CN110196067B - 一种基于无参考系统的交互式故障检测方法 - Google Patents

一种基于无参考系统的交互式故障检测方法 Download PDF

Info

Publication number
CN110196067B
CN110196067B CN201910396089.0A CN201910396089A CN110196067B CN 110196067 B CN110196067 B CN 110196067B CN 201910396089 A CN201910396089 A CN 201910396089A CN 110196067 B CN110196067 B CN 110196067B
Authority
CN
China
Prior art keywords
inertial navigation
navigation system
optical flow
laser radar
virtual
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
CN201910396089.0A
Other languages
English (en)
Other versions
CN110196067A (zh
Inventor
张玲
熊智
赖际舟
刘建业
吕品
崔雨晨
刘仕超
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.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201910396089.0A priority Critical patent/CN110196067B/zh
Publication of CN110196067A publication Critical patent/CN110196067A/zh
Application granted granted Critical
Publication of CN110196067B publication Critical patent/CN110196067B/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
    • 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

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

本发明公开了一种基于无参考系统的交互式故障检测方法，步骤为：建立基于多源信息系统的状态方程，多源信息系统包括惯性导航(INS)、虚拟惯性导航(虚拟INS)、光流、激光雷达四类传感器构成的子系统；针对四类子系统建立基于传感器之间组合的全概率观测方程；在多源信息系统的状态方程和全概率观测方程基础上，建立基于滑模预测器的故障检测函数，结合缓慢增长的故障特性，建立基于n次预测估计的故障检测函数；针对传感器类别，分别建立基于惯性导航的逻辑关系、基于虚拟惯性导航的逻辑关系、基于光流的逻辑关系以及基于激光雷达的逻辑关系，计算结果，故障定位。本发明全面地检测系统搭载的所有传感器，并进行故障分析，提高了系统稳定性和可靠性。

