CN111999747B - 一种惯导-卫星组合导航***的鲁棒故障检测方法 - Google Patents

一种惯导-卫星组合导航***的鲁棒故障检测方法 Download PDF

Info

Publication number
CN111999747B
CN111999747B CN202010888727.3A CN202010888727A CN111999747B CN 111999747 B CN111999747 B CN 111999747B CN 202010888727 A CN202010888727 A CN 202010888727A CN 111999747 B CN111999747 B CN 111999747B
Authority
CN
China
Prior art keywords
navigation system
matrix
follows
fault detection
inertial navigation
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
Application number
CN202010888727.3A
Other languages
English (en)
Other versions
CN111999747A (zh
Inventor
张闯
郭沐壮
郭晨
刘程
鲁峰
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.)
Dalian Maritime University
Original Assignee
Dalian Maritime 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 Dalian Maritime University filed Critical Dalian Maritime University
Priority to CN202010888727.3A priority Critical patent/CN111999747B/zh
Publication of CN111999747A publication Critical patent/CN111999747A/zh
Application granted granted Critical
Publication of CN111999747B publication Critical patent/CN111999747B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/23—Testing, monitoring, correcting or calibrating of receiver elements
    • 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
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

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)
  • Computer Networks & Wireless Communication (AREA)
  • Navigation (AREA)

Abstract

本发明提供一种惯导‑卫星组合导航***的鲁棒故障检测方法。包括如下步骤：采用基于奇异值分解的容积卡尔曼滤波器算法对构建的捷联惯导***/全球导航卫星***组合导航***进行优化估计；将基于框架的误差检测滤波引入到基于奇异值分解的容积卡尔曼滤波器算法中，将构建的组合导航***进行线性化处理，在误差检测的过程中，计算组合导航***组合导航时，传感器进行故障检测的判断阈值；比较发生故障与所述判断阈值之间的关系，若故障较小，则通过基于测量残差和标度因子的自适应算法来提高容积故障检测滤波器的状态估计精度；若故障较大，则采用鲁棒批处理H∞滤波来保障此时的稳定性。本发明能够很好地保证故障检测的鲁棒性。

Description

一种惯导-卫星组合导航***的鲁棒故障检测方法
技术领域
本发明涉及船载导航仪器信号处理的技术领域，尤其涉及一种惯导-卫星组合导航***的鲁棒故障检测方法。
背景技术
惯导***是一种不依赖于任何外部信息、也不向外部辐射能量的自主式导航***，具有隐蔽性好，可在空中、地面、水下等各种复杂环境下工作的特点，主要分为平台式惯导***和捷联式惯导***两大类。作为各类舰艇和民用船舶的核心导航***，捷联式惯导***的精度和可靠性直接影响了其装备载体的各项性能指标。
现有的船舶捷联惯导***和全球导航卫星***(SINS/GNSS)组合导航***利用扩展卡尔曼滤波器形成特定时间窗口的信号估计过程，将非线性信号***调整为线性信号***的信号估计过程。利用统计学模型对估计过程形成的反映轨迹的测量矩阵内的测量值进行有效识别检测，保证在有效轨迹估计过程中形成的测量矩阵中在存在线性化残差的影响下判断测量值的异常并排除，现有技术很难保证故障检测的鲁棒性。
发明内容
根据上述提出的技术问题，而提供一种惯导-卫星组合导航***的鲁棒故障检测方法。本发明采用的技术手段如下：
一种惯导-卫星组合导航***的鲁棒故障检测方法，包括如下步骤：
步骤1、采用基于奇异值分解的容积卡尔曼滤波器算法对构建的捷联惯导***/全球导航卫星***组合导航***进行优化估计；
步骤2、将基于框架的误差检测滤波引入到所述基于奇异值分解的容积卡尔曼滤波器算法中，将构建的捷联惯导***/全球导航卫星***组合导航***可线性化，在误差检测的过程中，计算船舶惯导-卫星组合导航***组合导航时，传感器进行故障检测的判断阈值；
步骤3、比较发生故障与所述判断阈值之间的关系，若故障较小，则通过基于测量残差和标度因子的自适应算法来提高容积故障检测滤波器的状态估计精度；若故障较大，则采用鲁棒批处理H∞滤波来保障此时的稳定性。
进一步地，所述步骤1中，构建的捷联惯导***/全球导航卫星***组合导航***为：
Figure BDA0002656299050000021
fc为非线性捷联惯导***误差函数，Bc是由捷联矩阵
Figure BDA0002656299050000022
和Ck组成的单位模块矩阵，Bc＝Bcf，Dcf和Dc分别对应观测方程中***故障f和***噪声误差v的系数，且Dc＝Dcf＝[0,I]T，噪声vk∈l2[0,N]和ωk∈[0,N]，l2表示n维欧氏空间，fk为***携带的故障矩阵，下标k代表步长或时间；
采用基于奇异值分解的容积卡尔曼滤波器算法来执行卡尔曼滤波，具体运算步骤如下：
步骤11、对采用基于奇异值分解的容积卡尔曼滤波器进行时间更新，具体地，
Figure BDA0002656299050000023
其中k＝1,...n，以及χ为容积采样点，svd代表奇异值分解矩阵算法，上述采样点通过以下的方式进行传播：
Figure BDA0002656299050000024
其中fc为***(1)中的***矩阵，用更新后的采样点得出***状态
Figure BDA0002656299050000025
以及它的协方差矩阵，其中Qk为***噪声观测矩阵，详细运算过程如下：
Figure BDA0002656299050000026
步骤12、对采用基于奇异值分解的容积卡尔曼滤波器进行过程更新，具体地，
Figure BDA0002656299050000031
预测的观测向量及相关的协方差矩阵更新如下，其中Rk为观测噪声矩阵：
Figure BDA0002656299050000032
更新的交叉协方差矩阵
Figure BDA0002656299050000033
可用如下方式得到：。
Figure BDA0002656299050000034
步骤13、计算矩阵增益Kk，更新后的状态矩阵
Figure BDA0002656299050000035
以及用以下次更新的协方差矩阵Pk|k。
Figure BDA0002656299050000036
进一步地，所述步骤2中，将构建的捷联惯导***/全球导航卫星***组合导航***可线性化为：
Figure BDA0002656299050000037
Figure BDA0002656299050000038
ek和εk是保持正态分布项的非线性性质的统计线性化误差以及状态和测量函数具有零均值和协方差的矩阵，计算方式如下。
Figure BDA0002656299050000039
参数Hk和
Figure BDA00026562990500000310
具体应为：/>
Figure BDA00026562990500000311
此时，***(8)满足容积故障检测滤波器形式如下，可借鉴先验概率分布
Figure BDA00026562990500000312
以及权重Wk的选用：
Figure BDA00026562990500000313
则***(11)可被重新构造如下：
Figure BDA00026562990500000314
JN为进行故障检测时阈值的计算方式，更新方式如下。
Figure BDA0002656299050000041
(12)中的部分参数具体更新如下：
Figure BDA0002656299050000042
进一步地，所述步骤3中，自适应部分具体包括：
自适应Rk如下：
Figure BDA0002656299050000043
自适应Qk如下：
Figure BDA0002656299050000044
其中：
Figure BDA0002656299050000045
进一步地，所述步骤3中，鲁棒性优化具体包括：
Figure BDA0002656299050000046
对其中的γ进行优化调整如下：
Figure BDA0002656299050000047
本发明在过程扰动和测量噪声范数有界的假设下，提出了一种同时考虑扰动灵敏度和鲁棒性的容积故障检测滤波器(fault detection filter，FDF)，该滤波器采用后滤波器和观测器增益进行故障检测，得到次优解的状态估计值。通过基于测量残差和标度因子的自适应算法，以提高容积FDF的状态估计精度。为了保证故障过大时的稳定性，该框架采用了鲁棒H∞容积卡尔曼滤波器。本发明能够很好地保证故障检测的鲁棒性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本实施例公开了一种惯导-卫星组合导航***的鲁棒故障检测方法，包括如下步骤：
步骤1、采用基于奇异值分解的容积卡尔曼滤波器算法对构建的捷联惯导***/全球导航卫星***组合导航***进行优化估计；
步骤2、将基于框架的误差检测滤波引入到所述基于奇异值分解的容积卡尔曼滤波器算法中，将构建的捷联惯导***/全球导航卫星***组合导航***线性化，在误差检测的过程中，计算船舶惯导-卫星组合导航***组合导航时，传感器进行故障检测的判断阈值；
步骤3、比较发生故障与所述判断阈值之间的关系，若故障较小，则通过基于测量残差和标度因子的自适应算法来提高模式容积故障检测滤波器的状态估计精度；若故障较大，则采用鲁棒批处理H∞滤波来保障此时的稳定性。
如图1所示，本实施例具体步骤如下：
构建的捷联惯导***/全球导航卫星***组合导航***(SINS/GNSS)为：
Figure BDA0002656299050000061
fc为非线性捷联惯导***误差函数，Bc是由捷联矩阵
Figure BDA0002656299050000062
和Ck组成的单位模块矩阵，Bc＝Bcf，Dcf和Dc分别对应观测方程中***故障f和***噪声误差v的系数，且Dc＝Dcf＝[0,I]T，噪声vk∈l2[0,N]和ωk∈[0,N]，l2表示n维欧氏空间，fk为***携带的故障矩阵，下标k代表步长或时间；
若想对其进行最优估计，考虑到复杂的海面环境以及船舶运动的特性，该***为强非线性***，可采用基于奇异值分解的容积卡尔曼滤波器(SVD-CKF)算法来执行卡尔曼滤波。具体运算步骤如下：
步骤11、对采用基于奇异值分解的容积卡尔曼滤波器进行时间更新，具体地，
Figure BDA0002656299050000063
其中k＝1,...n，以及χ为容积采样点，svd代表奇异值分解矩阵算法，用以提升算法的鲁棒性。上述采样点通过以下的方式进行传播：
Figure BDA0002656299050000064
其中fc为***(1)中的***矩阵，用更新后的采样点得出***状态
Figure BDA0002656299050000065
以及它的协方差矩阵，其中Qk为***噪声观测矩阵，详细运算过程如下：
Figure BDA0002656299050000066
步骤12、对采用基于奇异值分解的容积卡尔曼滤波器进行过程更新，具体地，需要重新更新采样点，具体方法如下：
Figure BDA0002656299050000067
预测的观测向量及相关的协方差矩阵更新如下，其中Rk为观测噪声矩阵：
Figure BDA0002656299050000071
更新的交叉协方差矩阵
Figure BDA0002656299050000072
可用如下方式得到：
Figure BDA0002656299050000073
步骤13、计算矩阵增益Kk，更新后的状态矩阵
Figure BDA0002656299050000074
以及用以下次更新的协方差矩阵Pk|k。
Figure BDA0002656299050000075
将基于Hi/H∞框架的误差检测滤波引入到传统的SVD-CKF中。***(1)可线性化为：
Figure BDA0002656299050000076
结合SVD-CKF的结果。
Figure BDA0002656299050000077
ek和εk是保持正态分布项的非线性性质的统计线性化误差以及状态和测量函数具有零均值和协方差的矩阵，计算方式如下：
Figure BDA0002656299050000078
参数Hk和
Figure BDA0002656299050000079
具体应为：/>
Figure BDA00026562990500000710
此时，***(8)满足容积故障检测滤波器形式如下，可借鉴先验概率分布
Figure BDA00026562990500000711
以及权重Wk的选用：
Figure BDA00026562990500000712
则***(11)可被重新构造如下：
Figure BDA00026562990500000713
JN为进行故障检测时阈值的计算方式，更新方式如下：
Figure BDA00026562990500000714
(12)中的部分参数具体更新如下：
Figure BDA0002656299050000081
尽管将SVD-CKF融入了上述基于Hi/H∞框架的误差检测滤波之中，可以检测出船舶SINS/GNSS组合导航时的传感器故障。虽然能兼顾故障诊断的敏感性以及误差干扰的鲁棒性，但对于状态估计的精确度，该方法稍有欠缺，因为该算法是基于次优估计得出的方法。为此，对该方法进行QR自适应优化以提高估计的精度。
自适应Rk如下：
Figure BDA0002656299050000082
自适应Qk如下：
Figure BDA0002656299050000083
其中：
Figure BDA0002656299050000084
自适应优化在保证SVD-CKF在融入了基于Hi/H∞框架的误差检测滤波之后，可以进行准确的状态估计，但SINS/GNSS在存在较大故障和误差时，会产生奇异值。若误差过大，亦会造成组合导航失效。为尽可能提升算法的稳定性，对较大误差或故障存在的***摒弃自适应优化，改用鲁棒优化。而判断进行自适应优化和鲁棒优化的阈值可参考故障检测滤波中的JN,k。此时，具体更行过程如下：
Figure BDA0002656299050000085
对其中的γ进行优化调整如下：
Figure BDA0002656299050000091
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (1)

1.一种惯导-卫星组合导航***的鲁棒故障检测方法，其特征在于，包括如下步骤：
步骤1、采用基于奇异值分解的容积卡尔曼滤波器算法对构建的捷联惯导***/全球导航卫星***组合导航***进行优化估计；
步骤2、将基于框架的误差检测滤波引入到所述基于奇异值分解的容积卡尔曼滤波器算法中，将构建的捷联惯导***/全球导航卫星***组合导航***线性化，在误差检测的过程中，计算船舶惯导-卫星组合导航***组合导航时，传感器进行故障检测的判断阈值；
步骤3、比较发生故障与所述判断阈值之间的关系，若故障较小，则通过基于测量残差和标度因子的自适应算法来提高容积故障检测滤波器的状态估计精度；若故障较大，则采用鲁棒批处理H∞滤波来保障此时的稳定性；
所述步骤1中，构建的捷联惯导***/全球导航卫星***组合导航***为：
Figure FDA0004231225030000011
fc为非线性捷联惯导***误差函数，Bc是由捷联矩阵
Figure FDA0004231225030000012
和Ck组成的单位模块矩阵，Bc＝Bcf，Dcf和Dc分别对应观测方程中***故障f和***噪声误差v的系数，且Dc＝Dcf＝[0,I]T，噪声vk∈l2[0,N]和ωk∈[0,N]，l2表示n维欧氏空间，fk为***携带的故障矩阵，下标k代表步长或时间；
采用基于奇异值分解的容积卡尔曼滤波器算法来执行卡尔曼滤波，具体运算步骤如下：
步骤11、对采用基于奇异值分解的容积卡尔曼滤波器进行时间更新，具体地，
Figure FDA0004231225030000013
其中k＝1,...n，以及χ为容积采样点，svd代表奇异值分解矩阵算法，上述采样点通过以下的方式进行传播：
Figure FDA0004231225030000014
其中fc为***(1)中的***矩阵，用更新后的采样点得出***状态
Figure FDA0004231225030000015
以及它的协方差矩阵，其中Qk为***噪声观测矩阵，详细运算过程如下：
Figure FDA0004231225030000021
步骤12、对采用基于奇异值分解的容积卡尔曼滤波器进行过程更新，具如下：
Figure FDA0004231225030000022
预测的观测向量及相关的协方差矩阵更新如下，其中Rk为观测噪声矩阵：
Figure FDA0004231225030000023
更新的交叉协方差矩阵
Figure FDA0004231225030000024
用如下方式得到：
Figure FDA0004231225030000025
步骤13、计算矩阵增益Kk，更新后的状态矩阵
Figure FDA0004231225030000026
以及用以下次更新的协方差矩阵Pk|k：
Figure FDA0004231225030000027
所述步骤2中，将构建的捷联惯导***/全球导航卫星***组合导航***线性化为：
Figure FDA0004231225030000028
Figure FDA0004231225030000029
ek和εk是保持正态分布项的非线性性质的统计线性化误差以及状态和测量函数具有零均值和协方差的矩阵，计算方式如下：
Figure FDA00042312250300000210
参数Hk和
Figure FDA00042312250300000211
具体应为：/>
Figure FDA00042312250300000212
此时，公式(8)满足容积故障检测滤波器形式如下，可借鉴先验概率分布
Figure FDA00042312250300000213
以及权重Wk的选用：
Figure FDA0004231225030000031
则***(11)被重新构造如下：
Figure FDA0004231225030000032
JN为进行故障检测时阈值的计算方式，更新方式如下：
Figure FDA0004231225030000033
(12)中的部分参数具体更新如下：
Figure FDA0004231225030000034
所述步骤3中，自适应部分具体包括：
自适应Rk如下：
Figure FDA0004231225030000035
自适应Qk如下：
Figure FDA0004231225030000036
其中：
Figure FDA0004231225030000037
所述步骤3中，鲁棒性优化具体包括：
Figure FDA0004231225030000038
对其中的γ进行优化调整如下：
Figure FDA0004231225030000041
CN202010888727.3A 2020-08-28 2020-08-28 一种惯导-卫星组合导航***的鲁棒故障检测方法 Active CN111999747B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010888727.3A CN111999747B (zh) 2020-08-28 2020-08-28 一种惯导-卫星组合导航***的鲁棒故障检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010888727.3A CN111999747B (zh) 2020-08-28 2020-08-28 一种惯导-卫星组合导航***的鲁棒故障检测方法

Publications (2)

Publication Number Publication Date
CN111999747A CN111999747A (zh) 2020-11-27
CN111999747B true CN111999747B (zh) 2023-06-20

Family

ID=73465442

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010888727.3A Active CN111999747B (zh) 2020-08-28 2020-08-28 一种惯导-卫星组合导航***的鲁棒故障检测方法

Country Status (1)

Country Link
CN (1) CN111999747B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115420284B (zh) * 2022-11-08 2023-02-03 北京航空航天大学 一种组合导航***故障检测与识别方法
CN116149186B (zh) * 2023-02-16 2023-08-11 大连交通大学 一种卫星姿态控制***故障估计的Kalman滤波方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7219013B1 (en) * 2003-07-31 2007-05-15 Rockwell Collins, Inc. Method and system for fault detection and exclusion for multi-sensor navigation systems
CN102654407A (zh) * 2012-04-17 2012-09-05 南京航空航天大学 惯性卫星紧组合导航***的多故障检测装置及检测方法
CN103134491A (zh) * 2011-11-30 2013-06-05 上海宇航***工程研究所 Geo轨道转移飞行器sins/cns/gnss组合导航***
EP3006900A1 (en) * 2014-10-08 2016-04-13 Honeywell International Inc. Systems and methods for attitude fault detection based on integrated gnss-inertial hybrid filter residuals
CN106885570A (zh) * 2017-02-24 2017-06-23 南京理工大学 一种基于鲁棒sckf滤波的紧组合导航方法
CN108344415A (zh) * 2018-01-30 2018-07-31 北京大学 一种组合导航信息融合方法
CN110296701A (zh) * 2019-07-09 2019-10-01 哈尔滨工程大学 惯性与卫星组合导航***渐变型故障回溯容错方法
CN110926466A (zh) * 2019-12-14 2020-03-27 大连海事大学 一种面向无人船组合导航信息融合的多尺度数据分块算法
KR102119254B1 (ko) * 2019-03-14 2020-06-04 국방과학연구소 연합형 필터 기반 관성항법, 위성항법 및 지형대조항법을 정보 융합한 통합 항법 설계 방법 및 이 방법을 저장한 컴퓨터 판독 가능 저장 매체

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2866423B1 (fr) * 2004-02-13 2006-05-05 Thales Sa Dispositif de surveillance de l'integrite des informations delivrees par un systeme hybride ins/gnss
US8600660B2 (en) * 2006-09-29 2013-12-03 Honeywell International Inc. Multipath modeling for deep integration
FR2943869B1 (fr) * 2009-03-24 2011-04-29 Sagem Defense Securite Procede et dispositif de detection et d'exclusion de pannes satellite dans un systeme hybride ins/gnss
US8589072B2 (en) * 2011-04-13 2013-11-19 Honeywell International, Inc. Optimal combination of satellite navigation system data and inertial data
CN104181574B (zh) * 2013-05-25 2016-08-10 成都国星通信有限公司 一种捷联惯导***/全球导航卫星***组合导航滤波***及方法
CN109373999B (zh) * 2018-10-23 2020-11-03 哈尔滨工程大学 基于故障容错卡尔曼滤波的组合导航方法
CN110579740B (zh) * 2019-09-17 2023-03-31 大连海事大学 一种基于自适应联邦卡尔曼滤波的无人船组合导航方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7219013B1 (en) * 2003-07-31 2007-05-15 Rockwell Collins, Inc. Method and system for fault detection and exclusion for multi-sensor navigation systems
CN103134491A (zh) * 2011-11-30 2013-06-05 上海宇航***工程研究所 Geo轨道转移飞行器sins/cns/gnss组合导航***
CN102654407A (zh) * 2012-04-17 2012-09-05 南京航空航天大学 惯性卫星紧组合导航***的多故障检测装置及检测方法
EP3006900A1 (en) * 2014-10-08 2016-04-13 Honeywell International Inc. Systems and methods for attitude fault detection based on integrated gnss-inertial hybrid filter residuals
CN106885570A (zh) * 2017-02-24 2017-06-23 南京理工大学 一种基于鲁棒sckf滤波的紧组合导航方法
CN108344415A (zh) * 2018-01-30 2018-07-31 北京大学 一种组合导航信息融合方法
KR102119254B1 (ko) * 2019-03-14 2020-06-04 국방과학연구소 연합형 필터 기반 관성항법, 위성항법 및 지형대조항법을 정보 융합한 통합 항법 설계 방법 및 이 방법을 저장한 컴퓨터 판독 가능 저장 매체
CN110296701A (zh) * 2019-07-09 2019-10-01 哈尔滨工程大学 惯性与卫星组合导航***渐变型故障回溯容错方法
CN110926466A (zh) * 2019-12-14 2020-03-27 大连海事大学 一种面向无人船组合导航信息融合的多尺度数据分块算法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
一种基于MAP噪声估计器的低成本SINS/GPS的快速UKF算法;戴卿;常允艳;;四川文理学院学报(第05期);全文 *
改进新息自适应交互多模的GPS/SINS组合导航滤波算法;张闯;赵修斌;庞春雷;徐杰;张建安;;空军工程大学学报(自然科学版)(第06期);全文 *

Also Published As

Publication number Publication date
CN111999747A (zh) 2020-11-27

Similar Documents

Publication Publication Date Title
CN111999747B (zh) 一种惯导-卫星组合导航***的鲁棒故障检测方法
CN110132308B (zh) 一种基于姿态确定的usbl安装误差角标定方法
US6498996B1 (en) Vibration compensation for sensors
RU2673504C2 (ru) Определение курса для гибридного навигационного решения на основе магнитно-откалиброванных измерений
CN110196443A (zh) 一种飞行器的容错组合导航方法及***
CN110954132B (zh) Grnn辅助自适应卡尔曼滤波进行导航故障识别的方法
CN104596514B (zh) 加速度计和陀螺仪的实时降噪***和方法
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
CN110346821B (zh) 一种解决gps长时间失锁问题的sins/gps组合定姿定位方法及***
CN112432644A (zh) 基于鲁棒自适应无迹卡尔曼滤波的无人艇组合导航方法
JP4426440B2 (ja) 船舶の上下浮動及び上下浮動速度決定方法及びシステム
CN110763253A (zh) 一种基于svr的组合导航***故障诊断方法
CN116147624B (zh) 一种基于低成本mems航姿参考***的船舶运动姿态解算方法
CN113984054A (zh) 基于信息异常检测的改进Sage-Husa自适应融合滤波方法及多源信息融合设备
CN110703205A (zh) 基于自适应无迹卡尔曼滤波的超短基线定位方法
CN115979253A (zh) 一种基于抗差滤波的水下机器人多传感器紧组合导航方法
US20240045001A1 (en) System and method for fast magnetometer calibration using gyroscope
CN116412821A (zh) 有色噪声下基于改进自适应滤波的组合导航方法
CN115218927B (zh) 基于二次卡尔曼滤波的无人机imu传感器故障检测方法
CN115291253B (zh) 一种基于残差检测的车辆定位完好性监测方法及***
CN110779549A (zh) 一种水下组合导航***突变型故障诊断方法
CN113932815A (zh) 稳健性优化的Kalman滤波方法、装置、电子设备和存储介质
CN114488220A (zh) 一种基于超短基线的近海底视频数据定位校正方法
CN116702479B (zh) 一种水下航行器未知输入与位置估计方法及***
Newhall et al. Improved estimation of the shape of towed sonar arrays

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