CN110567457B - 一种基于冗余的惯导自检测系统 - Google Patents

一种基于冗余的惯导自检测系统 Download PDF

Info

Publication number
CN110567457B
CN110567457B CN201910846372.9A CN201910846372A CN110567457B CN 110567457 B CN110567457 B CN 110567457B CN 201910846372 A CN201910846372 A CN 201910846372A CN 110567457 B CN110567457 B CN 110567457B
Authority
CN
China
Prior art keywords
detection
data
self
inertial navigation
redundancy
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
CN201910846372.9A
Other languages
English (en)
Other versions
CN110567457A (zh
Inventor
邹慧
李明富
刘敏
姬海燕
王建岭
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.)
Shenzhen Keweitai Enterprise Development Co ltd
Original Assignee
Shenzhen Keweitai Enterprise Development 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 Shenzhen Keweitai Enterprise Development Co ltd filed Critical Shenzhen Keweitai Enterprise Development Co ltd
Priority to CN201910846372.9A priority Critical patent/CN110567457B/zh
Publication of CN110567457A publication Critical patent/CN110567457A/zh
Application granted granted Critical
Publication of CN110567457B publication Critical patent/CN110567457B/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
    • G01C21/18—Stabilised platforms, e.g. by gyroscope
    • 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)
  • 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冗余的惯导自检测系统，该系统包括传感器冗余、传感器数据检测、惯性算法冗余和基于残差平方和的投票选择机制四个步骤：传感器冗余选用三款不同类型的惯性传感器互为冗余；传感器数据检测又分为自检与互检两个过程；惯导算法冗余是在使用同组有效传感器测量值的情况下，采用两种或以上惯导解算算法实现惯导解算的过程；基于残差平方和的投票选择机制首先对两套惯导算法解算变量分别求取差值，并计算差值平方和。本发明的方式既能解决硬件损坏导致的惯导解算异常，也能通过多冗余算法获取多组解算结果，再通过投票选择机制判定飞控的健康状态，极大程度的提高了惯性导航系统的稳定性。