Description

一种基于无参考系统的交互式故障检测方法
技术领域
本发明涉及导航系统故障检测方法，特别涉及一种基于无参考系统的交互式故障检测方法。
背景技术
要提高微小型飞行器导航系统的可靠性，需要提高其容错导航能力，当传感器发生故障时，导航系统仍然能够保持稳定，并且能够满足一定的性能指标。容错导航的实现需要依靠系统冗余，分为硬件冗余与解析冗余两类。硬件冗余主要是通过对导航系统重要部件和易发生故障的部件提供硬件备份，以提高系统的容错性能。解析冗余通常从系统内部机理出发依据测量信息进行预测和判断，减小了系统的成本、体积与重量，更具有工程应用价值。
目前主要的容错导航构架中，通常将惯性导航系统作为参考系统并假设其无故障，随后对惯性导航以外的传感器进行故障判断。然而，微小型飞行器的MEMS惯性导航系统并非完全可靠：一方面，震动、温度变化等飞行环境会引起MEMS惯性器件性能的下降；另一方面，一些人为的外部干扰可能会导致MEMS惯性器件的直接失效。为了获取准确、优化的导航传感器信息，需要研究基于多源异类导航信息的高可靠性、高精度和高自主性的信息融合、故障诊断以及快速、准确的智能决策方案。
发明内容
发明目的：本发明目的是提供一种高精度、高自主性、高可靠性的无参考系统的交互式故障检测方法。
技术方案：本发明提供一种基于无参考系统的交互式故障检测方法，包括如下步骤：
(1)建立基于多源信息系统的状态方程，所述的多源信息系统包括惯性导航(INS)、虚拟惯性导航、光流、激光雷达四类传感器构成的子系统；
(2)针对步骤(1)所述的四类传感器类别，建立基于传感器之间两两组合的全概率观测方程；
(3)在步骤(1)和(2)建立的多源信息系统的状态方程和全概率观测方程基础上，建立基于滑模预测器的故障检测函数，结合缓慢增长的故障特性，建立基于n次预测估计的故障检测函数；
(4)针对步骤(1)所述的传感器类别，分别建立基于惯性导航的逻辑关系、基于虚拟惯性导航的逻辑关系、基于光流的逻辑关系以及基于激光雷达的逻辑关系，计算故障检测结果，然后进行故障定位。
进一步地，所述步骤(1)的多源信息系统的状态方程为：
Figure BDA0002057293780000021
式中，状态矢量X为：
Figure BDA0002057293780000022
其中，
Figure BDA0002057293780000023
为平台误差角，δVE，δVN，δVU东北天方向的速度误差，δL，δλ，δh纬度、经度、高度位置误差，/>
Figure BDA0002057293780000024
为状态变量。A(t)为状态系数矩阵；G(t)为误差系数矩阵；W(t)为白噪声随机误差矢量，t为时间，X(t)为状态矢量。
进一步地，所述步骤(2)基于传感器之间两两组合的全概率观测方程为：
201、INS/光流速度量测方程：
Figure BDA0002057293780000025
其中，ve，I、vn，I为导航系下惯性导航系统解算得到的速度输出，ve，p、vn，p为导航系下光流传感器解算得到的速度输出，Zk为k时刻的量测矢量，h(t)为量测系数，N为量测误差矢量；p表示光流传感器，I表示惯性导航系统，e表示东向，t为时间，X(t)为状态矢量；
202、INS/激光雷达位置、速度量测方程
Figure BDA0002057293780000026
Figure BDA0002057293780000027
其中，re，I、rn，I为导航系下惯性导航系统解算得到的位置输出，re，L、rn，L为导航系下激光雷达传感器解算得到的位置输出，ve，I、vn，I为导航系下惯性导航系统解算得到的速度输出，ve，L、vn，L为导航系下激光雷达传感器解算得到的速度输出，Zk为量测矢量，H(t)为量测系数，N为量测误差矢量，e表示东向位置输出，n表示北向位置输出，I表示惯性导航系统；L表示激光雷达，u表示天向，t为时间，X(t)为状态矢量；
203、光流/激光雷达速度量测方程
Figure BDA0002057293780000028
其中，ve，L、vn，L为导航系下激光雷达传感器解算得到的速度输出，ve，p、vn，p为导航系下光流传感器解算得到的速度输出，Zk为量测矢量，h(t)为量测系数，n为量测误差矢量，e表示东向位置输出，n表示北向位置输出，L表示激光雷达，P表示光流，v表示速度量测矢量，X(t)为状态矢量；
204、光流/虚拟惯性导航速度量测方程
Figure BDA0002057293780000031
其中，ve，VI、vn，VI为导航系下虚拟惯性导航系统解算得到的速度输出，ve，p、vn，p为导航系下光流传感器解算得到的速度输出，Zk为量测矢量，h(t)为量测系数，N为量测误差矢量，e表示东向位置输出，n表示北向位置输出，I表示惯性导航系统，P表示光流，v表示速度量测矢量；VI表示虚拟惯性导航系统，t为时间，X(t)为状态矢量；
205、激光雷达/虚拟惯性导航位置、速度量测方程
Figure BDA0002057293780000032
Figure BDA0002057293780000033
其中，re，VI、rn，VI为导航系下虚拟惯性导航系统解算得到的位置输出，re，L、rn，L为导航系下激光雷达传感器解算得到的位置输出，ve，VI、vn，VI为导航系下虚拟惯性导航系统解算得到的速度输出，ve，L、vn，L为导航系下激光雷达传感器解算得到的速度输出，Zk为量测矢量，H(t)为量测系数，N为量测误差矢量，e表示东向位置输出，n表示北向位置输出，VI表示虚拟惯性导航系统，v表示速度量测矢量，X(t)为状态矢量；
206、惯性导航/虚拟惯性导航位置、姿态量测方程
Figure BDA0002057293780000034
Figure BDA0002057293780000035
其中，re，I、rn，I、ru，I为导航系下惯性导航系统解算得到的东向、北向、天向位置输出，re，VI、rn，VI、ru，VI为导航系下虚拟惯性导航系统解算得到的东向、北向、天向位置输出，γI、θI、
Figure BDA0002057293780000036
为导航系下惯性导航系统解算得到的姿态输出，γVI、θVI、/>
Figure BDA0002057293780000037
为导航系下虚拟惯性导航系统解算得到的姿态输出，Zk为量测矢量，H(t)为量测系数，N为量测误差矢量，e表示东向位置输出，n表示北向位置输出，VI表示虚拟惯性导航系统，I表示惯性导航系统，u表示天向，t为时间，X(t)为状态矢量。
进一步地，所述步骤(3)基于滑模预测器的故障检测函数：
经过由(k-nT)至k时刻的n次预测，得到当前k时刻的状态预测
Figure BDA0002057293780000041
为：
Figure BDA0002057293780000042
其中，
Figure BDA0002057293780000043
不含有故障信息，
计算经过nT时刻递推的量测预测值为：
Figure BDA0002057293780000044
这里，
Figure BDA0002057293780000045
中不含有故障信息。
计算预测均分误差Pk：
Figure BDA0002057293780000046
其中，递推的时间段nT的设置与选择与系统性能相关，Φ为状态预测系数，Q为系统噪声方差矩阵，
得到残差及其方差分别为：
Figure BDA0002057293780000047
Figure BDA0002057293780000048
建立故障检测函数：
Figure BDA0002057293780000049
判定故障准则为：
Figure BDA00020572937800000410
TD是预先设置的门限。针对惯性导航/激光雷达、惯性导航/光流等子滤波器，这里的i取1，2...6。
进一步地，所述步骤(4)建立基于惯性导航的逻辑关系、基于虚拟惯性导航的逻辑关系、基于光流的逻辑关系以及基于激光雷达的逻辑关系，计算故障检测结果，然后进行故障定位，
401、建立基于惯性导航的逻辑关系式：
FSINS(k)＝J1(k)∧J2(k)∧J6(k)
当FSINS(k)＝1时，惯性导航系统发生故障；当FSINS(k)＝0时，惯性导航系统未发生故障，其中，J1(k)、J2(k)、J6(k)分别代表惯性导航/光流、惯性导航/激光雷达、惯性导航/虚拟惯性导航三个子系统的故障检测值；
402、建立基于激光雷达传感器的逻辑关系式：
FL(k)＝J2(k)∧J3(k)∧J5(k)
当FL(k)＝1时，激光雷达传感器发生故障；当FL(k)＝0时，激光雷达传感器未发生故障，同样地，J2(k)、J3(k)、J5(k)分别代表惯性导航/激光雷达、光流/激光雷达、激光雷达/虚拟惯性导航三个子系统的k时刻的故障检测值，L表示激光雷达；
403、建立基于光流传感器的逻辑关系式：
FP(k)＝J1(k)∧J3(k)∧J4(k)
当FP(k)＝1时，光流传感器发生故障；当FP(k)＝0时，光流传感器未发生故障，同样地，J1(k)、J3(k)、J4(k)分别代表惯性导航/光流、光流/激光雷达、光流/虚拟惯性导航三个子系统k时刻的的故障检测值，P表示光流；
404、建立基于虚拟惯性导航系统的逻辑关系式：
FV(k)＝J4(k)∧J5(k)∧J6(k)
当FV(k)＝1时，虚拟惯性导航系统发生故障；当FV(k)＝0时，虚拟惯性导航系统未发生故障，同样地，J4(k)、J5(k)、J6(k)分别代表光流/虚拟惯性导航、激光雷达/虚拟惯性导航、惯性导航/虚拟惯性导航三个子系统k时刻的的故障检测值，V表示虚拟惯性导航系统。
上述技术方案针对微小型飞行器所包含的传感器子系统，发明了基于无参考系统的故障检测方法，在故障类型分析的基础上，改进了现有残差卡方检测方法，发明了交互式分散状态残差故障检测方法，建立了多源信息系统状态方程、观测方程，设计了基于滑模预测器的故障检测函数，及各类传感器之间的逻辑关系，进行故障定位。该基于无参考系统的故障检测方法，可以全面地检测系统搭载的所有传感器，并进行故障分析，提高了系统的稳定性和可靠性，具有工程实用价值。
有益效果：本发明利用传感器类别之间的全组合关系建立量测方程，通过传感器之间的残差分析判断故障，通过传感器之间的约束关系增加了故障判断的准确性，避免了参考系统出现故障的可能；本发明基于n次迭代预测的残差结果进行故障判断，在传感器的时间更新周期内根据先验数据进行n步迭代，确保在下一时刻数据更新时能够快速判断是否故障，避免因为残差值过小而延缓故障判断时刻，可以有效提高故障判断的精准性和实效性，适合工程应用。
附图说明
图1是本发明基于基于无参考系统的故障检测结构图；
图2是本发明基于无参考系统故障检测的微小型飞行器自主导航所设计的航迹图；
图3是代表本发明算法的子系统故障判断结果图；
图4是代表本发明算法的传感器故障检测结果图；
图5代表本发明算法的位置误差曲线，“惯导故障并检测情况”表示系统故障情况下的经度位置误差曲；
图6代表本发明算法的位置误差曲线，“惯导故障并检测情况”表示系统故障情况下的纬度位置误差曲。
具体实施方式
如图1-6所示，本实施例的基于无参考系统的交互式故障检测方法，不依赖某一类导航传感器，将系统组成中的所有测量系统均作为可能发生的故障源，通过传感器之间的残差分析与判断，构成惯性/光流/激光雷达全组合故障检测与隔离框架，同时考虑故障缓慢增长的特性，提出基于n次残差迭代进行故障判断，使得导航系统通过导航信息的最优选择，对传感器的故障做出正确判断，在实时导航信息补偿与重构功能的基础上获得导航精度和鲁棒性最优化。
本发明的具体实施方式如下：
1、建立基于多源信息系统的状态方程
分析系统由惯性导航/光流、惯性导航/激光雷达、惯性导航/虚拟惯性导航、光流/虚拟惯性导航、激光雷达/虚拟惯性导航、光流/激光雷达构成的六个子滤波器模型，建立系统状态方程为：
Figure BDA0002057293780000061
式中，状态矢量X为：
Figure BDA0002057293780000062
其中，
Figure BDA0002057293780000063
为平台误差角，δVE，δVN，δVU东北天方向的速度误差，δL，δλ，δh纬度、经度、高度位置误差，/>
Figure BDA0002057293780000064
为状态变量。A(t)为状态系数矩阵；G(t)为误差系数矩阵；W(t)为白噪声随机误差矢量，t为时间，X(t)为状态矢量。
2、基于传感器之间两两组合的全概率观测方程
(201)SINS/光流速度量测方程：
Figure BDA0002057293780000071
其中，ve，I、vn，I为导航系下惯性导航系统解算得到的速度输出，ve，p、vn，p为导航系下光流传感器解算得到的速度输出，Zk为k时刻的量测矢量，h(t)为量测系数，N为量测误差矢量；p表示光流传感器，I表示惯性导航系统，e表示东向，t为时间，X(t)为状态矢量；
(202)SINS/激光雷达位置、速度量测方程
Figure BDA0002057293780000072
Figure BDA0002057293780000073
其中，re，I、rn，I为导航系下惯性导航系统解算得到的位置输出，re，L、rn，L为导航系下激光雷达传感器解算得到的位置输出，ve，I、vn，I为导航系下惯性导航系统解算得到的速度输出，ve，L、vn，L为导航系下激光雷达传感器解算得到的速度输出，Zk为量测矢量，h(t)为量测系数，N为量测误差矢量，e表示东向位置输出，n表示北向位置输出，I表示惯性导航系统；L表示激光雷达，u表示天向，t为时间，X(t)为状态矢量；
(203)光流/激光雷达速度量测方程
Figure BDA0002057293780000074
其中，ve，L、vn，L为导航系下激光雷达传感器解算得到的速度输出，ve，p、vn，p为导航系下光流传感器解算得到的速度输出，Zk为量测矢量，h(t)为量测系数，N为量测误差矢量，e表示东向位置输出，n表示北向位置输出，L表示激光雷达，P表示光流，v表示速度量测矢量，X(t)为状态矢量；
(204)光流/虚拟惯性导航速度量测方程
Figure BDA0002057293780000075
其中，ve，VI、vn，VI为导航系下虚拟惯性导航系统解算得到的速度输出，ve，p、vn，p为导航系下光流传感器解算得到的速度输出，Zk为量测矢量，h(t)为量测系数，N为量测误差矢量，e表示东向位置输出，n表示北向位置输出，I表示惯性导航系统，P表示光流，v表示速度量测矢量；VI表示虚拟惯性导航系统，t为时间，X(t)为状态矢量；
(205)激光雷达/虚拟惯性导航位置、速度量测方程
Figure BDA0002057293780000081
Figure BDA0002057293780000082
