CN109471146B - 一种基于ls-svm的自适应容错gps/ins组合导航方法 - Google Patents

一种基于ls-svm的自适应容错gps/ins组合导航方法 Download PDF

Info

Publication number
CN109471146B
CN109471146B CN201811472148.XA CN201811472148A CN109471146B CN 109471146 B CN109471146 B CN 109471146B CN 201811472148 A CN201811472148 A CN 201811472148A CN 109471146 B CN109471146 B CN 109471146B
Authority
CN
China
Prior art keywords
navigation
gps
ins
sub
error
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
CN201811472148.XA
Other languages
English (en)
Other versions
CN109471146A (zh
Inventor
梁源
徐兵
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.)
Beijing Qingyun Zhichuang Technology Co ltd
Original Assignee
Beijing Yiqing Technology 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 Beijing Yiqing Technology Co ltd filed Critical Beijing Yiqing Technology Co ltd
Priority to CN201811472148.XA priority Critical patent/CN109471146B/zh
Publication of CN109471146A publication Critical patent/CN109471146A/zh
Application granted granted Critical
Publication of CN109471146B publication Critical patent/CN109471146B/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
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Automation & Control Theory (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Navigation (AREA)

Abstract

本发明提供了一种基于LS‑SVM的自适应容错GPS/INS组合导航方法，简要描述为：如果LS‑SVM认为当前某个子导航系统出现了故障，则降低该子导航系统在信息融合的权重，提高其他子导航系统的权重，从而实现故障的隔离，而当LS‑SVM检测到该故障信息已经修复时，则将对应导航子系统的权重恢复正常，从而确保全部正常工作的子导航系统均可参与到信息融合中，达到提升组合导航系统精度的目的。与现有技术相比，本发明所述的导航方法，在故障存在的情况下，可以有效实现故障检测与隔离，保障导航精度不受到故障信息影响；而在故障不存在的情况下，可以有效实现全部正常工作子导航系统的最优信息融合，最大限度的提升组合导航系统的导航精度。