Description

一种基于冗余的惯导自检测系统
技术领域
本发明属于惯性导航技术领域，具体涉及传感器冗余、惯导算法冗余以及基于残差平方和的投票选择机制的用于惯导解算系统的自检测系统。
背景技术
惯性导航是依据牛顿惯性原理，利用惯性元件(加速度计)来测量运载体本身的加速度，经过积分和运算得到速度和位置，从而达到对运载体导航定位的目的。
目前，惯导可分为两大类：平台式惯导和捷联式惯导。它们的主要区别在于，前者有实体的物理平台，陀螺加速度计置于由陀螺稳定的平台上，该平台跟踪导航坐标系，以实现速度和位置解算，姿态数据直接取自于平台的环架；在捷联式惯导中，陀螺和加速度计直接固连在载体上。惯性平台的功能由计算机完成，它的姿态数据是通过计算得到的。惯导有固定的漂移率，这样会造成物体运动的误差，因此长射程的武器通常会采用指令、GPS等对惯导进行定时修正，以获取持续准确的位置参数。比如中距空空弹中段采用捷联式惯导+指令修正，JDAM采用自主式的卫星定位/惯性导航组合(GPS/INS)，战斧也采用了GPS/INS+地形匹配的技术，多数运载火箭采用平台式惯导等。
惯导系统的机制目前已经发展出挠性惯导、光纤惯导、激光惯导、微固态惯性仪表等多种方式，根据环境和精度要求的不同，广泛的应用在航空、航天、航海和陆地机动的各个方面。从原理上来说，惯性导航系统通常由惯性测量装置、计算机、控制显示器等组成。惯性测量装置包括加速度计和陀螺仪，又称惯性导航组合。3个自由度陀螺仪用来测量飞行器的3个转动运动；3个加速度计用来测量飞行器的3个平移运动的加速度。计算机根据测得的加速度信号计算出飞行器的速度和位置数据，控制显示器显示各种导航参数。
惯性导航系统经常会由于硬件损坏而造成惯导解算异常，无法有效及时解除，不易判定飞控的健康状态，造成惯性导航系统的稳定性相对较低。因此，我们需要提出一种可以提高惯性导航系统稳定性的基于冗余的惯导自检测系统。
发明内容
本发明的目的在于提供一种基于冗余的惯导自检测系统，以解决上述背景技术中提出现有技术中硬件损坏造成惯性解算异常，无法有效及时解除，从而不易判定飞控健康状态的问题。
为实现上述目的，本发明采用了如下技术方案：
一种基于冗余的惯导自检测系统，该系统包括传感器冗余、传感器数据检测、惯性算法冗余和基于残差平方和的投票选择机制四个步骤，其中：
S1、传感器冗余：选用三款不同类型的惯性传感器互为冗余，不同类型的传感器具有不同的特性，避免因为同一传感器特性导致传感器异常；
S2、传感器数据检测：该检测又分为自检与互检两个过程，自检包括传感器有效输出检测以及测量阈值检测；互检则是多个传感器之间的检测，基于投票选择的方式，以少数服从多数的原则判断主传感器数据是否正常，如果发生异常，则使用冗余传感器数据；
S3、惯导算法冗余：算法冗余机制是在使用同组有效传感器测量值的情况下，采用两种或以上惯导解算算法实现惯导解算的过程，采用该方式是为了避免因解算算法发散或其他原因导致的算法异常，极大的提高了惯导系统的稳定性；
S4、基于残差平方和的投票选择机制：基于残差的投票选择机制在传感器冗余选择及算法冗余中均有应用，其中算法冗余首先对两套惯导算法解算变量分别求取差值，并计算差值平方和，两套独立解算的解算正常情况下，两组输出数据接近，残差平方和较小，低于某个阈值情况下两种数据均有效，残差平方和出现较大差异时说明当前至少存在一组解算数据出现异常。
优选的，在S3中的算法分别采用EKF、UKF两种惯导解算算法，相互交互监督又相对独立，解算过程中监测迭代过程变量，作为算法过程监测，两套算法独立解算出惯导姿态及位置数据，以备自检选择正常计算数据。
优选的，S4中的流程简化过程如下：
EKF解算数组：EKFOUT[9]；
UKF解算数组：UKFOUT[9]；
则两个数组间残差平方和为：
SUM＝EKFOUT[0]^2+EKFOUT[1]^2+…+EKFOUT[8]^2；
当SUM<a1(设定阈值时)则两组数据均有效；
当SUM>a1(设定阈值时)，再执行以下操作：
通过纯陀螺仪积分的方式计算前后两次三轴姿态增量：Deltangle[3]；
Deltangle[0]＝gyro[0]*dt；
Deltangle[1]＝gyro[0]*dt；
Deltangle[2]＝gyro[2]*dt；
通过记录前一次解算数据，计算两种解算算法下前后两次的角度变化量，对同EKF算法下前后两次三轴姿态进行差值计算delta1[3]；
对同EKF算法下前后两次三轴姿态进行差值计算delta2[3]；
继续使用残差平方和的方式求取两组算法解算姿态变化量与估算姿态变化量的残差平方和最后通过对比残差平方和大小的方式，取残差平方和较小的一组数据作为有效惯导解算数据：
EKFDeltsum＝(Deltangle[0]-delta1[0])^2+(Deltangle[1]-delta1[1])^2+(Deltangle[2]-delta1[2])^2；
UKFDeltsum＝(Deltangle[0]-delta2[0])^2+(Deltangle[1]-delta2[1])^2+(Deltangle[2]-delta2[2])^2；
通过判断EKFDeltsum与UKFDeltsum的大小判断当前解算数据的有效性。
