CN111829508B - 一种基于新息的容错联邦滤波方法及系统 - Google Patents

Abstract

本发明涉及一种基于新息的容错联邦滤波方法及系统。所述方法包括获取每个组合导航子系统的状态空间模型；根据所述状态空间模型与量测实际值确定组合导航子系统对应的局部滤波器的新息；根据所述新息采用残差χ²检验法，利用假设检验理论，确定组合导航子系统对应的局部滤波器的故障检测函数值；根据所述局部滤波器的故障检测函数值确定所述局部滤波器的信息融合加权系数；根据局部滤波器的信息融合加权系数确定容错联邦滤波的全局信息融合算法；根据容错联邦滤波的全局信息融合算法进行所述组合导航系统的容错联邦滤波。本发明在导航子系统出现故障的情况下，能够保证组合导航的精度，增强整个组合导航系统应对子系统各种故障的容错能力。

Description

一种基于新息的容错联邦滤波方法及系统

技术领域

本发明涉及组合导航信息融合领域，特别是涉及一种基于新息的容错联邦滤波方法及系统。

背景技术

对于具有不同设计原理、不同使用目的的导航系统，如惯性导航系统、卫星导航系统、雷达导航系统、天文导航系统等，当它们同时使用时，可对某一导航参数进行冗余测量。此时，若采用信息融合联邦滤波技术，将三种甚至三种以上导航系统有机结合起来，使它们互相取长补短、全面提高组合导航系统的综合性能，可以在实现系统各导航参数最优化的同时，实现精度更高、性能更优越的导航。基于联邦滤波的组合导航系统在航空、航天、航海、兵器等领域内得到了广泛的运用。

然而，随着构成组合导航系统的导航子系统越来越多、功能越来越复杂，整个组合导航系统的故障率也随之成倍增加，只要其中一个子系统失效，其余子系统就有可能被污染，并导致整个组合导航系统性能下降甚至失效。为此，在进行组合导航系统滤波器设计时，必须使所设计的导航系统具有一定的容错能力。而且，作为高性能导航系统的两个关键指标—精度和可靠性，可靠性对于工程实际的重要性高于精度，宁可牺牲少许精度也必须绝对保证系统可靠工作。因此，为了提高组合导航系统的可靠性，必须对其进行容错设计。

目前，常用的故障检测方法对于导航子系统出现阶跃形式的硬故障一般比较敏感，检测效果普遍较好；但是，对于导航子系统发生了随时间缓慢变化的软故障，由于故障对导航系统的影响是将随时间缓慢累积的，当系统检测出这种故障时，故障可能已经发生多时，而在此之前被故障污染的测量数据已经对系统状态估计值产生了影响，进而影响到整个组合导航系统的精度。与此同时，利用传统的故障检测方法检测出故障子系统后，通常是将故障子系统进行隔离，即不将故障子系统的输出信息送入到组合导航滤波器中，此时由于缺少了该子系统的导航信息，从而必然影响到整个组合导航系统的精度和性能。

发明内容

本发明的目的是提供一种基于新息的容错联邦滤波方法及系统，在导航子系统出现故障的情况下，能够保证组合导航的精度，增强整个组合导航系统应对子系统各种故障的容错能力。

为实现上述目的，本发明提供了如下方案：

一种基于新息的容错联邦滤波方法，应用于惯性基组合导航系统，所述惯性基组合导航系统包括惯性导航系统和多个导航子系统；所述惯性导航系统与其他各个导航子系统分别构成组合导航子系统，每个所述组合导航子系统对应一个局部滤波器；所述容错联邦滤波方法包括：

获取每个所述组合导航子系统的状态空间模型；

根据所述状态空间模型确定量测的预测值，利用所述量测预测值与量测实际值确定所述局部滤波器的新息；

根据所述新息采用残差χ²检验法，利用假设检验理论，确定所述组合导航子系统对应的局部滤波器的故障检测函数值；

根据所述局部滤波器的故障检测函数值确定所述局部滤波器的信息融合加权系数；所述局部滤波器的信息融合加权系数与所述局部滤波器的故障检测函数值成反比，且与除所述局部滤波器之外的所有局部滤波器的故障检测函数值成正比；

