CN104075734B - 水下组合导航故障智能诊断方法 - Google Patents
水下组合导航故障智能诊断方法 Download PDFInfo
- Publication number
- CN104075734B CN104075734B CN201410309238.2A CN201410309238A CN104075734B CN 104075734 B CN104075734 B CN 104075734B CN 201410309238 A CN201410309238 A CN 201410309238A CN 104075734 B CN104075734 B CN 104075734B
- Authority
- CN
- China
- Prior art keywords
- fault
- residual
- subsystem
- value
- window
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000003745 diagnosis Methods 0.000 title claims abstract description 15
- 238000001514 detection method Methods 0.000 claims abstract description 35
- 230000008859 change Effects 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000010606 normalization Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 14
- 230000035772 mutation Effects 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000007704 transition Effects 0.000 claims description 4
- 230000007547 defect Effects 0.000 abstract description 6
- 238000001914 filtration Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种水下组合导航故障智能诊断方法,包括如下步骤:将水下组合导航***的故障分为噪声突增型***故障、信息突变型***故障和信息渐变型***故障;利用改进的残差χ2检测法判断是否发生突变型***故障;如发生突变型故障,则隔离故障子***;计算残差均值和残差绝对和值,并根据计算结果判断***是发生噪声突增型***故障还是信息突变型***故障,为故障子***故障消除后***重构做准备;计算归一化残差均值和相邻统计周期残差绝对和值,并根据计算结果判断是否发生渐变型故障。本发明避免了由于滤波器的跟踪特性,导致故障检测***将故障***误判为无故障***的缺陷;同时可以快速准确判断出水下组合导航***中出现的各种故障。
Description
技术领域
本发明涉及组合导航***故障诊断,尤其是一种水下组合导航故障智能诊断方法。
背景技术
联邦Kalman滤波因具有设计灵活、计算量小的特点而在水下组合导航***中有着广泛的使用。但水下实际环境中,辅助导航设备受到环境的影响可能产生各种形式的故障,如果不及时检测出故障并隔离故障子***,带故障的信息融入***、污染整个导航***,将会使组合导航***精度降低甚至发散。因此水下组合导航***的故障诊断、重构设计是提高组合导航***可靠性的重要途径。
早期故障检测与诊断方法大多基于硬件余度的方法,硬件配置大都多于所需硬件数量,采用“表决”的方式对故障进行诊断。解析法是以软件为主体的故障诊断方法。该方法基于数学模型,利用被诊断***输入输出变量之间固有的解析关系,通过信息处理技术保证传感器输出的可靠性,主要分为参数估计法和状态估计法。近年来随着计算技术的发展,人工智能检测以及智能滤波等方法在组合导航故障诊断中也有广泛的应用。
由于组合导航的工作特点和要求,状态χ2检测法和残差χ2检测法仍然被广泛使用。但状态χ2检测法存在着状态递推过程中没有量测更新导致故障检测灵敏度下降的缺点。针对这一缺陷提出采用2个辅助滤波器交替校正的方法,避免状态递推过程中与真实状态之间误差变大的缺点,对渐变型故障具有一定的检测能力,但此方法大大增加了计算量且在高动态环境中灵敏度下降。残差χ2检测法利用***残差信息构造检测函数,能够实时检测故障信息,具有计算量小、实时性高、适用于动态环境等特点,但对于渐变型故障失效。
