CN111208544A - 一种用于无人机蜂群协同导航的完好性保护水平优化方法 - Google Patents

一种用于无人机蜂群协同导航的完好性保护水平优化方法 Download PDF

Info

Publication number
CN111208544A
CN111208544A CN202010142862.3A CN202010142862A CN111208544A CN 111208544 A CN111208544 A CN 111208544A CN 202010142862 A CN202010142862 A CN 202010142862A CN 111208544 A CN111208544 A CN 111208544A
Authority
CN
China
Prior art keywords
navigation
available
cooperative
integrity protection
auxiliary
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.)
Granted
Application number
CN202010142862.3A
Other languages
English (en)
Other versions
CN111208544B (zh
Inventor
王融
陈欣
熊智
刘建业
赵伟
陈明星
杜君南
赵耀
康骏
安竞轲
聂庭宇
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 CN202010142862.3A priority Critical patent/CN111208544B/zh
Publication of CN111208544A publication Critical patent/CN111208544A/zh
Application granted granted Critical
Publication of CN111208544B publication Critical patent/CN111208544B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S19/00Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39Determining 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
    • G01S19/42Determining position
    • G01S19/45Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/46Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being of a radio-wave signal type
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S19/00Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39Determining 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
    • G01S19/42Determining position
    • G01S19/45Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/47Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial

Landscapes

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

Abstract

本发明公开了一种用于无人机蜂群协同导航的完好性保护水平优化方法,利用无人机蜂群协同信息辅助进行完好性保护水平优化;结合各卫星导航系统与协同辅助信息测量特性的差异,建立协同辅助信息的观测模型导航完好性保护水平计算方法,并通过多种导航模式之间的自动切换,有效利用协同辅助信息实现完好性保护水平的优化。该方法能够有效提高无人机蜂群协同导航的可靠性。