本发明的技术效果和优点：本发明提出的一种基于冗余的惯导自检测系统，与现有技术相比，本发明的方式既能解决硬件损坏导致的惯导解算异常，也能通过多冗余算法获取多组解算结果，再通过投票选择机制判定飞控的健康状态，极大程度的提高了惯性导航系统的稳定性。
附图说明
图1为本发明传感器数据自检和互检的流程图；
图2为本发明的通过残差平方和的方式进行投票选择的流程图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。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。
本发明提供了如图1-2所示的一种基于冗余的惯导自检测系统，该系统包括传感器冗余、传感器数据检测、惯性算法冗余和基于残差平方和的投票选择机制四个步骤，其中：
S1、传感器冗余：选用三款不同类型的惯性传感器互为冗余，不同类型的传感器具有不同的特性，避免因为同一传感器特性导致传感器异常；其中三款不同类型的惯性传感器分别为Sensor1、Sensor2以及Sensor3，三组惯性传感器分别配备有自检装置用于检测自身检测数据和状态是否存在异常；
S2、传感器数据检测：该检测又分为自检与互检两个过程，自检包括传感器有效输出检测以及测量阈值检测；互检则是多个传感器之间的检测，基于投票选择的方式，以少数服从多数的原则判断主传感器数据是否正常，如果发生异常，则使用冗余传感器数据；自检分别包括有Sensor1自检测、Sensor2自检测以及Sensor3自检测，三组自检测数据通过异常处理判断程序进行判断，若存在异常，则抛弃该组检测数据结果，若不存在异常则进行结果输出；互检则为Sensor1自检测的非异常输出结果、Sensor2自检测的非异常输出结果以及Sensor3自检测的非异常输出结果三组数据之间通过投票选择机制利用少数服从多数的原则得出有效传感器的数据输出(具体如图1所示)。
S3、惯导算法冗余：算法冗余机制是在使用同组有效传感器测量值的情况下，采用两种或以上惯导解算算法实现惯导解算的过程，采用该方式是为了避免因解算算法发散或其他原因导致的算法异常，极大的提高了惯导系统的稳定性；本算法分别采用EKF、UKF两种惯导解算算法(如图2中所示)，相互交互监督又相对独立，解算过程中监测迭代过程变量，作为算法过程监测，两套算法独立解算出惯导姿态及位置数据，以备自检选择正常计算数据；EKF、UKF两种算法结果均通过算法自监测流程，输出正常计算数据，异常数据经判别后抛弃；
S4、基于残差平方和的投票选择机制：基于残差的投票选择机制在传感器冗余选择及算法冗余中均有应用，其中算法冗余首先对两套惯导算法解算变量分别求取差值，并计算差值平方和(如图2所示)，两套独立解算的解算正常情况下，两组输出数据接近，残差平方和较小，低于某个阈值情况下两种数据均有效，残差平方和出现较大差异时说明当前至少存在一组解算数据出现异常。
具体简化过程如下：
EKF解算数组：EKFOUT[9]；
UKF解算数组：UKFOUT[9]；
则两个数组间残差平方和为：
SUM＝EKFOUT[0]^2+EKFOUT[1]^2+…+EKFOUT[8]^2；
当SUM<a1(设定阈值时，其中a1为阈值)则两组数据均有效；
当SUM>a1(设定阈值时，其中a1为阈值)，再执行以下操作：
通过纯陀螺仪积分的方式计算前后两次三轴姿态增量：Deltangle[3]；
Deltangle[0]＝gyro[0]*dt；
Deltangle[1]＝gyro[0]*dt；
Deltangle[2]＝gyro[2]*dt；
通过记录前一次解算数据，计算两种解算算法下前后两次的角度变化量，对同EKF算法下前后两次三轴姿态进行差值计算delta1[3]；
对同EKF算法下前后两次三轴姿态进行差值计算delta2[3]；
继续使用残差平方和的方式求取两组算法解算姿态变化量与估算姿态变化量的残差平方和最后通过对比残差平方和大小的方式，取残差平方和较小的一组数据作为有效惯导解算数据：
EKFDeltsum＝(Deltangle[0]-delta1[0])^2+(Deltangle[1]-delta1[1])^2+(Deltangle[2]-delta1[2])^2；
UKFDeltsum＝(Deltangle[0]-delta2[0])^2+(Deltangle[1]-delta2[1])^2+(Deltangle[2]-delta2[2])^2；
通过判断EKFDeltsum与UKFDeltsum的大小判断当前解算数据的有效性。
若EKFDeltsum＜UKFDeltsum，则EKFDeltsum为有效解算数据；
若EKFDeltsum＞UKFDeltsum，则UKFDeltsum为有效解算数据。
综上所述：本发明的方式既能解决硬件损坏导致的惯导解算异常，也能通过多冗余算法获取多组解算结果，再通过投票选择机制判定飞控的健康状态，极大程度的提高了惯性导航系统的稳定性。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，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 (1)

