CN111964695A - 一种无人机组合导航系统故障检测与隔离方法 - Google Patents

一种无人机组合导航系统故障检测与隔离方法 Download PDF

Info

Publication number
CN111964695A
CN111964695A CN202010838511.6A CN202010838511A CN111964695A CN 111964695 A CN111964695 A CN 111964695A CN 202010838511 A CN202010838511 A CN 202010838511A CN 111964695 A CN111964695 A CN 111964695A
Authority
CN
China
Prior art keywords
fault
measurement
imu
fault detection
imu unit
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.)
Pending
Application number
CN202010838511.6A
Other languages
English (en)
Inventor
陈朋印
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.)
Xi'an Innno Aviation Technology Co ltd
Original Assignee
Xi'an Innno Aviation 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 Xi'an Innno Aviation Technology Co ltd filed Critical Xi'an Innno Aviation Technology Co ltd
Priority to CN202010838511.6A priority Critical patent/CN111964695A/zh
Publication of CN111964695A publication Critical patent/CN111964695A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Navigation (AREA)

Abstract

本发明公开了一种无人机组合导航系统故障检测与隔离方法，本发明首先根据IMU单元输出的原始数据进行故障检测与隔离，然后对每个量测信息进行故障检测与隔离，保证无人机组合导航系统的高可靠性。本方法的计算量小，可对IMU故障与量测故障进行实时检测并隔离有故障的传感器，并且对非同轴安装的IMU数量无限制。本发明对IMU单元数据源直接进行检测，可防止IMU故障注入滤波器，保证滤波器不被故障污染，并且对每个量测分别进行故障检测与隔离，适用于多种不同速率传感器的故障检测与隔离。