Description

一种用于无人机蜂群协同导航的完好性保护水平优化方法
技术领域
本发明属于导航技术领域,尤其涉及一种用于无人机蜂群协同导航的完好性保护水平优化方法。
背景技术
在无人机蜂群导航过程中,可能出现仅依靠卫星导航系统提供的保护水平无法满足协同导航需求或者在特殊情况下无法获得足够的导航卫星的情况,此时卫星接收机无法检测和排除故障卫星,飞行器定位误差将增大,使无人机蜂群导航精度下降。协同导航技术利用多飞行器间的传感器信息,实现多飞行器间的信息协同,可辅助卫星导航接收机进行故障检测和排除。但是,在故障检测前,同样需要考虑卫星和飞行器共同构成的几何分布的影响,当几何条件不佳时,可能导致漏检。因此在故障检测之前,首先要判定卫星与飞行器共同构成几何条件是否满足故障检测的最大漏检率需求,保证飞行器信息辅助故障检测的可用性,给出系统的完好性保证。
现有完好性方法通常适用于只采用卫星导航系统的情况,无法有效利用无人机蜂群成员之间协同信息来提高导航完好性水平,从而造成了协同辅助信息的浪费。如果直接应用完好性保护方法,也无法处理无人机蜂群协同辅助信息与卫星导航测量信息的差异特性,缺少对于多个成员协同辅助信息的处理方法,无法实现完好性水平的优化。
发明内容
发明目的:为解决现有技术存在协同辅助信息浪费、无法实现完好性水平的优化等问题,本发明提供了一种用于无人机蜂群协同导航的完好性保护水平优化方法。
技术方案:本发明提供了一种用于无人机蜂群协同导航的完好性保护水平优化方法,包括如下步骤:
步骤1:令当前时刻为t,以当前时刻无人机蜂群几何中心为原点,建立无人机蜂群中心坐标系;
步骤2:无人机蜂群各成员根据自身的机载惯导系统,获取自身在地理坐标系下的位置矢量,并将其转换至无人机蜂群中心坐标系中;
步骤3:无人机蜂群的n个成员分别通过自身的机载卫星导航接收机接收导航卫星信号,从而确定当前各自可用导航卫星的个数,并通过导航卫星星历获取当前时刻每个成员的所有可用导航卫星在地球固联直角坐标系的位置矢量,并将其转换至无人机蜂群中心坐标系中;
步骤4:无人机蜂群的n个成员根据自身的自机载无线电协同通信范围,确定各成员的可用协同成员,得到各成员的可用协同成员集合;
步骤5:计算每个成员的可用导航卫星数和可用协同成员数之和,根据每个成员的可用导航卫星数和可用协同成员数之和,判断每个成员机载导航系统的完好性保护是否可以用;针对任意一个成员k,k=1,2,3,…,n;若该成员的机载导航系统的完好性保护可用,则该成员的导航系统执行步骤6;若该成员的机载导航系统的完好性保护不可用,则将该成员完好性保护功能失效的信息输出至飞行管理系统,并将该成员从其它成员的可用协同成员集合中去除,同时该成员的导航系统执行步骤22;
步骤6:对成员k进行辅助记录信息初始化,成员k当前辅助成员数量为ck,初始的ck=0,成员k当前辅助成员集合为Uk,Uk初始为空集;
步骤7:对成员k进行观测模型初始化,成员k初始的观测模型表达式为:
Figure BDA0002399701050000021
其中
Figure BDA0002399701050000022
为成员k到其可用导航卫星中的第i个导航卫星的方向余弦,i=1,2,…,mk;其中mk为成员k的可用导航卫星的数量;初始的观测模型中ck=0;
步骤8:对成员k进行权值变换矩阵初始化,则成员k初始的权值变换矩阵表达式为:
Figure BDA0002399701050000023
其中,σs为导航卫星的伪距标准差,
Figure BDA0002399701050000024
为mk维单位矩阵;初始的权值变换矩阵中ck=0;
步骤9:计算成员k在当前辅助条件下导航故障检测门限TF,所述辅助条件包括:辅助成员的个数;
步骤10:基于步骤9中的导航故障检测门限TF,计算当前辅助条件下成员k的非中心化参数λ;
步骤11:计算成员k在当前辅助条件下的权重矩阵W,其表达式为:
Figure BDA0002399701050000031
其中T为空间转置;
步骤12:根据步骤11得到的权重矩阵W,计算得到矩阵参量A和C;
步骤13:根据步骤10获得的非中心化参数λ和步骤12获得的矩阵参量A和C计算水平方向完好性保护水平lhor
步骤14:将lhor与预设好的水平定位告警限值ahor比较;若lhor≤ahor,则转步骤15,否则,转步骤17;
步骤15:根据λ、矩阵A和矩阵C计算垂直方向完好性保护水平lver
步骤16:将lver与预设好的垂直定位告警限值aver比较;若lver≤aver,转步骤21;否则,转步骤17;