Description

一种基于LS-SVM的自适应容错GPS/INS组合导航方法
技术领域
本发明属于组合导航技术领域，特别涉及一种基于LS-SVM(Least-SquareSupport Vector Machine，最小二乘支持向量机)的自适应容错GPS(Global PositioningSystem，全球定位系统)/INS(Inertial Navigation System，惯性导航 系统)组合导航方法。
背景技术
基于惯性和卫星导航系统互补特性而构建的GPS/INS组合导航系统可实现 全球范围内全天时、全天候的连续导航，是近年来以及未来相当长一段时期内导 航技术发展的主要方向之一。其中INS作为主导航系统，具有良好的自主性和 隐蔽性，可提供运载体完整的导航信息，包括位置、速度和姿态角；数据更新率 高且短期精度高、稳定性好，不易受到外界信号干扰，是国防等特殊应用场合必 备的导航系统。GPS具有全球范围内全天候的定位、测速和授时能力，且其定位、 测速误差不随时间发生积累，长期精度高，从而成为近年来各世界强国大力发展 的现代化导航系统。
随着导航定位技术应用领域的拓展，GPS/INS组合导航系统需要越来越多地 面临在信号干扰或遮挡等复杂多变环境中工作的情况，这对系统的可靠性和容错 性能也提出了更高的要求。现有卫星导航系统尚无法完全避免故障和扰动的不利 影响。特别是在INS和GPS相互辅助的导航体制下，GPS误差和INS误差相互 之间高度耦合，故障条件下若不及时进行容错处理，将导致GPS/INS组合导航 系统整体稳定性下降甚至无法正常工作。此外，作为GPS/INS组合导航系统组 合观测量所采用卫星原始观测信息，伪距、伪距率在产生、传输及接收过程中极 易受到时钟漂移、轨道参数建模误差、信号畸变、电离干扰等因素的影响而产生 缓变斜坡误差，这对定位应用造成了很大的威胁。例如，2004年1月GPS的PRN23发生时钟漂移，最终导致定位误差增加至数公里。故障检测的延迟将进而影响容 错处理的实时性，而持续累积的故障会对GPS/INS组合导航系统工作的稳定性 造成严重的不利影响。
发明内容
针对上述存在的问题，本发明的目的提供一种基于LS-SVM的自适应容错 GPS/INS组合导航方法，在故障存在的情况下，可以有效实现故障检测与隔离， 保障导航精度不受到故障信息影响；而在故障不存在的情况下，可以有效实现全 部正常工作子导航系统的最优信息融合，最大限度的提升组合导航系统的导航精 度。
本发明的目的是通过以下技术方案实现的：
首先，通过LS-SVM技术进行故障在线辨识，LS-SVM采用新息预测值取代 原始滤波器信息作为故障检测的检验统计量，以降低滤波器故障跟踪的影响，提 高缓变故障检测的敏感度，减小缓变故障检测延时；在LS-SVM故障检测结果 的基础上，本发明设计了一种基于联邦卡尔曼滤波算法的分布式多导航信息源的 融合算法架构，该分布式架构中各导航信息源的融合方式/权重由信息分配因子 决定，而在本发明中，该信息分配因子会依据LS-SVM结果进行实时自适应变 化。具体的技术方案为：
一种基于LS-SVM的自适应容错GPS/INS组合导航方法，包括以下步骤：
S1：根据当前时刻的包括姿态、速度、位置在内的相关导航结果，构建/更 新GPS/INS组合导航系统模型与模型参数，GPS/INS组合导航系统模型中包括 多个子GPS/INS导航系统；
所述GPS/INS组合导航系统由一个INS系统和n个GPS系统组成，所述n 个GPS系统包括GPS-1系统、GPS-2系统…GPS-n系统，则所述子GPS/INS导 航系统包括子GPS/INS导航系统-1、GPS/INS导航系统-2…GPS/INS导航系统-n， 所述子GPS/INS导航系统-1由INS系统与GPS-1系统构成；
S2：由组合导航系统模型中每一个子GPS/INS导航系统独立进行子滤波， 同时由LS-SVM对全部子GPS/INS导航系统独立进行故障诊断检测，得到当前 时刻下的全部子GPS/INS导航系统的LS-SVM检测结果和局部滤波结果；
S3：根据S2中的LS-SVM的检测结果进行信息分配因子自适应调整；
S4：将S3中得到的信息分配因子、GPS导航信息、INS导航信息输入至多 导航信息源融合算法，同时输出组合导航结果，等待下一帧GPS和INS信息， 返回S1重复进行计算直至导航结束。
本发明的原理包含两部分，分别是：