Description

一种无人机组合导航系统故障检测与隔离方法
技术领域
本发明属于无人机领域，具体涉及一种无人机组合导航系统故障检测与隔离方法。
背景技术
目前，无人机技术的发展突飞猛进，基于无人机的应用领域也越来越广泛。在军事侦查、战场监视、火灾探测、环境与交通监测方面都得到了广泛的应用。无人机在执行任务期间周围环境复杂多变，各类传感器均有可能出现短暂故障，为了保证无人机组合导航系统的高可靠性与任务的顺利执行，可设计传感器硬件冗余，为了更好的利用冗余传感器的信息，实时对传感器进行故障检测与隔离至关重要。
目前无人机组合导航系统常用的故障检测与隔离方法包括：直接比较法、小波变换法、状态估计法、神经网络法以及专家系统法等等，但是以上方法在工程上使用均有欠缺，直接比较法会随着冗余惯组中器件数目的增多，计算量增大，检测效果急剧下降；小波变化法计算量大，实时性差，难以选出最优小波基和分解层数，并且不能区分无人机机动带来的突变信号和传感器故障导致的突变信号，易误警；状态估计法需要建立准确的无人机动力学模型，噪声统计特性，实用性不强；神经网络法难以获得足够的故障特征信息，工程应用较困难；专家系统法难以建立专家知识库以及故障推理机构。
因此研究一种简单有效、实时性高以及鲁棒性好的故障检测与隔离方法对提升无人机组合导航系统的可靠性至关重要。
发明内容
本发明的目的在于克服上述不足，提供一种无人机组合导航系统故障检测与隔离方法，该方法可根据IMU输出的原始信息实时对冗余捷联惯组进行故障检测与隔离，显著提高无人机组合导航系统的可靠性。该方法可实时对无人机每个量测信息单独进行故障检测并隔离有故障测量传感器，适用于多种不同速率传感器的故障检测与隔离，进一步保证无人机组合导航系统高可靠性。
为了达到上述目的，本发明包括以下步骤：
S1，采集待测IMU单元的测量值，并计算IMU单元的配置矩阵，构造出故障检测函数，进入S2；
S2，根据故障检测函数判断IMU单元的测量值是否出现故障；若IMU单元的测量值无故障，则进入S4，若IMU测量值有故障，则进入S3；
S3，构造故障参考向量，隔离出故障的IMU单元，再转入S4；
S4，对量测信息进行故障检测，若量测信息未检测到故障，则循环进行S6；当检测到量测信息出现故障时，进入S5；
S5，检测备份量测信息的状态，若备份量测信息状态正常则切换至备份量测信息，进行卡尔曼滤波；若备份状态异常，则放弃切换，并停止滤波。
S6，进行卡尔曼滤波，完成检测与隔离。
S1中，计算配置矩阵时是据冗余捷联惯组的安装方式。
S2中，根据故障检测函数判断IMU测量值是否出现故障的具体方法如下：
第一步，对配置矩阵进行奇异值分解，计算奇异值；
第二步，根据IMU单元的测量值与奇异值计算奇偶向量，进而构造故障检测函数；
步骤三，将IMU单元的测量值输入故障检测函数中，将函数值与故障检测门限进行对比，从而判断IMU单元的测量值是否出现故障。
S2中，若IMU单元的测量值无故障，在进入S4的同时执行S1。
S2中，隔离出故障的IMU单元时，首先构建故障隔离函数，从而确定出故障的IMU单元的编号，然后根据故障的IMU单元的编号，隔离有故障的IMU单元。
S4中，对量测信息进行故障检测的具体方法如下：
第一步，根据状态预测值计算第i个量测的预测值；
第二步，将第i个量测的预测值与第i个量测信息做差计算新息，计算第i个新息的方差，并构造第i个新息统计量；
第三步，将统计量与阈值进行比较，从而确定量测信息是否故障。
与现有技术相比，本发明首先根据IMU单元输出的原始数据进行故障检测与隔离，然后对每个量测信息进行故障检测与隔离，保证无人机组合导航系统的高可靠性。本方法的计算量小，可对IMU故障与量测故障进行实时检测并隔离有故障的传感器，并且对非同轴安装的IMU数量无限制。本发明对IMU单元数据源直接进行检测，可防止IMU故障注入滤波器，保证滤波器不被故障污染，并且对每个量测分别进行故障检测与隔离，适用于多种不同速率传感器的故障检测与隔离。
附图说明
图1为实施例的双IMU冗余安装方式；
图2为本发明冗余捷联惯组的故障检测流程图；
图3为本发明的量测故障检测流程图。
具体实施方式
下面结合附图对本发明做进一步说明。
参见图2和图3，本发明包括以下步骤：
S1，采集待测IMU单元的测量值，并计算IMU单元的配置矩阵，构造出故障检测函数，进入S2；