步骤17:判断成员k的可用协同成员集合Ok是否为空集,若是,则进入协同完好性告警模式,同时将成员k从其它成员的可用协同成员集合中去除,并转至步骤22;否则执行步骤18;所述协同完好性告警模式为:将成员k完好性保护水平超限的信息输出至飞行管理系统;
步骤18:对成员k进行辅助成员增选,成员k从其可用协同成员集合Ok中随机选择一个协同成员作为辅助成员,将其加入辅助成员集合Uk中,并在集合Ok中删除该成员;同时ck=ck+1;令选择的辅助成员编号为j,计算成员k的协同辅助观测矩阵gj
步骤19:成员k根据步骤18获得的协同辅助观测矩阵gj更新观测模型
Figure BDA0002399701050000032
步骤20:成员k根据gj更新权值变换矩阵
Figure BDA0002399701050000033
并转步骤11;
步骤21:计算成员k的所有可用导航卫星中每个导航卫星的残差向量的验后权重误差,当某个导航卫星的验后权重误差大于预设好的检测限值时,认定该导航卫星存在故障,并将该导航卫星排除;
步骤22:判断无人机是否着陆,若是,则停止计算;否则,t+1,且返回步骤1,整个无人机蜂群协同导航系统进行下一时刻机载导航系统完好性保护水平优化。
进一步的,所述步骤5中根据每个成员的可用导航卫星数和可用协同成员数之和,判断每个成员机载导航系统的完好性保护是否可用,具体为:针对任意一个成员,若其可用导航卫星数和可用协同成员数之和大于an;则其机载导航系统的完好性保护可用,否则其机载导航系统的完好性保护不可用;所述an为预设好的阈值。
进一步的,所述步骤10中计算当前辅助条件下成员k的非中心化参数λ的具体方法为:
步骤10.1:设定λ初值为λ0=0,其循环步长为1,循环次数e初值为1,概率P初值为P0=1;
步骤10.2:令λe=λe-1+1,
Figure BDA0002399701050000041
其中,mk-4+ck为卡方分布的自由度,
Figure BDA0002399701050000042
为非中心化卡方分布的概率分布函数;
步骤10.3:将Pe与漏检率PMD作比较,若Pe≤PMD,则转步骤10.4;否则e+1;并转步骤10.2;
步骤10.4:计算得到非中心化参数
Figure BDA0002399701050000043
进一步的,所述步骤9中计算导航故障检测门限TF,具体为:
Figure BDA0002399701050000044
其中
Figure BDA0002399701050000045
为中心化卡方分布的概率分布函数的反函数,PFA为误警率,mk-4+ck为卡方分布的自由度。
进一步的,所述步骤12中计算得到矩阵参量A和C,具体为:
Figure BDA0002399701050000046
Figure BDA0002399701050000047
其中,diag表示提取矩阵对角线元素构成的新矩阵。
进一步的,所述步骤13中计算水平方向完好性保护水平lhor,具体为:
Figure BDA0002399701050000048
其中
Figure BDA0002399701050000049
Figure BDA00023997010500000410
表示取矩阵对角线元素最大值;
所述步骤15中计算垂直方向完好性保护水平lver,具体为:
Figure BDA0002399701050000051
其中Bver=[0 0 1]。
进一步的,所述步骤18中计算成员k的协同辅助观测矩阵gj,具体为:
Figure BDA0002399701050000052
其中
Figure BDA0002399701050000053
为成员k到辅助成员j的方向余弦。
进一步的,所述步骤19中成员k根据步骤18获得的协同辅助观测矩阵gj更新观测模型
Figure BDA0002399701050000054
具体为:
Figure BDA0002399701050000055
所述步骤20中成员k根据gj更新权值变换矩阵
Figure BDA0002399701050000056
具体为
Figure BDA0002399701050000057
其中σr为协同辅助测距误差协方差,σj的表达式为:
Figure BDA0002399701050000058
其中σpj为辅助成员j位置误差协方差,σtj为辅助成员j机载钟差协方差。
进一步的,所述步骤21中采用巴达尔数据探测法识别故障导航卫星的故障类型。
有益效果:
1、本发明考虑了协同导航系统中各飞行器间测距与卫星导航系统伪距测量特性的差异,建立了协同辅助信息观测模型,能有效评估卫星与飞行器共同组成的几何构型,克服了传统完好性保护方法至适用于卫星导航系统的不足。