发明内容
发明目的:提供一种水下组合导航故障智能诊断方法,以解决现有技术中存在的上述问题,减少误判率,降低计算量,提高检测速度。
技术方案:一种水下导航故障智能诊断方法,包括如下步骤:
S1、将水下组合导航***的故障分为噪声突增型***故障、信息突变型***故障和信息渐变型***故障;
S2、利用改进的残差χ2检测法判断是否发生突变型***故障;如发生上述故障,则隔离故障子***;
S3、从判断发生突变型故障时开始计算残差均值和残差绝对和值,并根据计算结果判断***发生噪声突增型***故障还是信息突变型***故障,并为故障子***故障消除后***重构做准备;
S4、从组合导航***稳定工作时开始计算归一化残差均值和相邻统计周期残差绝对和值,并根据计算结果判断是否发生渐变型故障。
有益效果:
1.本发明在传统残差χ2检测法基础上结合组合导航中联邦卡尔曼滤波特性,将联邦卡尔曼滤波器中主滤波器输出的公共状态替换掉组合导航中子滤波器中具有的公共状态,避免了传统χ2检测法中利用子滤波器状态时,由于滤波器的跟踪特性,使得预测值一步跟踪上故障值,导致故障检测***将故障***误判为无故障***的缺陷。
2.本发明在利用改进残差χ2检测法检测出***发生突变故障后,利用残差均值对***发生的突变型故障类型进行判断。若***发生信息突变型***故障,则一直将故障子***隔离,直到故障检测函数值小于阈值TD才将故障子***恢复;若***发生噪声突变(噪声为白噪声)型***故障,则***自动启动自适应滤波***,并将判出故障的子***辅助导航结果经自适应滤波后输入联邦卡尔曼滤波器的主滤波器,有效利用了水下宝贵的导航信息。
3.本发明利用归一化残差均值和残差绝对和值两个信息,有效快速准确判断出水下组合导航***中出现渐变型故障子***,避免了传统的残差χ2检测法对渐变型故障检测失效的缺点。
附图说明
图1是本发明的***结构图。
图2是本发明突变型故障诊断的流程图。
图3是本发明渐变性故障的流程图。
图4a至图4f是本发明在DVL信息突变时组合系导航***姿态误差曲线。
图5a至图5f为本发明在DVL信息突变时组合导航***速度误差曲线。
图6a至图6f为本发明在DVL信息突变时组合导航***位置误差曲线。
图7a和图7b为本发明在DVL信息突变时DVL/SINS子***故障函数值。
图8a至图8d为本发明在DVL信息突变时组合导航***天向速度残差均值、绝对和值。
图9a至图9c为本发明在DVL噪声突然增大时组合导航***速度误差曲线。
图10a和图10b为本发明在DVL噪声突然增大时组合导航***天向速度残差均值、绝对和值曲线。
图11为本发明在DVL噪声突然增大时DVL/SINS子***故障函数值。
图12a至图12f为本发明在DVL渐变型故障时组合系导航***姿态误差曲线。
图13a至图13f为本发明在DVL渐变型故障时组合系导航***速度误差曲线。
图14a至图14f为本发明在DVL渐变型故障时组合系导航***位置误差曲线。
图15a和图15b为本发明在DVL渐变型故障时DVL/SINS子***天向速度残差均值。
具体实施方式
传统残差χ2检测法求各局部Kalman滤波器的残差为
式中预报值为
Pk-1=(1-Kk-1HK-1)Pk-1/k-2,
为***状态量,Z为观测向量,φ为状态转移矩阵,H为观测矩阵,R为子***量测噪声序列方差阵,Q为子***过程噪声序列方差阵,下标k是第k步递推时刻。
在k-1时刻发生故障,将故障子***即刻隔离。但此时的观测向量Zk-1中已经包含了故障信息,由于使得预测值也包含了故障信息,通过的一步递推,使得也包含了故障信息。在低动态环境中,由于故障连续稳定,则Zk与Zk-1无太大差异,使得故障检测函数结果小于阈值TD,故障诊断***会将组合导航***误判为故障消除而使得故障子***融入组合导航***,使得故障信号污染整个组合导航***。
针对这一缺陷,考虑到在k-1时刻发生故障,故障诊断***会立刻将故障子***隔离,因此,联邦滤波器中由主滤波器得到的公共状态预测值并未受到子***故障信号的影响,故本发明利用水下组合导航结构特点对传统残差获得方法进行改进,采用下面的方式计算残差:
1.根据水下组合导航结构改进残差χ2检测法,求取组合导航各子***故障检测函数。
其中,为子***状态量中比公共状态多出的***状态。Z为观测向量,φ为状态转移矩阵,H为观测矩阵,下标k为第k步递推时刻。
其中,Pk/k-1为
Pk-1=(1-KkHK)Pk/k-1,
其中,φ为状态转移矩阵,H为观测矩阵,R为子***量测噪声序列方差阵,Q为子***过程噪声序列方差阵,下标k为第k步递推时刻。
然后,对rk作如下二元假设:
H0无故障:E{rk}=0,