1、故障检测原理：采用LS-SVM进行子导航系统故障的检测，LS-SVM方 法是采用最小二乘线性系统作为损失函数的二次规划方法，该方法是根据无故障 条件下导航系统的实际量测值对系统滤波器新息进行训练、预测和回归，采用新 息预测值取代原始滤波器信息作为故障检测的检验统计量，根据检验统计量的统 计特性判断系统是否处于故障状态。
2、故障隔离原理：根据故障检测结果，动态的调整子导航系统数据在数据 融合中的权重，简要描述为：如果LS-SVM认为当前某个子导航系统出现了故 障，则降低该子导航系统在信息融合的权重，提高其他子导航系统的权重，从而 实现故障的隔离；而当LS-SVM检测到该故障信息已经修复时，则将对应导航 子系统的权重恢复正常，从而确保全部正常工作的子导航系统均可参与到信息融 合中，达到提升组合导航系统精度的目的。
本发明相比现有技术的有益效果为：
1、本发明采用LS-SVM进行子导航系统故障的检测，LS-SVM方法是采用 最小二乘线性系统作为损失函数的二次规划方法，该方法具有很强的鲁棒性，更 适合处理工程应用问题。该方法是根据无故障条件下导航系统的实际量测值对系 统滤波器新息进行训练、预测和回归，采用新息预测值取代原始滤波器信息作为 故障检测的检验统计量，以降低滤波器故障跟踪的影响，提高缓变故障检测的敏 感度，减小缓变故障检测延时；
2、本发明设计了一种基于联邦卡尔曼滤波算法的分布式多导航信息源的融 合算法架构，通过将数据融合拆分为局部融合和全局融合两部分，这种分布式的 架构将本来高维度的矩阵求逆计算转换为了多个低维度矩阵求逆，降低了融合算 法的计算复杂度，提高了计算效率；
3、本发明设计了一种基于联邦卡尔曼滤波算法的分布式多导航信息源的融 合算法架构，采用“在局部融合部分进行故障诊断与检测，在全局融合部分实现 故障隔离”的流程，使得故障诊断的分析数据不再为原始信息而为局部融合后的 滤波数据，所以故障诊断结果更加可靠准确；
4、本发明设计了一种基于联邦卡尔曼滤波算法的分布式多导航信息源的融 合算法架构，全局融合部分中，各子导航系统融合结果的权重取决于LS-SVM诊 断结果，如果LS-SVM判断当前子导航系统有较高概率出现故障，则会主动自 适应降低相应子导航系统局部融合结果在全局融合中的权重，同时提高其他处于 正常工作状态下的子导航系统的权重，从而实现故障自适应实时隔离；而当LS-SVM判断该子导航系统故障消失后，则会自适应地将其对应的权重信息恢复 正常，使得组合导航系统可以接收并融合全部处于正常工作情况下的子导航系统 的信息，确保组合导航系统提供最优的导航融合结果。
附图说明
图1为所述基于LS-SVM的自适应容错GPS/INS组合导航方法的整体流程 框图；
图2为S2中基于联邦卡尔曼滤波算法的分布式融合算法架构示意图；
图3为S2中所述局部滤波器中的运算流程示意图；
图4为系统运行结果示意图。
具体实施方式
下面结合附图并举实施例，对本发明进行详细描述。
本实施例提供了一种基于LS-SVM的自适应容错GPS/INS组合导航方法， 整体流程框图如图1所示。
具体流程包括以下步骤：
S1：根据当前时刻的导航结果(包含姿态，速度，位置等信息)，构建/更新 GPS/INS组合导航系统模型与模型参数，GPS/INS组合导航系统模型中包括多个 子GPS/INS导航系统；所述GPS/INS组合导航系统由一个INS系统和n个GPS 系统组成，所述n个GPS系统包括GPS-1系统、GPS-2系统…GPS-n系统，则 所述子GPS/INS导航系统包括子GPS/INS导航系统-1、GPS/INS导航系统 -2…GPS/INS导航系统-n，所述子GPS/INS导航系统-1由INS系统与GPS-1系 统构成，其它子导航系统以此类推，所述n个GPS系统代表每一个GPS系统具 有不同的位置坐标信息。
首先定义本实施例中用到的坐标系：惯性坐标系(简称i系)，地球坐标系 (简称e系)，导航坐标系(简称n系，本实施例选取东-北-天(ENU)地理坐 标系作为导航坐标系)，载体坐标系(简称b系，本实施例选取右-前-上(RFU) 坐标系作为载体坐标系)。
GPS/惯性组合导航系统动态误差方程为：
Figure RE-GDA0001942417970000041
Z(t)＝HX(t)+V(t)
上式中，t为时间值；w(t)表示捷联惯性导航系统误差模型的系统噪声； Ft(t)为状态转移矩阵；
Figure RE-GDA0001942417970000051
表示惯性导航系统误差模型的状态向量的对时间t 的一阶导数。
Figure RE-GDA0001942417970000052