2、当仅依靠卫星导航提供的保护水平无法满足协同导航需求或在特殊环境下无法获得足够的导航卫星时,该方法保证了协同辅助信息对故障检测的有用性,保证了系统的完好性,进而利用协同辅助信息实现自主完好性检测算法,对故障卫星进行检测和识别,克服了传统完好性保护方法难以利用协同辅助信息造成信息浪费的不足。
3、本发明适用性广,不受协同辅助信息种类和数量的限制。
附图说明
图1是本发明的流程图;
图2是仿真设计无人机蜂群的飞行航迹;
图3是未采用本发明方法和采用本发明方法优化后的水平方向容错保护水平变化曲线对比图。
图4是未采用本发明方法和采用本发明方法优化后的垂直方向容错保护水平变化曲线对比图。
具体实施方式
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
如图1所示,本实施例提供一种用于无人机蜂群协同导航的完好性保护水平优化方法;具体如下所示:
步骤(1):令当前时刻为t,无人机蜂群成员的数量为n,以无人机蜂群几何中心为原点,建立无人机蜂群中心坐标系;
步骤(2):无人机蜂群各成员根据其机载惯导系统获取自身在地理坐标系下的位置矢量,并将其转换至无人机蜂群中心坐标系中;
步骤(3):无人机蜂群各成员通过其机载卫星导航接收机接收导航卫星信号,确定当前可用导航卫星的个数,并通过导航卫星星历获取当前时刻所有可用卫星在地球固联直角坐标系的位置矢量,并将其转换至无人机蜂群中心坐标系中;
步骤(4):无人机蜂群各成员根据进行协同通信,确定各成员可用协同成员数量,得到每个成员的可用协同成员集合;通过步骤(2)获得的各成员位置矢量,获取可用协同成员在无人机蜂群当地水平直角坐标系的位置矢量;
步骤(5):无人机蜂群各成员计算其通过步骤(3)获得的所有可用导航卫星数和步骤(3)获得的辅助飞行器数之和,针对任意一个成员k,k=1,2,3…,n;其可用导航卫星和协同成员数量之和为nk=mk+uk,其中mk为成员k的可用导航卫星数量,uk为成员k的可用协同成员数量;若nk>an,则成员k的机载导航系统的完好性保护可用,成员k的导航系统转入协同完好性保护水平计算模式,也即转步骤(6);否则成员k的导航系统进入协同完好性保护失效模式,同时转至步骤(22);所述协同完好性保护失效模式为:输出成员k完好性保护功能失效状态信息至飞行管理系统,并将该成员从其它成员的可用协同成员集合中删除;所述an为预设好的阈值;本实施例中an=4。
步骤(6):对成员k进行辅助记录信息初始化,成员k当前辅助成员数量为ck,初始的ck=0,当前辅助成员集合为Uk,Uk初始为空集;
步骤7:对成员k进行观测模型初始化,成员k初始的观测模型表达式为:
Figure BDA0002399701050000071
其中
Figure BDA0002399701050000072
为成员k到其可用卫星中的第i个卫星的方向余弦,1≤i≤mk;初始的观测模型中ck=0;
步骤(8)对成员k进行权值变换矩阵初始化,则成员k初始的权值变换矩阵表达式为:
Figure BDA0002399701050000073
其中,σs为卫星伪距标准差,
Figure BDA0002399701050000074
为mk维单位矩阵;初始的权值变换矩阵中ck=0;
步骤(9):计算成员k在当前辅助条件下导航故障检测门限TF,其表达式如下所示;所述辅助条件包括:辅助成员的个数;
Figure BDA0002399701050000075
其中
Figure BDA0002399701050000076
为中心化卡方分布的概率分布函数的反函数,PFA为误警率,mk-4+ck为卡方分布的自由度;
步骤(10):计算当前辅助条件下成员k的非中心化参数λ,包括以下子步骤:
(10.1)设定λ初值为λ0=0,其循环步长为1,循环次数e初值为1,概率P初值为P0=1;
(10.2)令λe=λe-1+1,计算概率
Figure BDA0002399701050000077
其中,
Figure BDA0002399701050000078
为非中心化卡方分布的概率分布函数;
(10.3)根据系统给定的漏检率PMD,将Pe与漏检率PMD作比较,若Pe≤PMD,则转步骤(10.4);否则e+1;并转步骤(10.2);
(10.4)计算得到非中心化参数
Figure BDA0002399701050000081
步骤(11)计算成员k在当前辅助条件下的权重矩阵W,其表达式为
Figure BDA0002399701050000082
其中T为空间转置
步骤(12)根据步骤(11)得到的当前辅助条件下的权重矩阵W计算矩阵参量,其表达式为
Figure BDA0002399701050000083
Figure BDA0002399701050000084
其中,diag表示提取矩阵对角线元素构成的新矩阵;
步骤(13):根据步骤(10)获得的当前辅助条件下的非中心化参数λ和步骤(12)获得的矩阵A和矩阵C计算水平方向完好性保护水平,其表达式为
Figure BDA0002399701050000085
其中
Figure BDA0002399701050000086
Figure BDA0002399701050000087
表示取矩阵对角线元素最大值;
步骤(14):各成员根据水平方向完好性保护水平进行导航模式判定;成员k将步骤(13)获得的水平方向完好性保护水平lhor与水平定位告警限值ahor比较;若lhor≤ahor,则成员k的导航系统转至步骤(15);若lhor>ahor,则成员k的导航系统转入协同辅助模型构建模式,也即转步骤17;所述协同辅助模型构建模式为:进行辅助成员增选,并对增选后的协同条件下的观测模型和权值变换矩阵进行更新;
步骤(15):根据步骤(10)获得的当前辅助条件下的非中心化参数λ和步骤(12)获得的矩阵A和矩阵C计算垂直方向完好性保护水平,其表达式为
Figure BDA0002399701050000088
其中Bver=[0 0 1],
Figure BDA0002399701050000089
表示取矩阵对角线元素最大值。
步骤(16):各成员根据水平方向完好性保护水平进行导航模式判定;成员k将步骤(14)获得的垂直方向完好性保护水平lver与垂直定位告警限值aver比较;若lver≤aver,成员k的导航系统转入协同故障监测模式,也即转入步骤(20),所述协同故障监测模式为:在当前协辅助条件下进行故障检测与隔离;若lver>aver,成员k的导航系统转至步骤(17);
步骤(17):各成员对其可用成员集合进行判断,判断成员k的可用协同成员集合Ok是否为空集,若是,则进入协同完好性告警模式:输出成员k协同完好性告警信息至飞行管理系统;同时将成员k从其它成员的可用协同成员集合中去除,并转至步骤(22);否则继续执行步骤(18)
步骤(18):各成员进行辅助成员增选:成员k从其可用协同成员集合Ok中选择辅助成员,将其加入辅助成员集合Uk,同时令ck=ck+1;记选择的辅助成员编号为j,计算成员k的协同辅助观测矩阵,其表达式为
Figure BDA0002399701050000091
其中
Figure BDA0002399701050000092
为成员k到辅助成员j的方向余弦。
步骤(19):各成员根据步骤(18)获得的协同辅助观测矩阵更新观测模型,成员的观测模型表达式为
Figure BDA0002399701050000093
步骤(20):各成员根据步骤(18)获得的协同辅助观测矩阵更新权值变换矩阵,成员k的权值变换矩阵表达式为:
Figure BDA0002399701050000094
其中σr为协同辅助测距误差协方差,σj的表达式为
Figure BDA0002399701050000095
其中σpj为协同辅助飞行器j位置误差协方差,σtj为协同辅助飞行器j机载钟差协方差;
步骤(21)各成员利用协同信息辅助故障检测
采用加权最小二乘的残差检验法,根据步骤(19)中观测方程的量测值的残差平方和在卫星正常和故障状态下所满足的不同概率分布,计算残差向量的验后权重误差及其检测限值。当权重误差大于检测限值时,系统存在故障。而故障识别方法采用巴达尔数据探测法,通过最小二乘残差向量构造统计检测量,利用对统计量的检验判断某残差中是否存在粗差。确定故障卫星后将其排除,以保证系统导航精度。
步骤(22):判断无人机是否着陆,若是,则停止计算;否则,t+1,且返回步骤1,进行下一时刻机载导航系统完好性保护水平优化。
为了验证本发明所提出的用于动态观测关系条件的无人机蜂群协同导航方法的有效性,进行数字仿真分析。仿真中采用的无人机蜂群中无人机数量为8架,相对距离测量精度为0.1米。图2是仿真中采用的无人机蜂群航迹图;图3是未采用实施例和采用本实施例优化后的水平方向容错保护水平变化曲线对比图;图4是未采用本实施例和采用本实施例优化后的垂直方向容错保护水平变化曲线对比图;
由图3可以看出,采用本实施例所提出的一种用于无人机蜂群协同导航的完好性保护水平优化方法后,无人机蜂群导航系统水平方向完好性保护水平在各阶段均有显著提高;由图4可以看出,采用本实施例所提出的一种用于无人机蜂群协同导航的完好性保护水平优化方法后,无人机蜂群导航系统垂直方向完好性保护水平在各阶段均有显著提高。此外,采用本发明能够适应无人机蜂群在飞行过程中构型变化引起的完好性保护水平的不断变化,具有良好的应用价值。
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。

Claims (9)

1.一种用于无人机蜂群协同导航的完好性保护水平优化方法,其特征在于,包括如下步骤:
步骤1:令当前时刻为t,以当前时刻无人机蜂群几何中心为原点,建立无人机蜂群中心坐标系;
步骤2:无人机蜂群各成员根据自身的机载惯导系统,获取自身在地理坐标系下的位置矢量,并将其转换至无人机蜂群中心坐标系中;
步骤3:无人机蜂群的n个成员分别通过自身的机载卫星导航接收机接收导航卫星信号,从而确定当前各自可用导航卫星的个数,并通过导航卫星星历获取当前时刻每个成员的所有可用导航卫星在地球固联直角坐标系的位置矢量,并将其转换至无人机蜂群中心坐标系中;
步骤4:无人机蜂群的n个成员根据自身的自机载无线电协同通信范围,确定各成员的可用协同成员,得到各成员的可用协同成员集合;
步骤5:计算每个成员的可用导航卫星数和可用协同成员数之和,根据每个成员的可用导航卫星数和可用协同成员数之和,判断每个成员机载导航系统的完好性保护是否可用;针对任意一个成员k,k=1,2,3,…,n;若该成员的机载导航系统的完好性保护可用,则该成员的导航系统执行步骤6;若该成员的机载导航系统的完好性保护不可用,则将该成员完好性保护功能失效的信息输出至飞行管理系统,并将该成员从其它成员的可用协同成员集合中去除,同时该成员的导航系统执行步骤22;
步骤6:对成员k进行辅助记录信息初始化,成员k当前辅助成员数量为ck,初始的ck=0,成员k当前辅助成员集合为Uk,Uk初始为空集;
步骤7:对成员k进行观测模型初始化,成员k初始的观测模型表达式为:
Figure FDA0002399701040000011
其中
Figure FDA0002399701040000012
为成员k到其可用导航卫星中的第i个导航卫星的方向余弦,i=1,2,…,mk;其中mk为成员k的可用导航卫星的数量;初始的观测模型中ck=0;
步骤8:对成员k进行权值变换矩阵初始化,则成员k初始的权值变换矩阵表达式为:
Figure FDA0002399701040000021
其中,σs为导航卫星的伪距标准差,
Figure FDA0002399701040000022
为mk维单位矩阵;初始的权值变换矩阵中ck=0;
步骤9:计算成员k在当前辅助条件下导航故障检测门限TF,所述辅助条件包括:辅助成员的个数;
步骤10:基于步骤9中的导航故障检测门限TF,计算当前辅助条件下成员k的非中心化参数λ;
步骤11:计算成员k在当前辅助条件下的权重矩阵W,其表达式为:
Figure FDA0002399701040000023
其中T为空间转置;
步骤12:根据步骤11得到的权重矩阵W,计算得到矩阵参量A和C;
步骤13:根据步骤10获得的非中心化参数λ和步骤12获得的矩阵参量A和C计算水平方向完好性保护水平lhor
步骤14:将lhor与预设好的水平定位告警限值ahor比较;若lhor≤ahor,则转步骤15,否则,转步骤17;
步骤15:根据λ、矩阵A和矩阵C计算垂直方向完好性保护水平lver
步骤16:将lver与预设好的垂直定位告警限值aver比较;若lver≤aver,转步骤21;否则,转步骤17;
步骤17:判断成员k的可用协同成员集合Ok是否为空集,若是,则进入协同完好性告警模式,同时将成员k从其它成员的可用协同成员集合中去除,并转至步骤22;否则执行步骤18;所述协同完好性告警模式为:将成员k协同完好性超限的告警信息输出至飞行管理系统;
步骤18:对成员k进行辅助成员增选,成员k从其可用协同成员集合Ok中随机选择一个协同成员作为辅助成员,将其加入辅助成员集合Uk中,并在集合Ok中删除该成员;同时ck=ck+1;令选择的辅助成员编号为j,计算成员k的协同辅助观测矩阵gj
步骤19:成员k根据步骤18获得的协同辅助观测矩阵gj更新观测模型
Figure FDA0002399701040000031
步骤20:成员k根据gj更新权值变换矩阵
Figure FDA0002399701040000032
并转步骤11;
步骤21:计算成员k的所有可用导航卫星中每个导航卫星的残差向量的验后权重误差,当某个导航卫星的验后权重误差大于预设好的检测限值时,认定该导航卫星存在故障,并将该导航卫星排除;
步骤22:判断无人机是否着陆,若是,则停止计算;否则,t+1,且返回步骤1,整个无人机蜂群协同导航系统进行下一时刻机载导航系统完好性保护水平优化。
2.根据权利要求1所述的一种用于无人机蜂群协同导航的完好性保护水平优化方法,其特征在于,所述步骤5中根据每个成员的可用导航卫星数和可用协同成员数之和,判断每个成员机载导航系统的完好性保护是否可用,具体为:针对任意一个成员,若其可用导航卫星数和可用协同成员数之和大于an;则其机载导航系统的完好性保护可用,否则其机载导航系统的完好性保护不可用;所述an为预设好的阈值。
3.根据权利要求1所述的一种用于无人机蜂群协同导航的完好性保护水平优化方法,其特征在于,所述步骤10中计算当前辅助条件下成员k的非中心化参数λ的具体方法为:
步骤10.1:设定λ初值为λ0=0,其循环步长为1,循环次数e初值为1,概率P初值为P0=1;
步骤10.2:令λe=λe-1+1,
Figure FDA0002399701040000033
其中,mk-4+ck为卡方分布的自由度,
Figure FDA0002399701040000034
为非中心化卡方分布的概率分布函数;
步骤10.3:将Pe与漏检率PMD作比较,若Pe≤PMD,则转步骤10.4;否则e+1;并转步骤10.2;
步骤10.4:计算得到非中心化参数
Figure FDA0002399701040000035
4.根据权利要求1所述的一种用于无人机蜂群协同导航的完好性保护水平优化方法,其特征在于,所述步骤9中计算导航故障检测门限TF,具体为:
Figure FDA0002399701040000036
其中
Figure FDA0002399701040000041
为中心化卡方分布的概率分布函数的反函数,PFA为误警率,mk-4+ck为卡方分布的自由度。
5.根据权利要求1所述的一种用于无人机蜂群协同导航的完好性保护水平优化方法,其特征在于,所述步骤12中计算得到矩阵参量A和C,具体为:
Figure FDA0002399701040000042
Figure FDA0002399701040000043
其中,diag表示提取矩阵对角线元素构成的新矩阵。
6.根据权利要求1所述的一种用于无人机蜂群协同导航的完好性保护水平优化方法,其特征在于,所述步骤13中计算水平方向完好性保护水平lhor,具体为:
Figure FDA0002399701040000044
其中
Figure FDA0002399701040000045
Figure FDA0002399701040000046
表示取矩阵对角线元素最大值;
所述步骤15中计算垂直方向完好性保护水平lver,具体为:
Figure FDA0002399701040000047
其中Bver=[0 0 1]。
7.根据权利要求1所述的一种用于无人机蜂群协同导航的完好性保护水平优化方法,其特征在于,所述步骤18中计算成员k的协同辅助观测矩阵gj,具体为:
Figure FDA0002399701040000048
其中
Figure FDA0002399701040000049
为成员k到辅助成员j的方向余弦。
8.根据权利要求1所述的一种用于无人机蜂群协同导航的完好性保护水平优化方法,其特征在于,所述步骤19中成员k根据步骤18获得的协同辅助观测矩阵gj更新观测模型
Figure FDA00023997010400000410
具体为:
Figure FDA00023997010400000411
所述步骤20中成员k根据gj更新权值变换矩阵
Figure FDA00023997010400000412
具体为
Figure FDA0002399701040000051
其中σr为协同辅助测距误差协方差,σj的表达式为:
Figure FDA0002399701040000052
其中σpj为辅助成员j位置误差协方差,σtj为辅助成员j机载钟差协方差。
9.根据权利要求1所述的一种用于无人机蜂群协同导航的完好性保护水平优化方法,其特征在于,所述步骤21中采用巴达尔数据探测法识别故障导航卫星的故障类型。
CN202010142862.3A 2020-03-04 2020-03-04 一种用于无人机蜂群协同导航的完好性保护水平优化方法 Active CN111208544B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010142862.3A CN111208544B (zh) 2020-03-04 2020-03-04 一种用于无人机蜂群协同导航的完好性保护水平优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010142862.3A CN111208544B (zh) 2020-03-04 2020-03-04 一种用于无人机蜂群协同导航的完好性保护水平优化方法