H1有故障:E{rk}=μ,E{(rk-μ)(rk-μ)T}=Ak;
则,故障检测函数为
2.将检测函数γk值与阈值TD比较。若故障检测函数值大于阈值,则***发生突变型故障并立即将故障子***隔离,若故障检测函数小于阈值则返回步骤1。
故障判定准则为
其中,预先设置的门限TD决定了故障检测的性能。由奈曼-皮尔逊准则可知,当限定误警率Pf=α时,则由Pf=P[γk>TD/H0]=α解出门限TD可使漏检率Pf=P[γk≤TD/H1]达到最小,因而TD可由误警率Pf决定。其中
3.若步骤2判断出***发生突变型故障,则从判出故障开始计算故障子***的残差均值和残差绝对和值。
残差均值计算方法:
其中,为残差均值,ri为故障发生后第i时刻的残差,l为突变性***故障已经发生的时间。
残差绝对和值计算方法:
其中,sum|rl|表示残差绝对和值,ri为故障发生后第i时刻的残差,l为突变型***故障已经发生的时间。
4.若残差均值的绝对值与0相减始终小于阈值T1,则判断故障子***出现噪声突增型(噪声为白噪声)***故障。若残差均值的绝对值与0相减始终大于T1,则判断故障***出现信息突变型***故障。
5.根据步骤4若故障子***出现噪声突增型***故障则故障子***立即启用自适应滤波器并将故障子***提供导航信息融入主滤波器。若根据步骤4判断***出现信息突变型***故障则继续将故障子***隔离,直到故障检测函数值小于阈值TD,将故障子***恢复。
同时,利用第1步计算出***残差,按图3所示,本发明的渐变型故障检测步骤为:
1.根据实际情况取一定长度的移动窗,将移动窗内的全部元素赋初值0;
2.设置计数器CNT的值为0;
3.将移动窗内元素左移一位并将当前子***残差rk存入移动窗最右端一位;
4.将上次解算的残差均值和残差绝对和值清零;
5.将当前窗口内所有对应元素相加后求残差均值,将窗内所有对应元素的绝对值求和后求绝对和值均值;
移动窗内残差均值计算方法:
其中,为当前窗口的残差均值,γi为窗口内第i个残差,n为窗口长度。
移动窗内残差绝对和值的均值计算方法:
其中,mea_sum|γ|表示当前窗口内残差绝对和值的均值,γi为窗口内第i个残差,n为窗口长度。
6.将当前均值做归一化处理,求取当前归一化均值。
归一化残差均值求取方法为:
7.若当前归一化残差均值与上次归一化残差均值相等且当前绝对和值均值与上次绝对和值均值之差小于阈值TL,则计数器CNT加1,否则计数器CNT清零。
8.若CNT与预设的渐变型故障判断持续时间相等,则认为该子***发生渐变型***故障,设置故障标志位并将该子***隔离,直到***判断渐变型故障消除再清除标志位并返回步骤2;若CNT不等于预设的渐变型***故障判断时间,则清除故障标志位并返回步骤2。
本发明的重要特征在于:利用联邦滤波器中主滤波器的公共状态量预测值代替子***中具有的与公共状态预测值相应的状态量求子***残差;在判断出子***发生突变型故障后,利用故障均值判断故障子***是发生噪声突变型(白噪声)***故障还是信息突变型***故障;利用归一化残差均值和相邻统计周期残差绝对和值之差作为渐变型故障判据。
如图4a至图15b所示,仿真环境中传感器的性能指标如下:陀螺仪的常值漂移为0.04°/h,随机漂移为加速度计零偏为50μg(g=9.8m2/s),随机偏差为50μg;当地地理纬度为32.37°,经度为118.22°。载体机动方式为东向和北向速度均为0.5m/s的匀速直线运动。为了简化模型,将DVL的测速误差设置为0.02m/s,高度计的测量误差为5m,磁罗经的的测量误差为0.2°.仿真时间为1000s,在200s到600s之间,分别人为给DVL三个轴上的速度加上恒定的2m/s的速度误差、增加幅值为0.5m/s的白噪声、斜坡函数(其具体形式为:δV=(0.02*T)m/s,T为故障持续时间)。
经过某型号的样机车载实验验证的统计结果为:
表1突变型故障水平位置误差统计结果
表2渐变型故障水平位置误差统计结果
本发明针对水下组合导航***中辅助导航设备工作特点将辅助导航设备故障分成三种基本类型:噪声突增型***故障、信息突变型***故障、信息渐变型***故障。结合水下组合导航结构特点改进传统残差χ2检测法。将***的残差均值、***残差绝对和值引入,并与故障诊断函数相结合。利用改进残差χ2检测法诊断出辅助导航设备发生突变型***故障后,进一步通过残差均值和残差绝对和值分辨***是发生噪声突变***故障还是信息突变型***故障。针对渐变型故障,本发明直接利用归一化残差均值和相邻统计周期残差绝对和值之差两个判据进行判断。实现快速准确判断组合导航***故障发生位置及类型。