X(t)表示惯性导航系统误 差模型的状态向量，由位置误差δP、速度误差δVn、失准角φ、陀螺仪相关误 差Xg和加速度计相关误差Xa组成：
Figure RE-GDA0001942417970000053
其中，ε1，ε2，ε3分别代表了陀螺仪三向零偏；Δ1，Δ2，Δ3分别代表了加速度计三 向零偏；Z(t)代表观测输出，X(t)表示惯性导航系统误差模型的状态向量，V(t) 表示惯性导航系统误差模型的量测噪声，H为观测矩阵。
Figure BDA0001891222720000054
采用GPS作为外观测时，Z(t)为INS和GPS的三维速度之差，有：
Figure BDA0001891222720000055
其中
Figure BDA0001891222720000056
代表INS三轴速度误差，
Figure BDA0001891222720000057
代表GPS三轴速度误差，
Figure BDA0001891222720000058
代表INS位置误差(依序为纬度误差，经度误差，高度误差)，
Figure BDA0001891222720000059
代表GPS位置误差(依序为纬度误差，经度误差，高度误差)。
状态转移矩阵具体形式如下：
Figure BDA0001891222720000061
其中的参数为:
Figure BDA0001891222720000062
Figure BDA0001891222720000063
Figure BDA0001891222720000064
Figure BDA0001891222720000065
Figure BDA0001891222720000066
Figure BDA0001891222720000067
Figure BDA0001891222720000068
Figure BDA0001891222720000069
Figure BDA0001891222720000071
Figure BDA0001891222720000072
其中
Figure BDA0001891222720000073
为导航坐标系相对惯性坐标系的旋转角速度在导 航坐标系中的表达，ωN，ωE，ωU为
Figure BDA0001891222720000074
在北向、东向、天向的分量，，ωie为地 球自转角速度，ωen为牵连角速度，
Figure BDA0001891222720000075
代表在导航坐标系下的表示，具体 形式为：
Figure BDA0001891222720000076
RM,RN分别为地球子午圈 和卯酉圈半径；h为载体距地面高度，
Figure BDA0001891222720000077
代表当地纬度；
Figure BDA0001891222720000078
为载体坐标系至导航 坐标系的姿态转换矩阵，
Figure BDA0001891222720000079
其中fb为在载体坐标系下惯导所敏感的比 力，vE,vN,vU为载体的运动速度在导航坐标系中的表达；fU，fE，fN分别代 表导航坐标系下的比力。×表示求取对应向量的反对称矩阵，例如
Figure BDA00018912227200000710
需要指出的是，本模型中所使用的 参数，如载体纬度，载体速度等参数，由上一步的导航结果或者由导航初始值提 供。
S2：由组合导航系统模型中每一个子GPS/INS导航系统独立进行子滤波， 同时由LS-SVM对全部子GPS/INS导航系统独立进行故障诊断检测，得到当前 时刻下的全部子GPS/INS导航系统的LS-SVM检测结果和局部滤波结果。为了 方便进一步的介绍说明，首先简要介绍本发明中设计的基于联邦卡尔曼滤波算法 的分布式融合算法架构，如图2所示。可以看出，整个算法架构可以分为两个阶 段：局部滤波阶段(每一个子GPS/INS系统仅利用自身量测进行局部滤波，同 时利用LS-SVM进行故障检测)和全局融合阶段(对全部子GPS/INS系统的结 果进行全局融合，得到最终的导航结果)，本步骤对局部滤波阶段进行简要介绍，共包含两部分：局部滤波与LS-SVM故障检测，首先介绍局部滤波算法，具体 如下：
由图2中可以看出，所有的GPS/INS系统共享相同的状态方程(因为只有 一个子INS)，而每个GPS/INS系统的量测方程不相同(每个GPS/INS组合导航 系统有不同的GPS)；则假设S1中得到的GPS/INS组合导航模型经过离散化后 得到的状态方程与量测方程如下：