Publications (2)

Publication Number Publication Date
CN111208544A true CN111208544A (zh) 2020-05-29
CN111208544B CN111208544B (zh) 2022-06-17

Family

ID=70786903

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010142862.3A Active CN111208544B (zh) 2020-03-04 2020-03-04 一种用于无人机蜂群协同导航的完好性保护水平优化方法

Country Status (1)

Country Link
CN (1) CN111208544B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112146650A (zh) * 2020-09-18 2020-12-29 南京航空航天大学 一种用于无人蜂群协同导航的构型优化方法
CN114003051A (zh) * 2021-10-14 2022-02-01 南京航空航天大学 一种用于混合少星条件的递归协同定位方法
CN114636431A (zh) * 2021-11-12 2022-06-17 北京航空航天大学 一种复杂环境下的智能运行系统导航完好性监测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160170030A1 (en) * 2014-12-11 2016-06-16 Raytheon Company Orientation Measurements for Drift Correction
CN110146108A (zh) * 2019-05-10 2019-08-20 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
CN110426029A (zh) * 2019-07-31 2019-11-08 南京航空航天大学 用于无人机蜂群协同导航的动态互观测在线建模方法
CN110716222A (zh) * 2019-11-11 2020-01-21 北京航空航天大学 一种基于无人机的无人车导航方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160170030A1 (en) * 2014-12-11 2016-06-16 Raytheon Company Orientation Measurements for Drift Correction
CN110146108A (zh) * 2019-05-10 2019-08-20 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
CN110426029A (zh) * 2019-07-31 2019-11-08 南京航空航天大学 用于无人机蜂群协同导航的动态互观测在线建模方法
CN110716222A (zh) * 2019-11-11 2020-01-21 北京航空航天大学 一种基于无人机的无人车导航方法及系统

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112146650A (zh) * 2020-09-18 2020-12-29 南京航空航天大学 一种用于无人蜂群协同导航的构型优化方法
CN112146650B (zh) * 2020-09-18 2022-04-01 南京航空航天大学 一种用于无人蜂群协同导航的构型优化方法
CN114003051A (zh) * 2021-10-14 2022-02-01 南京航空航天大学 一种用于混合少星条件的递归协同定位方法
CN114003051B (zh) * 2021-10-14 2023-10-31 南京航空航天大学 一种用于混合少星条件的递归协同定位方法
CN114636431A (zh) * 2021-11-12 2022-06-17 北京航空航天大学 一种复杂环境下的智能运行系统导航完好性监测方法
CN114636431B (zh) * 2021-11-12 2024-04-30 北京航空航天大学 一种复杂环境下的智能运行系统导航完好性监测方法

Also Published As

Publication number Publication date
CN111208544B (zh) 2022-06-17

Similar Documents

Publication Publication Date Title
CN111208544B (zh) 一种用于无人机蜂群协同导航的完好性保护水平优化方法
CN109901204B (zh) 一种基于伪距误差分布模型的gbas完好性性能评估方法
CN109900300B (zh) 一种用于无人机的组合导航完好性监测系统
CN110196434B (zh) 一种高级接收机自主完好性监测的星座动态选择方法
CN110068840B (zh) 一种基于伪距测量特征值提取的araim故障检测方法
CN108761498B (zh) 一种针对高级接收机自主完好性监测的位置估计优化方法
CN110161543B (zh) 一种基于卡方检验的部分粗差抗差自适应滤波方法
CN110988930B (zh) 一种先进的接收机自主完好性监测仿真评估方法及装置
CN111708054B (zh) 基于粒子群优化算法的araim垂直保护级优化方法
CN112033441B (zh) 用于bds/mems组合导航下的联动编队完好性监测方法
CN114545454A (zh) 一种面向自动驾驶的融合导航系统完好性监测方法
CN115685278B (zh) 基于kf的低空无人机航迹定位修正方法
Arana et al. Efficient integrity monitoring for kf-based localization
CN112230247B (zh) 一种用于城市复杂环境下gnss完好性监测方法
CN109308518A (zh) 一种基于概率神经网络的监测系统及其平滑参数优化方法
CN110174683B (zh) 基于贝叶斯决策的gbas保护级完好性风险分配方法
CN116859415A (zh) 一种快速稳健高精度的多故障卫星识别及定位方法
CN113376664B (zh) 一种无人蜂群协同导航多故障检测方法
CN112034491B (zh) 一种基于误差核心分布的完好性保护级计算方法
CN115540907A (zh) 一种基于面向星间差分的gps/bds/ins紧组合导航的多故障检测与剔除方法
CN111913192B (zh) 一种基于关键星的gbas完好性风险分配方法
KR101970240B1 (ko) 전리층 위협 완화를 위한 무인항공기 탑재 위성기하 분별 방법 및 장치
CN110907953A (zh) 一种卫星故障识别方法、装置及软件接收机
CN115134016B (zh) 一种基于麻雀搜索算法的araim子集优化方法
CN116736339B (zh) 一种面向禁航区管控的北斗自主监测及预警方法

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