根据所述局部滤波器的信息融合加权系数、组合导航子系统的状态估计值以及状态估计值的均方误差阵，确定容错联邦滤波的全局信息融合算法；

根据所述容错联邦滤波的全局信息融合算法进行所述组合导航系统的容错联邦滤波。

可选的，所述根据所述状态空间模型确定量测的预测值，利用所述量测预测值与量测实际值确定所述局部滤波器的新息，具体包括：

获取所述组合导航子系统的状态估计值；

根据所述状态空间模型和所述状态估计值确定所述组合导航子系统下一时刻的状态预测值；

根据所述状态预测值和所述状态空间模型确定所述组合导航子系统下一时刻的量测的预测值；

获取所述组合导航子系统下一时刻的量测的实际值；

根据所述量测的预测值和所述量测的实际值确定所述局部滤波器的新息。

可选的，所述根据所述新息采用残差χ²检验法，利用假设检验理论，确定所述组合导航子系统对应的局部滤波器的故障检测函数值，具体包括：

利用公式

确定第i个局部滤波器在第k个时刻的故障检测函数值；其中，r_k为第i个局部滤波器在第k个时刻的新息，S_k为第i个局部滤波器在第k个时刻的新息的方差。

可选的，所述根据所述局部滤波器的故障检测函数值确定所述局部滤波器的信息融合加权系数，具体包括：

利用公式

确定第i个局部滤波器在第k个时刻的信息融合加权系数；其中，i＝1,2…N，N为局部滤波器的总数，λ_jk为第j个局部滤波器在第k个时刻的故障检测函数值，j＝1,2…N且j≠i，α_i≥1为调节因子，α_i用于调整第i个局部滤波器的新息对信息融合加权系数W_ik的影响程度。

可选的，所述根据所述局部滤波器的信息融合加权系数、组合导航子系统的状态估计值以及状态估计值的均方误差阵，确定容错联邦滤波的全局信息融合算法，具体包括：

利用公式

确定第k时刻的组合导航系统的状态估计值；其中，

为第k时刻的组合导航系统的状态的估计值，P_k为第k时刻的组合导航系统的状态的估计值的均方误差阵，

为第i个局部滤波器在第k时刻输出所述组合导航子系统的状态估计值，i＝1,2…N，P_ik为第i个局部滤波器在第k时刻输出所述组合导航子系统的状态估计值的均方误差阵。

一种基于新息的容错联邦滤波系统，应用于惯性基组合导航系统，所述惯性基组合导航系统包括惯性导航系统和多个导航子系统；所述惯性导航系统与其他各个导航子系统分别构成组合导航子系统，每个所述组合导航子系统对应一个局部滤波器；所述容错联邦滤波系统包括：

状态空间模型确定模块，用于获取每个所述组合导航子系统的状态空间模型；

新息确定模块，用于根据所述状态空间模型与量测实际值确定所述局部滤波器的新息；

故障检测函数值确定模块，用于根据所述新息采用残差χ²检验法，利用假设检验理论，确定所述组合导航子系统对应的局部滤波器的故障检测函数值；

信息融合加权系数确定模块，用于根据所述局部滤波器的故障检测函数值确定所述局部滤波器的信息融合加权系数；所述局部滤波器的信息融合加权系数与所述局部滤波器的故障检测函数值成反比，且与除所述局部滤波器之外的所有局部滤波器的故障检测函数值成正比；