Xk＝Φk,k-1Xk-1+Γk-1Wk-1
第i个GPS/INS组合导航子系统的量测方程为：
Zi,k＝Hi,kXk+Vi,k
其中k代表系统时刻，Φk,k-1为由时刻k-1至时刻k的状态转移矩阵，Γk-1为 时刻k-1的噪声输入矩阵，Hi,k为第i个系统在k时刻的观测矩阵，Xk代表系统 在k时刻的系统状态，Zi,k为第i个系统在k时刻的量测值，Vi,k为第i个系统在 k时刻的观测噪声，Wk-1为在k-1时刻的过程噪声，其中Vi,k与Wk-1均为互不相关 的零均值高斯白噪声，且Vi,k的协方差矩阵为Ri,k，Wk-1的协方差矩阵为Qk-1。
设在k时刻的全局状态估计为
Figure BDA0001891222720000081
其估计误差的协方差矩阵为Pg,k；在k 时刻的各子滤波器(局部滤波器)的状态估计为
Figure BDA0001891222720000082
其估计误差的协方差矩阵 为Pi,k。本步骤的运算流程如图3所示。
1.将子滤波器设置为组合系统初始值的βi(i＝1,2,L,n)倍，分配原则为：
Figure BDA0001891222720000091
其中βi(k)(i＝1,2,L,n)代表在k时刻的信息分配因子。
2.对公共系统噪声和状态值进行信息分配，分配原则如下：
Figure BDA0001891222720000092
其中Qi,k代表在k时刻参与第i个子滤波器的过程噪声协方差矩阵。
3.对各子滤波器分别独立进行时间更新：
Figure BDA0001891222720000093
其中，
Figure BDA0001891222720000094
代表第i个子滤波器在k时刻的状态一步预测结果，Pi,k/k-1代 表第i个子滤波器在k时刻的状态一步预测结果的滤波误差的协方差矩阵。
4.对各子滤波器利用其对应的量测信息进行量测更新：
Figure BDA0001891222720000095
其中，Pi,k/k代表第i个子滤波器在k时刻的状态一步修正结果的滤波误差的 协方差矩阵，
Figure BDA0001891222720000096
代表第i个子滤波器在k时刻的状态一步修正结果。
上述过程即完成了局部滤波过程，在此基础上，由LS-SVM对全部子导航 系统进行故障诊断，得到当前时刻下的LS-SVM的检测结果。
首先介绍一下LS-SVM算法：最小二乘支持向量机(LS-SVM,Least-Square SupportVector Machine)是支持向量机(SVM)的一种改进。与传统支持向量机相 比，LS-SVM将不等式约束改为等式约束，从而将二次规划问题转化为求解线性 方程组问题，提高了求解问题的速度和收敛精度。
设训练样本集为D＝{(xk,yk)|k＝1,2,L,N}，其中xk∈Rn为输入数据，yk∈R为输出数据。非线性回归函数为：
Figure BDA0001891222720000101
式中，w为权向量，b为偏差量。
LS-SVM函数估计问题可转化为求解如下问题：
Figure BDA0001891222720000102
式中，ek∈Rn为误差变量；γ＞0为规则化参数，使所求函数具有较好的泛 化能力。
LS-SVM回归的约束条件为：
Figure BDA0001891222720000103
式中，
Figure BDA0001891222720000104
是将原始空间映射到一个高维Hilbert特征空间的核 空间映射函数。
定义拉格朗日函数如下：
Figure BDA0001891222720000105
式中，αk≥0为朗格朗日算子。
分别对w,b,e,a求偏导并令其为0：
Figure BDA0001891222720000106
将上式写成矩阵形式，同时消去w,e：
Figure BDA0001891222720000107
其中：
Figure BDA0001891222720000111
定义矩阵Φ：
Figure BDA0001891222720000112
若Φ可逆，则有：
Figure BDA0001891222720000113
从而可得回归函数：
Figure BDA0001891222720000114
在上述LS-SVM方法的基础上，设计适用于组合导航系统的故障检测函数， 该故障检测针对S2中的全部子滤波器(子GPS/INS组合导航系统)，每一个子 滤波器对应一个故障检测函数，为方便进行说明，以S2中的子滤波器i(子 GPS/INS组合导航系统i)为例，定义该系统的新息为：
Figure BDA0001891222720000115
式中，ri,k为子滤波器i在时刻k的滤波器新息。ri,k的值与故障的幅值直接 相关，因此可以用来构造成故障检测的检验统计量。
选择若干个连续的时间点(共取m个)，以观测量作为训练输入，滤波器新 息作为训练输出，利用上文中介绍的LS-SVM进行数据的训练，得到回归函数 并以此预测下一时刻时间点的新息
Figure BDA0001891222720000116
定义基于LS-SVM的故障检测检验统计量：
Figure BDA0001891222720000117
式中，
Figure BDA0001891222720000118
Figure BDA0001891222720000121
其中，
Figure BDA0001891222720000122
为利用LS-SVM回归得到的子滤波器i在时刻k的滤波器预测新 息，Vi,k为新息在k时刻的方差：
Figure BDA0001891222720000123
当子系统i无故障时，检验统计量
Figure BDA0001891222720000124
服从中心卡方分布；子系统i出现故 障时，服从非中心卡方分布。
Figure BDA0001891222720000125
的权重大小可以用来衡量子系统i出现故障的 概率，
Figure BDA0001891222720000126
越大，则出现故障的概率越大。
S3：根据S2中的LS-SVM的检测结果进行信息分配因子自适应调整。
从S2中的滤波方法可以看出，由于信息分配使子滤波器的故障通过信息融 合影响到滤波器的融合状态，所以可以通过故障检测函数调节信息分配因子以减 小故障滤波器的信息融合因子同时增大无故障滤波器的信息融合因子来改善滤 波效果，公式表示为：
Figure BDA0001891222720000127
其中，
Figure BDA0001891222720000128
表示第j个子滤波器在k时刻的故障检测函数。
若第i个子系统发生了故障，
Figure BDA0001891222720000129
随之变大，则βi(k)随之减小，使得第i 个子滤波器的状态信息在融合时所占的比例会自动减小，并会相应增加其它子滤 波器的状态信息所占的比例。这种方法在传感器发生故障且未被检测出来时，可 以有效地隔离故障的影响，大大提高系统的容错性能。
S4：将S3中得到的信息分配因子、GPS导航信息、INS导航信息输入至多 导航信息源融合算法，从而实现多源信息融合，同时输出组合导航结果，等待下 一帧GPS和INS信息，返回S1重复进行计算直至导航结束。
由图2所示，本步骤中主要进行全局融合阶段，即进行主滤波器信息融合， 以得到全局最优估计，具体运算流程如下：
Figure BDA0001891222720000131
其中，Pg,k/k代表最终主滤波器在k时刻的滤波误差的协方差矩阵，
Figure BDA0001891222720000132
代 表最终主滤波器在k时刻的滤波结果。将
Figure BDA0001891222720000133
中的各项导航误差反馈修正至INS 系统，由INS系统对各项导航误差进行修正，修正后得到的INS导航结果作为 最终的导航结果予以输出。系统运行结果如图4所示，其中，仿真条件说明：在 80s，系统中的某一GPS出现故障情况(体现为速度误差和位置误差突然显著增 大)，在85s，该故障消失。仿真结果说明：在图4示出的仿真图像中可以看出， 在80s，随着系统中某一GPS出现故障情况，传统无容错组合导航方法的导航误 差(位置误差与速度误差)均随之上升，而且在85s故障消失后，此故障带来的影响仍然持续了一段时间，大约在120s左右，该故障带来的影响才完全消失； 而与之相对的，采用本实施例所述的方法，虽然在故障的初始时刻略有波动(主 要体现在速度误差上)，但是随着故障检测与隔离机制的运行，本实施例所设计 的组合导航系统的误差一直处于稳定的状态下。通过上述仿真可以看出，本实施 例所设计的基于LS-SVM的自适应容错GPS/INS组合导航方法，可以有效地对 GPS故障进行检测与隔离。
综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护 范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均 应包含在本发明的保护范围之内。

Claims (5)

1.一种基于LS-SVM的自适应容错GPS/INS组合导航方法，其特征在于，所述方法包括以下步骤：
S1：根据当前时刻的包括姿态、速度、位置在内的相关导航结果，构建/更新GPS/INS组合导航系统模型与模型参数，GPS/INS组合导航系统模型中包含有多个子GPS/INS导航系统；
其中所述构建/更新GPS/INS组合导航系统模型与模型参数的具体步骤为：
S11：定义坐标系：惯性坐标系(i系)，地球坐标系(e系)，选取东-北-天(ENU)地理坐标系作为导航坐标系(n系)，选取右-前-上(RFU)坐标系作为载体坐标系(b系)；
S12：GPS/INS组合导航系统动态误差方程为：
Figure FDA0003968408050000011
Z(t)＝HX(t)+V(t)
上式中，t为时间值；w(t)表示捷联惯性导航系统误差模型的系统噪声；Ft(t)为状态转移矩阵；
Figure FDA0003968408050000012
表示惯性导航系统误差模型的状态向量的对时间t的一阶导数；
Figure FDA0003968408050000013
X(t)表示惯性导航系统误差模型的状态向量，由位置误差δP、速度误差δVn、失准角φ、陀螺仪相关误差Xg和加速度计相关误差Xa组成：
Figure FDA0003968408050000014
其中，ε1，ε2，ε3分别代表了陀螺仪三向零偏；
Figure FDA0003968408050000015
分别代表了加速度计三向零偏；Z(t)代表观测输出，X(t)表示惯性导航系统误差模型的状态向量，V(t)表示惯性导航系统误差模型的量测噪声，H为观测矩阵；
Figure FDA0003968408050000016
S13：采用GPS作为外观测时，Z(t)为INS和GPS的三维速度之差，有：
Figure FDA0003968408050000017
其中
Figure FDA0003968408050000021
代表INS三轴速度误差，
Figure FDA0003968408050000022
代表GPS三轴速度误差，
Figure FDA0003968408050000023
代表INS位置误差，依序为纬度误差，经度误差，高度误差，
Figure FDA0003968408050000024
代表GPS位置误差，依序为纬度误差，经度误差，高度误差；
状态转移矩阵具体形式如下：
Figure FDA0003968408050000025
其中的参数为：
Figure FDA0003968408050000026
Figure FDA0003968408050000027
Figure FDA0003968408050000028
Figure FDA0003968408050000029
Figure FDA00039684080500000210
Figure FDA00039684080500000211
Figure FDA0003968408050000031
Figure FDA0003968408050000032
Figure FDA0003968408050000033
Figure FDA0003968408050000034
其中
Figure FDA0003968408050000035
为导航坐标系相对惯性坐标系的旋转角速度在导航坐标系中的表达，ωN，ωE，ωU为
Figure FDA0003968408050000036
在北向、东向、天向的分量，ωie为地球自转角速度，ωen为牵连角速度，
Figure FDA0003968408050000037
代表在导航坐标系下的表示，具体形式为：
Figure FDA0003968408050000038
RM，RN分别为地球子午圈和卯酉圈半径；h为载体距地面高度，
Figure FDA0003968408050000039
代表当地纬度；
Figure FDA00039684080500000310
为载体坐标系至导航坐标系的姿态转换矩阵，
Figure FDA00039684080500000311
其中fb为在载体坐标系下惯导所敏感的比力，vE，vN，vU为载体的运动速度在导航坐标系中的表达；fU，fE，fN分别代表导航坐标系下的比力；×表示求取对应向量的反对称矩阵；
S2：由组合导航系统模型中每一个子GPS/INS导航系统独立进行子滤波，同时由LS-SVM对全部子GPS/INS导航系统独立进行故障诊断检测，得到当前时刻下的全部子GPS/INS导航系统的LS-SVM检测结果和局部滤波结果；
S3：根据S2中的LS-SVM的检测结果进行信息分配因子自适应调整；
S4：将S3中得到的信息分配因子、GPS导航信息、INS导航信息输入至多导航信息源融合算法，同时输出组合导航结果，等待下一帧GPS和INS信息，返回S1直至导航结束。
2.根据权利要求1所述的导航方法，其特征在于，所述GPS/INS组合导航系统由一个INS系统和n个GPS系统组成，所述n个GPS系统包括GPS-1系统、GPS-2系统…GPS-n系统，则所述子GPS/INS导航系统包括子GPS/INS导航系统-1、GPS/INS导航系统-2…GPS/INS导航系统-n，所述子GPS/INS导航系统-1由INS系统与GPS-1系统构成。
3.根据权利要求1所述的导航方法，其特征在于，S2中所述子滤波具体分为局部滤波阶段和全局融合阶段两个阶段，
所述局部滤波阶段是，每一个子GPS/INS导航系统仅利用自身量测进行局部滤波，同时利用LS-SVM进行故障检测；
所述全局融合阶段则是对全部子GPS/INS导航系统的结果进行全局融合，得到最终的导航结果。
4.根据权利要求1所述的导航方法，其特征在于，S3中所述信息分配因子自适应调整通过故障检测函数调节，其公式表示为：
Figure FDA0003968408050000041
其中，
Figure FDA0003968408050000042
表示第j个子滤波器在k时刻的故障检测函数。
5.根据权利要求1所述的导航方法，其特征在于，S4中所述多源信息融合即进行主滤波器信息融合，以得到全局最优估计，具体运算流程如下：
Figure FDA0003968408050000043
其中，Pg,k/k代表最终主滤波器在k时刻的滤波误差的协方差矩阵，
Figure FDA0003968408050000044
代表最终主滤波器在k时刻的滤波结果。
CN201811472148.XA 2018-12-04 2018-12-04 一种基于ls-svm的自适应容错gps/ins组合导航方法 Active CN109471146B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811472148.XA CN109471146B (zh) 2018-12-04 2018-12-04 一种基于ls-svm的自适应容错gps/ins组合导航方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811472148.XA CN109471146B (zh) 2018-12-04 2018-12-04 一种基于ls-svm的自适应容错gps/ins组合导航方法

Publications (2)

Publication Number Publication Date
CN109471146A CN109471146A (zh) 2019-03-15
CN109471146B true CN109471146B (zh) 2023-02-10

Family

ID=65675441

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811472148.XA Active CN109471146B (zh) 2018-12-04 2018-12-04 一种基于ls-svm的自适应容错gps/ins组合导航方法

Country Status (1)

Country Link
CN (1) CN109471146B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109827571B (zh) * 2019-03-22 2020-09-25 北京壹氢科技有限公司 一种无转台条件下的双加速度计标定方法
CN110109049B (zh) * 2019-03-27 2021-04-20 北京邮电大学 用于大规模天线角度估计的无迹卡尔曼滤波方法及装置
CN110296701B (zh) * 2019-07-09 2022-12-13 哈尔滨工程大学 惯性与卫星组合导航系统渐变型故障回溯容错方法
CN110646825B (zh) * 2019-10-22 2022-01-25 北京国家新能源汽车技术创新中心有限公司 定位方法、定位系统及汽车
CN112325876A (zh) * 2020-10-20 2021-02-05 北京嘀嘀无限科技发展有限公司 定位方法、装置、电子设备和可读存储介质
CN113321126B (zh) * 2021-05-17 2022-06-03 中国电建集团海南电力设计研究院有限公司 一种风机吊装平台及其吊装方法
CN113432604B (zh) * 2021-06-29 2023-05-19 广东工业大学 一种能够灵敏检测故障的imu/gps组合导航方法
CN113847915B (zh) * 2021-09-24 2023-12-19 中国人民解放军战略支援部队信息工程大学 一种捷联惯导/多普勒组合导航系统的导航方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6408245B1 (en) * 2000-08-03 2002-06-18 American Gnc Corporation Filtering mechanization method of integrating global positioning system receiver with inertial measurement unit
CN104406605A (zh) * 2014-10-13 2015-03-11 中国电子科技集团公司第十研究所 机载多导航源综合导航仿真系统
CN105066993A (zh) * 2015-08-24 2015-11-18 江苏中海达海洋信息技术有限公司 Lbl/mins组合导航系统及其导航信息融合方法
CN106679693A (zh) * 2016-12-14 2017-05-17 南京航空航天大学 一种基于故障检测的矢量信息分配自适应联邦滤波方法
CN108106635A (zh) * 2017-12-15 2018-06-01 中国船舶重工集团公司第七0七研究所 惯性卫导组合导航系统的长航时抗干扰姿态航向校准方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6408245B1 (en) * 2000-08-03 2002-06-18 American Gnc Corporation Filtering mechanization method of integrating global positioning system receiver with inertial measurement unit
CN104406605A (zh) * 2014-10-13 2015-03-11 中国电子科技集团公司第十研究所 机载多导航源综合导航仿真系统
CN105066993A (zh) * 2015-08-24 2015-11-18 江苏中海达海洋信息技术有限公司 Lbl/mins组合导航系统及其导航信息融合方法
CN106679693A (zh) * 2016-12-14 2017-05-17 南京航空航天大学 一种基于故障检测的矢量信息分配自适应联邦滤波方法
CN108106635A (zh) * 2017-12-15 2018-06-01 中国船舶重工集团公司第七0七研究所 惯性卫导组合导航系统的长航时抗干扰姿态航向校准方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
一种基于LS-SVM的联邦滤波故障检测方法;高运广等;《控制与决策》;20110915;第26卷(第09期);1433-1440 *
基于LSSVM的惯性/卫星紧组合导航系统缓变故障检测方法;钟丽娜等;《中国惯性技术学报》;20121215;第20卷(第06期);754-758 *

Also Published As

Publication number Publication date
CN109471146A (zh) 2019-03-15

Similar Documents

Publication Publication Date Title
CN109471146B (zh) 一种基于ls-svm的自适应容错gps/ins组合导航方法
CN111045068B (zh) 一种基于非导航卫星信号的低轨卫星自主定轨定姿方法
CN110095800B (zh) 一种多源融合的自适应容错联邦滤波组合导航方法
CN110823217B (zh) 一种基于自适应联邦强跟踪滤波的组合导航容错方法
Chiang et al. Assessment for INS/GNSS/odometer/barometer integration in loosely-coupled and tightly-coupled scheme in a GNSS-degraded environment
Li et al. PPP/INS tightly coupled navigation using adaptive federated filter
CN103994763B (zh) 一种火星车的sins/cns深组合导航系统及其实现方法
CN112378400A (zh) 一种双天线gnss辅助的捷联惯导组合导航方法
CN112505737B (zh) 一种gnss/ins组合导航方法
CN101858748A (zh) 高空长航无人机的多传感器容错自主导航方法
CN111024124B (zh) 一种多传感器信息融合的组合导航故障诊断方法
CN109507706B (zh) 一种gps信号丢失的预测定位方法
CN113375666B (zh) 一种传感器融合定位系统及方法
CN104697520A (zh) 一体化无陀螺捷联惯导系统与gps系统组合导航方法
CN111965685A (zh) 一种基于多普勒信息的低轨卫星/惯性组合导航定位方法
Colomina et al. Redundant IMUs for precise trajectory determination
CN112946681A (zh) 融合组合导航信息的激光雷达定位方法
CN114252077A (zh) 基于联邦滤波器的双gps/sins的组合导航方法及系统
US8566055B1 (en) Gyro indexing compensation method and system
CN113433576A (zh) 一种gnss与v-slam融合定位方法及系统
CN112050807A (zh) 一种基于时间同步补偿的sins_gnss组合导航方法
CN116482735A (zh) 一种受限空间内外高精度定位方法
Blázquez et al. Fast AT: A simple procedure for quasi direct orientation
CN115451955A (zh) 基于分布鲁棒滤波的ins/gps紧耦合导航方法及系统
CN115327587A (zh) 基于gnss定位信息的低轨卫星轨道误差修正方法及系统

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230406

Address after: 100041 room 42, 7th floor, building 7, yard 30, Shixing street, Shijingshan District, Beijing

Patentee after: Beijing Qingyun Zhichuang Technology Co.,Ltd.

Address before: Room 315, 3 / F, building 10, yard 1, JinFang Road, Chaoyang District, Beijing

Patentee before: BEIJING YIQING TECHNOLOGY Co.,Ltd.