以上详细描述了本发明的优选实施方式,但是,本发明并不限于上述实施方式中的具体细节,在本发明的技术构思范围内,可以对本发明的技术方案进行多种等同变换,这些等同变换均属于本发明的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明对各种可能的组合方式不再另行说明。
Claims (1)
1.一种水下组合导航故障智能诊断方法,其特征在于,包括如下步骤:
S1、将水下组合导航***的故障分为噪声突增型***故障、信息突变型***故障和信息渐变型***故障;
S2、利用改进的残差χ2检测法判断是否发生突变型***故障;如发生突变型***故障,则隔离故障子***;
S3、从判断发生突变型***故障时开始计算残差均值和残差绝对和值,并根据计算结果判断***发生噪声突增型***故障还是信息突变型***故障,为故障子***故障消除后***重构做准备;
S4、从组合导航***稳定工作时开始计算归一化残差均值和相邻统计周期残差绝对和值,并根据计算结果判断是否发生渐变型***故障;
步骤S2中突变型***故障的检测步骤进一步为:
S21、求取组合导航各子***故障检测函数
其中,
Pk=(1-KkHK)Pk/k-1,
为子***状态量中比公共状态多出的***状态,Z为观测向量,φ为状态转移矩阵,H为观测矩阵,R为子***量测噪声序列方差阵,Q为子***过程噪声序列方差阵,下标k是第k步递推时刻;
S22、将故障检测函数值与阈值比较,若故障检测函数值大于阈值,则***发生突变型***故障并立即将故障子***隔离;若故障检测函数小于阈值,则返回S21;
S23、若***发生突变型***故障,则从判出故障开始计算故障子***的残差均值和残差绝对和值,残差均值计算方法:
其中,为残差均值,ri为故障发生后第i时刻的残差,l为突变型***故障已经发生的时间;
残差绝对和值计算方法:
其中,sum|rl|表示残差绝对和值,ri为故障发生后第i时刻的残差,l为突变型***故障已经发生的时间;
S24、若残差均值的绝对值与0相减始终小于阈值T1,则判断故障子***出现噪声突增型***故障;若残差均值的绝对值与0相减始终大于T1,则判断故障子***出现信息突变型***故障;
S25、若故障子***出现噪声突增型***故障,则故障子***启用自适应滤波器并将故障子***提供导航信息融入主滤波器;若判断***出现信息突变型***故障,则继续将故障子***隔离,直到故障检测函数值小于阈值,将故障子***恢复;渐变型***故障的检测进一步包括如下步骤:
S31、根据实际情况取一定长度的移动窗,将移动窗内的全部元素赋初值0;
S32、设置计数器CNT的值为0;
S33、将移动窗内元素左移一位并将当前子***残差rk存入移动窗最右端一位;
S34、将上次解算的残差均值和残差绝对和值清零;
S35、将当前窗口内所有残差对应元素相加,然后求残差均值,将窗内所有对应元素的绝对值求和后求绝对和值均值;
移动窗内残差均值计算方法:
其中,为当前窗口的残差均值,rj为窗口内第j个残差,n为窗口长度,
移动窗内残差绝对和值的均值计算方法:
其中,mea_sum|r|表示当前窗口内残差绝对和值的均值,rj为窗口内第j个残差,n为窗口长度;
S36、将当前均值做归一化处理,求取当前归一化残差均值,
归一化计算方法:
其中,表示归一化残差均值;
S37、若当前归一化残差均值与上次归一化残差均值相等且当前绝对和值的均值与上次绝对和值的均值之差小于阈值TL,则计数器CNT加1,否则计数器CNT清零;
S38、若CNT与预设的渐变型***故障判断持续时间相等,则认为该子***发生渐变型***故障,设置故障标志位并将该子***隔离;若CNT不等于预设的渐变型***故障判断时间,则清除故障标志位并返回S32。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410309238.2A CN104075734B (zh) | 2014-07-01 | 2014-07-01 | 水下组合导航故障智能诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410309238.2A CN104075734B (zh) | 2014-07-01 | 2014-07-01 | 水下组合导航故障智能诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104075734A CN104075734A (zh) | 2014-10-01 |
CN104075734B true CN104075734B (zh) | 2017-05-03 |
Family
ID=51597169
