CN110196068A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN110196068A
CN110196068A CN201910444724.8A CN201910444724A CN110196068A CN 110196068 A CN110196068 A CN 110196068A CN 201910444724 A CN201910444724 A CN 201910444724A CN 110196068 A CN110196068 A CN 110196068A
Authority
CN
China
Prior art keywords
measurement information
navigation system
fault detection
integrated navigation
group
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.)
Granted
Application number
CN201910444724.8A
Other languages
English (en)
Other versions
CN110196068B (zh
Inventor
赵琳
康瑛瑶
蔡静
李亮
丁继成
王诺
王洛斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Engineering University
Original Assignee
Harbin Engineering University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Harbin Engineering University filed Critical Harbin Engineering University
Priority to CN201910444724.8A priority Critical patent/CN110196068B/zh
Publication of CN110196068A publication Critical patent/CN110196068A/zh
Application granted granted Critical
Publication of CN110196068B publication Critical patent/CN110196068B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/18—Stabilised platforms, e.g. by gyroscope
    • 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
    • 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
    • G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Navigation (AREA)

Abstract

本发明提供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，该方法针对以格网惯导***为基础导航设备的极区组合导航***，以残差χ2检验法为基础，通过设计残差向量，设计一种残差向量χ2故障检测与隔离方法，实现对集中滤波器的故障检测与隔离，提高极区基于集中滤波器组的组合导航***的可靠性。与联邦滤波器相比集中滤波器滤波精度更优，该方法使集中滤波器具有故障检测与隔离能力，在不牺牲滤波器估计精度的前提下实现了组合导航***容错能力的提升。

Description

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
技术领域
本发明涉及一种极区集中滤波组合导航故障检测方法，尤其涉及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。
背景技术
高精度高可靠性导航技术是运载器在极区工作与安全航行的重要前提之一，导航可靠性 是保证导航精度的前提。为了得到较高的组合导航可靠性，可进行故障检测与隔离的联邦滤 波器常常被应用与组合导航。然而，联邦滤波器并非最优滤波器。与联邦滤波器相比，具有 最优估计特性的集中卡尔曼滤波可以提供更高估计精度，但是集中滤波器无法进行故障检测 与隔离，可靠性较差，因为传统的状态χ2故障检测法或残差χ2故障检测方法可以检测组合导 航量测信息故障检测，却无法定位并隔离集中滤波器的故障观测信息。综上所述，现有的故 障检测与隔离方法无法隔离具有最优估计特性的组合导航集中滤波的故障观测信息。
发明内容
本发明的目的是为了提供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，实现极区组合导航***可靠性的提高。
本发明的目的是这样实现的：步骤如下：
步骤一：选取格网坐标系为导航坐标系，惯性导航***为主导航***，引入外部观测信 息，构建极区组合导航***；
步骤二：根据组合导航***量测信息发生故障情况是否独立，对量测信息进行分组， Z＝[z1 z2 … zn]T，并设计每个量测信息组的故障门限；
步骤三：根据上一滤波周期k-1时刻的滤波器输出状态估计，对本滤波周期k时刻的量 测信息进行预测；
步骤四：根据实测量测信息与预测量测信息计算量测信息预测残差rk；
步骤五：计算各量测信息组量测残差方差；
步骤六：设计二元假设，通过检验残差均值，检验量测信息是否故障：
步骤七：设计故障检测向量函数，计算故障检测向量Γ；
步骤八：构建故障检测残差标志位向量H＝[h1 h2 … hn]，标准量测信息故障情况；
步骤九：利用步骤八中得到的向量H，判断组合导航***量测信息故障情况，若无故障， 则进行滤波估计，并重复步骤三至步骤八；若某量测信息组存在故障，则进行滤波器重构， 隔离故障观测信息，重复步骤三至步骤八。
本发明还包括这样一些结构特征：
1.步骤二中的不同量测信息组中的信息发生故障概率相互独立，同一量测信息组中的信 息发生故障情况相互关联。
2.步骤三以第i组量测信息为例，对本滤波周期量测信息进行预测：
其中，角标k表示k时刻，为第i组量测信息k时刻的预测值，为量测模型中第i组量测信息对应的量测矩阵，Φk,k-1为k时刻状态转移矩阵，为k-1时刻滤波器状态估计值；对第1到n组量测信息进行预测，获得量测信息预测向量组。
3.步骤四中的量测信息预测残差rk为：
4.步骤五以第i组量测信息为例，计算量测残差方差为：
其中，Pk/k-1为一步预测均方差，Ri为量测噪声方差；
计算第1到n组量测信息的量测残差方差到
5.步骤六具体为：若第i组量测信息无故障，则量测信息预测残差可以被视为服从正态 分布的零均值高斯白噪声，即ri～N(0,Ai)；若组合导航***的量测信息存在故障，则残差统计 特性改变，均值不为零；因此，设计二元假设，通过检验残差均值，检验量测信息是否故障：
无故障发生：
E{ri}＝0,E{riri T}＝Ai
有故障发生：
E{ri}＝μ,E{(ri-μ)(ri-μ)T}＝Ai。
6.步骤七中的计算故障检测向量Γ为：
其中，γi(i＝1,2,…,n)服从χ2分布，可以反映第i组量测信息组的故障情况。
8.步骤八具体包括：故障判定准则为：
其中hi构成故障检测残差标志位向量H＝[h1 h2 … hn]，若H为零向量，则说明组合导航 ***量测信息无故障，若H为非零向量，则非零项对应的量测信息组发生故障。
与现有技术相比，本发明的有益效果是：本发明创新的提出一种可用于集中滤波的故障 检测方法，通过设计并使用故障检测向量，实现对集中滤波器量测故障的检测与定位，可检 测并隔离基于集中滤波的极区组合导航量测信息故障，使集中滤波组合导航***的可靠性得 到有效提高，提升极区组合导航综合性能，保证极区运载器导航精度与可靠性，性能稳定易 于实现，因此本发明具有很高的工程应用价值。
附图说明
图1为本发明提出的格网惯导***误差抑制方法的基本流程框图；
图2为量测信息误差与故障检测标志位向量中相应标志值的示意图；
图3为导航***姿态角误差曲线；
图4为导航***速度误差曲线；
图5为导航***位置误差曲线；
图6是导航***速度误差曲线和位置误差曲线的局部放大示意图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述。
本发明公开了一种极区集中滤波组合导航***残差向量χ2故障检测与隔离方法。该方法 针对以格网惯导***为基础导航设备的极区组合导航***，以残差χ2检验法为基础，通过设 计残差向量，设计一种残差向量χ2故障检测与隔离方法，实现对集中滤波器的故障检测与隔 离，提高极区基于集中滤波器组的组合导航***的可靠性。与联邦滤波器相比集中滤波器滤 波精度更优，该方法使集中滤波器具有故障检测与隔离能力，在不牺牲滤波器估计精度的前 提下实现了组合导航***容错能力的提升。
