CN115265594B - 多源pnt信息弹性融合导航多级自主完好性监测方法和系统 - Google Patents
多源pnt信息弹性融合导航多级自主完好性监测方法和系统 Download PDFInfo
- Publication number
- CN115265594B CN115265594B CN202210844169.XA CN202210844169A CN115265594B CN 115265594 B CN115265594 B CN 115265594B CN 202210844169 A CN202210844169 A CN 202210844169A CN 115265594 B CN115265594 B CN 115265594B
- Authority
- CN
- China
- Prior art keywords
- level
- fault
- navigation
- sensor
- source
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012544 monitoring process Methods 0.000 title claims abstract description 34
- 238000001514 detection method Methods 0.000 claims abstract description 95
- 238000000926 separation method Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 34
- 238000005259 measurement Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000005315 distribution function Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 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
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
本发明公开多源PNT信息弹性融合导航多级自主完好性监测方法和系统，该方法根据多源PNT信息弹性融合导航系统的工作模式和冗余配置结构，建立从系统级、子系统级到传感器级的多级完好性监测模型；利用观测新息建立系统级故障检测模型，利用多解分离理论建立子系统级故障检测模型，利用最小二乘残差建立传感器级故障检测模型；对完好性风险指标进行逐级分解，在无故障情况下，计算各层级的保护水平，最终形成多级完好性监测模型。本发明从系统级到传感器级逐级对异常情况进行检测和隔离，并在各层级根据预分配的完好性风险指标计算保护水平，可实现多源融合导航的自主完好性监测，保证多源融合导航系统具有弹性。
Description
技术领域
本发明涉及多源PNT信息弹性融合导航技术领域，特别涉及一种多源PNT信息弹性融合导航多级自主完好性监测方法和系统。
背景技术
随着导航技术的不断发展，除了传统的惯性导航、卫星导航技术外，激光雷达、地形辅助导航和视觉导航等技术也逐渐成熟，为了提高导航系统的定位精度，多传感器融合导航在各种应用中被广泛采用。多源融合导航虽然能够提高导航系统的定位精度，但可能发生故障的情况也变得复杂。完好性监测作为对导航系统提供信息正确性的一种度量，当系统提供的定位信息不可用时，及时向用户发出告警提示。
传统的完好性监测主要针对卫星导航系统，例如针对用户端的接收机自主完好性监测(Receiver Autonomous Integrity Monitoring,RAIM)和高级接收机自主完好性监测(Advance-RAIM，ARAIM)，利用冗余测量来判断可见卫星中是否包含故障卫星，通过接收机内部计算识别并剔除故障卫星，为用户提供可靠的定位信息。
然而，传统的RAIM算法虽然能够有效的检测并隔离故障卫星，但其主要针对多冗余情况下某一类型传感器。对于多源融合导航系统的多种工作模式和不同类型的传感器的冗余配置结构，传统算法并不能实现多源融合导航系统的完好性监测需求。此外，传感器的失效、故障或异常对整个导航系统的影响存在着明显的层次传递特性，在各个层级上均会引起不同的故障表现形式。
因此，如何根据多源PNT信息弹性融合导航系统的结构特点，建立一种适用于多源PNT信息弹性融合导航系统的完好性监测架构或方法，成为同行从业人员亟待解决的问题。
发明内容
本发明提供了多源PNT信息弹性融合导航多级自主完好性监测方法和系统，以解决目前多源融合导航系统故障多样化、检测矩阵维度差异和量测噪声特性不同导致的完好性监测能力受限问题。
第一方面，本发明提供了多源PNT信息弹性融合导航多级自主完好性监测方法，包括以下步骤：
步骤1：根据多源融合导航系统的观测数据和融合模型构建包含全导航源的主滤波器；计算导航系统的观测新息和相应的新息协方差，构建系统级故障检测模型；若检测出故障，则执行步骤2；否则系统无故障，执行步骤4计算系统级保护水平；
步骤2：根据多解分离法和同时多故障导航源假设，对导航源分组并构建多个子滤波器；计算主滤波器和各子滤波器估计位置的差值和协方差矩阵，进而构建子系统级故障检测模型；若检测出故障，则对故障导航源进行识别和隔离，重构子系统子滤波器，并执行步骤3；否则子系统无故障，执行步骤4计算子系统级保护水平；
步骤3：根据导航源所包含传感器的冗余特性，采用滑窗最小二乘残差平方和构建传感器级故障检测模型；若检测出故障，则对故障传感器进行识别和隔离，重构导航源解算模型；否则传感器级无故障，执行步骤4计算传感器级保护水平；
步骤4：对完好性风险指标进行逐级分解，在无故障情况下，采用半区间搜索法计算该层级保护水平；若计算的保护水平大于预设的告警限值，则产生完好性告警；否则，不产生完好性告警。
在一个实施例中，所述步骤1中系统级故障检测的具体步骤包括：
步骤1)：构建包含所有导航源的主滤波器F0，实现多源融合导航系统的状态参数估计；
步骤2)：计算观测新息rk以及新息状态协方差矩阵Prr,k；
步骤3)：根据误差传播定律，导航系统不存在故障的情况下观测新息应服从正态分布，新息的平方和应服从卡方分布，构建系统级故障检测模型为
式中，dk为系统级故障检测统计量，B0表示无故障假设；B1表示故障假设，表示有故障存在；n为冗余观测维数；Tsystem为系统级故障检测阈值；α为预设值的误检概率；χ2表示卡方分布函数；
步骤4)：根据系统级故障检测模型进行故障判断，若满足B1假设，则导航系统存在故障，继续执行步骤2；否则，系统无故障，执行步骤4计算系统级保护水平。
在一个实施例中，所述步骤2中，子系统级故障检测模型的具体步骤为：
步骤1)根据参与融合解算的导航源个数和预先假设的同时故障导航源数，计算需要构建的子滤波器个数J为
式中，N为参与融合的导航源个数；m为假设的同时故障数；
步骤2)：根据每个子滤波器包含的导航源情况，构建子滤波器Fj，获取每个子滤波器的参数估计；
步骤3)：根据主滤波器F0和各子滤波器Fj参数估计值，计算解分离矢量dXj,k和解分离协方差矩阵dPj,k分别为
式中，主滤波器F0的参数估计值；/>为第j个子滤波器的参数估计值；
步骤4)：根据卡尔曼滤波器参数估计值的标准差σq,k和预先设置的误警概率PFA，可计算每个子滤波器的故障检测阈值Tj,subsystem，构建子系统故障检测模型为
式中，erf()代表高斯误差函数；J表示子滤波器个数；B0表示无故障假设；B1表示故障假设，表示有故障存在；q为参数估计的方向；
步骤5)：根据子系统级故障检测模型进行故障判断，若满足B1假设，则存在故障，需要进一步根据子滤波器构建次级子滤波器；若存在一个子滤波器Fj及其对应的次级子滤波器Fi,j均满足B0假设，则可判定第i个导航源存在故障，并对第i个导航源进行隔离，进而按隔离后的导航源个数重新构建子滤波器；否则子系统级无故障，执行步骤4计算子系统级保护水平。
在一个实施例中，所述步骤3中，传感器级故障检测和识别模型具体步骤为：
步骤1)：根据导航源所包含传感器的冗余特性，每次排除一个传感器后采用剩余传感器观测值进行最小二乘解算，获取解算时的几何矩阵Hj,G和对应的测量噪声协方差矩阵Rj；
步骤2)：根据最小二乘解算模型，计算排除第j个传感器的测量残差和对应的残差协方差矩阵/>分别为
式中，k代表时间；代表排除第j个传感器的最小二乘参数估计值；/>代表排除第j的传感器的测量值；
步骤3)：统计一段时间间隔M内的测量残差平方和作为检测统计量，构建传感器级故障检测模型为
式中，代表测量残差；/>代表测量残差协方差矩阵；Dj为传感器级故障检测统计量；B0表示无故障假设；B1表示故障假设，表示有故障存在；n为观测维数；Tj,sensor为传感器级故障检测阈值；
步骤4)：根据传感器级故障检测模型进行故障判断，若满足H1假设，则传感器存在故障，需要构建得分矩阵S对故障传感器进行识别；否则系统无故障，执行步骤4计算系统级保护水平；
步骤5)：根据得分矩阵S中0值和1值得统计情况，进行故障传感器的识别和隔离，重构导航源解算模型，具体识别情况为
i)若仅存在一个0值，则0值所对应排除的传感器为故障传感器；
ii)若全为1值，则需要增加同时故障数，并重新执行传感器级故障检测；
iii)若全为0值，则无故障传感器。
在一个实施例中，所述步骤4中，不同层级的保护水平计算步骤为：
步骤1)：对完好性风险指标进行逐级分配：系统级完好性风险值由用户根据导航系统的应用场景按照经验值设置，子系统级根据子系统的多解排列组合数进行均匀分配，传感器级根据导航源中冗余传感器数量进行均匀分配；
步骤2)：根据对应层级的完好性风险指标Prisk和故障检测阈值Td，计算完好性因子Kmd，计算保护水平的上限和下限值，并采用半区间搜索法计算保护水平PL；
式中，P(Hi)为发生Hi故障假设的概率；i＝0代表无故障假设；i＝Nss代表同时发生Nss个故障的假设；
步骤3)：根据计算的保护水平PL，与预设的告警限值进行比较，若计算的保护水平大于预设的告警限值，则产生完好性告警；否则，不产生完好性告警。
第二方面，本发明提供了一种多源PNT信息弹性融合导航多级自主完好性监测系统，该系统将上述实施例所述的多源PNT信息弹性融合导航多级自主完好性检测方法通过编程进行实现，通过计算机处理器实现系统级、子系统级和传感器级的完好性监测功能。
本发明在传统故障检测算法的基础上根据多源融合导航系统的不同层级结构引入不同的故障检测模型，对不同层级故障进行检测和隔离，并根据层级结构对完好性风险进行分配，计算不同层级的保护水平，根据保护水平与告警限值之间的关系，决定是否产生完好性告警，从而实现“自顶向下”的多级完好性监测架构。本发明可以提高导航系统完好性监测能力，并保证多源融合导航系统具有弹性，有利于保障导航系统提供安全可靠的定位信息，从而解决目前多源融合导航系统故障多样化、检测矩阵维度差异和量测噪声特性不同导致的完好性监测和导航性能受限问题。
附图说明
图1为本发明实施例中的多源PNT信息弹性融合导航多级自主完好性监测系统结构示意图。
图2为本发明实施例中的GNSS/IN/LBL/USBL多源PNT信息弹性融合导航下的多级自主完好性监测方法和系统结构示意图。
图3为本发明实施例中的GNSS/IN/LBL/USBL多源PNT信息弹性融合导航下的系统级故障检测流程图。
图4为本发明实施例中的GNSS/IN/LBL/USBL多源PNT信息弹性融合导航下的子系统级故障检测和识别流程图。
图5为本发明实施例中的GNSS/IN/LBL/USBL多源PNT信息弹性融合导航下的传感器级故障检测和识别流程图。
具体实施方式
下面将以海洋场景下的INS/GNSS/LBL/USBL多源PNT信息弹性融合导航为例，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。
本发明实施例提供一种多源PNT信息弹性融合导航多级自主完好性监测方法，基于如图1所示监测架构实施。该检测架构，为多源PNT信息弹性融合导航多级自主完好性监测系统，主要包括导航源模块1、多源融合导航模块2、系统级故障检测模块3、子系统故障检测模块4、传感器级故障检测模块5和计算保护水平模块6。
其中导航源模块1作为多源融合导航和各级故障检测模块的输入来源，提供必要的观测信息；多源融合导航模块2作为多级自主完好性监测的任务目标，主要采用卡尔曼滤波器实现全部导航源测量信息的融合和状态参数的估计；系统级故障检测模块3为多源融合导航系统提供整体的故障监测；子系统级故障检测模块4在系统级故障检测模块3检测出故障时启动，自动构建子滤波器实现故障导航源的识别和隔离，并包含重构融合导航模块41，在检出故障导航源时，及时重构多源融合模型；传感器级故障检测模块5在子系统级故障检测模块4检出故障时启动，根据冗余传感器构建不同组合进行最小二乘解算，实现故障传感器的识别和隔离，并包含重构子系统分离解模块51和重构导航源解算模块52；计算保护水平模块6在系统级故障检测模块3、子系统级故障检测模块4和传感器级故障检测模块5未检出故障时启动，根据导航源模块1分配的完好性风险计算各层级的保护水平，并包含完好性告警模块61，当计算的保护水平大于预设的告警限值时，产生完好性告警；否则，不产生完好性告警。
重构融合导航模块41，用于在子系统级检测并识别出故障导航源时，对导航源模块1中的故障导航源的观测信息进行隔离，并重构多源融合导航模块2中的主滤波器模型参数。
重构子系统分离模块51，用于在传感器级检测并识别出故障传感器时，对子系统级故障检测模块4中的分离子滤波器的个数和子滤波器参数进行重构。
重构导航源解算模块52，用于在传感器级检测并识别故障传感器时，对导航源模块1中相应导航源的故障传感器提供的观测信息进行隔离，并重构该导航源的定位解算模型。
本发明实施例提供了一种INS/GNSS/LBL/USBL多源PNT信息弹性融合导航多级自主完好性监测算法，如图2-图5所示，包括以下步骤：
步骤S1：根据INS/GNSS/LBL/USBL多源PNT信息弹性融合导航系统的观测数据和融合模型，构建包含全导航源的主滤波器；计算导航系统的观测新息和相应的新息协方差，构建系统级故障检测模型；若检测出故障，则执行步骤2，否则系统无故障，执行步骤4计算系统级保护水平；
所述步骤1中，构建INS/GNSS/LBL/USBL融合导航系统级故障检测模型流程图如图3所示，具体实现步骤包括：
步骤1)：采用卡尔曼滤波器构建包含所有导航源的主滤波器F0，实现INS/GNSS/LBL/USBL多源融合导航系统的状态参数估计，卡尔曼滤波模型的状态方程可表示为
xk|k-1＝Fk|k-1xk-1+Gkwk (1)
式中，xk-1是系统在tk-1时刻的状态向量；xk|k-1是系统在tk时刻的一步预测的参数估计值；Fk|k-1表示从tk-1时刻到tk时刻系统的一步状态转移矩阵；Gk表示tk时刻噪声转移矩阵；wk为过程噪声向量，满足均值为零、不相关的白噪声。
步骤2)：根据卡尔曼滤波器的滤波模型，计算观测新息rk以及新息状态协方差矩阵Prr,k分别为
rk＝yk-Hkxk|k-1 (2)
式中，k为系统时刻；yk为观测量；Hk为观测矩阵；Rk为观测噪声协方差矩阵；Pk|k-1为一步预测的状态协方差矩阵；
步骤3)：根据误差传播定律，导航系统不存在故障的情况下观测新息应服从正态分布，新息的平方和应服从卡方分布，构建系统级故障检测模型；
式中，dk为系统级故障检测统计量，B0表示无故障假设；B1表示故障假设，表示有故障存在；n为冗余观测维数；Tsystem为系统级故障检测阈值；α为预设值的误检概率，χ2表示卡方分布函数。
步骤4)：根据系统级故障检测模型进行故障判断，若满足B1假设，则导航系统存在故障，继续执行步骤2；否则，系统无故障，执行步骤4计算系统级保护水平。
步骤S2：根据多解分离法和同时多故障导航源假设，以INS为参考导航源，对剩余导航源进行分组，构建INS/GNSSLBL、INS/GNSS/USBL和INS/LBL/USBL三个子滤波器；计算各子滤波器估计的位置与包含全导航源的主滤波器估计的位置的差值和相应的协方差矩阵，进而构建子系统级故障检测和识别模型；若检测出故障，则对故障导航源进行识别和隔离，重构子系统子滤波器，并执行步骤3；否则子系统级无故障，执行步骤4计算子系统级保护水平；
所述步骤2中，构建INS/GNSS/LBL/USBL多源融合导航子系统级故障检测模型流程图如图4所示，具体实现过程如下：
步骤1)以INS为参考系统，参与融合解算的导航源个数为3，假设同时一个故障导航源，则可构建INS/GNSS/LBL、INS/GNSS/USBL和INS/LBL/USBL三个子滤波器；
步骤2)：根据每个子滤波器包含的导航源情况，构建子滤波器Fj，获取每个子滤波器的参数估计；
步骤3)：根据主滤波器F0和各子滤波器Fj参数估计值，计算解分离矢量dXj,k和解分离协方差矩阵dPj,k分别为
式中，主滤波器F0的参数估计值；/>为第j个子滤波器的参数估计值。
步骤4)：根据卡尔曼滤波器参数估计值的标准差σq,k和预先设置的误警概率PFA，可计算每个子滤波器的故障检测阈值Tj,subsystem，构建子系统故障检测模型为
式中，erf()代表高斯误差函数；J代表子滤波器个数；B0表示无故障假设；B1表示故障假设，表示有故障存在；q为参数估计的方向。
步骤5)：根据子系统级故障检测模型进行故障判断，若满足B1假设，则存在故障，需要进一步根据子滤波器构建次级子滤波器；若存在一个子滤波器Fj及其对应的次级子滤波器Fi,j均满足B0假设，则判定第i个导航源存在故障，并对第i个导航源进行隔离，进而按隔离后的导航源个数重新构建子滤波器；否则子系统级无故障，执行步骤4计算子系统级保护水平。
步骤S3：根据导航源所包含传感器的冗余特性，采用最小二乘残差构建传感器级故障检测和识别模型；若检测出故障，则对故障传感器进行识别和隔离，重构导航源解算模型；否则传感器级无故障，执行步骤4计算传感器级保护水平；
所述步骤3中，构建传感器级故障检测模型流程图如图5所示，具体实现过程如下：
步骤1)：根据GNSS或LBL导航源所包含传感器的冗余特性，每次排除一个传感器后采用剩余传感器观测值进行最小二乘解算，获取解算时的几何矩阵Hj,G和对应的测量噪声协方差矩阵Rj；
步骤2)：根据最小二乘解算模型，计算排除第j个传感器的测量残差和对应的残差协方差矩阵/>分别为
式中，k代表时间；代表排除第j个传感器的最小二乘参数估计值；/>代表排除第j的传感器的测量值。
步骤3)：统计一段时间间隔M内的测量残差平方和作为检测统计量，构建传感器级故障检测模型为
式中，代表测量残差；/>代表测量残差协方差矩阵；Dj为传感器级故障检测统计量，B0表示无故障假设；B1表示故障假设，表示有故障存在；n为观测维数；Tj,sensor为传感器级故障检测阈值。
步骤4)：根据传感器级故障检测模型进行故障判断，若满足H1假设，则传感器存在故障，需要构建得分矩阵S对故障传感器进行识别；否则系统无故障，执行步骤4计算系统级保护水平；
步骤5)：根据得分矩阵S中0值和1值得统计情况，进行故障传感器的识别和隔离，重构导航源解算模型，具体识别情况为
i)若仅存在一个0值，则0值所对应排除的传感器为故障传感器；
ii)若全为1值，则需要增加同时故障数，并重新执行传感器级故障检测；
iii)若全为0值，则无故障传感器。
步骤S4：对完好性风险指标进行逐级分解，调取对应层级的故障检测阈值，在无故障情况下，采用半区间搜索法计算该层级保护水平，若计算的保护水平大于预设的告警限值，则产生完好性告警；否则，不产生完好性告警；
具体的，层级保护水平的计算过程为
步骤1)：对完好性风险指标进行逐级分配：系统级完好性风险值由用户根据导航系统的应用场景按照经验值设置，子系统级根据子系统的多解排列组合数进行均匀分配，传感器级根据导航源中冗余传感器数量进行均匀分配；
步骤2)：根据对应层级的完好性风险指标Prisk和故障检测阈值Td，计算完好性因子Kmd，计算保护水平的上限和下限值，并采用半区间搜索法计算保护水平PL；
PLup(i)＝Kmd_up(i)*σ(i)+Td(i) (17)
PLdown(i)＝Kmd_down(i)*σ(i)+Td(i) (18)
PLhalf＝(PLup+PLdown)/2 (19)
式中，σ(i)为状态误差标准差；P(Bi)为发生Bi故障假设的概率；i∈[0,Nss]代表同时故障数假设，i＝0代表无故障假设；Nss代表同时发生故障数的最大值。
步骤3)：根据计算的保护水平PL，与预设的告警限值进行比较，若计算的保护水平大于预设的告警限值，则产生完好性告警；否则，不产生完好性告警。
本发明的优点在于：对于现有的多源融合导航系统不需要增加额外的硬件开销，只需要对算法进行升级，引入多级自主完好性检测算法，即可实现对各级完好性的监测，并根据各级故障检测结果对故障导航源和故障传感器进行隔离，对相应层级的导航解算模型和故障检测模型进行重构，从而提高多源PNT信息弹性融合导航系统的完好性监测能力和导航解的可靠性。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明适用于多源PNT信息弹性融合导航技术领域。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以所述权利要求的保护范围为准。
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 (3)
1.多源PNT信息弹性融合导航系统多级自主完好性监测方法，其特征在于，包括以下步骤：
步骤1：根据多源融合导航系统的观测数据和融合模型，构建包含全导航源的主滤波器；计算导航系统的观测新息和相应的新息协方差，构建系统级故障检测模型；若检测出故障，则执行步骤2；否则系统无故障，执行步骤4计算系统级保护水平；
步骤2：根据多解分离法和同时多故障导航源假设，对导航源分组并构建多个子滤波器；计算主滤波器和各子滤波器估计位置的差值和协方差矩阵，进而构建子系统级故障检测模型；若检测出故障，则对故障导航源进行识别和隔离，重构子系统子滤波器，并执行步骤3；否则子系统无故障，执行步骤4计算子系统级保护水平；
步骤3：根据导航源所包含传感器的冗余特性，采用滑窗最小二乘残差平方和构建传感器级故障检测模型；若检测出故障，则对故障传感器进行识别和隔离，重构导航源解算模型；否则传感器级无故障，执行步骤4计算传感器级保护水平；
步骤4：对完好性风险指标进行逐级分解，在无故障情况下，采用半区间搜索法计算各层级保护水平；若计算的保护水平大于预设的告警限值，则产生完好性告警；否则，不产生完好性告警；
其中，所述步骤1中系统级故障检测的具体步骤包括：
步骤1)：构建包含所有导航源的主滤波器F0，实现多源融合导航系统的状态参数估计；
步骤2)：计算观测新息rk和新息状态协方差矩阵Prr,k；
步骤3)：根据误差传播定律，导航系统不存在故障的情况下观测新息应服从正态分布，新息的平方和应服从卡方分布，构建系统级故障检测模型为
式中，dk为系统级故障检测统计量，B0表示无故障假设；B1表示故障假设，表示有故障存在；n为冗余观测维数；Tsystem为系统级故障检测阈值；α为预设值的误检概率；χ2表示卡方分布函数；
步骤4)：根据系统级故障检测模型进行故障判断，若满足B1假设，则导航系统存在故障，继续执行步骤2；否则，系统无故障，执行步骤4计算系统级保护水平；
所述步骤2中，子系统级故障检测模型的具体步骤为：
步骤1)根据参与融合解算的导航源个数和预先假设的同时故障导航源个数，计算需要构建的子滤波器的个数J为
式中，N为参与融合的导航源个数；m为假设的同时故障数；
步骤2)：根据每个子滤波器包含的导航源情况，构建子滤波器Fj，获取每个子滤波器的参数估计；
步骤3)：根据主滤波器F0和各子滤波器Fj参数估计值，计算解分离矢量dXj,k和解分离协方差矩阵dPj,k分别为
式中，主滤波器F0的参数估计值；/>为第j个子滤波器的参数估计值；
步骤4)：根据卡尔曼滤波器参数估计值的标准差σq,k和预先设置的误警概率PFA，可计算每个子滤波器的故障检测阈值Tj,subsystem，构建子系统故障检测模型为
式中，erf()代表高斯误差函数；J表示子滤波器个数；B0表示无故障假设；B1表示故障假设，表示有故障存在；q为参数估计的方向；
步骤5)：根据子系统级故障检测模型进行故障判断，若满足B1假设，则存在故障，需要进一步根据子滤波器构建次级子滤波器；若存在一个子滤波器Fj及其对应的次级子滤波器Fi,j均满足B0假设，则判定第i个导航源存在故障，并对第i个导航源进行隔离，进而按隔离后的导航源个数重新构建子滤波器；否则子系统级无故障，执行步骤4计算子系统级保护水平；
所述步骤3中，传感器级故障检测和识别模型具体步骤为：
步骤1)：根据导航源所包含传感器的冗余特性，每次排除一个传感器后采用剩余传感器观测值进行最小二乘解算，获取解算时的几何矩阵Hj,G和对应的测量噪声协方差矩阵Rj；
步骤2)：根据最小二乘解算模型，计算排除第j个传感器的测量残差和对应的残差协方差矩阵/>分别为
式中，k代表时间；代表排除第j个传感器的最小二乘参数估计值；/>代表排除第j的传感器的测量值；
步骤3)：统计一段时间间隔M内的测量残差平方和作为检测统计量，构建传感器级故障检测模型为
式中，代表测量残差；/>代表测量残差协方差矩阵；Dj为传感器级故障检测统计量；B0表示无故障假设；B1表示故障假设，表示有故障存在；n为观测维数；Tj,sensor为传感器级故障检测阈值；
步骤4)：根据传感器级故障检测模型进行故障判断，若满足H1假设，则传感器存在故障，需要构建得分矩阵S对故障传感器进行识别；否则系统无故障，执行步骤4计算系统级保护水平；
步骤5)：根据得分矩阵S中0值和1值得统计情况，进行故障传感器的识别和隔离，重构导航源解算模型，具体识别情况为
i)若仅存在一个0值，则0值所对应排除的传感器为故障传感器；
ii)若全为1值，则需要增加同时故障数，并重新执行传感器级故障检测；
iii)若全为0值，则无故障传感器。
2.如权利要求1所述的多源PNT信息弹性融合导航系统多级自主完好性监测方法，其特征在于，所述步骤4中，层级保护水平的具体实现过程为：
步骤1)：对完好性风险指标进行逐级分配：系统级完好性风险值由用户根据导航系统的应用场景按照经验值设置，子系统级根据子系统的多解组合数进行均匀分配，传感器级根据导航源中冗余传感器数量进行均匀分配；
步骤2)：根据对应层级的完好性风险指标Prisk和故障检测阈值Td，计算完好性因子Kmd，计算保护水平的上限和下限值，并采用半区间搜索法计算保护水平PL；
式中，P(Hi)为发生Hi故障假设的概率；i＝0代表无故障假设；i＝Nss代表同时发生Nss个故障的假设；
步骤3)：根据计算的保护水平PL，与预设的告警限值进行比较，若计算的保护水平大于预设的告警限值，则产生完好性告警；否则，不产生完好性告警。
3.多源PNT信息弹性融合导航多级自主完好性检测系统，其特征在于，将权利要求1-2任一项所述的多源PNT信息弹性融合导航多级自主完好性监测方法编程实现，利用计算机处理器实现系统级、子系统级和传感器级故障检测，根据分配的完好性风险计算各层级的保护水平，与告警限值进行比较，形成一种多级自主完好性管理架构。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210844169.XA CN115265594B (zh) | 2022-07-18 | 2022-07-18 | 多源pnt信息弹性融合导航多级自主完好性监测方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210844169.XA CN115265594B (zh) | 2022-07-18 | 2022-07-18 | 多源pnt信息弹性融合导航多级自主完好性监测方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115265594A CN115265594A (zh) | 2022-11-01 |
| CN115265594B true CN115265594B (zh) | 2024-04-19 |
Family
ID=83766777
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210844169.XA Active CN115265594B (zh) | 2022-07-18 | 2022-07-18 | 多源pnt信息弹性融合导航多级自主完好性监测方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115265594B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116859417B (zh) * | 2023-07-07 | 2024-04-30 | 哈尔滨工程大学 | 用于北斗ppp-rtk/mems的完好性监测方法 |
| CN117590441B (zh) * | 2024-01-16 | 2024-04-30 | 广州导远电子科技有限公司 | 一种完好性保护水平计算方法及相关设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10466362B1 (en) * | 2019-03-27 | 2019-11-05 | Beihang University | Integrated navigation integrity monitoring system for unmanned aerial vehicles |
| CN114545454A (zh) * | 2022-02-15 | 2022-05-27 | 南京航空航天大学 | 一种面向自动驾驶的融合导航系统完好性监测方法 |
| CN114721017A (zh) * | 2022-03-04 | 2022-07-08 | 北京理工大学 | 一种gnss/ins组合导航自主完好性监测方法 |
-
2022
- 2022-07-18 CN CN202210844169.XA patent/CN115265594B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10466362B1 (en) * | 2019-03-27 | 2019-11-05 | Beihang University | Integrated navigation integrity monitoring system for unmanned aerial vehicles |
| CN114545454A (zh) * | 2022-02-15 | 2022-05-27 | 南京航空航天大学 | 一种面向自动驾驶的融合导航系统完好性监测方法 |
| CN114721017A (zh) * | 2022-03-04 | 2022-07-08 | 北京理工大学 | 一种gnss/ins组合导航自主完好性监测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于ERAIM的惯性辅助卫星导航系统完好性检测;刘海颖;叶伟松;王惠南;;中国惯性技术学报;20101231(第06期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115265594A (zh) | 2022-11-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115265594B (zh) | 多源pnt信息弹性融合导航多级自主完好性监测方法和系统 | |
| US8224765B2 (en) | Method for computing the relative likelihood of failures | |
| CN100582811C (zh) | 基于多星故障识别的gnss接收机自主完整性监测方法 | |
| CN102901971B (zh) | 基于奇偶矢量法的双星故障识别方法 | |
| CN104267410B (zh) | 机载完好性监测中多故障的排除方法和装置 | |
| WO1999064962A1 (en) | Neuro-parity pattern recognition system and method | |
| 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 | |
| CN110941000B (zh) | 一种精密单点定位完好性监测方法 | |
| CN113009520B (zh) | 一种卫星导航矢量跟踪环的完好性检测方法 | |
| CN115420284B (zh) | 一种组合导航系统故障检测与识别方法 | |
| CN115047496A (zh) | 一种用于gnss/ins组合导航卫星同步多故障检测方法 | |
| CN111596317A (zh) | 一种多维故障的检测和识别方法 | |
| Rakipi et al. | Integrity monitoring in navigation systems: Fault detection and exclusion RAIM algorithm implementation | |
| US20100169005A1 (en) | Method and device for determining a consolidated position of a traveling object, particularly an aircraft | |
| CN104965209A (zh) | 一种实际导航性能的计算方法、设备及系统 | |
| Sepulveda et al. | Optimizing a bank of Kalman filters for navigation integrity using efficient software design | |
| CN110907953B (zh) | 一种卫星故障识别方法、装置及软件接收机 | |
| Yildiz et al. | Quantitative Risk Assessment of a Periodically Unattended Bridge | |
| CN111679298A (zh) | 导航系统的完好性监测方法、完好性监测装置及电子设备 | |
| CN116736339B (zh) | 一种面向禁航区管控的北斗自主监测及预警方法 | |
| Lakshminarayan et al. | Impact of unknown inter-filter correlation on continuity and integrity performance in a parallel bank of navigation filters | |
| CN116794700B (zh) | 一种用于船载北斗一体机的卫星故障检测方法 | |
| CN118614040A (zh) | 一种用于通过监测设备监测系统的完整性的方法、计算机程序产品以及监测设备 | |
| CN118425992B (zh) | 一种适于轨道交通列车的卫星导航欺骗干扰评估方法和系统 | |
| Hajizadeh et al. | Application of interacting multiple model-based fault detection method on a hydraulic two-tank system |
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 |