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410309238.2A Active CN104075734B (zh) | 2014-07-01 | 2014-07-01 | 水下组合导航故障智能诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104075734B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104596514B (zh) * | 2015-01-12 | 2017-08-29 | 东南大学 | 加速度计和陀螺仪的实时降噪***和方法 |
CN105203130B (zh) * | 2015-10-13 | 2018-04-24 | 哈尔滨工程大学 | 一种基于信息融合的船舶组合导航***故障诊断方法 |
CN105547329B (zh) * | 2016-01-11 | 2019-07-26 | 山东理工大学 | 一种应用于组合导航***的故障检测方法 |
CN105823503B (zh) * | 2016-03-23 | 2018-02-09 | 哈尔滨工程大学 | 基于改进灰色预测gm(1,1)模型自主水下航行器传感器故障诊断方法 |
CN110196068B (zh) * | 2019-05-27 | 2022-11-18 | 哈尔滨工程大学 | 一种极区集中滤波组合导航***残差向量故障检测与隔离方法 |
CN110763253A (zh) * | 2019-10-09 | 2020-02-07 | 哈尔滨工程大学 | 一种基于svr的组合导航***故障诊断方法 |
CN110779549B (zh) * | 2019-10-28 | 2023-04-21 | 南京邮电大学 | 一种水下组合导航***突变型故障诊断方法 |
CN113514064B (zh) * | 2021-04-23 | 2024-01-30 | 南京航空航天大学 | 一种鲁棒因子图多源容错导航方法 |
CN113670339B (zh) * | 2021-09-10 | 2024-05-24 | 中国航空工业集团公司西安飞行自动控制研究所 | 一种基于改进残差检验法的组合导航***故障检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101788295A (zh) * | 2010-02-26 | 2010-07-28 | 南京信息工程大学 | 一种小型水下航行器用组合导航***及方法 |
CN102221363A (zh) * | 2011-04-12 | 2011-10-19 | 东南大学 | 一种水下潜器用捷联惯性组合导航***容错组合方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9568321B2 (en) * | 2010-04-19 | 2017-02-14 | Honeywell International Inc. | Systems and methods for determining inertial navigation system faults |
-
2014
- 2014-07-01 CN CN201410309238.2A patent/CN104075734B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101788295A (zh) * | 2010-02-26 | 2010-07-28 | 南京信息工程大学 | 一种小型水下航行器用组合导航***及方法 |
CN102221363A (zh) * | 2011-04-12 | 2011-10-19 | 东南大学 | 一种水下潜器用捷联惯性组合导航***容错组合方法 |
Non-Patent Citations (3)
Title |
---|
A Chi-Square Test for Fault-Detection in Kaiman Filters;B.D.Brumback,M.D.Srinath;《IEEE TRANSACTIONS ON AUTOMATIC CONTROL》;19870630;第32卷(第6期);第552-554页 * |
基于联邦滤波的组合导航故障诊断与容错研究;扬长林 等;《科学技术与工程》;20121130;第12卷(第32期);第8601-8605页 * |
基于自适应滤波辅助残差X2法的导航***故障诊断方法;赵欣 等;《解放军理工大学学报(自然科学版)》;20121031;第13卷(第5期);第491-493页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104075734A (zh) | 2014-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104075734B (zh) | 水下组合导航故障智能诊断方法 | |
CN109829938A (zh) | 一种应用在目标跟踪的自适应容错容积卡尔曼滤波方法 | |
CN110823217A (zh) | 一种基于自适应联邦强跟踪滤波的组合导航容错方法 | |
CN110161543B (zh) | 一种基于卡方检验的部分粗差抗差自适应滤波方法 | |
Mertikas et al. | On-line detection of abrupt changes in the carrier-phase measurements of GPS | |
Huang et al. | Design of a fault detection and isolation system for intelligent vehicle navigation system | |
CN109975839B (zh) | 一种车辆卫星定位数据的联合滤波优化方法 | |
CN109471143B (zh) | 自适应容错的列车组合定位方法 | |
CN108427400B (zh) | 一种基于神经网络解析冗余的飞机空速管故障诊断方法 | |
CN110908364A (zh) | 一种基于鲁棒区间估计的故障检测方法 | |
Zhang et al. | Improved fault detection method based on robust estimation and sliding window test for INS/GNSS integration | |
CN105823503B (zh) | 基于改进灰色预测gm(1,1)模型自主水下航行器传感器故障诊断方法 | |
Peng et al. | A robust unscented Kalman filter and its application in estimating dynamic positioning ship motion states | |
CN114912551B (zh) | 面向桥梁变形监测的gnss和加速度计实时融合方法 | |
JP2001201553A (ja) | 汎用位置決めシステム、およびハイブリッド位置決め機能をもった多重モデルナビゲーションフィルタ | |
CN102176032B (zh) | 一种基于非线性滤波的卫星导航跟踪环路失锁检测方法 | |
Srinivas et al. | Overview of architecture for GPS-INS integration | |
Yi-ting et al. | A fast gradual fault detection method for underwater integrated navigation systems | |
CN113009520A (zh) | 一种卫星导航矢量跟踪环的完好性检测方法 | |
Lee et al. | Optimal combination of fault detection and isolation methods of integrated navigation algorithm for UAV | |
CN104298650A (zh) | 基于多方法融合的量化卡尔曼滤波方法 | |
Zhang et al. | Adaptive fault isolation and system reconfiguration method for GNSS/INS integration | |
Wang et al. | Enhanced fault detection for GNSS/INS integration using maximum correntropy filter and local outlier factor | |
Hashemi et al. | New fault detection and fault-tolerant scheme for Doppler velocity logger outage in ocean navigation systems | |
CN110779549B (zh) | 一种水下组合导航***突变型故障诊断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |