CN113776527B - 一种民航飞机全时空的组合导航系统和导航方法 - Google Patents
一种民航飞机全时空的组合导航系统和导航方法 Download PDFInfo
- Publication number
- CN113776527B CN113776527B CN202111066825.XA CN202111066825A CN113776527B CN 113776527 B CN113776527 B CN 113776527B CN 202111066825 A CN202111066825 A CN 202111066825A CN 113776527 B CN113776527 B CN 113776527B
- Authority
- CN
- China
- Prior art keywords
- navigation system
- ins
- cns
- gnss
- coordinate system
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000013528 artificial neural network Methods 0.000 claims abstract description 31
- 238000001914 filtration Methods 0.000 claims abstract description 26
- 238000012937 correction Methods 0.000 claims abstract description 11
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 230000002159 abnormal effect Effects 0.000 claims abstract description 5
- 230000004927 fusion Effects 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 33
- 238000009434 installation Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000002068 genetic effect Effects 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 3
- 238000009396 hybridization Methods 0.000 claims description 2
- 230000035772 mutation Effects 0.000 claims description 2
- 210000003169 central nervous system Anatomy 0.000 description 105
- 238000004088 simulation Methods 0.000 description 9
- 230000007547 defect Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 239000005441 aurora Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining 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
- G01S19/42—Determining position
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
- G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Navigation (AREA)
Abstract
本发明涉及一种民航飞机全时空的组合导航系统和导航方法，包括步骤：将INS、GNSS、CNS输出的速度、姿态信息转换到格网坐标系下，将位置信息转换到地心地固坐标系下；将转换的数据传递到GA‑BP神经网络进行故障检测；诊断INS、GNSS、CNS是否出现故障，若某一导航系统的数据异常，则将该导航系统的数据隔离，其余正常导航系统的数据传递到卡尔曼滤波器进行融合滤波，输出导航信息；使用导航信息对INS进行反馈修正。本发明由INS导航系统、GNSS导航系统、CNS导航系统组成的INS/GNSS/CNS组合导航系统，该组合导航系统不受时间和空间的限制，实现真正的全球飞行高精度导航，同时还能实时诊断各导航系统的工作状态，隔离故障的导航系统，实现复杂环境下的自主导航。
Description
技术领域
本发明涉及民航飞机导航技术领域，特别适用于民航飞行的全时间、全空间的组合导航系统和导航方法。
背景技术
现阶段民航飞机机载组合导航系统INS导航系统/GPS虽然能满足绝大多数时候的飞机导航需求，但还是在某些条件下如极地区域飞行等存在不足。