其中，re，VI、rn，VI为导航系下虚拟惯性导航系统解算得到的位置输出，re，L、rn，L为导航系下激光雷达传感器解算得到的位置输出，ve，VI、vn，VI为导航系下虚拟惯性导航系统解算得到的速度输出，ve，L、vn，L为导航系下激光雷达传感器解算得到的速度输出，Zk为量测矢量，H(t)为量测系数，N为量测误差矢量，e表示东向位置输出，n表示北向位置输出，VI表示虚拟惯性导航系统，v表示速度量测矢量，X(t)为状态矢量；
(206)惯性导航/虚拟惯性导航位置、姿态量测方程
Figure BDA0002057293780000083
Figure BDA0002057293780000084
其中，re，I、rn，I、ru，I为导航系下惯性导航系统解算得到的东向、北向、天向位置输出，re，VI、rn，VI、ru，VI为导航系下虚拟惯性导航系统解算得到的东向、北向、天向位置输出，γI、θI、
Figure BDA0002057293780000085
为导航系下惯性导航系统解算得到的姿态输出，γVI、θVI、/>
Figure BDA0002057293780000086
为导航系下虚拟惯性导航系统解算得到的姿态输出，Zk为量测矢量，H(t)为量测系数，N为量测误差矢量，e表示东向位置输出，n表示北向位置输出，VI表示虚拟惯性导航系统，I表示惯性导航系统，u表示天向，t为时间，X(t)为状态矢量。
3、基于滑模预测器的故障检测函数
经过由(k-nT)至k时刻的n次预测，得到当前k时刻的状态预测
Figure BDA0002057293780000087
为：
Figure BDA0002057293780000088
其中中，
Figure BDA0002057293780000089
不含有故障信息。
计算经过nT时刻递推的量测预测值为：
Figure BDA00020572937800000810
这里，
Figure BDA00020572937800000811
中不含有故障信息。
计算预测均分误差Pk：
Figure BDA0002057293780000091
其中，递推的时间段nT的设置与选择与系统性能相关。
得到残差及其方差分别为：
Figure BDA0002057293780000092
Figure BDA0002057293780000093
建立故障检测函数：
Figure BDA0002057293780000094
判定故障准则为：
Figure BDA0002057293780000095
TD是预先设置的门限。针对惯性导航/激光雷达、惯性导航/光流等子滤波器，这里的i取1，2...6。
4、计算故障检测结果
建立基于惯导的逻辑关系、基于虚拟惯导的逻辑关系、基于光流的逻辑关系以及基于激光雷达的逻辑关系，并通过故障结果检测进行故障定位。
(401)建立基于惯性导航的逻辑关系式：
FSINs(k)＝J1(k)∧J2(k)∧J6(k) (18)
当FSINS(k)＝1时，惯性导航系统发生故障；当FSINS(k)＝0时，惯性导航系统未发生故障，其中，J1(k)、J2(k)、J6(k)分别代表惯性导航/光流、惯性导航/激光雷达、惯性导航/虚拟惯性导航三个子系统的故障检测值；
(402)建立基于激光雷达传感器的逻辑关系式：
FL(k)＝J2(k)∧J3(k)∧J5(k) (19)
当FL(k)＝1时，激光雷达传感器发生故障；当FL(k)＝0时，激光雷达传感器未发生故障，同样地，J2(k)、J3(k)、J5(k)分别代表惯性导航/激光雷达、光流/激光雷达、激光雷达/虚拟惯性导航三个子系统的k时刻的故障检测值，L表示激光雷达；
(403)建立基于光流传感器的逻辑关系式：
FP(k)＝J1(k)∧J3(k)∧J4(k) (20)
当FP(k)＝1时，光流传感器发生故障；当FP(k)＝0时，光流传感器未发生故障，同样地，J1(k)、J3(k)、J4(k)分别代表惯性导航/光流、光流/激光雷达、光流/虚拟惯性导航三个子系统k时刻的的故障检测值，P表示光流；
(404)建立基于虚拟惯性导航系统的逻辑关系式：
FV(k)＝J4(k)∧J5(k)∧J6(k) (21)
当FV(k)＝1时，虚拟惯性导航系统发生故障；当FV(k)＝0时，虚拟惯性导航系统未发生故障，同样地，J4(k)、J5(k)、J6(k)分别代表光流/虚拟惯性导航、激光雷达/虚拟惯性导航、惯性导航/虚拟惯性导航三个子系统k时刻的的故障检测值，V表示虚拟惯性导航系统。
为了验证发明所提出的一种基于无参考系统的交互式故障检测方法的正确性和有效性，采用本发明方法建立模型，进行Matlab仿真验证。设计微小型飞行器自主飞行的航迹如图2所示。
图3是基于无参考系统的传感器故障判断结果图。
图4是基于无参考系统的传感器故障检测结果图。
图5和6分别代表本发明算法的经度和纬度位置误差曲线，表示利用本发明方法的结果，曲线显示本方法能够检测故障并及时隔离，从而确保系统性能。从导航位置误差曲线可以看出，采用本方法提出的基于无参考系统的故障检测方法可以有效检测出故障，系统精度和稳定性较好，因此具有有益的工程应用价值。

Claims (4)

1.一种基于无参考系统的交互式故障检测方法，其特征在于：包括如下步骤：
(1)建立基于多源信息系统的状态方程，所述的多源信息系统包括惯性导航、虚拟惯性导航、光流、激光雷达四类传感器构成的子系统；
(2)针对步骤(1)所述的四类传感器子系统，建立基于传感器之间两两组合的全概率观测方程；
(3)在步骤(1)和(2)建立的多源信息系统的状态方程和全概率观测方程基础上，建立基于滑模预测器的故障检测函数，结合缓慢增长的故障特性，建立基于n次预测估计的故障检测函数；
(4)针对步骤(1)所述的传感器子系统，分别建立基于惯性导航的逻辑关系、基于虚拟惯性导航的逻辑关系、基于光流的逻辑关系以及基于激光雷达的逻辑关系，计算故障检测结果，然后进行故障定位，
所述步骤(3)基于滑模预测器的故障检测函数：
经过由(k-nT)至k时刻的n次预测，得到当前k时刻的状态预测
Figure FDA0004200462950000011
为：
Figure FDA0004200462950000012
其中，
Figure FDA0004200462950000013
不含有故障信息，
计算经过nT时刻递推的量测预测值为：
Figure FDA0004200462950000014
这里，
Figure FDA0004200462950000015
中不含有故障信息，
计算预测均分误差Pk：
Figure FDA0004200462950000016
其中，递推的时间段nT的设置与选择与系统性能相关，Φ为状态预测系数，Q为系统噪声方差矩阵，
得到残差及其方差分别为：
Figure FDA0004200462950000017
Figure FDA0004200462950000018
建立故障检测函数：
Figure FDA0004200462950000019
判定故障准则为：
Figure FDA0004200462950000021
TD是预先设置的门限，针对惯性导航/激光雷达、惯性导航/光流子滤波器，这里的i取1，2...6。
2.根据权利要求1所述的基于无参考系统的交互式故障检测方法，其特征在于：所述步骤(1)的多源信息系统的状态方程为：
Figure FDA0004200462950000022
式中，状态矢量X为：
Figure FDA0004200462950000023
其中，
Figure FDA0004200462950000024
为平台误差角，δVE，δVN，δVU东北天方向的速度误差，δL，δλ，δh纬度、经度、高度位置误差，/>
Figure FDA0004200462950000025
为状态变量，A(t)为状态系数矩阵；G(t)为误差系数矩阵；W(t)为白噪声随机误差矢量，t为时间，X(t)为状态矢量。
3.根据权利要求1所述的基于无参考系统的交互式故障检测方法，其特征在于：所述步骤(2)基于传感器之间两两组合的全概率观测方程为：
201、INS/光流速度量测方程：
Figure FDA0004200462950000026
其中，ve，I、vn，I为导航系下惯性导航系统解算得到的东向、北向速度输出，ve，p、vn，p为导航系下光流传感器解算得到的东向、北向速度输出，Zk为k时刻的量测矢量，h(t)为量测系数，N为量测误差矢量；p表示光流传感器，I表示惯性导航系统，e表示东向，t为时间，X(t)为状态矢量；
202、INS/激光雷达位置、速度量测方程
Figure FDA0004200462950000027
Figure FDA0004200462950000028
其中，re，I、rn，I为导航系下惯性导航系统解算得到的位置输出，re，L、rn，L为导航系下激光雷达传感器解算得到的位置输出，ve，I、vn，I为导航系下惯性导航系统解算得到的速度输出，ve，L、vn，L为导航系下激光雷达传感器解算得到的速度输出，Zk为量测矢量，H(t)为量测系数，N为量测误差矢量，e表示东向位置输出，n表示北向位置输出，I表示惯性导航系统；L表示激光雷达，u表示天向，t为时间，X(t)为状态矢量；
203、光流/激光雷达速度量测方程
Figure FDA0004200462950000031
其中，ve，L、vn，L为导航系下激光雷达传感器解算得到的速度输出，ve，p、vn，p为导航系下光流传感器解算得到的速度输出，Zk为量测矢量，h(t)为量测系数，N为量测误差矢量，e表示东向位置输出，n表示北向位置输出，L表示激光雷达，P表示光流，v表示速度量测矢量，X(t)为状态矢量；
204、光流/虚拟惯性导航速度量测方程
Figure FDA0004200462950000032
其中，ve，VI、vn，VI为导航系下虚拟惯性导航系统解算得到的速度输出，ve，p、vn，p为导航系下光流传感器解算得到的速度输出，Zk为量测矢量，h(t)为量测系数，N为量测误差矢量，e表示东向位置输出，n表示北向位置输出，I表示惯性导航系统，P表示光流，v表示速度量测矢量；VI表示虚拟惯性导航系统，t为时间，X(t)为状态矢量；
205、激光雷达/虚拟惯性导航位置、速度量测方程
Figure FDA0004200462950000033
Figure FDA0004200462950000034
其中，re，VI、rn，VI为导航系下虚拟惯性导航系统解算得到的位置输出，re，L、rn，L为导航系下激光雷达传感器解算得到的位置输出，ve，VI、vn，VI为导航系下虚拟惯性导航系统解算得到的速度输出，ve，L、vn，L为导航系下激光雷达传感器解算得到的速度输出，Zk为量测矢量，H(t)为量测系数，N为量测误差矢量，e表示东向位置输出，n表示北向位置输出，VI表示虚拟惯性导航系统，v表示速度量测矢量，X(t)为状态矢量；
206、惯性导航/虚拟惯性导航位置、姿态量测方程
Figure FDA0004200462950000035
Figure FDA0004200462950000036
其中，re，I、rn，I、ru，I为导航系下惯性导航系统解算得到的东向、北向、天向位置输出，re，VI、rn，VI、ru，VI为导航系下虚拟惯性导航系统解算得到的东向、北向、天向位置输出，γI、θI、
Figure FDA0004200462950000041
为导航系下惯性导航系统解算得到的姿态输出，γVI、θVI、/>
Figure FDA0004200462950000042
为导航系下虚拟惯性导航系统解算得到的姿态输出，Zk为量测矢量，H(t)为量测系数，n为量测误差矢量，e表示东向位置输出，n表示北向位置输出，VI表示虚拟惯性导航系统，I表示惯性导航系统，u表示天向，t为时间，X(t)为状态矢量。
4.根据权利要求1所述的基于无参考系统的交互式故障检测方法，其特征在于：所述步骤(4)建立基于惯性导航的逻辑关系、基于虚拟惯性导航的逻辑关系、基于光流的逻辑关系以及基于激光雷达的逻辑关系，计算故障检测结果，然后进行故障定位，
401、建立基于惯性导航的逻辑关系式：
FSINS(k)＝J1(k)∧J2(k)∧J6(k)
当FSINS(k)＝1时，惯性导航系统发生故障；当FSINS(k)＝0时，惯性导航系统未发生故障，其中，J1(k)、J2(k)、J6(k)分别代表惯性导航/光流、惯性导航/激光雷达、惯性导航/虚拟惯性导航三个子系统的故障检测值；
402、建立基于激光雷达传感器的逻辑关系式：
FL(k)＝J2(k)∧J3(k)∧J5(k)
当FL(k)＝1时，激光雷达传感器发生故障；当FL(k)＝0时，激光雷达传感器未发生故障，同样地，J2(k)、J3(k)、J5(k)分别代表惯性导航/激光雷达、光流/激光雷达、激光雷达/虚拟惯性导航三个子系统的k时刻的故障检测值，L表示激光雷达；
403、建立基于光流传感器的逻辑关系式：
FP(k)＝J1(k)∧J3(k)∧J4(k)
当FP(k)＝1时，光流传感器发生故障；当FP(k)＝0时，光流传感器未发生故障，同样地，J1(k)、J3(k)、J4(k)分别代表惯性导航/光流、光流/激光雷达、光流/虚拟惯性导航三个子系统k时刻的的故障检测值，P表示光流；
404、建立基于虚拟惯性导航系统的逻辑关系式：
FV(k)＝J4(k)∧J5(k)∧J6(k)
当FV(k)＝1时，虚拟惯性导航系统发生故障；当FV(k)＝0时，虚拟惯性导航系统未发生故障，同样地，J4(k)、J5(k)、J6(k)分别代表光流/虚拟惯性导航、激光雷达/虚拟惯性导航、惯性导航/虚拟惯性导航三个子系统k时刻的的故障检测值，V表示虚拟惯性导航系统。
CN201910396089.0A 2019-05-13 2019-05-13 一种基于无参考系统的交互式故障检测方法 Active CN110196067B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910396089.0A CN110196067B (zh) 2019-05-13 2019-05-13 一种基于无参考系统的交互式故障检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910396089.0A CN110196067B (zh) 2019-05-13 2019-05-13 一种基于无参考系统的交互式故障检测方法

