CN109059925B - 一种航向快速估计方法 - Google Patents

一种航向快速估计方法 Download PDF

Info

Publication number
CN109059925B
CN109059925B CN201810866868.8A CN201810866868A CN109059925B CN 109059925 B CN109059925 B CN 109059925B CN 201810866868 A CN201810866868 A CN 201810866868A CN 109059925 B CN109059925 B CN 109059925B
Authority
CN
China
Prior art keywords
course
aerial vehicle
unmanned aerial
covariance matrix
increased
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
CN201810866868.8A
Other languages
English (en)
Other versions
CN109059925A (zh
Inventor
樊鹏辉
陆方舟
于翔海
张翔南
韩松
刘东昌
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.)
China Spaceflight Electronic Technology Research Institute
Original Assignee
China Spaceflight Electronic Technology Research Institute
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 China Spaceflight Electronic Technology Research Institute filed Critical China Spaceflight Electronic Technology Research Institute
Priority to CN201810866868.8A priority Critical patent/CN109059925B/zh
Publication of CN109059925A publication Critical patent/CN109059925A/zh
Application granted granted Critical
Publication of CN109059925B publication Critical patent/CN109059925B/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
    • G01C21/20—Instruments for performing navigational calculations

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Navigation (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明属于航空飞行器的导航领域，特别涉及一种旋翼无人机的航向快速估计方法。该方法通过控制无人机进行S弯机动，加快卡尔曼组合导航滤波的航向收敛速度；同时增加滤波器中的协方差矩阵Q的值，从而增加了外部观测量的权重，导致增益矩阵K增大，进一步加快了航向收敛速度，实现一个机动条件下的航向粗对准，最终完成航向快速估计。本发明的优点如下：无人机鲁棒性增强，保证机载航向传感器故障情况下的飞行安全；基于应用广泛的卡尔曼组合导航滤波算法进行修改，算法成熟稳定，简单可靠，无额外运算量；传感器成本低，不需要额外增加其他设备，降低了无人机系统的复杂性；适用性强，适用于多种无人机的快速航向估计，尤其适合旋翼无人机。

Description

一种航向快速估计方法
技术领域
本发明属于航空飞行器的导航领域，特别涉及一种旋翼无人机的航向快速估计方法。
背景技术
无人机航向精度直接关系到导航定位解算精度与目标定位精度，传统航向估计方法主要有磁传感器、GPS测向、地速方向等。 磁传感器由于其尺寸、重量、成本、功耗上的优势，使用广泛，但使用前需要严格标定，且飞行过程中易受环境干扰；GPS测向精度较高，且测量值为真北航向，但成本较高，体积较大，不适合小型无人机安装，且差分测向飞行过程中同样易受电磁干扰影响导致测向失败；地速方向算法简单，计算时间短，但精度差，不适用于旋翼无人机，且在无人机存在侧滑情况下有较大偏差 。
当无人机机载航向传感器发生故障，航向存在较大偏差时，飞行安全会受到严重影响，针对这种状况完成快速航向估计，是本发明需要解决的问题。
发明内容
为了解决上述问题，本发明的目的是提供一种当无人机机载航向传感器发生故障、航向存在较大偏差时，快速完成航向估计，保障无人机飞行安全，提高导航定位精度和目标定位精度的航向快速估计方法。
本发明包括如下的技术方案：一种航向快速估计方法，其特征在于，该方法通过控制无人机进行S弯机动，加快卡尔曼组合导航滤波的航向收敛速度；同时增加滤波器中的协方差矩阵Q的值，从而增加了外部观测量的权重，导致增益矩阵K增大，进一步加快了航向收敛速度，实现一个机动条件下的航向粗对准，最终完成航向快速估计。
进一步，该方法具体步骤为：
步骤1：无人机根据故障检测发现机载航向传感器故障或长时间无有效航向输入，开始航向快速估计方法；
步骤2：飞控发送姿态控制指令，控制无人机做S弯机动，同时将卡尔曼组合导航滤波中协方差阵Q增大为原始值的3-5倍；
步骤3：在无人机做S弯机动过程中，采用根据步骤2调整后协方差阵Q数值的卡尔曼组合导航滤波器对所述无人机的航向进行实时校准；
步骤4：当无人机做S弯机动结束后，采用将协方差阵Q数值恢复到初始值卡尔曼组合导航滤波器完成对航向的校准，即完成航向快速估计。
进一步，所述步骤3的具体步骤为：
S3.1:k-1时刻，卡尔曼组合导航滤波器通过一步转移矩阵Ф k,k-1 估计系统k时刻的状态估计
Figure 397405DEST_PATH_IMAGE001
，
S3.2:根据系统协方差阵Q、观测量协方差阵R、k-1时刻系统协方差阵P k,k-1 ，计算k时刻系统的增益矩阵K k ，结合当前时刻的系统观测值Z k 完成对
Figure 979565DEST_PATH_IMAGE002
进行修正，更新系统协方差阵P k ，继而迭代进行k+1时刻的系统状态估计。
进一步，所述S弯机动为三轴摇摆运动与线运动组合。
本发明相比现有技术有如下优点：
（1）无人机鲁棒性增强，保证机载航向传感器故障情况下的飞行安全 ；
（2）基于应用广泛的卡尔曼组合导航滤波算法进行修改，算法成熟稳定，简单可靠，无额外运算量；
（3）传感器成本低，不需要额外增加其他设备，降低了无人机系统的复杂性；
（4）适用性强，适用于多种无人机的快速航向估计，尤其适合旋翼无人机。
具体实施方式
下面结合具体实施例对本发明的技术方案做进一步说明。
本发明一种航向快速估计方法，该方法通过控制无人机进行S弯机动，加快卡尔曼组合导航滤波的航向收敛速度；同时增加滤波器中的协方差矩阵Q的值，从而增加了外部观测量的权重，导致增益矩阵K增大，进一步加快了航向收敛速度，实现一个机动条件下的航向粗对准，最终完成航向快速估计。
进一步，该方法具体步骤为：
步骤1：无人机根据故障检测发现机载航向传感器故障或长时间无有效航向输入，开始航向快速估计方法；
步骤2：飞行控制器发送姿态控制指令，控制无人机做S弯机动，同时将卡尔曼组合导航滤波中协方差阵Q增大为原始值的3-5倍；
步骤3：在无人机做S弯机动过程中，采用根据步骤2调整后协方差阵Q数值的卡尔曼组合导航滤波器对所述无人机的航向进行实时校准；
步骤4：当无人机做S弯机动结束后，采用将协方差阵Q数值恢复到初始值卡尔曼组合导航滤波器完成对航向的校准，即完成航向快速估计。
所述步骤3的具体步骤为：
S3.1:k-1时刻，卡尔曼组合导航滤波通过一步转移矩阵Ф k,k-1 估计系统k时刻的状态估计
Figure 793937DEST_PATH_IMAGE003
，
Figure 616400DEST_PATH_IMAGE004
同时估k-1时刻系统协方差阵P k,k-1 和k时刻增益矩阵K k ，
Figure 821116DEST_PATH_IMAGE005
,
Figure 20016DEST_PATH_IMAGE006
,
同时根据系统协方差阵Q、观测量协方差阵R、k-1时刻系统协方差阵P k,k-1 ，计算k时刻系统的系统协方差阵P k ，
Figure 688895DEST_PATH_IMAGE007
,
Figure 367745DEST_PATH_IMAGE008
,
结合当前时刻的系统观测值Z k 完成对
Figure 122074DEST_PATH_IMAGE003
进行修正，更新系统协方差阵P k 。
S3.2:根据系统协方差阵Q、观测量协方差阵R、k-1时刻系统协方差阵P k,k-1 ，计算k时刻系统的增益矩阵K k ，结合当前时刻的系统观测值Z k 完成对
Figure 859086DEST_PATH_IMAGE003
进行修正，更新系统协方差阵P k ，继而迭代进行k+1时刻的系统状态估计。
所述S弯机动为三轴摇摆运动与线运动组合。
本发明利用无人机S弯机动为三轴摇摆运动与线运动的组合，机动中滤波器状态变量中的航向误差可观性得到极大提高的特点，控制无人机进行S弯机动，加快卡尔曼组合导航滤波的航向收敛速度；同时增加滤波器中的协方差矩阵Q的值，从而增加了外部观测量的权重，导致增益矩阵K增大，进一步加快了航向收敛速度，实现一个机动条件下的航向粗对准，完成航向快速估计。

Claims (2)

1.一种航向快速估计方法，该方法通过控制无人机进行S弯机动，使卡尔曼组合导航滤波器状态变量中的航向误差可观性得到极大提高，加快卡尔曼组合导航滤波的航向收敛速度；同时增加滤波器中的协方差阵Q的每一个数值，从而增加了外部观测量的权重，导致增益矩阵K增大，进一步加快了航向收敛速度，实现一个机动条件下的航向粗对准，最终完成航向快速估计，其特征在于，该方法具体步骤为：
步骤1：无人机根据故障检测发现机载航向传感器故障或长时间无有效航向输入，开始航向快速估计方法；
步骤2：飞行控制器发送姿态控制指令，控制无人机做S弯机动，同时将卡尔曼组合导航滤波器中协方差阵Q增大为原始值的3-5倍；
步骤3：在无人机做S弯机动过程中，采用根据步骤2调整后协方差阵Q数值的卡尔曼组合导航滤波器对所述无人机的航向进行实时校准；
具体步骤为：
S3.1:k-1时刻，卡尔曼组合导航滤波器通过一步转移矩阵Ф k,k-1 估计系统k时刻的状态估计
Figure DEST_PATH_IMAGE001
，
S3.2:根据协方差阵Q、观测量协方差阵R、k-1时刻系统协方差阵P k,k-1 ，计算k时刻系统的增益矩阵K k ，结合当前时刻的系统观测值Z k 完成对
Figure 129463DEST_PATH_IMAGE001
进行修正，更新系统协方差阵P k ，继而迭代进行k+1时刻的系统状态估计；
步骤4：当无人机做S弯机动结束后，将卡尔曼组合导航滤波器中协方差阵Q中的增大后数值恢复到卡尔曼组合导航滤波器的初始设定值，完成对航向的校准，即完成航向快速估计。
2.根据权利要求1所述的方法，其特征在于，所述S弯机动为三轴摇摆运动与线运动组合。
CN201810866868.8A 2018-08-01 2018-08-01 一种航向快速估计方法 Active CN109059925B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810866868.8A CN109059925B (zh) 2018-08-01 2018-08-01 一种航向快速估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810866868.8A CN109059925B (zh) 2018-08-01 2018-08-01 一种航向快速估计方法

Publications (2)

Publication Number Publication Date
CN109059925A CN109059925A (zh) 2018-12-21
CN109059925B true CN109059925B (zh) 2021-05-11

Family

ID=64832544

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810866868.8A Active CN109059925B (zh) 2018-08-01 2018-08-01 一种航向快速估计方法

Country Status (1)

Country Link
CN (1) CN109059925B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117109571B (zh) * 2023-10-25 2024-01-23 北京控制工程研究所 导航误差快速收敛方法、装置、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105372651A (zh) * 2015-11-30 2016-03-02 西北农林科技大学 基于最优ar模型的自适应机动目标跟踪方法
CN105974367A (zh) * 2016-05-04 2016-09-28 南京理工大学 基于apm模型的机动频率自适应跟踪算法
CN107015945A (zh) * 2017-04-10 2017-08-04 哈尔滨工业大学 一种基于混合转移分布的高阶交互式多模型滤波方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105372651A (zh) * 2015-11-30 2016-03-02 西北农林科技大学 基于最优ar模型的自适应机动目标跟踪方法
CN105974367A (zh) * 2016-05-04 2016-09-28 南京理工大学 基于apm模型的机动频率自适应跟踪算法
CN107015945A (zh) * 2017-04-10 2017-08-04 哈尔滨工业大学 一种基于混合转移分布的高阶交互式多模型滤波方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"Modified unscented Kalman filtering and its application in autonomous satellite navigation";K.Xiong;《Aerospace Science and Technology》;20090512;正文第238–246页 *
"天基预警雷达自适应转换测量卡尔曼滤波";刘国情;《信号处理》;20180228;第34卷(第２期);正文第155-161页 *
"采用组合滤波算法的无人机航向测量系统研究";王勇军;《电子应用技术》;20180329;第44卷(第2期);正文第1页 *

Also Published As

Publication number Publication date
CN109059925A (zh) 2018-12-21

Similar Documents

Publication Publication Date Title
CN105806365B (zh) 一种基于自抗扰控制的车载惯导行进间快速初始对准方法
CN103278837A (zh) 基于自适应滤波的sins/gnss多级容错组合导航方法
CN107063241A (zh) 基于双gnss天线及单轴mems陀螺的前轮测角系统
CN107783422B (zh) 采用捷联惯导的火炮瞄准稳定系统控制方法
CN104536453A (zh) 飞行器的控制方法及装置
CN111207745B (zh) 一种适用于大机动无人机垂直陀螺仪的惯性测量方法
US10871374B2 (en) Estimating the speed and the heading of an aircraft, independently of a magnetic measurement
CN106772351B (zh) 基于有限步记忆的卡尔曼滤波方法
CN109506660B (zh) 一种用于仿生导航的姿态最优化解算方法
CN110228605B (zh) 一种基于太阳敏感器的卫星安全对日控制方法
CN105115508A (zh) 基于后数据的旋转制导炮弹快速空中对准方法
Werries et al. Adaptive Kalman filtering methods for low-cost GPS/INS localization for autonomous vehicles
CN105403218B (zh) 用于四旋翼无人机的俯仰角的地磁修正方法
CA2699137A1 (en) Hybrid inertial system with non-linear behaviour and associated method of hybridization by multi-hypothesis filtering
CN103063216A (zh) 一种基于星像坐标建模的惯性与天文组合导航方法
CN109059925B (zh) 一种航向快速估计方法
CN108037523A (zh) 一种应用于无人机的电子辅助波束对准方法
CN103226022B (zh) 用于组合导航系统的动基座对准方法及系统
CN105158784A (zh) 动中通卫星通信系统级联卡尔曼滤波载体姿态估计方法
CN106494643B (zh) 一种基于地心矢量信息的卫星姿态异常恢复控制方法
CN105007109A (zh) 动中通卫星通信系统的自适应组合导航天线波束控制方法
CN115014321A (zh) 一种基于自适应鲁棒滤波的仿生偏振多源融合定向方法
CN116300991A (zh) 一种基于强化学习和事件触发的无人飞行器轨迹跟踪方法
CN115371707A (zh) 一种大方位失准角下多普勒雷达辅助捷联惯导运动基座粗对准方法
CN111123381A (zh) 一种用于平台式重力仪减小水平加速度影响的方法

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