1.一种基于冗余的惯导自检测系统，其特征在于：包括传感器冗余、传感器数据检测、惯性算法冗余和基于残差平方和的投票选择机制四个步骤，其中所述传感器冗余包括：选用Sensor1、Sensor2以及Sensor3三款不同类型的惯性传感器互为冗余，不同类型的传感器具有不同的特性，避免因为同一传感器特性导致传感器异常，所述三组惯性传感器分别配备有自检装置用于检测自身检测数据和状态是否存在异常；所述传感器数据检测包括：该检测又分为自检与互检两个过程，自检包括传感器有效输出检测以及测量阈值检测；互检则是多个传感器之间的检测，基于投票选择的方式，以少数服从多数的原则判断主传感器数据是否正常，如果发生异常，则使用冗余传感器数据；自检分别包括有Sensor1自检测、Sensor2自检测以及Sensor3自检测，三组自检测数据通过异常处理判断程序进行判断，若存在异常，则抛弃该组检测数据结果，若不存在异常则进行结果输出；互检则为Sensor1自检测的非异常输出结果、Sensor2自检测的非异常输出结果以及Sensor3自检测的非异常输出结果三组数据之间通过投票选择机制利用少数服从多数的原则得出有效传感器的数据输出；惯导算法冗余包括：算法冗余机制是在使用同组有效传感器测量值的情况下，采用两种或以上惯导解算算法实现惯导解算的过程；所述算法分别采用EKF、UKF两种惯导解算算法，相互交互监督又相对独立，解算过程中监测迭代过程变量，作为算法过程监测，两套算法独立解算出惯导姿态及位置数据，以备自检选择正常计算数据；EKF、UKF两种算法结果均通过算法自监测流程，输出正常计算数据，异常数据经判别后抛弃；基于残差平方和的投票选择机制：所述基于残差的投票选择机制在传感器冗余选择及算法冗余中均有应用，其中算法冗余首先对两套惯导算法解算变量分别求取差值，并计算差值平方和，两套独立解算的解算正常情况下，两组输出数据接近，残差平方和较小，低于某个阈值情况下两种数据均有效，残差平方和出现较大差异时说明当前至少存在一组解算数据出现异常，其中具体简化过程如下：EKF解算数组：EKFOUT[9]；UKF解算数组：UKFOUT[9]；则两个数组间残差平方和为：SUM＝EKFOUT[0]^2+EKFOUT[1]^2+…+EKFOUT[8]^2；当SUM<a1，则两组数据均有效，其中a1为阈值；当SUM>a1，再执行以下操作：通过纯陀螺仪积分的方式计算前后两次三轴姿态增量：Deltangle[3]；Deltangle[0]＝gyro[0]*dt；Deltangle[1]＝gyro[0]*dt；Deltangle[2]＝gyro[2]*dt；通过记录前一次解算数据，计算两种解算算法下前后两次的角度变化量，对同EKF算法下前后两次三轴姿态进行差值计算delta1[3]；对同EKF算法下前后两次三轴姿态进行差值计算delta2[3]；继续使用残差平方和的方式求取两组算法解算姿态变化量与估算姿态变化量的残差平方和最后通过对比残差平方和大小的方式，取残差平方和较小的一组数据作为有效惯导解算数据：
EKFDeltsum＝(Deltangle[0]-delta1[0])^2+(Deltangle[1]-delta1[1])^2+(Deltangle[2]-delta1[2])^2；
UKFDeltsum＝(Deltangle[0]-delta2[0])^2+(Deltangle[1]-delta2[1])^2+(Deltangle[2]-delta2[2])^2；
通过判断EKFDeltsum与UKFDeltsum的大小判断当前解算数据的有效性；若EKFDeltsum＜UKFDeltsum，则EKFDeltsum为有效解算数据；
若EKFDeltsum＞UKFDeltsum，则UKFDeltsum为有效解算数据。
CN201910846372.9A 2019-09-09 2019-09-09 一种基于冗余的惯导自检测系统 Active CN110567457B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910846372.9A CN110567457B (zh) 2019-09-09 2019-09-09 一种基于冗余的惯导自检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910846372.9A CN110567457B (zh) 2019-09-09 2019-09-09 一种基于冗余的惯导自检测系统