Publications (2)

Publication Number Publication Date
CN110196067A CN110196067A (zh) 2019-09-03
CN110196067B true CN110196067B (zh) 2023-07-07

Family

ID=67752730

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910396089.0A Active CN110196067B (zh) 2019-05-13 2019-05-13 一种基于无参考系统的交互式故障检测方法

Country Status (1)

Country Link
CN (1) CN110196067B (zh)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108981708B (zh) * 2018-08-02 2021-10-19 南京航空航天大学 四旋翼扭矩模型/航向陀螺/磁传感器容错组合导航方法
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
CN109612459B (zh) * 2018-11-15 2023-03-17 南京航空航天大学 基于动力学模型的四旋翼飞行器惯性传感器容错导航方法

Also Published As

Publication number Publication date
CN110196067A (zh) 2019-09-03

Similar Documents

Publication Publication Date Title
CN110196443B (zh) 一种飞行器的容错组合导航方法及系统
CN111721289B (zh) 自动驾驶中车辆定位方法、装置、设备、存储介质及车辆
CN111102978B (zh) 一种车辆运动状态确定的方法、装置及电子设备
CN108931258B (zh) 用于监测和估计与飞行器的飞行相关的参数的方法和设备
EP1200802B1 (en) Vibration compensation for sensors
Nordlund et al. Marginalized particle filter for accurate and reliable terrain-aided navigation
CN109724599A (zh) 一种抗野值的鲁棒卡尔曼滤波sins/dvl组合导航方法
Chambers et al. Robust multi-sensor fusion for micro aerial vehicle navigation in GPS-degraded/denied environments
US6535833B1 (en) Method and apparatus for filtering measurements used in a generalized positioning system
CN111337020A (zh) 引入抗差估计的因子图融合定位方法
CN109507706B (zh) 一种gps信号丢失的预测定位方法
CN111238467A (zh) 一种仿生偏振光辅助的无人作战飞行器自主导航方法
CN113175931B (zh) 基于约束卡尔曼滤波的集群组网协同导航方法及系统
CN114562992B (zh) 一种基于因子图及场景约束的多径环境组合导航方法
CN114264301B (zh) 车载多传感器融合定位方法、装置、芯片及终端
CN111044051A (zh) 一种复合翼无人机容错组合导航方法
CN114252077A (zh) 基于联邦滤波器的双gps/sins的组合导航方法及系统
KR20200074660A (ko) 위성 탑재용 소프트웨어에 탑재 가능한 위성 이벤트 예측 기법
CN110196067B (zh) 一种基于无参考系统的交互式故障检测方法
Avzayesh et al. Improved-Performance Vehicle’s State Estimator Under Uncertain Model Dynam
CN111982126A (zh) 一种全源BeiDou/SINS弹性状态观测器模型设计方法
CN115014321B (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
Liu et al. Sensor fault diagnosis of GPS/INS tightly coupled navigation system based on state chi-square test and improved simplified fuzzy ARTMAP neural network
Zhu et al. An intelligent fault-tolerant strategy for AUV integrated navigation systems
US20230314141A1 (en) Terrain referenced navigation system with generic terrain sensors for correcting an inertial navigation solution

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