极地区域磁经差过大，磁场异常，传统的磁罗盘定向方式不再适用。极地区域导航经线迅速收敛，在目前的东北天地理导航坐标系下，惯导力学编排存在计算溢出和方位陀螺施矩困难的问题。极地区域电磁环境复杂，极光、太阳风暴等都会对GNSS导航系统信号造成干扰，导致导航性能下降。
机载导航设备自身缺陷同样影响极地飞行导航保障，INS导航系统虽然自主但存在误差累积的缺点；GNSS导航系统受限于自身倾斜轨道，几何精度因子在高纬度区域明显大于中低维度区域，可接收卫星数据也大大减少，导航性能逐渐降低。GNSS导航系统卫星导航系统一旦设备故障或受到人为干扰，其导航定位能力将大大降低甚至失效。综合可知，目前的INS导航系统/GPS组合导航系统还不能实现全时间、全空间的导航保障，这会限制未来民航发展，特别是极地航线的开发以及自由航行。
应用于航空领域的CNS导航系统基于恒星敏感器接收识别恒星等发光星体作为导航源这一技术，可实现大动态条件下的全天时暗弱恒星目标的捕获、跟踪和探测，提供极高精度的姿态信息，且误差不随时间累积。机载CNS导航系统性能在军事航空领域已经得到了充分验证，能提高组合导航的姿态和位置精度，仅INS导航系统/CNS导航系统组合就能提供优于20”的姿态精度。
发明内容
INS导航系统，能自主输出全部导航信息，包括姿态信息、速度信息和位置信息，用于主导航系统；
GNSS导航系统，能同时接收GPS、北斗等卫星导航的信息并内部融合，正常工作时输出极高精度的速度信息和位置信息，用于修正INS导航系统的误差；
CNS导航系统，能在大动态条件下实现全天时对暗弱恒星目标的捕获、跟踪和探测，提供极高精度的姿态信息，用于修正INS导航系统的误差；
在INS/GNSS/CNS组合导航系统，CNS能完美弥补目前机载INS/GNSS导航系统存在的高纬度性能下降，甚至不能正常工作的缺陷，输出全天时高精度的导航信息。
为了实现上述发明目的，本发明实施例提供了以下技术方案：
一种民航飞机全时空的组合导航系统，包括：
GNSS导航系统，用于输出地心地固坐标系e下的导航信息，并将导航信息中的速度信息转换到格网坐标系下；
CNS导航系统，用于输出CNS安装平台坐标系c的导航信息，并将导航信息中的姿态信息转换到格网坐标系下；
INS导航系统，用于输出机体坐标系b下的导航信息，并将导航信息中的姿态信息和速度信息转换到格网坐标系下，以及将导航信息中的位置信息转换到地心地固坐标系e下；
INS/GNSS/CNS组合导航系统，用于将转换到格网坐标系下的速度信息和姿态信息，以及转换到地心地固坐标系下的位置信息传递到GA-BP神经网络进行故障检测，并输出导航信息对INS导航系统进行反馈修正。
一种民航飞机全时空的组合导航方法，包括以下步骤：
步骤S1：在一个滤波周期内，将INS导航系统、GNSS导航系统、CNS导航系统在该周期内输出的速度信息、姿态信息转换到格网坐标系下，将输出的位置信息转换到地心地固坐标系下，并与极地航图投影对应；
步骤S2：将转换到格网坐标系下的速度信息和姿态信息，以及转换到地心地固坐标系下的位置信息传递到GA-BP神经网络进行故障检测；
步骤S3：训练GA-BP神经网络的系统模型，诊断INS导航系统、GNSS导航系统、CNS导航系统是否出现故障，若某一导航系统的数据异常，则将该导航系统的数据隔离，其余正常导航系统的数据传递到卡尔曼滤波器进行融合滤波；
步骤S4：正常导航系统的数据经卡尔曼滤波器融合后输出的导航信息包括速度信息、姿态信息和位置信息；
步骤S5：使用输出的导航信息对INS导航系统进行反馈修正。
为了更好的实现本发明，所述步骤S1具体包括以下步骤：
步骤S11：假设某一时刻飞机所在位置的经度、纬度和高度分别为L、λ和h，地理坐标系下正北方向同网格北向的夹角为σ，相对格网坐标系G的偏航角、俯仰角和横滚角分别为ψG、θG和γG，则有：
将机体坐标系b下的数据转换到格网坐标系G，转换矩阵为：
将地心地固坐标系e下的数据转换到格网坐标系G，转换矩阵为：
获取CNS安装平台坐标系c相对机体坐标系b的安装角，得到CNS安装平台坐标系c相对机体坐标系b的转移矩阵
步骤S12：GNSS导航系统输出的是地心地固坐标系e下的信息，将其速度信息转换到格网坐标系G下：
其中，
代表GNSS导航系统在地心地固坐标系e下输出的速度信息，
代表GNSS导航系统在格网坐标系G下输出的速度信息，符号T为转置符号；
CNS导航系统输出的是CNS安装平台坐标系c下的信息，将其姿态信息转换到格网坐标系G下：
其中，
代表CNS导航系统在CNS安装平台坐标系c下输出的姿态信息，
代表CNS导航系统在格网坐标系G下输出的姿态信息，符号T为转置符号；
INS导航系统输出的是机体坐标系b下的信息，将其姿态信息和速度信息转换到网格坐标G下，位置信息转换到地心地固坐标系e下：
其中，
代表INS导航系统在机体坐标系b下输出的姿态信息，
代表INS导航系统在格网坐标系G下输出的姿态信息，
代表INS导航系统在机体坐标系b下输出的速度信息，
代表INS导航系统在格网坐标系G下输出的速度信息，
代表INS导航系统在机体坐标系b下输出的位置信息，
代表INS导航系统在地心地固坐标系e下输出的位置信息，符号T为转置符号。
为了更好的实现本发明，所述步骤S2具体包括以下步骤：
步骤S21：预先获取一段包含GNSS导航系统、CNS导航系统、INS导航系统均正常工作和任一导航系统故障时的飞行数据，取参考误差值ε＝{εGNSS,εCNS}和飞行时间t为GA-BP神经网络的训练输入参数，其中εGNSS为GNSS导航系统与INS导航系统的位置信息在地心地固坐标系e下，三轴方向上两者数据之差的绝对值之和，εCNS为CNS导航系统与INS导航系统在网格坐标系G下，三轴方向上两者数据之差的绝对值之和，飞行数据为速度信息、姿态信息、位置信息；
若GNSS导航系统、CNS导航系统、INS导航系统均正常工作均正常工作，则GA-BP神经网络的预期输出结果为[0,0]；若只有GNSS导航系统故障，则输出结果为[0,1]；若只有CNS导航系统故障，则输出结果为[1,0]；若只有INS导航系统故障，则输出结果为[1,1]；
步骤S22：GA-BP神经网络进行训练时，取实际输出结果与预期输出结果之差的绝对值作为遗传算法的种群适应度函数，遗传算法对适应度函数进行选择、杂交和突变的进行，不断迭代使种群适应度达到最大，此时GA-BP神经网络的误差值达到最小，当误差绝对值之和在0.01以内时达到精度要求；
训练完毕，得到GA-BP神经网络的系统模型；
步骤S23：基于GA-BP神经网络的系统模型，飞行时将飞行数据的误差值ε和飞行时间t作为输入参数，根据实际输出结果判断GNSS导航系统、CNS导航系统、INS导航系统的状态。
为了更好的实现本发明，所述步骤S4具体包括以下步骤：
步骤S41：在采用的格网坐标系G下，选取INS/GNSS/CNS组合导航系统的状态向量为：
其中，ΦG＝[ΔψG,ΔθG,ΔγG]为INS导航系统在所采用的格网坐标系G下的安装平台失准角，ΔVG＝[ΔvGE,ΔvGN,ΔvGU]为INS导航系统在格网坐标系G下三轴方向上的速度误差，ΔPe＝[Δx,Δy,Δz]为INS导航系统在地心地固坐标系e下的位置误差，Σ为陀螺仪在三轴方向上的常值漂移，
为加速度计在三轴方向上的常值偏置；
步骤S42：INS/GNSS/CNS组合导航系统的状态方程为：
其中，XG(t)为t时刻INS/GNSS/CNS组合导航系统的状态向量，FG(t)为t时刻INS/GNSS/CNS组合导航系统的状态驱动矩阵，GG(t)为t时刻INS/GNSS/CNS组合导航系统的噪声驱动矩阵，WG(t)为t时刻INS/GNSS/CNS组合导航系统的噪声矩阵；噪声矩阵WG(t)为陀螺仪和加速度计在机体坐标系b下三轴方向上额随机误差白噪声，方差矩阵为Q；
INS/GNSS/CNS组合导航系统的量测方程为：
其中，VG(t)为CNS导航系统和GNSS导航系统的测量误差白噪声矩阵，方差矩阵为R，HG(t)为INS/GNSS/CNS组合导航系统的量测矩阵，表达式为：
为了更好的实现本发明，所述步骤S5具体包括以下步骤：
步骤S51：每个滤波周期接收得到INS导航系统估计误差，INS导航系统接收反馈并减去该估计误差，从而完成该滤波周期的INS导航系统修正；
步骤S52：第k-1到第k个滤波周期的INS/GNSS/CNS组合导航系统反馈修正只需要将上个滤波周期的状态向量归零，即
其中
为离散化的第k个滤波周期起始时的状态方程。
与现有技术相比，本发明的有益效果：
本发明由INS导航系统、GPS和北斗等卫星组成的GNSS导航系统、CNS导航系统组成的INS/GNSS/CNS组合导航系统，该组合导航系统不受时间和空间的限制，实现真正的全球飞行告精度导航，同时还能实时诊断各导航系统的工作状态，隔离故障的导航系统，实现复杂环境下的自主导航。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明INS/GNSS/CNS组合导航系统组成功能示意图；
图2为本发明格网坐标系示意图；
图3为本发明GA-BP神经网络训练流程图；
图4为本发明INS/GNSS/CNS组合导航方法流程图；
图5为本发明实施例中所有导航系统均正常工作时，INS/GNSS/CNS组合导航系统相比于INS/CNS组合导航系统和INS/GNSS组合导航系统在姿态误差上的仿真结果；
图6为本发明实施例中所有导航系统均正常工作时，INS/GNSS/CNS组合导航系统相比于INS/CNS组合导航系统和INS/GNSS组合导航系统在位置误差上的仿真结果；
图7为本发明实施例中GNSS导航系统出现故障，INS导航系统、CNS导航系统正常工作时，INS/GNSS/CNS组合导航系统相比于INS/CNS组合导航系统和INS/GNSS组合导航系统在姿态误差上的仿真结果；
图8为本发明实施例中GNSS导航系统出现故障，INS导航系统、CNS导航系统正常工作时，INS/GNSS/CNS组合导航系统相比于INS/CNS组合导航系统和INS/GNSS组合导航系统在位置误差上的仿真结果。
具体实施方式
下面将结合本发明实施例中附图，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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性，或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
实施例1：
针对民航极地飞行的快速发展，以及未来民航导航对全时空自主可靠保障能力，本发明由INS导航系统、GPS和北斗等卫星组成的GNSS导航系统、CNS导航系统组成的INS/GNSS/CNS组合导航系统，该组合导航系统不受时间和空间的限制，实现真正的全球飞行告精度导航，同时还能实时诊断各导航系统(本实施例所称导航系统即指INS导航系统、GNSS导航系统或CNS导航系统)的工作状态(工作状态包括正常和故障)，隔离故障的导航系统，实现复杂环境下的自主导航。
请参见图1，本方案的系统为INS、GNSS、CNS三个导航系统组成的INS/GNSS/CNS组合导航系统，其中INS导航系统能自主输出全部导航信息，包括姿态信息、速度信息和位置信息，用于主导航系统；GNSS导航系统，能同时接收GPS、北斗等卫星导航的信息并内部融合，正常工作时输出极高精度的速度信息和位置信息，用于修正INS导航系统的误差；CNS导航系统，能在大动态条件下实现全天时对暗弱恒星目标的捕获、跟踪和探测，提供极高精度的姿态信息，用于修正INS导航系统的误差。上述INS/GNSS/CNS组合导航系统中，CNS能完美弥补目前机载INS/GNSS导航系统存在的高纬度性能下降，甚至不能正常工作的缺陷，输出全天时高精度的导航信息。
请参见图2，现阶段民航导航采用的东北天地理坐标系下，INS导航系统在高纬度地区，其惯导力学编排存在计算溢出和方位陀螺施矩困难的问题，为此本方案导航坐标系采用格网坐标系，同时为了便于飞行员理解，最后输出的位置信息转换在地心地固坐标系下，与极地航图投影对应。格网坐标系能有效消除高纬度带来的惯导力学编排存在计算溢出和方位陀螺施矩困难的问题，同时格网坐标系在中低纬度地区也能正常使用，是实现真正的全球导航的一种理想坐标系。
本发明通过下述技术方案实现，请参见图4，一种民航飞机全时空的组合导航方法，包括以下步骤：
步骤S1：在一个滤波周期内，将INS导航系统、GNSS导航系统、CNS导航系统在该周期内输出的速度信息、姿态信息转换到格网坐标系下，将输出的位置信息转换到地心地固坐标系下，并与极地航图投影对应。
详细来说，步骤S11：在一个滤波周期内，假设该时刻飞机所在位置的经度、纬度和高度分别为L、λ和h，地理坐标系下正北方向同网格北向的夹角为σ，相对格网坐标系G的偏航角、俯仰角和横滚角分别为ψG、θG和γG，则有：
将机体坐标系b下的数据转换到格网坐标系G，转换矩阵为：
将地心地固坐标系e下的数据转换到格网坐标系G，转换矩阵为：
获取CNS安装平台坐标系c相对机体坐标系b的安装角，得到CNS安装平台坐标系c相对机体坐标系b的转移矩阵
步骤S12：GNSS导航系统输出的是地心地固坐标系e下的信息，将其速度信息转换到格网坐标系G下：
其中，
代表GNSS导航系统在地心地固坐标系e下输出的速度信息，
代表GNSS导航系统在格网坐标系G下输出的速度信息，符号T为转置符号；
CNS导航系统输出的是CNS安装平台坐标系c下的信息，将其姿态信息转换到格网坐标系G下：
其中，
代表CNS导航系统在CNS安装平台坐标系c下输出的姿态信息，
代表CNS导航系统在格网坐标系G下输出的姿态信息，符号T为转置符号；
INS导航系统输出的是机体坐标系b下的信息，将其姿态信息和速度信息转换到网格坐标G下，位置信息转换到地心地固坐标系e下：
其中，
代表INS导航系统在机体坐标系b下输出的姿态信息，
代表INS导航系统在格网坐标系G下输出的姿态信息，
代表INS导航系统在机体坐标系b下输出的速度信息，
代表INS导航系统在格网坐标系G下输出的速度信息，
代表INS导航系统在机体坐标系b下输出的位置信息，
代表INS导航系统在地心地固坐标系e下输出的位置信息，符号T为转置符号。
步骤S2：将转换到格网坐标系下的速度信息和姿态信息，以及转换到地心地固坐标系下的位置信息传递到GA-BP神经网络进行故障检测。
步骤S21：请参见图3，预先获取一段包含GNSS导航系统、CNS导航系统、INS导航系统均正常工作和任一导航系统故障时的飞行数据，取参考误差值ε＝{εGNSS,εCNS}和飞行时间t为GA-BP神经网络的训练输入参数。其中飞行数据为速度信息、姿态信息、位置信息。
其中εGNSS为GNSS导航系统与INS导航系统的位置信息在地心地固坐标系e下，三轴方向上两者数值之差的绝对值之和。由于GNSS导航系统输出的飞行数据本身就是在地心地固坐标系e下的，因此GNSS导航系统输出的位置信息在地心地固坐标系e下；INS导航系统输出的飞行数据是在机体坐标系b下的，将其飞行数据的位置信息转换到地心地固坐标系e下；那么在同一个地心地固坐标e下，在三轴方向上，假设第一个轴上GNSS导航系统的位置信息与INS导航系统的位置信息的差值绝对值为|m1|，第二个轴上GNSS导航系统的位置信息与INS导航系统的位置信息的差值绝对值为|m2|，第三个轴上GNSS导航系统的位置信息与INS导航系统的位置信息的差值绝对值为|m3|，那么三轴方向上两者数值之差的绝对值之和为|m1|+|m2|+|m3|。
εCNS为CNS导航系统与INS导航系统的姿态信息转换到同一格网坐标系G后，三轴方向上两者数值之差的绝对值之和。由于CNS导航系数输出的飞行数据是在CNS安装平台坐标系c下的，要将其飞行数据的姿态信息转换到格网坐标系G下；INS导航系统输出的飞行数据是在机体坐标系b下的，将其飞行数据的姿态信息转换到格网坐标系G下；那么在同一个格网坐标系G下，在三轴方向上，假设第一个轴上CNS导航系统的姿态信息与INS导航系统的姿态信息的差值绝对值为|a1|，第二个轴上CNS导航系统的姿态信息与INS导航系统的姿态信息的差值绝对值为|a2|，第三个轴上CNS导航系统的姿态信息与INS导航系统的姿态信息的差值绝对值为|a3|，那么三轴方向上两者数值之差的绝对值为|a1|+|a2|+|a3|。
由于GNSS导航系统和CNS导航系统获取的飞行数据无累积误差，但INS导航系统的飞行数据存在随时间累积的误差，因此飞行时间t也需要当作神经网络的输入参数。
在训练GA-BP神经网络训练时，根据已知的训练样本数据，设置各个状态下输入参数对应的GA-BP神经网络模型的输出结果。若GNSS导航系统、CNS导航系统、INS导航系统均正常工作均正常工作，则输出结果为[0,0]；若只有GNSS导航系统故障，则输出结果为[0，1]；若只有CNS导航系统故障，则输出结果为[1，0]；若只有INS导航系统故障，则输出结果为[1，1]。由于每个导航系统故障概率都极小，故不考虑两个及以上的导航系统同时故障的情况。
步骤S22：GA-BP神经网络训练的结果总会存在误差，导致输出的两个数值结果实际上只会接近0或1。输入训练样本数据后，GA-BP神经网络模型的实际输出结果的两个数值与预期输出结果对应两个数值的误差的绝对值，作为遗传算法的种群适应度函数，遗传算法对适应度函数进行选择、杂交和突变的进行，不断迭代使种群适应度达到最大，此时GA-BP神经网络的误差值达到最小，当误差绝对值之和在0.01以内时达到精度要求。
此时训练完毕，得到GA-BP神经网络的系统模型。GA-BP神经网络算法能准确快速诊断导航系统的状态，不需要了解导航系统本身的结构，同时经GA-BP优化后，不会陷入局部极小值中，是一种有效可靠的故障诊断手段。
步骤S23：基于GA-BP神经网络的系统模型，飞行时将实际飞行数据处理后得到的的误差值ε和飞行时间t作为输入参数，根据实际输出结果判断GNSS导航系统、CNS导航系统、INS导航系统的状态。
步骤S3：GA-BP神经网络根据预先训练好的模型，诊断INS导航系统、GNSS导航系统、CNS导航系统是否出现故障，若某一导航系统的数据异常，则将该导航系统的数据隔离，其余正常导航系统的数据传递到卡尔曼滤波器进行融合滤波。
步骤S4：正常导航系统的数据经卡尔曼滤波器融合后输出最终的导航信息。
步骤S41：在采用的格网坐标系G下，选取INS/GNSS/CNS组合导航系统的状态向量为：
其中，ΦG＝[ΔψG,ΔθG,ΔγG]为INS导航系统在所采用的格网坐标系G下的安装平台失准角，ΔVG＝[ΔvGE,ΔvGN,ΔvGU]为INS导航系统在格网坐标系G下三轴方向上的速度误差，ΔPe＝[Δx,Δy,Δz]为INS导航系统在地心地固坐标系e下的位置误差，Σ为陀螺仪在三轴方向上的常值漂移，
为加速度计在三轴方向上的常值偏置；
步骤S42：INS/GNSS/CNS组合导航系统的状态方程为：
其中，XG(t)为t时刻组合导航系统的状态向量，FG(t)为t时刻INS/GNSS/CNS组合导航系统的状态驱动矩阵，GG(t)为t时刻INS/GNSS/CNS组合导航系统的噪声驱动矩阵，WG(t)为t时刻INS/GNSS/CNS组合导航系统的噪声矩阵；噪声矩阵WG(t)为陀螺仪和加速度计在机体坐标系b下三轴方向上额随机误差白噪声，方差矩阵为Q；
INS/GNSS/CNS组合导航系统的量测方程为：
其中，VG(t)为CNS导航系统和GNSS导航系统的测量误差白噪声矩阵，方差矩阵为R，HG(t)为INS/GNSS/CNS组合导航系统的量测矩阵，表达式为：
这样就能得到每个滤波周期融合后的速度信息、姿态信息和位置信息。
步骤S5：使用输出的导航信息对INS导航系统进行反馈修正。
步骤S51：每个滤波周期接收得到INS导航系统估计误差，INS导航系统接收反馈并减去该估计误差，从而完成该滤波周期的INS导航系统修正；
步骤S52：第k-1到第k个滤波周期的INS/GNSS/CNS组合导航系统反馈修正只需要将上个滤波周期的状态向量归零，即
其中
为离散化的第k个滤波周期起始时的状态方程。
请参见图5，显示的是所有导航系统均正常工作时，所述INS/GNSS/CNS组合导航系统相比于INS/CNS组合导航系统和INS/GNSS组合导航系统在姿态误差上的仿真结果。
请参见图6，显示的是所有导航系统均正常工作时，所述INS/GNSS/CNS组合导航系统相比于INS/CNS组合导航系统和INS/GNSS组合导航系统在位置误差上的仿真结果。
请参见图7，显示的是在最后1小时的滤波周期内，GNSS导航系统出现故障，INS导航系统、CNS导航系统正常工作时，所述INS/GNSS/CNS组合导航系统相比于INS/CNS组合导航系统和INS/GNSS组合导航系统在姿态误差上的仿真结果。
请参见图8，显示的是在最后1小时的滤波周期内，GNSS导航系统出现故障，INS导航系统、CNS导航系统正常工作时，所述INS/GNSS/CNS组合导航系统相比于INS/CNS组合导航系统和INS/GNSS组合导航系统在位置误差上的仿真结果。
可以看出，在极地飞行过程中各导航系统均能正常工作时，INS/GNSS/CNS组合导航系统相比INS/CNS组合导航系统和INS/GNSS组合导航系统，能够同时保证极高精度的姿态信息、位置信息，更符合未来民航发展对导航系统性能的需求。当极地飞行过程中发生导航系统如GNSS故障时，INS/GNSS/CNS组合导航系统在较长时间内还能保障飞行导航精度需求。同时，本次仿真选用的飞行路线穿过极点且采用格网坐标系，结果表明本发明的组合导航系统及方法能实现全时空的高精度可靠导航。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (4)
1.一种民航飞机全时空的组合导航系统的导航方法，其特征在于：包括以下步骤：
步骤S1：在一个滤波周期内，将INS导航系统、GNSS导航系统、CNS导航系统在该周期内输出的速度信息、姿态信息转换到格网坐标系下，将输出的位置信息转换到地心地固坐标系下，并与极地航图投影对应；
步骤S2：将转换到格网坐标系下的速度信息和姿态信息，以及转换到地心地固坐标系下的位置信息传递到GA-BP神经网络进行故障检测；
所述步骤S2具体包括以下步骤：
步骤S21：预先获取一段包含GNSS导航系统、CNS导航系统、INS导航系统均正常工作和任一导航系统故障时的飞行数据，取参考误差值ε＝{εGNSS,εCNS}和飞行时间t为GA-BP神经网络的训练输入参数，其中εGNSS为GNSS导航系统与INS导航系统的位置信息在地心地固坐标系e下，三轴方向上两者数据之差的绝对值之和，εCNS为CNS导航系统与INS导航系统在网格坐标系G下，三轴方向上两者数据之差的绝对值之和，飞行数据为速度信息、姿态信息、位置信息；
若GNSS导航系统、CNS导航系统、INS导航系统均正常工作均正常工作，则GA-BP神经网络的预期输出结果为[0,0]；若只有GNSS导航系统故障，则输出结果为[0,1]；若只有CNS导航系统故障，则输出结果为[1,0]；若只有INS导航系统故障，则输出结果为[1,1]；
步骤S22：GA-BP神经网络进行训练时，取实际输出结果与预期输出结果之差的绝对值作为遗传算法的种群适应度函数，遗传算法对适应度函数进行选择、杂交和突变的进行，不断迭代使种群适应度达到最大，此时GA-BP神经网络的误差值达到最小，当误差绝对值之和在0.01以内时达到精度要求；
训练完毕，得到GA-BP神经网络的系统模型；
步骤S23：基于GA-BP神经网络的系统模型，飞行时将飞行数据的误差值ε和飞行时间t作为输入参数，根据实际输出结果判断GNSS导航系统、CNS导航系统、INS导航系统的状态；
步骤S3：训练GA-BP神经网络的系统模型，诊断INS导航系统、GNSS导航系统、CNS导航系统是否出现故障，若某一导航系统的数据异常，则将该导航系统的数据隔离，其余正常导航系统的数据传递到卡尔曼滤波器进行融合滤波；
步骤S4：正常导航系统的数据经卡尔曼滤波器融合后输出的导航信息包括速度信息、姿态信息和位置信息；
步骤S5：使用输出的导航信息对INS导航系统进行反馈修正。
2.根据权利要求1所述的一种民航飞机全时空的组合导航系统的导航方法其特征在于：所述步骤S1具体包括以下步骤：
步骤S11：假设某一时刻飞机所在位置的经度、纬度和高度分别为L、λ和h，地理坐标系下正北方向同网格北向的夹角为σ，相对格网坐标系G的偏航角、俯仰角和横滚角分别为ψG、θG和γG，则有：
将机体坐标系b下的数据转换到格网坐标系G，转换矩阵为：
将地心地固坐标系e下的数据转换到格网坐标系G，转换矩阵为：
获取CNS安装平台坐标系c相对机体坐标系b的安装角，得到CNS安装平台坐标系c相对机体坐标系b的转移矩阵
步骤S12：GNSS导航系统输出的是地心地固坐标系e下的信息，将其速度信息转换到格网坐标系G下：
其中，
代表GNSS导航系统在地心地固坐标系e下输出的速度信息，
代表GNSS导航系统在格网坐标系G下输出的速度信息，符号T为转置符号；
CNS导航系统输出的是CNS安装平台坐标系c下的信息，将其姿态信息转换到格网坐标系G下：
其中，
代表CNS导航系统在CNS安装平台坐标系c下输出的姿态信息，
代表CNS导航系统在格网坐标系G下输出的姿态信息，符号T为转置符号；
INS导航系统输出的是机体坐标系b下的信息，将其姿态信息和速度信息转换到网格坐标G下，位置信息转换到地心地固坐标系e下：
其中，
代表INS导航系统在机体坐标系b下输出的姿态信息，
代表INS导航系统在格网坐标系G下输出的姿态信息，
代表INS导航系统在机体坐标系b下输出的速度信息，
代表INS导航系统在格网坐标系G下输出的速度信息，
代表INS导航系统在机体坐标系b下输出的位置信息，
代表INS导航系统在地心地固坐标系e下输出的位置信息，符号T为转置符号。
3.根据权利要求2所述的一种民航飞机全时空的组合导航系统的导航方法，其特征在于：所述步骤S4具体包括以下步骤：
步骤S41：在采用的格网坐标系G下，选取INS/GNSS/CNS组合导航系统的状态向量为：
其中，ΦG＝[ΔψG,ΔθG,ΔγG]为INS导航系统在所采用的格网坐标系G下的安装平台失准角，ΔVG＝[ΔvGE,ΔvGN,ΔvGU]为INS导航系统在格网坐标系G下三轴方向上的速度误差，ΔPe＝[Δx,Δy,Δz]为INS导航系统在地心地固坐标系e下的位置误差，Σ为陀螺仪在三轴方向上的常值漂移，
为加速度计在三轴方向上的常值偏置；
步骤S42：INS/GNSS/CNS组合导航系统的状态方程为：
其中，XG(t)为t时刻INS/GNSS/CNS组合导航系统的状态向量，FG(t)为t时刻INS/GNSS/CNS组合导航系统的状态驱动矩阵，GG(t)为t时刻INS/GNSS/CNS组合导航系统的噪声驱动矩阵，WG(t)为t时刻INS/GNSS/CNS组合导航系统的噪声矩阵；噪声矩阵WG(t)为陀螺仪和加速度计在机体坐标系b下三轴方向上额随机误差白噪声，方差矩阵为Q；
INS/GNSS/CNS组合导航系统的量测方程为：
其中，VG(t)为CNS导航系统和GNSS导航系统的测量误差白噪声矩阵，方差矩阵为R，HG(t)为INS/GNSS/CNS组合导航系统的量测矩阵，表达式为：
4.根据权利要求2所述的一种民航飞机全时空的组合导航系统的导航方法，其特征在于：所述步骤S5具体包括以下步骤：
步骤S51：每个滤波周期接收得到INS导航系统估计误差，INS导航系统接收反馈并减去该估计误差，从而完成该滤波周期的INS导航系统修正；
步骤S52：第k-1到第k个滤波周期的INS/GNSS/CNS组合导航系统反馈修正只需要将上个滤波周期的状态向量归零，即
其中
为离散化的第k个滤波周期起始时的状态方程。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111066825.XA CN113776527B (zh) | 2021-09-13 | 2021-09-13 | 一种民航飞机全时空的组合导航系统和导航方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111066825.XA CN113776527B (zh) | 2021-09-13 | 2021-09-13 | 一种民航飞机全时空的组合导航系统和导航方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113776527A CN113776527A (zh) | 2021-12-10 |
| CN113776527B true CN113776527B (zh) | 2023-04-07 |
Family
ID=78842797
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111066825.XA Active CN113776527B (zh) | 2021-09-13 | 2021-09-13 | 一种民航飞机全时空的组合导航系统和导航方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113776527B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114650089B (zh) * | 2022-03-15 | 2023-09-22 | 广东汇天航空航天科技有限公司 | 飞行器定位跟踪处理方法、装置及定位跟踪系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111210516A (zh) * | 2019-12-30 | 2020-05-29 | 成都赫尔墨斯科技股份有限公司 | 一种用于航电设备综合显示控制的软件平台 |
| CN111310722A (zh) * | 2020-03-12 | 2020-06-19 | 广东电网有限责任公司广州供电局 | 一种基于改进神经网络的电力设备图像的故障识别方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109799523A (zh) * | 2018-12-29 | 2019-05-24 | 中国电子科技集团公司第二十研究所 | 一种天文组合导航系统时间同步方法 |
| GB2620026B (en) * | 2019-07-24 | 2024-03-20 | Marine Tech Llc | System and method for optimizing fuel usage of a marine vessel |
| CN110632634B (zh) * | 2019-09-24 | 2022-11-01 | 东南大学 | 一种适用于弹道导弹ins/cns/gnss组合导航系统的最优数据融合方法 |
| CN111189441B (zh) * | 2020-01-10 | 2023-05-12 | 山东大学 | 一种多源自适应容错联邦滤波组合导航系统及导航方法 |
| CN112304309B (zh) * | 2020-10-21 | 2022-10-04 | 西北工业大学 | 一种基于心动阵列的高超飞行器组合导航信息解算方法 |
| AU2020103939A4 (en) * | 2020-12-08 | 2021-02-11 | Xi'an University Of Architecture And Technology | Polar Integrated Navigation Algorithm of SINS / GPS Based on Grid Framework |
| CN113108787B (zh) * | 2021-05-09 | 2022-06-14 | 中国人民解放军国防科技大学 | 一种长航时惯导/卫星全球组合导航方法 |
| CN113358966B (zh) * | 2021-06-25 | 2022-06-17 | 中国民用航空飞行学院 | 一种民航导航台站电磁环境评估方法及系统 |
-
2021
- 2021-09-13 CN CN202111066825.XA patent/CN113776527B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111210516A (zh) * | 2019-12-30 | 2020-05-29 | 成都赫尔墨斯科技股份有限公司 | 一种用于航电设备综合显示控制的软件平台 |
| CN111310722A (zh) * | 2020-03-12 | 2020-06-19 | 广东电网有限责任公司广州供电局 | 一种基于改进神经网络的电力设备图像的故障识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113776527A (zh) | 2021-12-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110095800B (zh) | 一种多源融合的自适应容错联邦滤波组合导航方法 | |
| CN104406605B (zh) | 机载多导航源综合导航仿真系统 | |
| CN112505737B (zh) | 一种gnss/ins组合导航方法 | |
| CN107655485B (zh) | 一种巡航段自主导航位置偏差修正方法 | |
| CN109471146B (zh) | 一种基于ls-svm的自适应容错gps/ins组合导航方法 | |
| CN106979781B (zh) | 基于分布式惯性网络的高精度传递对准方法 | |
| CN108151737A (zh) | 一种动态互观测关系条件下的无人机蜂群协同导航方法 | |
| CN111965685B (zh) | 一种基于多普勒信息的低轨卫星/惯性组合导航定位方法 | |
| CN111156986B (zh) | 一种基于抗差自适应ukf的光谱红移自主组合导航方法 | |
| Liu et al. | Tightly coupled modeling and reliable fusion strategy for polarization-based attitude and heading reference system | |
| CN113295162A (zh) | 基于无人机状态信息的广义因子图融合导航方法 | |
| CN114018242A (zh) | 一种基于偏振/太阳/惯性信息智能匹配的自主定姿方法 | |
| CN111380518A (zh) | 一种引入径向速度的sins/usbl紧组合导航定位方法 | |
| CN111637896B (zh) | 一种基于星历约束辅助的自主天文导航方法 | |
| CN113776527B (zh) | 一种民航飞机全时空的组合导航系统和导航方法 | |
| CN112713922A (zh) | 一种多波束通讯卫星的可见性快速预报算法 | |
| CN116105730A (zh) | 基于合作目标卫星甚短弧观测的仅测角光学组合导航方法 | |
| CN115356754A (zh) | 一种基于gnss和低轨卫星的组合导航定位方法 | |
| Cai et al. | A polar rapid transfer alignment assisted by the improved polarized-light navigation | |
| CN112762925A (zh) | 一种基于地磁计和陀螺仪的低轨卫星定姿方法 | |
| CN109459017B (zh) | 一种利用外部基准辅助的星座自主导航方法 | |
| Cataldi et al. | Validation flight experiment for a sounding balloon photovoltaic-based attitude determination system | |
| CN115327587A (zh) | 基于gnss定位信息的低轨卫星轨道误差修正方法及系统 | |
| Candan et al. | Estimation of attitude using robust adaptive Kalman filter | |
| Ghahremani et al. | Generalized Incremental Predictive Filter for Integrated Navigation System INS/GPS in Tangent Frame |
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 |