CN115127589B - 一种机翼挠曲变形下分布式容错相对导航方法 - Google Patents
一种机翼挠曲变形下分布式容错相对导航方法 Download PDFInfo
- Publication number
- CN115127589B CN115127589B CN202210685262.0A CN202210685262A CN115127589B CN 115127589 B CN115127589 B CN 115127589B CN 202210685262 A CN202210685262 A CN 202210685262A CN 115127589 B CN115127589 B CN 115127589B
- Authority
- CN
- China
- Prior art keywords
- relative
- node
- deflection
- sub
- equation
- 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 51
- 238000005259 measurement Methods 0.000 claims abstract description 57
- 238000001514 detection method Methods 0.000 claims abstract description 28
- 238000006243 chemical reaction Methods 0.000 claims abstract description 12
- 230000004927 fusion Effects 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 238000006073 displacement reaction Methods 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 14
- 230000001133 acceleration Effects 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000002955 isolation Methods 0.000 claims description 7
- 230000007704 transition Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 abstract description 8
- 238000004088 simulation Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000005452 bending Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
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
本发明涉及一种机翼挠曲变形下分布式容错相对导航方法,首先建立挠曲变形下多节点之间的动态关系转换模型以构成冗余测量信息,进行基于广义似然比检测的最小二乘融合,提高了测量数据的可靠性和精度,然后利用惯性网络间的局部运动信息进行相对导航解算,完成了挠曲条件下主、子节点间的高精度相对运动估计,实现了主、子节点间的传递对准,提高了任务设备的运动状态估计精度,改善了任务设备的性能。
Description
技术领域
本发明属于惯性导航技术领域,涉及一种机翼挠曲变形下分布式容错相对导航方法。
背景技术
可执行多载荷任务的通用飞机通常搭载雷达、相机等多种任务设备,用于对外部环境的探测、侦查,分布安装在机翼的不同位置。由于飞机机翼存在动态的挠曲变形,通常在任务设备处安装子惯性导航系统,测量任务设备的自身运动信息,以满足任务设备的工作需求。任务设备的性能一定程度上取决于惯性传感器的精度,受限于体积、重量的要求,任务设备处安装的惯性传感器精度较低,无法满足需求。用于飞行导航的主惯性导航系统具有高精度的运动状态测量特性,利用主惯性导航系统对子惯性导航系统进行传递对准,提高子惯性导航系统的测量精度,改善任务设备的性能,实现对目标的精准探测。
传递对准技术利用安装在机身处的主惯性导航系统对任务设备处的子惯性导航系统进行误差估计与补偿,是提升子惯性导航系统性能的广泛应用技术。由于机翼结构的复杂性以及挠曲变形本身的不可预见性,使得挠曲变形成为传递对准中的一个非常重要问题,目前对于挠曲变形下一主、一子的传递对准问题已得到了有效解决。目前先进的多载荷通用飞机通常搭载多个任务设备,小体积、低重量的子惯性传感器精度较低,且存在随机故障,如何利用多个子惯性传感器构建惯性网络提高挠曲变形下子惯性导航系统的精度和可靠性,是亟待解决的一项关键技术。
本发明的目的是提供一种机翼挠曲变形下分布式容错相对导航方法,首先建立挠曲变形下多节点之间的动态关系转换模型以构成冗余测量信息,进行基于广义似然比检测的最小二乘融合,提高了测量数据的可靠性和精度,然后利用惯性网络间的局部运动信息进行相对导航解算,完成了挠曲条件下主、子节点间的高精度相对运动估计,实现了主、子节点间的传递对准。
发明内容
要解决的技术问题
为了避免现有技术的不足之处,本发明提出一种机翼挠曲变形下分布式容错相对导航方法,满足对外部环境精确探测、侦查的要求,目前先进的多载荷通用飞机通常搭载多个任务设备。针对机翼挠曲变形、子传感器精度低且存在随机故障的问题,
技术方案
一种机翼挠曲变形下分布式容错相对导航方法,其特征在于步骤如下:
步骤1:建立机载惯性网络系统,其中高精度主惯性导航系统即主节点安装在机体质心处,多个子惯性导航系统即子节点分别安装在机翼不同位置;
步骤2、建立挠曲变形下子节点之间的动态转换关系模型:
式中,表示杆臂加速度,表示挠性杆臂下子节点j转换到子节点k的加速度计输出;
所述
其中:为主节点m的角速率,分别表示由主节点到子节点k、j的相对姿态矩阵;Rf,sj表示挠曲位移向量;
步骤3:各节点接收其他节点转换的数据,构成冗余测量信息,对冗余测量数据建立基于广义似然比检测的最小二乘融合模型,实现惯性网络的容错性能;
构建广义似然比故障检测函数:FD=PT(VTRV)P
式中,FD表示故障检测函数值,服从卡方分布,即FD~χ2(n-m),n表示测量数据维数,m表示状态维数;P表示奇偶残差;V表示奇偶矩阵,R表示测量数据的协方差矩阵;
故障检测准则为:
式中,TD表示故障检测阈值;
步骤4:建立主、子节点之间相对导航微分方程,包括相对姿态微分方程、相对速度微分方程、相对位置微分方程,以三个微分方程组成的相对导航微分方程,实现主、子节点之间的相对导航解算;
相对姿态微分方程为:
式中,表示主、子节点间的相对姿态矩阵,表示主节点角速率,表示子节点角速率;
在主节点坐标系下,相对速度微分方程为:
式中,V表示主、子节点间相对速度,R表示相对位置fm和fs分别表示主、子节点的加速度计输出;
相对位置微分方程为:
步骤5:建立主、子节点之间相对姿态误差方程、相对速度误差方程、相对位置误差方程,构成相对导航误差方程即系统状态方程:
所述相对姿态误差方程:
式中,φ表示相对姿态误差角;
所述相对速度误差方程为:
所述相对位置误差方程:
建立挠曲角和挠曲位移之间的关系,构建量测方程。根据几何关系,δR表示为:
式中,表示由相对导航算法计算的相对位置;L表示标称相对位置;Rf表示挠曲位移,即子节点在机翼变形的影响下,偏离了其标称位置的挠曲位移向量;
建立约束模型为:μf,y=2∠BOmOs
式中,μf,y为绕机体系y轴的挠曲变形角,考虑到机翼结构,机翼沿x轴和z轴的挠曲忽略不计;
当挠曲角为小角度时,三角形OmOsA为直角三角形,则挠曲位移:
式中,μf,y由相对姿态计算值和标称值相减所得,Lx表示杆臂在x轴上的分量;
完成了挠曲条件下分布式容错相对导航解算。
所述基于广义似然比检测的最小二乘融合模型:其中表示融合后的状态值,y表示测量值,Hsr表示测量矩阵;所述最小二乘权值矩阵为:W=diag(w1,…,wm),其中式中,Ri表示第i个测量数据的噪声协方差。d为常数,可以选择较大的值以区分测量数据的权重。
第i个测量数据的故障隔离函数为:其中表示V的第i行向量;若FIi越大,发生故障的似然函数值越大;因此当检测出故障时,通过比较FIi,隔离出故障的测量数据:第k个测量数据发生故障。
有益效果
本发明提出的一种机翼挠曲变形下分布式容错相对导航方法,首先建立挠曲变形下多节点之间的动态关系转换模型以构成冗余测量信息,进行基于广义似然比检测的最小二乘融合,提高了测量数据的可靠性和精度,然后利用惯性网络间的局部运动信息进行相对导航解算,完成了挠曲条件下主、子节点间的高精度相对运动估计,实现了主、子节点间的传递对准,提高了任务设备的运动状态估计精度,改善了任务设备的性能。
本发明的有益效果:
1、建立了挠曲变形下多节点间的动态转换关系模型,构成冗余测量信息,设计了基于广义似然比的最小二乘融合方法,提高了惯性测量数据的可靠性和精度。
2、建立了机翼挠曲变形下分布式容错相对导航系统,该系统将挠曲变形下多节点测量数据融合和相对运动估计进行结合,实现了挠曲条件下的高精度相对运动估计,进而为多载荷任务设备提供高精度导航信息。
3、惯性网络系统可灵活配置,可灵活增加或减少子节点数量,以满足不同任务设备的需求。
附图说明
图1机载任务设备分布示意图
图2机翼挠曲变形下分布式容错相对导航方法流程图
图3机翼挠曲模型
图4相对位置误差几何示意图
图5挠曲位移与挠曲角关系图
图6相对位置误差对比(单节点和分布式)
图7相对姿态误差对比(单节点和分布式)
图8相对位置误差对比(分布式和分布式容错)
图9相对姿态误差对比(分布式和分布式容错)
具体实施方式
现结合实施例、附图对本发明作进一步描述:
一种机翼挠曲变形下分布式容错相对导航。
步骤1:建立机载惯性网络系统,其中高精度主惯性导航系统(简称主节点)安装在机体质心处,多个子惯性导航系统(简称子节点)分别安装在机翼不同位置,示意图见图1。
步骤2:建立子节点之间的动态转换关系模型,将各子节点的测量数据,转换到统一的空间基准下;
(1)刚性杆臂动态转换
刚性杆臂条件下,各个子节点测量数据转换到统一坐标下,需要经过旋转和平移两个过程。
由于安装误差角的影响,各个节点坐标系之间存在转换关系。以子节点j和子节点k为例,描述子节点之间的动态变换关系。角速率的转换关系为:
式中,分别为主节点m到子节点j和子节点k的相对姿态矩阵,ωsj和fsj分别为子节点j的陀螺仪输出的角速率,为ωsj在子节点k坐标系下的投影。
子节点的安装位置不同引入了杆臂误差,子节点j和主节点m之间的杆臂加速度为:
式中,表示子节点j和主节点m之间的杆臂加速度,为主节点m的角速率,为子节点j和主节点m之间的杆臂向量。
将子节点j的加速度计输出转换到子节点k:
式中,fsj为子节点j的加速度计输出,为经过杆臂误差补偿由子节点j转换到子节点k坐标系的加速度计输出,表示子节点k和主节点m之间的杆臂加速度。
(2)挠性杆臂动态转换
挠性杆臂条件下,机翼挠曲变形对各子节点之间带来了局部相对运动信息,需要做进一步补偿。机翼的长度远大于厚度,将机翼视为薄板,采用薄板模型对机翼挠曲进行建模。在载荷q的作用下,机翼挠曲模型图3。
根据力学原理有以下机翼弯曲的平衡方程:
式中,w为位置(x,y)处的挠度,D为弹性系数。
按照有限元分析,实际上机翼的前三阶模态响应和力学响应均为弯曲,所以可近似认为w对y的各阶偏导数均为零,从而根据式,简化得到新的平衡方程:
对机翼而言,可以将其视为一边固支,三边自由的矩形板,那么就有边界条件:
1)固支边x=0,位移边界条件:
2)自由边x=LT,力边界条件:
式中,LT为机翼长度,Mx、Qx分别表示弯矩和横剪力。
结合式(6)和式(7),对式(5)进行积分可得到机翼挠曲模型:
如图3所示,通过对机翼曲线求偏导可获得其对应的斜率,从而获得挠曲变形角γ。
以x位置为例,其位置处的挠曲变形角为:
考虑到挠曲变形角通常小于5°,利用小角度近似γ≈tanγ,得到挠曲角与挠曲位移的关系:
对式(10)求导,可得挠曲角速率:
建立第j个子节点挠曲角速率与第k个子节点挠曲角速率的关系:
对子节点之间的相对挠曲导致的角运动进行补偿,子节点j到子节点k的角速率的动态转换关系为:
式中,Djk=diag[djk,djk,djk],为挠性杆臂下j节点转换到k节点的角速率,由表示由主节点到子节点的相对姿态矩阵。
对于加速度计,需要对挠曲杆臂加速度进行补偿,子节点j的挠曲杆臂向量表示为:
Rsj=Lsj+Rf,sj
式中Lsj表示标称杆臂向量,Rf,sj表示挠曲位移向量。
则子节点j处产生的挠曲变形加速度为:
对子节点之间的杆臂加速度和挠曲变形加速度进行补偿,子节点j到子节点k加速度计输出的动态转换关系为:
式中,表示杆臂加速度,表示挠性杆臂下子节点j转换到子节点k的加速度计输出。
步骤3:各节点接收其他节点转换的数据后,构成冗余测量信息,建立基于广义似然比检测的最小二乘融合模型,实现惯性网络的容错性能;
步骤3.1:建立广义似然比故障检测模型,对冗余测量数据进行故障检测与隔离;
3.1.1奇偶方程
对子节点1处的冗余测量信息,建立观测方程:
y=Hsrx+ε+b (16)
式中,y表示冗余的测量数据,x表示真实的状态向量,Hsr表示测量矩阵,b表示测量数据的故障,ε表示服从零均值高斯分布的噪声,其协方差矩阵为R。
对观测方程中的状态x进行解耦,利用奇偶矩阵V,使满足:
P=VTy=VTε+VTb (17)
式中,P表示奇偶残差,P仅与噪声和故障有关。
测量数据无故障情况下,b=0,则
P=VTε (18)
式中,P服从零均值高斯分布。
测量数据有故障情况下,b≠0,此时P的统计特性与公式(18)不同。依据此特性,对测量数据进行广义似然比检测。
3.1.2广义似然比故障检测
建立二元假设,无故障为H0,有故障为H1:
式中,μ=VTb。
基于二元假设的似然函数为:
式中,K为固定值,在似然函数比中可约去。
对μ求导,极大对数似然函数比为:
基于以上推导,构建广义似然比故障检测函数:
FD=PT(VTRV)P (22)
式中,FD表示故障检测函数值,服从卡方分布,即FD~χ2(n-m),n表示测量数据维数,m表示状态维数。
故障检测准则为:
式中,TD为故障检测阈值,通过查询卡方分布表获得。
3.1.3故障隔离
定义第i个测量数据的故障隔离函数为:
若FIi越大,发生故障的似然函数值越大。因此当检测出故障时,通过比较FIi,可以隔离出故障的测量数据:
第k个测量数据发生故障 (25)
步骤3.2:建立基于加权最小二乘的测量数据融合模型
广义似然比故障检测算法的最小可检测偏差为:
当故障幅值小于最小可检测偏差时,故障检测算法性能大幅降低,因此利用加权最小二乘方法进一步对冗余测量进行全局融合,加权最小二乘估计准则为:
式中,为估计的状态量,W为权值矩阵。
故障隔离函数值的大小可以体现测量数据的质量,利用故障隔离函数值构造权值矩阵,第i维测量数据的权重为:
式中,Ri表示第i维测量数据的噪声协方差。d为常数,可以选择较大的值以区分测量数据的权重。
构造最小二乘权值矩阵为:
W=diag(w1,…,wm) (29)
基于加权最小二乘的测量数据融合模型为:
步骤4:建立主、子节点之间相对导航解算方程,包括相对姿态解算方程、相对速度解算方程、相对位置解算方程;
相对姿态微分方程为:
在主节点坐标系下,相对速度微分方程为:
式中,V表示主、子节点间相对速度,R表示相对位置fm和fs分别表示主、子节点的加速度计输出。
相对位置微分方程为:
式(31)、(32)和(33)构成相对导航微分方程,通过微分方程的数值求解方法即可获得子节点相对于主节点的运动关系。
步骤5:建立主、子节点之间相对姿态误差方程、相对速度误差方程、相对位置误差方程,组成系统状态方程。建立挠曲角和挠曲位移之间的关系,构建量测方程。利用卡尔曼滤波器对其进行估计,并使用误差估计值对相对导航解算结果进行补偿,实现机翼挠曲变形下分布式容错相对导航解算。
步骤5.1:相对导航误差方程
由于子节点传感器安装误差、噪声等因素的影响,相对导航算法的误差随时间发散,因此需建立相对导航误差方程。
根据相对姿态微分方程,考虑陀螺噪声ε影响,可得相对姿态误差方程:
根据相对速度微分误差,考虑加速度计噪声影响,可得相对速度误差方程为:
相对位置误差的变化率为相对速度误差,相对位置误差方程为:
式(34)、(35)和(36)构成相对导航误差方程。
步骤5.2:误差估计与补偿
使用卡尔曼滤波器对主子间相对导航传递对准算法进行误差估计与补偿,根据相对导航误差方程建立状态空间模型。状态方程可写为:
考虑相对姿态误差、相对速度误差、相对位置误差以及陀螺、加速度计常值漂移的影响,此时15维状态向量为:
式中,εb,x,εb,y,εb,z为陀螺仪常值漂移,为加速度计常值零偏。
系统噪声α为:
式中,εw,x,εw,y,εw,z表示陀螺仪随机噪声,表示加速度计随机噪声。
系统矩阵F为:
噪声激励矩阵G为:
相对惯性导航的解算过程没有任何外界参考信息,因而给量测值的选择带来一定困难。但是考虑到机翼形状的约束,选用相对位置误差δR作为量测量。
量测方程可写为:
Z=HX+β (42)
式中,β为量测噪声。
量测矩阵H为:
H=[03×6 I3×3 03×6] (43)
如图4所示,表示由相对导航算法计算的相对位置;R表示主、子节点间的实际相对位置;L表示标称相对位置;Rf表示挠曲位移,即子节点在机翼变形的影响下,偏离了其标称位置的挠曲位移向量。根据几何关系,δR可表示为:
考虑挠曲角与挠曲位移的约束关系,建立约束模型,如图5。根据图中几何关系,可得:
μf,y=2∠BOmOs (45)
式中,μf,y为绕机体系y轴的挠曲变形角。考虑到机翼结构,机翼沿x轴和z轴的挠曲可忽略不计。
当挠曲角为小角度时,三角形OmOsA为直角三角形,则挠曲位移可表示为:
式中,μf,y由相对姿态计算值和标称值相减所得,Lx表示杆臂在x轴上的分量。
卡尔曼滤波模型分为时间更新和量测更新:
1)时间更新:
式中,X(k|k-1)表示一步预测值,Q(k-1)表示过程噪声的协方差,P(k|k-1)为一步预测的误差协方差。
2)量测更新:
式中,K(k)表示滤波增益,R(k)表示量测噪声的协方差,X(k)表示估计值,P(k)表示估计值的误差协方差。
使用卡尔曼滤波器估计出的X(k)对相对导航解算值进行反馈校正,完成高精度的局部相对运动估计。
综上,本发明充分发挥惯性网络的优势,提供了一种机翼挠曲变形下分布式容错相对导航方法,实现了机翼挠曲变形以及传感器故障下的高精度相对运动估计。
步骤6、设计仿真系统,验证本发明的有效性。
仿真条件:飞机搭载一个主惯导、四个子惯导,构成了一主、四子的惯性网络,四个子惯导在主惯坐标系下的安装位置分别为1m,2m,3m,4m处,分别为子节点1,2,3,4。机翼低频挠曲为0.01Hz,在子惯4处最大挠曲位移为160mm,高频挠曲为20Hz、25Hz以及30Hz,幅值分别为1mm、0.5mm以及0.5mm。传感器采样时间设置为0.01s,滤波器解算频率为50Hz。
陀螺仪、加速度计参数:
选用相对位置的均方根误差RMSE作为衡量相对位置误差的指标。相对位置的均方根误差RMSE定义为:
式中,xm,true表示相对位置真实值,表示相对位置观测值,M表示观测值的个数。
同理,相对姿态的均方根误差RMSE定义为:
式中,表示相对姿态误差。
为验证所提的分布式容错相对导航方法的优越性,设计两组仿真实验。
第一组仿真实验,传感器无故障下,对单节点方法和分布式方法进行对比,单节点表示使用一主、一子进行主子相对导航解算,分布式表示使用一主、四子进行分布式相对导航解算。图6和图7展示子节点1的相对导航结果,可以看出,分布式的相对位置误差和相对姿态明显小于单节点。400s-500s期间的性能统计见表1和表2,从表中可以看出,分布式的精度高于单节点的精度,仿真对比体现了分布式方法相对单节点方法的优越性。
表1相对位置性能统计
表2相对姿态性能统计
第二组仿真实验,在传感器故障情况下,对比未加入容错的分布式方法和分布式容错方法。在400s-500s向y轴陀螺注入10倍噪声幅值的故障,通过仿真结果可以看出,未加入容错的分布式方法受故障的影响很大,在故障发生期间,出现了较大的误差,而分布式容错方法对传感器的故障起到了很好的容错效果。400s-500s期间的性能统计见表3和表4,可以看出在故障发生时,分布式容错方法仍然可以保持较高的精度,未加入容错的分布式方法精度大大降低。
表3相对位置性能统计
表4相对姿态性能统计
Claims (3)
1.一种机翼挠曲变形下分布式容错相对导航方法,其特征在于步骤如下:
步骤1:建立机载惯性网络系统,其中高精度主惯性导航系统即主节点安装在机体质心处,多个子惯性导航系统即子节点分别安装在机翼不同位置;
步骤2、建立挠曲变形下子节点之间的动态转换关系模型:
式中,表示杆臂加速度,表示挠性杆臂下子节点j转换到子节点k的加速度计输出;
所述
其中:为主节点m的角速率,分别表示由主节点到子节点k、j的相对姿态矩阵;Rf,sj表示挠曲位移向量;
步骤3:各节点接收其他节点转换的数据,构成冗余测量信息,对冗余测量数据建立基于广义似然比检测的最小二乘融合模型,实现惯性网络的容错性能;
构建广义似然比故障检测函数:FD=PT(VTRV)P
式中,FD表示故障检测函数值,服从卡方分布,即FD~χ2(n-m),n表示测量数据维数,m表示状态维数;P表示奇偶残差;V表示奇偶矩阵,R表示测量数据的协方差矩阵;
故障检测准则为:
式中,TD表示故障检测阈值;
步骤4:建立主、子节点之间相对导航微分方程,包括相对姿态微分方程、相对速度微分方程、相对位置微分方程,以三个微分方程组成的相对导航微分方程,实现主、子节点之间的相对导航解算;
相对姿态微分方程为:
式中,表示主、子节点间的相对姿态矩阵,表示主节点角速率,表示子节点角速率;
在主节点坐标系下,相对速度微分方程为:
式中,V表示主、子节点间相对速度,R表示相对位置fm和fs分别表示主、子节点的加速度计输出;
相对位置微分方程为:
步骤5:建立主、子节点之间相对姿态误差方程、相对速度误差方程、相对位置误差方程,构成相对导航误差方程即系统状态方程:
所述相对姿态误差方程:
式中,φ表示相对姿态误差角;
所述相对速度误差方程为:
所述相对位置误差方程:
建立挠曲角和挠曲位移之间的关系,构建量测方程;根据几何关系,δR表示为:
式中,表示由相对导航算法计算的相对位置;L表示标称相对位置;Rf表示挠曲位移,即子节点在机翼变形的影响下,偏离了其标称位置的挠曲位移向量;
建立约束模型为:μf,y=2∠BOmOs
式中,μf,y为绕机体系y轴的挠曲变形角,考虑到机翼结构,机翼沿x轴和z轴的挠曲忽略不计;
当挠曲角为小角度时,三角形OmOsA为直角三角形,则挠曲位移:
式中,μf,y由相对姿态计算值和标称值相减所得,Lx表示杆臂在x轴上的分量;完成了挠曲条件下分布式容错相对导航解算。
2.根据权利要求1所述机翼挠曲变形下分布式容错相对导航方法,其特征在于:所述基于广义似然比检测的最小二乘融合模型:其中表示融合后的状态值,y表示测量值,Hsr表示测量矩阵;所述最小二乘权值矩阵为:W=diag(w1,…,wm),其中式中,Ri表示第i个测量数据的噪声协方差;d为常数,可以选择较大的值以区分测量数据的权重。
3.根据权利要求1所述机翼挠曲变形下分布式容错相对导航方法,其特征在于:第i个测量数据的故障隔离函数为:其中表示V的第i行向量;若FIi越大,发生故障的似然函数值越大;因此当检测出故障时,通过比较FIi,隔离出故障的测量数据:第k个测量数据发生故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210685262.0A CN115127589B (zh) | 2022-06-14 | 2022-06-14 | 一种机翼挠曲变形下分布式容错相对导航方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210685262.0A CN115127589B (zh) | 2022-06-14 | 2022-06-14 | 一种机翼挠曲变形下分布式容错相对导航方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115127589A CN115127589A (zh) | 2022-09-30 |
CN115127589B true CN115127589B (zh) | 2024-04-30 |
Family
ID=83377182
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210685262.0A Active CN115127589B (zh) | 2022-06-14 | 2022-06-14 | 一种机翼挠曲变形下分布式容错相对导航方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115127589B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110650889A (zh) * | 2017-05-22 | 2020-01-03 | 凯瑞姆飞机股份有限公司 | 使用大型变速倾转旋翼的evtol飞行器 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6697736B2 (en) * | 2002-02-06 | 2004-02-24 | American Gnc Corporation | Positioning and navigation method and system thereof |
-
2022
- 2022-06-14 CN CN202210685262.0A patent/CN115127589B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110650889A (zh) * | 2017-05-22 | 2020-01-03 | 凯瑞姆飞机股份有限公司 | 使用大型变速倾转旋翼的evtol飞行器 |
Non-Patent Citations (1)
Title |
---|
基于相对惯性导航的机载导弹二次传递对准;司帆;谷雨;赵剡;张亚崇;;航空兵器;20180116(06);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115127589A (zh) | 2022-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106352876B (zh) | 一种基于h∞和ckf混合滤波的机载分布式pos传递对准方法 | |
CN106289246B (zh) | 一种基于位置和姿态测量系统的柔性杆臂测量方法 | |
CN110487271A (zh) | 一种GNSS信号受阻时Elman神经网络辅助紧组合导航方法 | |
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 | |
Jafari et al. | Optimal redundant sensor configuration for accuracy and reliability increasing in space inertial navigation systems | |
Rhudy et al. | Aircraft model-independent airspeed estimation without pitot tube measurements | |
CN109631883B (zh) | 一种基于节点信息共享的载机局部姿态精确估计方法 | |
JPH06102053A (ja) | 故障−許容慣性航法システム | |
CN110426032B (zh) | 一种解析式冗余的飞行器容错导航估计方法 | |
CN110553642B (zh) | 一种提高惯性制导精度的方法 | |
CN111024124B (zh) | 一种多传感器信息融合的组合导航故障诊断方法 | |
CN112683446B (zh) | 一种飞机实时重心位置估计方法 | |
CN107101649B (zh) | 一种空间飞行器制导工具在轨误差分离方法 | |
CN111272336B (zh) | 一种基于gnss观测实现大型低轨航天器质心位移估算的方法 | |
CN111780751B (zh) | 一种信息冗余的提高惯性制导精度方法 | |
CN113804185A (zh) | 基于mems阵列式的新型惯性导航系统 | |
CN115127589B (zh) | 一种机翼挠曲变形下分布式容错相对导航方法 | |
CN110262531A (zh) | 一种基于FlexRay总线的在线模型自适应校正方法 | |
CN114111767A (zh) | 基于多信息融合对线路设计线型进行优化的方法 | |
CN113483759A (zh) | 一种GNSS、INS、Vision组合导航系统完好性保护级计算方法 | |
Allerton et al. | An error compensation method for skewed redundant inertial configuration | |
CN111707292A (zh) | 一种自适应滤波的快速传递对准方法 | |
CN109443333B (zh) | 一种陀螺阵列反馈加权融合方法 | |
CN108803307B (zh) | 一种主动指向超静平台自主故障诊断与容错控制方法及系统 | |
CN111780787B (zh) | 一种基于光纤惯性辅助的mems惯组标定方法 |
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 |