结合图1至图5，本发明提出一种声学测速辅助的极区格网惯性导航误差抑制方法，其 流程图如附图1所示，该方法的主要步骤如下：
(1)选取格网坐标系为导航坐标系，惯性导航***为主导航***，引入外部观测信息， 构建极区组合导航***；
(2)根据组合导航***量测信息发生故障情况是否独立，对量测信息进行分组，Z＝[z1 z2 … zi … zn]T，并设计每个量测信息组的故障门限。不同量测信息组中的信息发生故障概率相互独立，同一量测信息组中的信息发生故障情况相互关联。
(3)以第i组量测信息为例，根据上一滤波周期(k-1时刻)滤波器输出状态估计，对本滤波周期(k时刻)量测信息进行预测：
其中，角标k表示k时刻，为第i组量测信息k时刻的预测值，为量测模型中第i组量 测信息对应的量测矩阵，Φk,k-1为k时刻状态转移矩阵，为k-1时刻滤波器状态估计值。
对第1到n组量测信息进行预测，获得量测信息预测向量组。
(4)根据实测量测信息与预测量测信息计算量测信息预测残差rk：
(5)以第i组量测信息为例，计算量测残差方差：
其中，Pk/k-1为一步预测均方差，Ri为量测噪声方差。
计算第1到n组量测信息的量测残差方差到
(6)以第i组量测信息为例，若第i组量测信息无故障，则量测信息预测残差可以被视 为服从正态分布的零均值高斯白噪声，即ri～N(0,Ai)；若组合导航***的量测信息存在故障， 则残差统计特性改变，均值不为零。因此，设计二元假设，通过检验残差均值，检验量测信 息是否故障：
无故障发生：E{ri}＝0,E{riri T}＝Ai
有故障发生：E{ri}＝μ,E{(ri-μ)(ri-μ)T}＝Ai
(7)设计故障检测向量函数，计算故障检测向量Γ：
其中，γi(i＝1,2,…,n)服从χ2分布，可以反映第i组量测信息组的故障情况。
(8)故障判定准则为：
hi构成故障检测残差标志位向量H＝[h1 h2 … hn]，若H为零向量，则说明组合导航*** 量测信息无故障，若H为非零向量，则非零项对应的量测信息组发生故障。
(9)利用步骤8中得到的向量H，判断组合导航***量测信息故障情况，若无故障，则 进行滤波估计，并重复步骤3至8；若某量测信息组存在故障，则进行滤波器重构，隔离故障观测信息，重复步骤3至8。
为了验证本发明的合理性、可行性，基于Visual Studio 2010设计程序，以基于集中卡 尔曼滤波的极区格网惯导/多普勒/超短基线组合导航***为实验对象，进行仿真实验验证， 仿真的方案、条件及结果如下所示：
(1)仿真时间设置
仿真时长为4h，仿真步长为0.01s。
(2)载体运动设置
初始纬度75°N，初始经度126°E。
模拟载体静基座条件下的工作状态，即载体无线运动和角运动。
(3)误差参数设置
三个陀螺仪的常值漂移分别设置为0.03°/h、0.03°/h和0.03°/h；加速度计的零偏设置为 3×10-5g；超短基线定位***测距精度为10米，测向精度为1°，噪声为零均值白噪声；在 1.0h＜t＜1.3h期间，将常值误差加入到多普勒输出速度中，用来模拟组合导航多普勒设备输出 故障。
(4)仿真结果
依上述仿真条件，对所设计的故障检测与隔离算法性能进行仿真，图2为量测信息误差 与故障检测标志位向量中相应标志值的曲线。量测信息根据故障发生情况是否独立，被分为 三个量测信息组，分别是：超短基线斜距测量信息、超短基线角度测量信息(方位角与俯仰 角)与多普勒速度测量信息。如图2所示，在整个仿真实验中，超短基线量测信息未出现故 障，所以超短基线斜距测量信息与角度测量信息对应的故障检测标志位始终为0，表示无故 障发生。在0h＜t＜1.0h时间段内，多普勒量测信息未发生故障，多普勒量测信息故障检测标志 位为0，表示无故障发生；在1.0h＜t＜1.3h时间段内，多普勒速度发生突变故障，多普勒量测 信息故障检测标志位为1，表示有故障发生，则***进行重构，隔离故障观测量；在1.3h＜t＜4.0h 时间段内，多普勒量测信息故障结束，重新恢复正常，多普勒量测信息故障检测标志位为0， 表示故障已解除，***进行重构，重新加入速度信息为量测。图3、图4、图5分别为格网惯 导/多普勒/超短基线组合导航算法姿态、速度、位置误差曲线，仿真图中包括了格网惯导算 法导航误差曲线与格网惯导/多普勒/超短基线紧组合导航算法误差曲线；图6为故障发生阶 段组合导航误差的局部放大图。由图3-6可知，加入故障检测算法的组合导航***，导航精 度不受量测信息故障影响。最终仿真结果表明，本发明中的极区集中滤波组合导航***残差 向量χ2故障检测与隔离方法可以有效检测集中滤波器故障，集中滤波器具有较高估计精度， 本方法可以提高基于集中滤波器的组合组合导航***的可靠性。
综合上述分析，得到如下分析结果：极区集中滤波组合导航***残差向量χ2故障检测与 隔离方法，可以保证导航***在极区长航时工作的导航性能与可靠性。因此，本发明可以更 为全面的提升导航性能，满足导航***在极区长时间工作对可靠性与精度的应用需求。

Claims (8)

1.一种极区集中滤波组合导航***残差向量故障检测与隔离方法，其特征在于：步骤如下：
步骤一：选取格网坐标系为导航坐标系，惯性导航***为主导航***，引入外部观测信息，构建极区组合导航***；
步骤二：根据组合导航***量测信息发生故障情况是否独立，对量测信息进行分组，Z＝[z1 z2 … zn]T，并设计每个量测信息组的故障门限；
步骤三：根据上一滤波周期k-1时刻的滤波器输出状态估计，对本滤波周期k时刻的量测信息进行预测；
步骤四：根据实测量测信息与预测量测信息计算量测信息预测残差rk；
步骤五：计算各量测信息组量测残差方差；
步骤六：设计二元假设，通过检验残差均值，检验量测信息是否故障：
步骤七：设计故障检测向量函数，计算故障检测向量Γ；
步骤八：构建故障检测残差标志位向量H＝[h1 h2 … hn]，标准量测信息故障情况；
步骤九：利用步骤八中得到的向量H，判断组合导航***量测信息故障情况，若无故障，则进行滤波估计，并重复步骤三至步骤八；若某量测信息组存在故障，则进行滤波器重构，隔离故障观测信息，重复步骤三至步骤八。
2.根据权利要求1所述的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，其特征在于：步骤二中的不同量测信息组中的信息发生故障概率相互独立，同一量测信息组中的信息发生故障情况相互关联。
3.根据权利要求2所述的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，其特征在于：步骤三以第i组量测信息为例，对本滤波周期量测信息进行预测：
其中，角标k表示k时刻，为第i组量测信息k时刻的预测值，为量测模型中第i组量测信息对应的量测矩阵，Φk,k-1为k时刻状态转移矩阵，为k-1时刻滤波器状态估计值；对第1到n组量测信息进行预测，获得量测信息预测向量组。
4.根据权利要求3所述的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，其特征在于：步骤四中的量测信息预测残差rk为：
5.根据权利要求4所述的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，其特征在于：步骤五以第i组量测信息为例，计算量测残差方差为：
其中，Pk/k-1为一步预测均方差，Ri为量测噪声方差；
计算第1到n组量测信息的量测残差方差到
6.根据权利要求5所述的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，其特征在于：步骤六具体为：若第i组量测信息无故障，则量测信息预测残差可以被视为服从正态分布的零均值高斯白噪声，即ri～N(0,Ai)；若组合导航***的量测信息存在故障，则残差统计特性改变，均值不为零；因此，设计二元假设，通过检验残差均值，检验量测信息是否故障：
无故障发生：
E{ri}＝0,E{riri T}＝Ai
有故障发生：
E{ri}＝μ,E{(ri-μ)(ri-μ)T}＝Ai。
7.根据权利要求6所述的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，其特征在于：步骤七中的计算故障检测向量Γ为：
其中，γi(i＝1,2,…,n)服从χ2分布，可以反映第i组量测信息组的故障情况。
8.根据权利要求7所述的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，其特征在于：步骤八具体包括：故障判定准则为：
其中hi构成故障检测残差标志位向量H＝[h1 h2 … hn]，若H为零向量，则说明组合导航***量测信息无故障，若H为非零向量，则非零项对应的量测信息组发生故障。
CN201910444724.8A 2019-05-27 2019-05-27 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 Active CN110196068B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910444724.8A CN110196068B (zh) 2019-05-27 2019-05-27 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910444724.8A CN110196068B (zh) 2019-05-27 2019-05-27 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

Publications (2)

Publication Number Publication Date
CN110196068A true CN110196068A (zh) 2019-09-03
CN110196068B CN110196068B (zh) 2022-11-18

Family

ID=67753160

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910444724.8A Active CN110196068B (zh) 2019-05-27 2019-05-27 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

Country Status (1)