Publications (2)

Publication Number Publication Date
CN110567457A CN110567457A (zh) 2019-12-13
CN110567457B true CN110567457B (zh) 2023-03-03

Family

ID=68778351

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910846372.9A Active CN110567457B (zh) 2019-09-09 2019-09-09 一种基于冗余的惯导自检测系统

Country Status (1)

Country Link
CN (1) CN110567457B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112650281B (zh) * 2020-12-14 2023-08-22 一飞(海南)科技有限公司 多传感器三余度系统、控制方法、无人机、介质及终端
CN113063898A (zh) * 2021-03-24 2021-07-02 中国大唐集团科学技术研究院有限公司中南电力试验研究院 基于区块链的火电站碳排放监测方法及系统
CN113109511A (zh) * 2021-03-29 2021-07-13 天地（常州）自动化股份有限公司 具有自对比功能的甲烷传感器及其测量值冗余处理方法
CN115236227A (zh) * 2022-07-15 2022-10-25 华北电力科学研究院有限责任公司 在线色谱入网检测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103676941A (zh) * 2013-12-24 2014-03-26 北京控制工程研究所 基于运动学和动力学模型的卫星控制系统故障诊断方法
CN105823484A (zh) * 2016-05-26 2016-08-03 清华大学 一种集成式惯性导航测量单元及相应测量方法
CN108539706A (zh) * 2018-05-17 2018-09-14 南京南瑞继保电气有限公司 一种继电保护装置信号处理方法
CN108664931A (zh) * 2018-05-11 2018-10-16 中国科学技术大学 一种多阶段视频动作检测方法
CN109189600A (zh) * 2018-08-17 2019-01-11 四川航天系统工程研究所 一种基于多模冗余嵌入式软件的计算机系统及设计方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7454290B2 (en) * 2003-09-18 2008-11-18 The Board Of Trustees Of The Leland Stanford Junior University GPS/INS vehicle attitude system
CA2721830C (en) * 2008-04-21 2017-06-20 Bombardier Inc. Integrity monitoring of inertial reference unit

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103676941A (zh) * 2013-12-24 2014-03-26 北京控制工程研究所 基于运动学和动力学模型的卫星控制系统故障诊断方法
CN105823484A (zh) * 2016-05-26 2016-08-03 清华大学 一种集成式惯性导航测量单元及相应测量方法
CN108664931A (zh) * 2018-05-11 2018-10-16 中国科学技术大学 一种多阶段视频动作检测方法
CN108539706A (zh) * 2018-05-17 2018-09-14 南京南瑞继保电气有限公司 一种继电保护装置信号处理方法
CN109189600A (zh) * 2018-08-17 2019-01-11 四川航天系统工程研究所 一种基于多模冗余嵌入式软件的计算机系统及设计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
一种组合导航系统的故障检测方法仿真研究;丁宏升;《航空计算技术》;20180131;第48卷(第01期);第79-81页 *
捷联惯性导航系统多传感器冗余技术研究;刘莎红;《中国优秀硕士学位论文全文数据库信息科技辑》;20130215(第02期);I136-1057 *

Also Published As

Publication number Publication date
CN110567457A (zh) 2019-12-13

Similar Documents

Publication Publication Date Title
CN110567457B (zh) 一种基于冗余的惯导自检测系统
CN107421534B (zh) 一种冗余式捷联惯导系统多故障隔离方法
US8185309B2 (en) Enhanced inertial system performance
CN107885219B (zh) 用于监控无人机飞行的飞行监控系统和方法
CA2381196C (en) Vibration compensation for sensors
US7979231B2 (en) Method and system for estimation of inertial sensor errors in remote inertial measurement unit
JP5258362B2 (ja) パリティロジックを使用する慣性測定装置の故障検出、分離、再構成
Youn et al. Combined quaternion-based error state Kalman filtering and smooth variable structure filtering for robust attitude estimation
US7957899B2 (en) Method for determining the attitude, position, and velocity of a mobile device
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
US8260477B2 (en) Method and apparatus for tracking center of gravity of air vehicle
WO2007050163A1 (en) Systems and methods for reducing vibration-induced errors in inertial sensors
CN110426032B (zh) 一种解析式冗余的飞行器容错导航估计方法
JPH09318382A (ja) 姿勢角検出装置及び方法
CN109813309A (zh) 一种六陀螺冗余式捷联惯导系统双故障隔离方法
US9828111B2 (en) Method of estimation of the speed of an aircraft relative to the surrounding air, and associated system
CN109612459B (zh) 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
Jafari et al. Inertial navigation accuracy increasing using redundant sensors
CN111141286A (zh) 一种无人机飞控多传感器姿态置信解算方法
CN114526731A (zh) 一种基于助力车的惯性组合导航方向定位方法
Hall et al. In-flight parity vector compensation for FDI
KR20180039684A (ko) 관성 센서
Evans et al. Experimental strapdown redundant sensor inertial navigation system
CN113483759A (zh) 一种GNSS、INS、Vision组合导航系统完好性保护级计算方法
KR100648882B1 (ko) 무인 항공기 자동 항법 시스템의 관성 값 계산 장치 및 그방법

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