全局信息融合算法确定模块，用于根据所述局部滤波器的信息融合加权系数、组合导航子系统的状态估计值以及状态估计值的均方误差阵，确定容错联邦滤波的全局信息融合算法；

容错联邦滤波模块，用于根据所述容错联邦滤波的全局信息融合算法进行所述组合导航系统的容错联邦滤波。

可选的，所述新息确定模块具体包括：

状态估计值确定单元，用于获取所述组合导航子系统的状态估计值；

状态预测值确定单元，用于根据所述状态空间模型和所述状态估计值确定所述组合导航子系统下一时刻的状态预测值；

量测的预测值确定单元，用于根据所述状态预测值和所述状态空间模型确定所述组合导航子系统下一时刻的量测的预测值；

量测的实际值确定单元，用于获取所述组合导航子系统下一时刻的量测的实际值；

新息确定单元，用于根据所述量测的预测值和所述量测的实际值确定所述局部滤波器的新息。

可选的，所述故障检测函数值确定模块具体包括：

故障检测函数值确定单元，用于利用公式

确定第i个局部滤波器在第k个时刻的故障检测函数值；其中，r_k为第i个局部滤波器在第k个时刻的新息，S_k为第i个局部滤波器在第k个时刻的新息的方差。

可选的，所述信息融合加权系数确定模块具体包括：

所述信息融合加权系数确定单元，用于利用公式

确定第i个局部滤波器在第k个时刻的信息融合加权系数；其中，i＝1,2…N，N为局部滤波器的总数，λ_jk为第j个局部滤波器在第k个时刻的故障检测函数值，j＝1,2…N且j≠i，α_i≥1为调节因子，α_i用于调整第i个局部滤波器的新息对信息融合加权系数W_ik的影响程度。

可选的，所述全局信息融合算法确定模块具体包括：

全局信息融合算法确定单元，用于利用公式

确定第k时刻的组合导航系统的状态估计值；其中，

为第k时刻的组合导航系统的状态的估计值，P_k为第k时刻的组合导航系统的状态的估计值的均方误差阵，

为第i个局部滤波器在第k时刻输出所述组合导航子系统的状态估计值，i＝1,2…N，P_ik为第i个局部滤波器在第k时刻输出所述组合导航子系统的状态估计值的均方误差阵。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明所提供的一种基于新息的容错联邦滤波方法及系统，通过利用组合导航系统中的每个子系统的状态空间模型与新息，采用残差χ²检验法，根据数理统计中假设检验理论，构造出组合导航系统中每一个子系统对应的局部滤波器的故障检测函数值，不仅对组合导航系统的故障情况进行了量化描述，而且为后续信息融合加权系数的确定提供了必要的参数条件。根据所述局部滤波器的故障检测函数值确定所述局部滤波器的信息融合加权系数，从而实现由局部滤波器的故障检测函数值大小决定该局部滤波器的信息融合加权系数大小，而且为后续容错联邦滤波的信息融合算法设计奠定了重要的基础。根据所述局部滤波器的信息融合加权系数、组合导航子系统的状态估计值以及状态估计值的均方误差阵，确定容错联邦滤波的全局信息融合算法，即根据局部滤波器的信息融合加权系数，自动调整该局部滤波器输出的信息在主滤波器信息融合中所占权重的大小，实现了导航子系统发生故障的可能性越高，所对应的局部滤波器的故障检测函数值就越大，其对整个组合导航系统精度的影响就越小，即自适应地调整故障子系统对整个组合导航系统的影响。在导航子系统出现故障的情况下，能够保证组合导航的精度，增强整个组合导航系统应对子系统各种故障的容错能力。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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为本发明所提供的一种基于新息的容错联邦滤波方法的原理示意图；

图2为本发明所提供的一种基于新息的容错联邦滤波方法流程示意图；

图3为本发明所提供的一种基于新息的容错联邦滤波系统结构示意图。

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，所描述的实施例仅仅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。

本发明的目的是提供一种基于新息的容错联邦滤波方法及系统，在导航子系统出现故障的情况下，能够保证组合导航的精度，增强整个组合导航系统应对子系统各种故障的容错能力。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明所提供的一种基于新息的容错联邦滤波方法的原理示意图，图2为本发明所提供的一种基于新息的容错联邦滤波方法流程示意图，如图1和图2所示，本发明所提供的一种基于新息的容错联邦滤波方法，应用于惯性基组合导航系统，所述惯性基组合导航系统包括惯性导航系统和多个导航子系统；所述惯性导航系统与其他各个导航子系统分别构成组合导航子系统，每个所述组合导航子系统对应一个局部滤波器；所述容错联邦滤波方法包括：

S201，获取每个所述组合导航子系统的状态空间模型。

S202，根据所述状态空间模型确定量测的预测值，利用所述量测预测值与量测实际值确定所述局部滤波器的新息。

S202具体包括：

获取所述组合导航子系统的状态估计值。

根据所述状态空间模型和所述状态估计值确定所述组合导航子系统下一时刻的状态预测值

其中，

为所述组合导航子系统在时刻k-1的状态估计值，Φ_k,k-1为所述组合导航子系统从时刻k-1至k时刻的状态转移矩阵。

根据所述状态预测值和所述状态空间模型确定所述组合导航子系统下一时刻的量测的预测值

其中，

H_k为k时刻的量测矩阵。

获取所述组合导航子系统下一时刻的量测的实际值Z_k。

根据所述量测的预测值和所述量测的实际值确定所述局部滤波器的新息r_k。其中，若k时刻系统工作正常,新息r_k服从零均值高斯白噪声分布,

新息r_k的方差

当组合导航系统无故障时，新息r_k服从零均值高斯白噪声分布；而当组合导航系统发生故障时，新息r_k就不再是零均值的高斯白噪声序列。

S203，根据所述新息采用残差χ²检验法，利用假设检验理论，确定所述组合导航子系统对应的局部滤波器的故障检测函数值。

在组合导航系统容错设计中，通常采用残差χ²检验法来确定组合导航系统量测信息的有效性。该方法是一种统计假设检验法，其并不确定造成故障的具体原因，而是通过检验所构造的随机向量的均值和方差是否与假设值相符来判断是否系统发生故障，其告警延迟量较小，对量测故障比较敏感，检测所用数据直接来自组合导航滤波计算的结果而无需再单独计算，因此十分适用组合导航系统的故障检测。

S203具体包括：

利用公式

确定第i个局部滤波器在第k个时刻的故障检测函数值；其中，r_k为第i个局部滤波器在第k个时刻的新息，S_k为第i个局部滤波器在第k个时刻的新息的方差。

在系统正常工作情况下，λ_ik服从自由度为m的χ²分布；而发生故障时，λ_ik则不再服从自由度为m的χ²分布，这里m为量测Z_k的维数。

S204，根据所述局部滤波器的故障检测函数值确定所述局部滤波器的信息融合加权系数；所述局部滤波器的信息融合加权系数与所述局部滤波器的故障检测函数值成反比，且与除所述局部滤波器之外的所有局部滤波器的故障检测函数值成正比。

S204具体包括：

利用公式

确定第i个局部滤波器在第k个时刻的信息融合加权系数；其中，i＝1,2…N，N为局部滤波器的总数，λ_jk为第j个局部滤波器在第k个时刻的故障检测函数值，j＝1,2…N且j≠i，α_i≥1为调节因子，α_i用于调整第i个局部滤波器的新息对信息融合加权系数W_ik的影响程度。

S205，根据所述局部滤波器的信息融合加权系数、组合导航子系统的状态估计值以及状态估计值的均方误差阵，确定容错联邦滤波的全局信息融合算法。

S205具体包括：

利用公式

确定第k时刻的组合导航系统的状态估计值；其中，

为第k时刻的组合导航系统的状态的估计值，P_k为第k时刻的组合导航系统的状态的估计值的均方误差阵，

为第i个局部滤波器在第k时刻输出所述组合导航子系统的状态估计值，i＝1,2…N，P_ik为第i个局部滤波器在第k时刻输出所述组合导航子系统的状态估计值的均方误差阵。

S206，根据所述容错联邦滤波的全局信息融合算法进行所述组合导航系统的容错联邦滤波。

在图1所示的基于新息的容错联邦滤波方法的原理示意图中，惯性导航系统作为导航主系统，通常可采用余度技术和元件级故障检测技术来确保惯导系统的绝对可靠性，其它导航系统则作为导航子系统。

那么，根据上述容错联邦滤波的全局信息融合算法可以看出：若导航子系统i发生故障或系统误差增大，则其所对应的局部滤波器i的故障检测函数值就会增大，所对应的信息融合加权系数就会减小，此时利用上述全局信息融合算法就可以自动减小该局部滤波器的输出信息在全局信息融合中所占的比例，并同时增加其它局部滤波器的输出信息在全局信息融合中所占的比例，从而就能够自动减小故障信息对全局信息融合的影响，并有效提高故障情况下组合导航系统的整体精度。

因此，当组合导航系统中某一子系统发生故障特别是发生随时间缓慢变化的软故障时，本发明所提出的基于新息的容错联邦滤波方法就会自动降低故障信息对组合导航系统的影响；而且，不直接隔离掉该故障子系统，而是仍然利用它进行全局信息融合，只是通过信息融合加权系数来自动减小故障信息对全局信息融合的影响，从而有效地克服了故障子系统被隔离后导致组合导航系统精度明显降低的缺点。

本发明所提供的一种基于新息的容错联邦滤波方法在组合导航系统无论发生了硬故障还是软故障的情况下，以及无论故障子系统是否被成功及时地检测出来，组合导航系统均具有良好的容错性能，有效解决传统方法中导航子系统出现故障后导致组合导航系统整体导航精度明显下降的问题，自适应降低故障信息对组合导航系统的影响，显著提高故障情况下组合导航系统的整体精度。

图3为本发明所提供的一种基于新息的容错联邦滤波系统结构示意图，如图3所示，本发明所提供的一种基于新息的容错联邦滤波系统，应用于惯性基组合导航系统，所述惯性基组合导航系统包括惯性导航系统和多个导航子系统；所述惯性导航系统与其他各个导航子系统分别构成组合导航子系统，每个所述组合导航子系统对应一个局部滤波器；所述容错联邦滤波系统包括：状态空间模型确定模块301、新息确定模块302、故障检测函数值确定模块303、信息融合加权系数确定模块304、全局信息融合算法确定模块305和容错联邦滤波模块306。

状态空间模型确定模块301用于获取每个所述组合导航子系统的状态空间模型。

新息确定模块302用于根据所述状态空间模型与量测实际值确定所述局部滤波器的新息。

故障检测函数值确定模块303用于根据所述新息采用残差χ²检验法，利用假设检验理论，确定所述组合导航子系统对应的局部滤波器的故障检测函数值。

信息融合加权系数确定模块304用于根据所述局部滤波器的故障检测函数值确定所述局部滤波器的信息融合加权系数；所述局部滤波器的信息融合加权系数与所述局部滤波器的故障检测函数值成反比，且与除所述局部滤波器之外的所有局部滤波器的故障检测函数值成正比。

全局信息融合算法确定模块305用于根据所述局部滤波器的信息融合加权系数、组合导航子系统的状态估计值以及状态估计值的均方误差阵，确定容错联邦滤波的全局信息融合算法。

容错联邦滤波模块306用于根据所述容错联邦滤波的全局信息融合算法进行所述组合导航系统的容错联邦滤波。

所述新息确定模块302具体包括：状态估计值确定单元、状态预测值确定单元、量测的预测值确定单元、量测的实际值确定单元和新息确定单元。

状态估计值确定单元用于获取所述组合导航子系统的状态估计值。

状态预测值确定单元用于根据所述状态空间模型和所述状态估计值确定所述组合导航子系统下一时刻的状态预测值。

量测的预测值确定单元用于根据所述状态预测值和所述状态空间模型确定所述组合导航子系统下一时刻的量测的预测值。

量测的实际值确定单元用于获取所述组合导航子系统下一时刻的量测的实际值。

新息确定单元用于根据所述量测的预测值和所述量测的实际值确定所述局部滤波器的新息。

所述故障检测函数值确定模块303具体包括：故障检测函数值确定单元。

故障检测函数值确定单元用于利用公式

确定第i个局部滤波器在第k个时刻的故障检测函数值；其中，r_k为第i个局部滤波器在第k个时刻的新息，S_k为第i个局部滤波器在第k个时刻的新息的方差。

所述信息融合加权系数确定模块具体包括：所述信息融合加权系数确定单元。

所述信息融合加权系数确定单元用于利用公式

确定第i个局部滤波器在第k个时刻的信息融合加权系数；其中，i＝1,2…N，N为局部滤波器的总数，λ_jk为第j个局部滤波器在第k个时刻的故障检测函数值，j＝1,2…N且j≠i，α_i≥1为调节因子，α_i用于调整第i个局部滤波器的新息对信息融合加权系数W_ik的影响程度。

所述全局信息融合算法确定模块具体包括：全局信息融合算法确定单元。

全局信息融合算法确定单元用于利用公式

确定第k时刻的组合导航系统的状态估计值；其中，

为第k时刻的组合导航系统的状态的估计值，P_k为第k时刻的组合导航系统的状态的估计值的均方误差阵，

为第i个局部滤波器在第k时刻输出所述组合导航子系统的状态估计值，i＝1,2…N，P_ik为第i个局部滤波器在第k时刻输出所述组合导航子系统的状态估计值的均方误差阵。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (6)

1.一种基于新息的容错联邦滤波方法，应用于惯性基组合导航系统，所述惯性基组合导航系统包括惯性导航系统和多个导航子系统；所述惯性导航系统与其他各个导航子系统分别构成组合导航子系统，每个所述组合导航子系统对应一个局部滤波器；其特征在于，所述容错联邦滤波方法包括：

获取每个所述组合导航子系统的状态空间模型；

根据所述状态空间模型确定量测的预测值，利用所述量测预测值与量测实际值确定所述局部滤波器的新息；

根据所述新息采用残差χ²检验法，利用假设检验理论，确定所述组合导航子系统对应的局部滤波器的故障检测函数值；

根据所述局部滤波器的故障检测函数值确定所述局部滤波器的信息融合加权系数；所述局部滤波器的信息融合加权系数与所述局部滤波器的故障检测函数值成反比，且与除所述局部滤波器之外的所有局部滤波器的故障检测函数值成正比；

根据所述局部滤波器的信息融合加权系数、组合导航子系统的状态估计值以及状态估计值的均方误差阵，确定容错联邦滤波的全局信息融合算法；

根据所述容错联邦滤波的全局信息融合算法进行所述组合导航系统的容错联邦滤波；

所述根据所述新息采用残差χ²检验法，利用假设检验理论，确定所述组合导航子系统对应的局部滤波器的故障检测函数值，具体包括：

利用公式

确定第i个局部滤波器在第k个时刻的故障检测函数值；其中，r_k为第i个局部滤波器在第k个时刻的新息，S_k为第i个局部滤波器在第k个时刻的新息的方差；

所述根据所述局部滤波器的故障检测函数值确定所述局部滤波器的信息融合加权系数，具体包括：

利用公式

确定第i个局部滤波器在第k个时刻的信息融合加权系数；其中，i＝1,2…N，N为局部滤波器的总数，λ_jk为第j个局部滤波器在第k个时刻的故障检测函数值，j＝1,2…N且j≠i，α_i≥1为调节因子，α_i用于调整第i个局部滤波器的新息对信息融合加权系数W_ik的影响程度。

2.根据权利要求1所述的一种基于新息的容错联邦滤波方法，其特征在于，所述根据所述状态空间模型确定量测的预测值，利用所述量测预测值与量测实际值确定所述局部滤波器的新息，具体包括：

获取所述组合导航子系统的状态估计值；

根据所述状态空间模型和所述状态估计值确定所述组合导航子系统下一时刻的状态预测值；

根据所述状态预测值和所述状态空间模型确定所述组合导航子系统下一时刻的量测的预测值；

获取所述组合导航子系统下一时刻的量测的实际值；

根据所述量测的预测值和所述量测的实际值确定所述组合导航子系统局部滤波器的新息。

3.根据权利要求1所述的一种基于新息的容错联邦滤波方法，其特征在于，所述根据所述局部滤波器的信息融合加权系数、组合导航子系统的状态估计值以及状态估计值的均方误差阵，确定容错联邦滤波的全局信息融合算法，具体包括：

利用公式

确定第k时刻的组合导航系统的状态估计值；其中，

为第k时刻的组合导航系统的状态的估计值，P_k为第k时刻的组合导航系统的状态的估计值的均方误差阵，

为第i个局部滤波器在第k时刻输出所述组合导航子系统的状态估计值，i＝1,2…N，P_ik为第i个局部滤波器在第k时刻输出所述组合导航子系统的状态估计值的均方误差阵。

4.一种基于新息的容错联邦滤波系统，应用于惯性基组合导航系统，所述惯性基组合导航系统包括惯性导航系统和多个导航子系统；所述惯性导航系统与其他各个导航子系统分别构成组合导航子系统，每个所述组合导航子系统对应一个局部滤波器；其特征在于，所述容错联邦滤波系统包括：

状态空间模型确定模块，用于获取每个所述组合导航子系统的状态空间模型；

新息确定模块，用于根据所述状态空间模型与量测实际值确定所述局部滤波器的新息；

故障检测函数值确定模块，用于根据所述新息采用残差χ²检验法，利用假设检验理论，确定所述组合导航子系统对应的局部滤波器的故障检测函数值；

信息融合加权系数确定模块，用于根据所述局部滤波器的故障检测函数值确定所述局部滤波器的信息融合加权系数；所述局部滤波器的信息融合加权系数与所述局部滤波器的故障检测函数值成反比，且与除所述局部滤波器之外的所有局部滤波器的故障检测函数值成正比；

全局信息融合算法确定模块，用于根据所述局部滤波器的信息融合加权系数、组合导航子系统的状态估计值以及状态估计值的均方误差阵，确定容错联邦滤波的全局信息融合算法；

容错联邦滤波模块，用于根据所述容错联邦滤波的全局信息融合算法进行所述组合导航系统的容错联邦滤波；

所述故障检测函数值确定模块具体包括：

故障检测函数值确定单元，用于利用公式

确定第i个局部滤波器在第k个时刻的故障检测函数值；其中，r_k为第i个局部滤波器在第k个时刻的新息，S_k为第i个局部滤波器在第k个时刻的新息的方差；

所述信息融合加权系数确定模块具体包括：

所述信息融合加权系数确定单元，用于利用公式

确定第i个局部滤波器在第k个时刻的信息融合加权系数；其中，i＝1,2…N，N为局部滤波器的总数，λ_jk为第j个局部滤波器在第k个时刻的故障检测函数值，j＝1,2…N且j≠i，α_i≥1为调节因子，α_i用于调整第i个局部滤波器的新息对信息融合加权系数W_ik的影响程度。

5.根据权利要求4所述的一种基于新息的容错联邦滤波系统，其特征在于，所述新息确定模块具体包括：

状态估计值确定单元，用于获取所述组合导航子系统的状态估计值；

状态预测值确定单元，用于根据所述状态空间模型和所述状态估计值确定所述组合导航子系统下一时刻的状态预测值；

量测的预测值确定单元，用于根据所述状态预测值和所述状态空间模型确定所述组合导航子系统下一时刻的量测的预测值；

量测的实际值确定单元，用于获取所述组合导航子系统下一时刻的量测的实际值；

新息确定单元，用于根据所述量测的预测值和所述量测的实际值确定所述局部滤波器的新息。

6.根据权利要求4所述的一种基于新息的容错联邦滤波系统，其特征在于，所述全局信息融合算法确定模块具体包括：

全局信息融合算法确定单元，用于利用公式

确定第k时刻的组合导航系统的状态估计值；其中，

为第k时刻的组合导航系统的状态的估计值，P_k为第k时刻的组合导航系统的状态的估计值的均方误差阵，

为第i个局部滤波器在第k时刻输出所述组合导航子系统的状态估计值，i＝1,2…N，P_ik为第i个局部滤波器在第k时刻输出所述组合导航子系统的状态估计值的均方误差阵。

Images