实时的故障检测与隔离技术(Fault Detection and Isolation，FDI)用于确保位置服务可靠性，避免系统发生灾难性损坏。

由于基于卡方检测法的故障诊断技术根据滤波器滤波过程量构造检测值来判断量测信息是否可用，且实施过程无需太多额外计算量，因此组合导航系统中的故障检测与隔离技术广泛采用卡方检测法。卡方检测法包括残差卡方检测法和状态χ²检测法，残差卡方检测方法只对硬故障具有较好检测效果，对系统软故障检测存在延时且灵敏度不高；状态χ²检测法将子滤波器输出的状态估计同另一个无测量值更新的“状态递推器”输出状态做比较，实时检测该滤波器输出的可靠性。但状态χ²检测法因“状态递推器”中无量测更新，从而导致故障检测的灵敏度越来越低。因此有学者将两个并行的状态递推器定期交换校正来减少状态递推器与真实状态之间的误差。但此方法因状态估计精度存在差异及两个递推器重置时间选取比较困难，需采用更可靠滤波算法来处理载体高动态情况下的状态估计。虽然无迹卡尔曼滤波算法(Unscented Kalman Filtering，UKF)一般可达到三阶的估计精度，但该算法易受不良数据影响且对系统模型的准确性和量测模型噪声的先验值要求较高，当模型不准确或先验值不高时，会导致估计精度下降甚至滤波发散。现有技术中一般采用IMM-UKF方法进行状态估计，但飞行器载体机动性较强，致使系统噪声不确定性增大，需要建立较多的非线性模型用于准确的匹配系统噪声统计模型，因而导致计算复杂度偏大，实现较为困难。

文献《采用双状态传播卡方检验和模糊自适应滤波的容差组合导航算法》(作者：杨春，张磊等，期刊：控制理论与应用，2016年4月第33卷第4期)公开了一种采用双状态卡方检验和联邦滤波器结合的方法完成系统容错滤波。然后通过定义量测子系统模糊有效域，将故障阈值模糊化，可根据故障程度判断故障数据的可用性，以弥补常规固定阈值算法难以选取检测阈值的缺陷，通过计算相应信息分配因子，自适应处理故障数据。该方法仅使用KF滤波进行自滤波器状态估计，不适用于高动态下强非线性系统，因此导致双状态递推器污染，最终导致无法进行准确故障检测。