S2，根据故障检测函数判断IMU单元的测量值是否出现故障；若IMU单元的测量值无故障，则进入S4，若IMU测量值有故障，则进入S3；
S3，构造故障参考向量，隔离出故障的IMU单元，再转入S4；
S4，对量测信息进行故障检测，若量测信息未检测到故障，则循环进行S6；当检测到量测信息出现故障时，进入S5；
S5，检测备份量测信息的状态，若备份量测信息状态正常则切换至备份量测信息，进行卡尔曼滤波；若备份状态异常，则放弃切换，并停止滤波；
S6，进行卡尔曼滤波，完成检测与隔离。
实施例：
冗余捷联惯组可由两个或多个独立的三轴相互垂直的IMU组成，下面以两个IMU为例进行说明，安装方式如图1所示，从图1中可知编号为a的IMU与无人机机体坐标系同轴安装，编号为b的IMU绕无人机机体系Z轴正向旋转α角度安装，由于两个IMU的Z轴指向相同，因此不对Z轴的陀螺和加计进行故障检测，仅对X轴和Y轴的陀螺和加计进行故障检测。
冗余捷联惯组的故障检测与隔离流程图如图2所示，由图2可知，陀螺与加计的故障检测流程相同，下面以陀螺为例进行说明，首先采集两个IMU陀螺数据，构造陀螺测量值(Zω)，然后构造故障检测函数(DFD)，并与阈值(Th)进行比较，判断陀螺是否有故障，若无故障，则利用加权最小二乘计算载体角速度
Figure BDA0002640557430000041
并将数据传输至组合导航系统；若有故障，则构造故障隔离函数(DFIi)，根据故障隔离函数判断出故障的陀螺编号，计算加权系数矩阵(W)，将陀螺出现故障的IMU隔离，最后根据加权最小二乘计算载体角速度
Figure BDA0002640557430000042
最后将角速度传输至组合导航系统。
下面以陀螺为例对冗余捷联惯组故障检测与隔离方法原理进行描述，冗余捷联惯组陀螺的测量方程为：
Zω＝HX (1)
其中：
Figure BDA0002640557430000051
为冗余捷联惯组X轴与Y轴陀螺的采集值；
Figure BDA0002640557430000052
为配置矩阵；
X＝[ωx ωy]T为载体真实的角速度；
根据式(1)可通过加权最小二乘计算无人机X轴与Y轴角速度，公式如下：
Figure BDA0002640557430000053
其中：W为加权系数矩阵；
式(1)为冗余捷联惯组未发生故障时的测量方程，当IMU单元某轴出现故障时，IMU单元采集的数据中不仅带有测量信息X与噪声信息ξ，还带有故障信息f，因此冗余捷联惯组的测量方程可改写为:
Zω＝HX+Df+Fξ (3)
其中：
Figure BDA0002640557430000054
为冗余捷联惯组X轴与Y轴陀螺的采集值；
Figure BDA0002640557430000055
为配置矩阵；
X＝[ωx ωy]T为载体真实的角速度；
D——为故障分配矩阵；
f——为故障向量；
F——为噪声分配矩阵；
ξ——为噪声向量。
为了分解出故障向量，对配置矩阵H进行奇异值分解得到：
Figure BDA0002640557430000061
其中UU*＝U*U＝I4；VV*＝V*V＝I2；Σ＝diag{λ1λ2}；λ1>λ2>0。
此时测量方程可以转化为
Z＝UΛV*X+Df+Fξ (5)
测量矩阵H可以分解为
Figure BDA0002640557430000066
其中，U1∈R4×2；U2∈R4×2；Σ∈R2 ×2。
在式(5)两侧左乘U*，即
U*Z＝U*UΛV*X+U*Df+U*Fξ＝ΛV*X+U*Df+U*Fξ (6)
进一步，式(6)可以分解为下面两式：
Figure BDA0002640557430000063
Figure BDA0002640557430000064
构造奇偶向量p为
Figure BDA0002640557430000065
从式(9)可以看出，当系统存在故障时，奇偶向量p仅是故障向量与噪声的函数。至此已经将故障向量提取出来，下面介绍故障诊断的步骤：
第一步，对配置矩阵H进行奇异值分解，计算U2；
第二步，由式(9)计算奇偶向量p，构造故障检测函数DFD＝pTp，判断准则如下：
若DFD>Th，则系统出现故障；
若DFD<Th，则系统无故障；
假设系统未发生故障，则转到第一步执行，否则进入下一步，由于故障检测函数遵循χ2分布，故障检测门限Th可以根据事先设定的误检率确定；
1)计算16个故障参考向量f1 f2 … f3_4，下面给出计算故障参考向量的方法：
每个轴的故障参考向量计算方法为：
Figure BDA0002640557430000071
每个轴出现的故障是随机的，因此两个轴的故障参考向量计算方法为：
Figure BDA0002640557430000072
其中：coli()表示括号中向量的第i列。
2)构造故障隔离函数DFDk＝pTfk，若|DFDk|>Th，则根据表1判断哪个个陀螺失效，否则无故障。
故障参考向量编号与对应的故障陀螺编号对应关系如表1所示：
表1
编号 f<sub>1</sub> f<sub>2</sub> f<sub>3</sub> f<sub>4</sub> f<sub>12</sub> f<sub>1_2</sub> f<sub>13</sub> f<sub>1_3</sub>
陀螺 1 2 3 4 1、2 1、2 1、3 1、3
编号 f<sub>14</sub> f<sub>1_4</sub> f<sub>23</sub> f<sub>2_3</sub> f<sub>24</sub> f<sub>2_4</sub> f<sub>34</sub> f<sub>3_4</sub>
陀螺 1、4 1、4 2、3 2、3 2、4 2、4 3、4 3、4
通过以上步骤可检测出有故障的陀螺，然后根据故障陀螺编号，隔离有故障的IMU。隔离方法为：当两个IMU均无故障时，W矩阵为4×4单位阵，当某个IMU出现故障时，则将W阵中对应的IMU系数修改为0。
至此，冗余捷联惯组故障检测与隔离方法设计已完成，下面介绍无人机量测的故障检测与隔离方法。
本发明设计的量测故障检测方法可对每个量测分别进行故障检测与隔离，适用于不同速率多种传感器的故障检测与隔离，量测故障检测与隔离的流程图如图3所示，从图中可知，本发明设计的故障检测与隔离方法首先根据状态预测值
Figure BDA0002640557430000073
计算第i个量测的预测值
Figure BDA0002640557430000074
然后与第i个量测信息Zki做差计算新息rki，计算第i个残差的方差Ski，并构造第i个新息统计量tki，最后将统计量与提前选取的阈值进行比较，进行故障检测，当检测到量测出现故障时，检测备份量测的状态，如果备份量测状态正常则进行切换，进行卡尔曼滤波，假如备份状态不正常，则不进行切换，并且不进行滤波，这么做是为了保证滤波器不被故障信息污染。
下面对量测故障检测与隔离方法的原理进行说明，常见的无人机量测包括磁力计、气压高度计、激光测距与GPS等，假设组合导航系统k-1步以前(包括k-1步)无故障，则经过卡尔曼滤波得到的第k-1步的估计值
Figure BDA0002640557430000081
应是正确的，由系统的状态方程可得到第k时刻系统状态的递推值
Figure BDA0002640557430000082
Figure BDA0002640557430000083
由此可得k时刻第i个量测的预测值
Figure BDA0002640557430000084
Figure BDA0002640557430000085
若k时刻系统实际第i个量测值Zki是正确的，即系统工作正常，则它与预测值
Figure BDA0002640557430000086
之间的差值rki(在卡尔曼滤波中称为新息)应服从0均值高斯白噪声分布：
Figure BDA0002640557430000087
其方差为：
Figure BDA0002640557430000088
当系统发生故障时，残差rki就不再是均值为0的高斯白噪声序列。因此，通过检测rki的统计特性就可以判断系统是否发生故障。
构造统计量tki：
Figure BDA0002640557430000089
系统正常工作时，tki服从自由度为m的χ2分布，即tki～χ2(m)；而发生故障时，tki不再服从自由度为m的χ2分布。判决准则如下：
当
Figure BDA00026405574300000810
时，认为系统工作正常；
当
Figure BDA00026405574300000811
时，认为系统出现故障；
tki称为检测函数，
Figure BDA00026405574300000812
称为检测门限(根据误警率提前选取)，α称为误警率。

Claims (6)

1.一种无人机组合导航系统故障检测与隔离方法，其特征在于，包括以下步骤：
S1，采集待测IMU单元的测量值，并计算IMU单元的配置矩阵，构造出故障检测函数，进入S2；
S2，根据故障检测函数判断IMU单元的测量值是否出现故障；若IMU单元的测量值无故障，则进入S4，若IMU测量值有故障，则进入S3；
S3，构造故障参考向量，隔离出故障的IMU单元，再转入S4；
S4，对量测信息进行故障检测，若量测信息未检测到故障，则循环进行S6；当检测到量测信息出现故障时，进入S5；
S5，检测备份量测信息的状态，若备份量测信息状态正常则切换至备份量测信息，进行卡尔曼滤波；若备份状态异常，则放弃切换，并停止滤波；
S6，进行卡尔曼滤波，完成检测与隔离。
2.根据权利要求1所述的一种无人机组合导航系统故障检测与隔离方法，其特征在于，S1中，计算配置矩阵时是据冗余捷联惯组的安装方式。
3.根据权利要求1所述的一种无人机组合导航系统故障检测与隔离方法，其特征在于，S2中，根据故障检测函数判断IMU测量值是否出现故障的具体方法如下：
第一步，对配置矩阵进行奇异值分解，计算奇异值；
第二步，根据IMU单元的测量值与奇异值计算奇偶向量，进而构造故障检测函数；
步骤三，将IMU单元的测量值输入故障检测函数中，将函数值与故障检测门限进行对比，从而判断IMU单元的测量值是否出现故障。
4.根据权利要求1所述的一种无人机组合导航系统故障检测与隔离方法，其特征在于，S2中，若IMU单元的测量值无故障，在进入S4的同时执行S1。
5.根据权利要求1所述的一种无人机组合导航系统故障检测与隔离方法，其特征在于，S2中，隔离出故障的IMU单元时，首先构建故障隔离函数，从而确定出故障的IMU单元的编号，然后根据故障的IMU单元的编号，隔离有故障的IMU单元。
6.根据权利要求1所述的一种无人机组合导航系统故障检测与隔离方法，其特征在于，S4中，对量测信息进行故障检测的具体方法如下：
第一步，根据状态预测值计算第i个量测的预测值；
第二步，将第i个量测的预测值与第i个量测信息做差计算新息，计算第i个新息的方差，并构造第i个新息统计量；
第三步，将统计量与阈值进行比较，从而确定量测信息是否故障。
CN202010838511.6A 2020-08-19 2020-08-19 一种无人机组合导航系统故障检测与隔离方法 Pending CN111964695A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010838511.6A CN111964695A (zh) 2020-08-19 2020-08-19 一种无人机组合导航系统故障检测与隔离方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010838511.6A CN111964695A (zh) 2020-08-19 2020-08-19 一种无人机组合导航系统故障检测与隔离方法

Publications (1)

Publication Number Publication Date
CN111964695A true CN111964695A (zh) 2020-11-20

Family

ID=73387875

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010838511.6A Pending CN111964695A (zh) 2020-08-19 2020-08-19 一种无人机组合导航系统故障检测与隔离方法

Country Status (1)

Country Link
CN (1) CN111964695A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112631263A (zh) * 2021-03-05 2021-04-09 北京云圣智能科技有限责任公司 一种三冗余imu的飞控方法和系统
CN112833919A (zh) * 2021-03-25 2021-05-25 成都纵横自动化技术股份有限公司 一种多余度的惯性测量数据的管理方法及其系统
CN113156999A (zh) * 2021-05-08 2021-07-23 一飞(海南)科技有限公司 一种集群编队飞机异常故障等级处理的方法、系统及应用

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080262729A1 (en) * 2007-04-18 2008-10-23 Honeywell International Inc. Inertial measurement unit fault detection isolation reconfiguration using parity logic
CN102937449A (zh) * 2012-10-19 2013-02-20 南京航空航天大学 惯性导航系统中跨音速段气压高度计和gps信息两步融合方法
CN105547329A (zh) * 2016-01-11 2016-05-04 山东理工大学 一种应用于组合导航系统的故障检测方法
CN107421534A (zh) * 2017-04-26 2017-12-01 哈尔滨工程大学 一种冗余式捷联惯导系统多故障隔离方法
CN109470271A (zh) * 2018-11-26 2019-03-15 西北工业大学 一种高超声速飞行器冗余捷联惯组故障检测方法
CN110196068A (zh) * 2019-05-27 2019-09-03 哈尔滨工程大学 一种极区集中滤波组合导航系统残差向量故障检测与隔离方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080262729A1 (en) * 2007-04-18 2008-10-23 Honeywell International Inc. Inertial measurement unit fault detection isolation reconfiguration using parity logic
CN102937449A (zh) * 2012-10-19 2013-02-20 南京航空航天大学 惯性导航系统中跨音速段气压高度计和gps信息两步融合方法
CN105547329A (zh) * 2016-01-11 2016-05-04 山东理工大学 一种应用于组合导航系统的故障检测方法
CN107421534A (zh) * 2017-04-26 2017-12-01 哈尔滨工程大学 一种冗余式捷联惯导系统多故障隔离方法
CN109470271A (zh) * 2018-11-26 2019-03-15 西北工业大学 一种高超声速飞行器冗余捷联惯组故障检测方法
CN110196068A (zh) * 2019-05-27 2019-09-03 哈尔滨工程大学 一种极区集中滤波组合导航系统残差向量故障检测与隔离方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
LI CHAOBING等，: ""Fault Detection for Redundant SIMU on SVD Optimization Algorithm"", 《2018 IEEE CSAA GUIDANCE, NAVIGATION AND CONTROL CONFERENCE (CGNCC)》 *
沈德峰，: ""运载火箭容错导航滤波方法与应用研究"", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112631263A (zh) * 2021-03-05 2021-04-09 北京云圣智能科技有限责任公司 一种三冗余imu的飞控方法和系统
CN112833919A (zh) * 2021-03-25 2021-05-25 成都纵横自动化技术股份有限公司 一种多余度的惯性测量数据的管理方法及其系统
CN112833919B (zh) * 2021-03-25 2023-11-03 成都纵横自动化技术股份有限公司 一种多余度的惯性测量数据的管理方法及其系统
CN113156999A (zh) * 2021-05-08 2021-07-23 一飞(海南)科技有限公司 一种集群编队飞机异常故障等级处理的方法、系统及应用
CN113156999B (zh) * 2021-05-08 2022-11-11 一飞(海南)科技有限公司 一种集群编队飞机异常故障等级处理的方法、系统及应用

Similar Documents

Publication Publication Date Title
CN111964695A (zh) 一种无人机组合导航系统故障检测与隔离方法
Sharaf et al. Online INS/GPS integration with a radial basis function neural network
JP4783394B2 (ja) センサの故障適応方法
CN111024124B (zh) 一种多传感器信息融合的组合导航故障诊断方法
Li et al. An adaptive fault-tolerant multisensor navigation strategy for automated vehicles
CN111060133B (zh) 一种用于城市复杂环境的组合导航完好性监测方法
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
CN108981709B (zh) 基于力矩模型辅助的四旋翼横滚角、俯仰角容错估计方法
US20130006528A1 (en) Navigation device and process integrating several hybrid inertial navigation systems
CN108981708B (zh) 四旋翼扭矩模型/航向陀螺/磁传感器容错组合导航方法
CN112650281B (zh) 多传感器三余度系统、控制方法、无人机、介质及终端
EP2516963A1 (en) Fault detection methods
Mori et al. Adaptive sensor fault detection and isolation using unscented kalman filter for vehicle positioning
Yi-ting et al. A fast gradual fault detection method for underwater integrated navigation systems
CN111141286A (zh) 一种无人机飞控多传感器姿态置信解算方法
CN110203254A (zh) 列车定位系统中卡尔曼滤波器的安全检测方法
Liu et al. Filter-based secure dynamic pose estimation for autonomous vehicles
CN113821059B (zh) 一种多旋翼无人机传感器故障安全飞行控制系统及方法
CN115236700A (zh) 基于卫星伪距的因子图导航故障检测方法
Bittner et al. Fault detection, isolation, and recovery techniques for large clusters of inertial measurement units
Monteriù et al. Real-time model-based fault detection and isolation for ugvs
CN213987268U (zh) 一种无人机及多传感器三余度飞行控制装置
CN113819911A (zh) Gnss失锁下基于自适应容错滤波的导航方法
Yuan et al. Fault diagnosis for space-borne fiber-optic gyroscopes using a hybrid method
Ding et al. Fault tolerant monitoring of vehicle lateral dynamics stabilization systems

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20201120

RJ01 Rejection of invention patent application after publication