Country Link
CN (1) CN110196068B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN111964695A (zh) * 2020-08-19 2020-11-20 西安因诺航空科技有限公司 一种无人机组合导航***故障检测与隔离方法
CN113514064A (zh) * 2021-04-23 2021-10-19 南京航空航天大学 一种鲁棒因子图多源容错导航方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0313019A2 (en) * 1987-10-23 1989-04-26 Anritsu Corporation Phase signal filtering apparatus utilizing estimated phase signal
CN1361433A (zh) * 2000-12-23 2002-07-31 林清芳 运载体的全融合定位方法
CN101216319A (zh) * 2008-01-11 2008-07-09 南京航空航天大学 基于联邦ukf算法的低轨卫星多传感器容错自主导航方法
CN104075734A (zh) * 2014-07-01 2014-10-01 东南大学 水下组合导航故障智能诊断方法
CN104596514A (zh) * 2015-01-12 2015-05-06 东南大学 加速度计和陀螺仪的实时降噪***和方法
CN105783940A (zh) * 2016-01-07 2016-07-20 东南大学 基于信息预评判及补偿修正的sins/dvl/es组合导航方法
US20160223683A1 (en) * 2014-09-16 2016-08-04 Israel Military Industries Ltd. Gps-aided inertial navigation method and system
CN109612738A (zh) * 2018-11-15 2019-04-12 南京航空航天大学 一种涡扇发动机的气路性能改进的分布式滤波估计方法
CN109737959A (zh) * 2019-03-20 2019-05-10 哈尔滨工程大学 一种基于联邦滤波的极区多源信息融合导航方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0313019A2 (en) * 1987-10-23 1989-04-26 Anritsu Corporation Phase signal filtering apparatus utilizing estimated phase signal
CN1361433A (zh) * 2000-12-23 2002-07-31 林清芳 运载体的全融合定位方法
CN101216319A (zh) * 2008-01-11 2008-07-09 南京航空航天大学 基于联邦ukf算法的低轨卫星多传感器容错自主导航方法
CN104075734A (zh) * 2014-07-01 2014-10-01 东南大学 水下组合导航故障智能诊断方法
US20160223683A1 (en) * 2014-09-16 2016-08-04 Israel Military Industries Ltd. Gps-aided inertial navigation method and system
CN104596514A (zh) * 2015-01-12 2015-05-06 东南大学 加速度计和陀螺仪的实时降噪***和方法
CN105783940A (zh) * 2016-01-07 2016-07-20 东南大学 基于信息预评判及补偿修正的sins/dvl/es组合导航方法
CN109612738A (zh) * 2018-11-15 2019-04-12 南京航空航天大学 一种涡扇发动机的气路性能改进的分布式滤波估计方法
CN109737959A (zh) * 2019-03-20 2019-05-10 哈尔滨工程大学 一种基于联邦滤波的极区多源信息融合导航方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
MUHAMMAD USHAQ 等: "A robust data fusion scheme for integrated navigation systems employing fault detection methodology augmented with fuzzy adaptive filtering", 《PROC. OF SPIE》 *
张崇猛 等: "一种容错联邦滤波算法在INS/GPS/Doppler组合导航***中的应用", 《中国惯性技术学报》 *
赵琳 等: "多传感器组合导航***设计", 《哈尔滨工程大学学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN111964695A (zh) * 2020-08-19 2020-11-20 西安因诺航空科技有限公司 一种无人机组合导航***故障检测与隔离方法
CN113514064A (zh) * 2021-04-23 2021-10-19 南京航空航天大学 一种鲁棒因子图多源容错导航方法
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

Also Published As

Publication number Publication date
CN110196068B (zh) 2022-11-18

Similar Documents

Publication Publication Date Title
CN110196068A (zh) 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
Sheppard et al. A Bayesian approach to diagnosis and prognosis using built-in test
CN103776654A (zh) 多传感器信息融合的故障诊断方法
CN104048675A (zh) 一种基于高斯过程回归的组合导航***故障诊断方法
Soni et al. Linear state estimation model using phasor measurement unit (PMU) technology
CN102944216B (zh) 基于改进表决算法的三冗余船舶动力定位艏向测量方法
CN106443292B (zh) 一种基于零序电流测量的架空线路单相接地故障检测方法
CN102135621B (zh) 一种多星座组合导航***的故障识别方法
CN107421534A (zh) 一种冗余式捷联惯导***多故障隔离方法
CN107290742B (zh) 一种非线性目标跟踪***中平方根容积卡尔曼滤波方法
CN102221363A (zh) 一种水下潜器用捷联惯性组合导航***容错组合方法
CN106154037B (zh) 一种基于校验的同步相量自适应计算方法
CN108627741A (zh) 一种基于故障指示器的行波—阻抗法双端带支路配电网故障定位方法
Slutsker et al. Implementation of phasor measurements in state estimator at Sevillana de Electricidad
CN113670337A (zh) 一种用于gnss/ins组合导航卫星缓变故障检测方法
CN108693446A (zh) 一种非同步采样电网暂态行波模量时间差的故障定位方法
CN104331602A (zh) 基于马尔科夫链的gnss完好性检测率估计方法
CN106959397A (zh) 一种用于高铁逆变器的微小故障诊断***的设计方法
CN104504247B (zh) 一种gps双卫星故障的raim方法
CN110203254B (zh) 列车定位***中卡尔曼滤波器的安全检测方法
Erenoglu et al. Efficiency of robust methods and tests for outliers for geodetic adjustment models
CN117405109B (zh) 基于四元数球面线性加权的三套惯导***姿态表决方法
CN111027721A (zh) 一种***故障定位方法
CN109238307A (zh) 一种基于多惯组信息辅助的飞行故障检测方法及装置
CN107330264A (zh) 一种桥梁监测数据可靠性的验证方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant