CN109238307B - 一种基于多惯组信息辅助的飞行故障检测方法及装置 - Google Patents

一种基于多惯组信息辅助的飞行故障检测方法及装置 Download PDF

Info

Publication number
CN109238307B
CN109238307B CN201811005594.XA CN201811005594A CN109238307B CN 109238307 B CN109238307 B CN 109238307B CN 201811005594 A CN201811005594 A CN 201811005594A CN 109238307 B CN109238307 B CN 109238307B
Authority
CN
China
Prior art keywords
flight
inertial
fault detection
covariance matrix
filter
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
CN201811005594.XA
Other languages
English (en)
Other versions
CN109238307A (zh
Inventor
张春熹
王峥
卢鑫
冉龙俊
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.)
Hengyang Hengshan Science City Technology Innovation Research Institute Co ltd
Original Assignee
Hengyang Hengshan Science City Technology Innovation Research Institute Co ltd
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 Hengyang Hengshan Science City Technology Innovation Research Institute Co ltd filed Critical Hengyang Hengshan Science City Technology Innovation Research Institute Co ltd
Priority to CN201811005594.XA priority Critical patent/CN109238307B/zh
Publication of CN109238307A publication Critical patent/CN109238307A/zh
Application granted granted Critical
Publication of CN109238307B publication Critical patent/CN109238307B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Navigation (AREA)

Abstract

本发明提供一种基于多惯组信息辅助的飞行故障检测方法及装置，该方法包括：获取基于已知飞行轨迹产生导航系统误差规律的先验信息；根据所述先验信息对组合时段进行划分，得到滤波器误差协方差阵稳定阶段和滤波器误差协方差阵收敛阶段；判断当前故障检测时刻是否处于滤波器误差协方差阵稳定阶段；若当前故障检测时刻处于滤波器误差协方差阵稳定阶段，基于多惯组协同的残差χ2检验法对飞行故障检测；若当前故障检测时刻处于滤波器误差协方差阵收敛阶段，基于协方差先验信息的最大值检验法对飞行故障检测。本发明提高了飞行故障检测的准确度，能有效保证多惯组工作可靠性。

Description

一种基于多惯组信息辅助的飞行故障检测方法及装置
技术领域
本发明涉及惯导技术领域，尤其涉及一种基于多惯组信息辅助的飞行故障检测方法及装置。
背景技术
故障检测技术是在60年代为发展高性能的飞机和保证航天系统的可靠性而发展起来的。故障检测技术可以有效地提高系统可靠性、可维修性。并且广泛应用于核工业、化学工业、航空航天等方面。
最早的故障诊断手段是采用硬件冗余技术。采用多套相同功能的硬件(如传感器)，通过检查它们输出参数的一致性，根据选举逻辑按少数服从多数的原则来实现故障检测。解析余度是基于数学模型的方法，通过比较观测器的输出得到系统故障信息。它可以利用系统的参照模型和来自非相似传感器的信息，还可以利用数据融合方法充分利用量测信息，提高测量精度。基于解析余度的方法可以分为参数估计法和状态估计法两种，导航系统的故障检测常采用状态估计法，主要是卡尔曼滤波方法。此外，还有基于神经网络及小波变换的方法。但任何单一方法检测可靠性不高，因此现有技术中，对飞行故障检测的准确度较低。
发明内容
本发明实施例提供一种基于多惯组信息辅助的飞行故障检测方法及装置，以解决飞行故障检测的准确度较低的问题。
第一方面，本发明实施例提供了一种基于多惯组信息辅助的飞行故障检测方法，包括：
获取基于已知飞行轨迹产生导航系统误差规律的先验信息；
根据所述先验信息对组合时段进行划分，得到滤波器误差协方差阵稳定阶段和滤波器误差协方差阵收敛阶段；
判断当前故障检测时刻是否处于滤波器误差协方差阵稳定阶段；
若当前故障检测时刻处于滤波器误差协方差阵稳定阶段，基于多惯组协同的残差χ2检验法对飞行故障检测；
若当前故障检测时刻处于滤波器误差协方差阵收敛阶段，基于协方差先验信息的最大值检验法对飞行故障检测。
可选的，基于多惯组协同的残差χ2检验法对飞行故障检测，包括：
采用速度量测值作为残差χ2检验法的检验量，进行飞行故障检测。
可选的，基于协方差先验信息的最大值检验法对飞行故障检测，包括：
将滤波器每个时刻的器件误差估计值设为检测量，进行飞行故障检测。
第二方面，本发明实施例还提供了一种基于多惯组信息辅助的飞行故障检测装置，其特征在于，包括：
获取模块，用于获取基于已知飞行轨迹产生导航系统误差规律的先验信息；
时段划分模块，用于根据所述先验信息对组合时段进行划分，得到滤波器误差协方差阵稳定阶段和滤波器误差协方差阵收敛阶段；
判断模块，用于判断当前故障检测时刻是否处于滤波器误差协方差阵稳定阶段；
处理模块，用于若当前故障检测时刻处于滤波器误差协方差阵稳定阶段，基于多惯组协同的残差χ2检验法对飞行故障检测；若当前故障检测时刻处于滤波器误差协方差阵收敛阶段，基于协方差先验信息的最大值检验法对飞行故障检测。
可选的，所述处理模块具体用于，采用速度量测值作为残差χ2检验法的检验量，进行飞行故障检测。
可选的，所述处理模块具体用于，将滤波器每个时刻的器件误差估计值设为检测量，进行飞行故障检测。
本发明实施例中，通过获取基于已知飞行轨迹产生导航系统误差规律的先验信息；根据所述先验信息对组合时段进行划分，得到滤波器误差协方差阵稳定阶段和滤波器误差协方差阵收敛阶段；判断当前故障检测时刻是否处于滤波器误差协方差阵稳定阶段；若当前故障检测时刻处于滤波器误差协方差阵稳定阶段，基于多惯组协同的残差χ2检验法对飞行故障检测；若当前故障检测时刻处于滤波器误差协方差阵收敛阶段，基于协方差先验信息的最大值检验法对飞行故障检测。这样，由于针对飞行过程的不同时段，采用不同的故障检测方法，在滤波器稳定阶段，采用残差χ2检验法对系统故障进行检测；在滤波器收敛阶段，使用当前时刻以前的全局最优估计信息来对当前时刻的信息进行检验，并且同时使用协方差先验信息对对准过程中的各个状态变量进行检测，有效解决因为协方差不收敛造成的残差检验法不生效的问题。因此，本发明提高了飞行故障检测的准确度，能有效保证多惯组工作可靠性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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是本发明实施例提供的基于多惯组信息辅助的飞行故障检测方法的流程图；
图2是本发明实施例中X向加表产生误差时X向陀螺误差估计曲线示例图；
图3是本发明实施例中X向加表产生误差时Y向陀螺误差估计曲线示例图；
图4是本发明实施例中X向加表产生误差时Z向陀螺误差估计曲线示例图；
图5是本发明实施例中X向加表产生误差时X向加表误差估计曲线示例图；
图6是本发明实施例中X向加表产生误差时Y向加表误差估计曲线示例图；
图7是本发明实施例中X向加表产生误差时Z向加表误差估计曲线示例图；
图8为本发明实施例中X向陀螺故障为10倍系统误差时X轴向陀螺误差估计曲线；
图9为本发明实施例中X向陀螺故障为10倍系统误差时Y轴向陀螺误差估计曲线；
图10为本发明实施例中X向陀螺故障为3倍系统误差时X轴向陀螺误差估计曲线；
图11为本发明实施例中X向陀螺故障为3倍系统误差时Y轴向陀螺误差估计曲线；
图12是本发明实施例提供的基于多惯组信息辅助的飞行故障检测装置的结构图。
具体实施方式
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作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。
参见图1，图1是本发明实施例提供的一种基于多惯组信息辅助的飞行故障检测方法的流程图，如图1所示，包括以下步骤：
步骤101，获取基于已知飞行轨迹产生导航系统误差规律的先验信息；
步骤102，根据所述先验信息对组合时段进行划分，得到滤波器误差协方差阵稳定阶段和滤波器误差协方差阵收敛阶段；
步骤103，判断当前故障检测时刻是否处于滤波器误差协方差阵稳定阶段；若是，则执行步骤104，若否，则执行步骤105；
步骤104，基于多惯组协同的残差χ2检验法对飞行故障检测；
步骤105，基于协方差先验信息的最大值检验法对飞行故障检测。
本发明实施例中，飞行载体可以在已知的飞行轨迹下通过多惯组进行组合导航，获得已知飞行轨迹产生导航系统误差规律的先验信息。具体的，通过多惯组信息复制飞行的过程如下(以下将以两套惯组为例进行说明)：
1、将初始位置、姿态、速度信息分别传递给两套惯组实现初始化；
2、利用采集的惯组陀螺加表数据实时解算，得到各自的导航信息；
3、基于卫星导航实时提供的速度信息作为观测量，以及多惯组零偏近似零均值、各惯组已知的相对姿态角信息观测实现飞行组合导航。
其中，组合导航过程包括建立系统状态方程和量测方程，对系统的状态变量进行估计；
(1)多惯组协同的飞行组合导航滤波器状态方程为：
Figure BDA0001783921780000051
其中，X(t)∈R30为状态变量，F(t)∈R30×30为系统误差矩阵，则状态变量为：
Figure BDA0001783921780000052
E,N,U分别代表东，北，天三个轴向；φE,φN,φU为平台误差角；δVE,δVN,δVU为速度误差；δL,δλ,δh为位置误差；εx,εy,εz为陀螺仪随机漂移；
Figure BDA0001783921780000053
为加速度计随机漂移。下标_1、_2分别表示第一个惯组的状态量以及第二个惯组的状态量；W(t)是连续系统的系统噪声且E[W(t)]＝0；白噪声过程W(t)的协方差强度阵为q(t)，其为非负定阵，E[W(t)WT(τ)]＝q(t)δ(t-τ)；
系统误差矩阵F(t)描述如下：
Figure BDA0001783921780000054
其中，
Figure BDA0001783921780000055
对INS误差模型进行分析，可以得到：
Figure BDA0001783921780000056
其中，
v表示飞行载体运动速度矢量；
ρ表示飞行载体运动角速率矢量；
Ω表示地球自转角速率矢量；
ω为ρ+Ω；
g表示地球重力加速度；
R表示地球半径；
f表示飞行载体感受的比力矢量；
下标x,y,z代表导航坐标系下的分量。
(2)确定多惯组零位近似零均值观测方程：
假设IMU(Inertial Measurement Unit,惯性测量模块)漂移近似呈零均值的高斯分布，针对所有陀螺与加速度计即有：
Figure BDA0001783921780000061
同时使用卫星导航的速度修正，将其与上述器件信息综合写成矩阵形式，得到观测方程：
Figure BDA0001783921780000062
其中，η1是测量噪声，E[η1(t)]＝0，其协方差强度阵为r(t)，其为正定阵，
Figure BDA0001783921780000063
Z1是观测量，计算方法如下：
Figure BDA0001783921780000064
Vx、Vy、Vz为卫星导航输出速度，
Figure BDA0001783921780000065
为两套惯组的输出速度；
Figure BDA0001783921780000066
Figure BDA0001783921780000067
Figure BDA0001783921780000068
Figure BDA0001783921780000069
Figure BDA00017839217800000610
分别是各惯组的速度修正量测阵；
Figure BDA00017839217800000611
分别是各惯组的陀螺和加表的输出零位量测阵。
(3)基于已知相对姿态角信息的协同滤波器量测方程
可以考虑已测惯组之间的相对姿态，即假设各惯组之间的相对姿态已知，可以将惯组之间的相对姿态作为约束量添加到量测方程中，使用卡尔曼滤波器对各惯组进行协同组合导航。
根据姿态角约束建立量测方程：
Z2＝H2X+η2，其中，观测量Z2＝[ρx ρy ρz]T，ρx、ρy、ρz为惯组2相对惯组1的失准角。
Figure BDA0001783921780000071
分别为与惯组1、惯组2姿态误差角有关的量测矩阵系数。
(4)连续状态方程离散化及卡尔曼滤波器的状态估计；
对上述方程进行离散化，使用标准卡尔曼滤波进行状态估计，得到各惯组协同传递对准的实时导航结果。
在上述步骤104中，基于多惯组协同的残差χ2检验法对飞行故障检测，包括：
采用速度量测值作为残差χ2检验法的检验量，进行飞行故障检测。
本实施例中，在滤波器收敛稳定的时段内，滤波器的量测值应该符合零均值高斯分布。仅采用速度量测值作为残差χ2检验法的检验量，即有
Figure BDA0001783921780000072
应该符合零均值高斯分布。
根据滤波方程计算其方差和统计量：
S(k)＝HkPk,k-1Hk T+Rk；
Figure BDA0001783921780000073
λz(k)应该服从自由度为6的χ2分布，给定检验水平α，查:χ2分布表，得α分位数χα 2(6)，通过计算可判断是否存在故障。
当λz(k)≤χ2 a时，判断系统无故障，进入下一时段的判断，返回步骤102；
当λz(k)>χ2 a时，判断系统产生故障。
在上述步骤105中，基于协方差先验信息的最大值检验法对飞行故障检测，包括：
将滤波器每个时刻的器件误差估计值设为检测量，进行飞行故障检测。
在状态未收敛的情况下，参数并不一定符合零均值高斯分布，这时惯导系统各自的误差最优估计只能由协方差阵给出。将状态变量的协方差设定为阈值，由于滤波器的收敛特性，每个时刻状态量的计算值都应该在某个由协方差约束的置信度区间内，将滤波器每个时刻的器件误差估计值设为检测量，以惯组1为例，假设在地理坐标系下陀螺的漂移方差估计值分别
Figure BDA0001783921780000081
加表为
Figure BDA0001783921780000082
则有：
Figure BDA0001783921780000083
统计先验信息，利用协方差先验信息给出的误差最优估计值来设定器件漂移的最大置信度估计上限与估计下限TH、TL，判断：
λ(k)＞TH或者λ(k)＜TL，系统有故障；
TL≤λ(k)≤TH，系统无故障，进入下一时段故障判断，返回步骤102；
即当前时刻如果某一个方向上的陀螺或者加表漂移的方差估计值超出根据先验信息设定的置信度估计值，则判定这个惯组工作出现故障。
为了更好的理解本发明，以下通过具体实例进行说明。
基于多惯组信息辅助的飞行组合导航，以弹载惯组大过载飞行过程为仿真应用背景，取0～430s为地面对准，430s～490s为飞行大过载时段。仿真中设置两种类型的故障，突变型故障(硬故障)和缓变型故障(软故障)。模拟的故障类型通过各子系统量测信息加入。残差χ2检验法中，取α＝0.05，即采用95％的置信区间，当α＝0.05时，χα 2(6)＝12。在多惯组辅助的基于协方差先验信息的最大值检验过程中，根据对先验信息的分析，设定可置信范围的上限下限分别为先验信息估计值加减2倍的协方差误差估计值。其中，系统误差源分配如表一所示，滤波器参数定义如表二所示。
表一：
Figure BDA0001783921780000091
表二：
Figure BDA0001783921780000092
经过起竖两位置地面对准阶段后，430s～490s进入飞行大过载阶段，使用卫星导航速度信息作为参考对各惯组进行组合导航。假设卫星导航数据已经进行了杆臂误差补偿等，基于各惯组零偏均值近似为零信息协同的滤波方法(组合1)、基于相对姿态角信息协同的滤波方法(组合2)
表三，协方差收敛稳定时段(组合1)：
Figure BDA0001783921780000093
Figure BDA0001783921780000101
表四，协方差收敛稳定时段(组合2)：
误差状态变量 协方差稳定时段(s)
X陀螺漂移 310～420 445～480
Y陀螺漂移 285～420 445～480
Z陀螺漂移 285～420 445～480
X加表漂移 60～308 350～480
Y加表漂移 60～308 360～480
Z加表漂移 200～480
结合表三和表四来给出上述实施例所给的飞行组合导航故障检测决策机制判断，判定针对组合1在200s～300s之间可以使用χ2检测法进行故障检测，其他时刻采用各惯组协同的基于误差协方差阵的最大值检验法；针对组合2，在445s～480s之间可以使用χ2检测法进行故障检测，其他时刻采用多惯组协同的基于误差协方差阵的最大值检验法。
故障在仿真中通常用系统实际误差扩大几倍后的结果来表示，因此故障设置如下(以惯组1器件发生故障为例)，表五，故障检测仿真设置：
故障变量 故障发生时间 故障大小 告警时间
X向陀螺误差 20s 0.6°/h 124s
X向陀螺误差 80s 2°/h 54s
Y向陀螺误差 300s 2°/h 54s
X向加表误差 50s 5000μg 7s
A：以X向加表误差发生故障为例(组合2)，使用基于协方差先验信息的最大值检验法的带有相对置信区间的各误差曲线图如图2至图7。
由图2至图7所示的曲线可以看出，当X方向加表产生误差时，除了X向加表的误差曲线超出了基于先验信息给出的可置信区间的上限，其他的曲线均在置信区间内，当误差曲线超过置信区间时，即可检测到系统发生故障，而且可以分离出故障发生在X向加表。
B：由于故障产生的类型多种多样，某个器件故障信号过大必然会对其他器件估计产生影响，这时会产生“虚警”现象，比如当X向陀螺误差取到2°/h，即在系统实际误差扩大十倍时，X轴向陀螺误差估计曲线与Y轴向陀螺误差估计曲线，如图8和图9所示。
这时，Y轴向陀螺误差估计超出了给出的置信区间的下限，产生了Y轴向的虚警，但是，其告警时间要比X轴晚很多，而且超过的幅度有限，因此，可以通过在检测到故障时及时对故障源进行隔离，或者提高置信区间的上下限的方法解决这种虚警现象。
C：为了进一步证明虚警现象，将X向陀螺故障设置为3倍系统误差，再次观察其误差估计曲线，如图10和图11所示，可以发现，当减小了故障幅值后，虚警现象消失，但是发现相应的告警时间变长。
综上所述：要减少虚警，置信度区间必须取得非常高，即设置的阈值应尽量高。但是，与此同时，估计量也越难超越该阈值，告警延迟时间变长，甚至系统己经出现故障但统计量仍低于该阈值的可能性也会随之增加，即漏检率升高。虚警和漏检在实际故障检测过程中是矛盾的：设置的阈值越高，虚警率就越小，但漏检率就越大；反之亦然。所以在故障检测系统的设计中，必须结合实际应用背景，对虚警和漏检作适当的权衡。
本发明实施例中，通过获取基于已知飞行轨迹产生导航系统误差规律的先验信息；根据所述先验信息对组合时段进行划分，得到滤波器误差协方差阵稳定阶段和滤波器误差协方差阵收敛阶段；判断当前故障检测时刻是否处于滤波器误差协方差阵稳定阶段；若当前故障检测时刻处于滤波器误差协方差阵稳定阶段，基于多惯组协同的残差χ2检验法对飞行故障检测；若当前故障检测时刻处于滤波器误差协方差阵收敛阶段，基于协方差先验信息的最大值检验法对飞行故障检测。这样，由于针对飞行过程的不同时段，采用不同的故障检测方法，在滤波器稳定阶段，采用残差χ2检验法对系统故障进行检测；在滤波器收敛阶段，使用当前时刻以前的全局最优估计信息来对当前时刻的信息进行检验，并且同时使用协方差先验信息对对准过程中的各个状态变量进行检测，有效解决因为协方差不收敛造成的残差检验法不生效的问题。因此，本发明提高了飞行故障检测的准确度，能有效保证多惯组工作可靠性。
参见图12，图12是本发明实施例提供的基于多惯组信息辅助的飞行故障检测装置的结构图，如图12所示，基于多惯组信息辅助的飞行故障检测装置包括：
获取模块1201，用于获取基于已知飞行轨迹产生导航系统误差规律的先验信息；
时段划分模块1202，用于根据所述先验信息对组合时段进行划分，得到滤波器误差协方差阵稳定阶段和滤波器误差协方差阵收敛阶段；
判断模块1203，用于判断当前故障检测时刻是否处于滤波器误差协方差阵稳定阶段；
处理模块1204，用于若当前故障检测时刻处于滤波器误差协方差阵稳定阶段，基于多惯组协同的残差χ2检验法对飞行故障检测；若当前故障检测时刻处于滤波器误差协方差阵收敛阶段，基于协方差先验信息的最大值检验法对飞行故障检测。
可选的，所述处理模块1204具体用于，采用速度量测值作为残差χ2检验法的检验量，进行飞行故障检测。
可选的，所述处理模块1204具体用于，将滤波器每个时刻的器件误差估计值设为检测量，进行飞行故障检测。
本发明实施例中，通过获取基于已知飞行轨迹产生导航系统误差规律的先验信息；根据所述先验信息对组合时段进行划分，得到滤波器误差协方差阵稳定阶段和滤波器误差协方差阵收敛阶段；判断当前故障检测时刻是否处于滤波器误差协方差阵稳定阶段；若当前故障检测时刻处于滤波器误差协方差阵稳定阶段，基于多惯组协同的残差χ2检验法对飞行故障检测；若当前故障检测时刻处于滤波器误差协方差阵收敛阶段，基于协方差先验信息的最大值检验法对飞行故障检测。这样，由于针对飞行过程的不同时段，采用不同的故障检测方法，在滤波器稳定阶段，采用残差χ2检验法对系统故障进行检测；在滤波器收敛阶段，使用当前时刻以前的全局最优估计信息来对当前时刻的信息进行检验，并且同时使用协方差先验信息对对准过程中的各个状态变量进行检测，有效解决因为协方差不收敛造成的残差检验法不生效的问题。因此，本发明提高了飞行故障检测的准确度，能有效保证多惯组工作可靠性。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (2)

1.一种基于多惯组信息辅助的飞行故障检测方法，其特征在于，包括：
获取基于已知飞行轨迹产生导航系统误差规律的先验信息；
根据所述先验信息对组合时段进行划分，得到滤波器误差协方差阵稳定阶段和滤波器误差协方差阵收敛阶段；
判断当前故障检测时刻是否处于滤波器误差协方差阵稳定阶段；
若当前故障检测时刻处于滤波器误差协方差阵稳定阶段，基于多惯组协同的残差χ2检验法对飞行故障检测，包括：
采用速度量测值作为残差χ2检验法的检验量，进行飞行故障检测，
将初始位置、姿态、速度信息分别传递给两套惯组实现初始化；
利用采集的惯组陀螺加表数据实时解算，得到各自的导航信息；
基于卫星导航实时提供的速度信息作为观测量，以及多惯组零偏近似零均值、各惯组已知的相对姿态角信息观测实现飞行组合导航，其中，组合导航过程包括建立滤波器状态方程和量测方程，对系统的状态变量进行估计；
若当前故障检测时刻处于滤波器误差协方差阵收敛阶段，基于协方差先验信息的最大值检验法对飞行故障检测，包括：
将滤波器每个时刻的器件误差估计值设为检测量，进行飞行故障检测。
2.一种基于多惯组信息辅助的飞行故障检测装置，其特征在于，包括：
获取模块，用于获取基于已知飞行轨迹产生导航系统误差规律的先验信息；
时段划分模块，用于根据所述先验信息对组合时段进行划分，得到滤波器误差协方差阵稳定阶段和滤波器误差协方差阵收敛阶段；
判断模块，用于判断当前故障检测时刻是否处于滤波器误差协方差阵稳定阶段；
处理模块，用于若当前故障检测时刻处于滤波器误差协方差阵稳定阶段，基于多惯组协同的残差χ2检验法对飞行故障检测，包括：采用速度量测值作为残差χ2检验法的检验量，进行飞行故障检测，将初始位置、姿态、速度信息分别传递给两套惯组实现初始化；利用采集的惯组陀螺加表数据实时解算，得到各自的导航信息；基于卫星导航实时提供的速度信息作为观测量，以及多惯组零偏近似零均值、各惯组已知的相对姿态角信息观测实现飞行组合导航，其中，组合导航过程包括建立滤波器状态方程和量测方程，对系统的状态变量进行估计；若当前故障检测时刻处于滤波器误差协方差阵收敛阶段，基于协方差先验信息的最大值检验法对飞行故障检测，所述处理模块具体用于，将滤波器每个时刻的器件误差估计值设为检测量，进行飞行故障检测。
CN201811005594.XA 2018-08-30 2018-08-30 一种基于多惯组信息辅助的飞行故障检测方法及装置 Active CN109238307B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811005594.XA CN109238307B (zh) 2018-08-30 2018-08-30 一种基于多惯组信息辅助的飞行故障检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811005594.XA CN109238307B (zh) 2018-08-30 2018-08-30 一种基于多惯组信息辅助的飞行故障检测方法及装置

Publications (2)

Publication Number Publication Date
CN109238307A CN109238307A (zh) 2019-01-18
CN109238307B true CN109238307B (zh) 2020-12-25

Family

ID=65069482

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811005594.XA Active CN109238307B (zh) 2018-08-30 2018-08-30 一种基于多惯组信息辅助的飞行故障检测方法及装置

Country Status (1)

Country Link
CN (1) CN109238307B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109813342B (zh) * 2019-02-28 2020-02-21 北京讯腾智慧科技股份有限公司 一种惯导-卫星组合导航系统的故障检测方法和系统
CN110146108B (zh) * 2019-05-10 2020-11-03 南京航空航天大学 一种用于无人机蜂群协同导航的故障在线评估方法
CN110426032B (zh) * 2019-07-30 2021-05-28 南京航空航天大学 一种解析式冗余的飞行器容错导航估计方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102944888B (zh) * 2012-11-23 2014-02-26 江苏东大集成电路系统工程技术有限公司 一种基于二阶扩展卡尔曼的低运算量gps定位方法
CN103267538A (zh) * 2013-05-09 2013-08-28 哈尔滨工程大学 一种船舶冗余位置参考系统的漂移性故障检测方法
CN103323007B (zh) * 2013-06-17 2015-08-19 南京航空航天大学 一种基于时变量测噪声的鲁棒联邦滤波方法
CN105547329B (zh) * 2016-01-11 2019-07-26 山东理工大学 一种应用于组合导航系统的故障检测方法
CN106569487B (zh) * 2016-11-16 2019-02-26 北京理工大学 一种基于观测器的伺服系统的故障检测方法
CN106918350B (zh) * 2017-02-27 2019-08-20 中国科学院国家空间科学中心 一种应用于地磁导航中的地磁场模型误差补偿方法
CN107246883B (zh) * 2017-08-07 2020-11-03 上海航天控制技术研究所 一种高精度星敏感器安装矩阵在轨实时校准方法
CN108108335B (zh) * 2017-12-26 2020-07-17 北京邮电大学 一种野值剔除方法及装置

Also Published As

Publication number Publication date
CN109238307A (zh) 2019-01-18

Similar Documents

Publication Publication Date Title
CN107421534B (zh) 一种冗余式捷联惯导系统多故障隔离方法
CN110196443B (zh) 一种飞行器的容错组合导航方法及系统
CN107525503B (zh) 基于双天线gps和mimu组合的自适应级联卡尔曼滤波方法
Wu et al. Observability of strapdown INS alignment: A global perspective
CN110196049A (zh) 一种动态环境下四陀螺冗余式捷联惯导系统硬故障检测与隔离方法
CN109238307B (zh) 一种基于多惯组信息辅助的飞行故障检测方法及装置
CN101563625A (zh) 用于二维和三维精确位置和定向确定的布置和方法
CN111024124B (zh) 一种多传感器信息融合的组合导航故障诊断方法
US9828111B2 (en) Method of estimation of the speed of an aircraft relative to the surrounding air, and associated system
US11454517B2 (en) System and a method of analyzing and monitoring interfering movements of an inertial unit during a stage of static alignment
CN107121684B (zh) 一种基于残差卡方检验法的gps诱骗识别和阈值决策方法
CN109813309A (zh) 一种六陀螺冗余式捷联惯导系统双故障隔离方法
CN114325767A (zh) 一种基于北斗卫星导航系统伪距率的欺骗信号检测方法及装置
CN111024067B (zh) 一种信息处理方法、装置、设备及计算机存储介质
CN110007318B (zh) 风场干扰下基于卡尔曼滤波的单无人机判断gps欺骗的方法
CN114779307A (zh) 面向港区的uwb/ins/gnss的无缝定位方法
CN105526947B (zh) 基于磁力计测量值检测姿态故障的方法
Velázquez et al. A new algorithm for fault tolerance in redundant sensor systems based on real-time variance estimation
CN115218927A (zh) 基于二次卡尔曼滤波的无人机imu传感器故障检测方法
CN103364841B (zh) 一种用于航空重力测量中星座跳变误差的平滑消除方法
CN110793549B (zh) 一种惯性测量单元的数据快速离线分析系统
CN112945277A (zh) 一种在陀螺双五表配置下的故障判别方法
Shi et al. Research on Fault Diagnosis of Three Degrees of Freedom Gyroscope Redundant System
CN104697551B (zh) 一种基于四元数夹角的惯导精度检测方法
CN115407370B (zh) 用于gnss信号的可靠性检验方法、装置、电子设备和介质

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