CN115420284A - 一种组合导航系统故障检测与识别方法 - Google Patents
一种组合导航系统故障检测与识别方法 Download PDFInfo
- Publication number
- CN115420284A CN115420284A CN202211388034.3A CN202211388034A CN115420284A CN 115420284 A CN115420284 A CN 115420284A CN 202211388034 A CN202211388034 A CN 202211388034A CN 115420284 A CN115420284 A CN 115420284A
- Authority
- CN
- China
- Prior art keywords
- fault
- satellite
- innovation
- sub
- fault detection
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 107
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000001914 filtration Methods 0.000 claims abstract description 57
- 238000012360 testing method Methods 0.000 claims abstract description 33
- 230000008569 process Effects 0.000 claims description 34
- 239000013598 vector Substances 0.000 claims description 34
- 238000009826 distribution Methods 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000005259 measurement Methods 0.000 claims description 14
- 239000000203 mixture Substances 0.000 claims description 10
- 230000007704 transition Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000000546 chi-square test Methods 0.000 description 3
- 238000005311 autocorrelation function Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000005433 ionosphere Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000005436 troposphere Substances 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
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/20—Integrity monitoring, fault detection or fault isolation of space segment
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Computer Security & Cryptography (AREA)
- Navigation (AREA)
Abstract
本发明涉及一种组合导航系统故障检测与识别方法,包括:在GNSS/INS组合导航系统中,以可见星的观测量和INS观测量为观测数据进行卡尔曼滤波获取滤波新息,利用滤波新息构建故障检测检验统计量进行新息残差检测,判断卫星系统故障;对于检测出故障的卫星系统,建立与各可见星对应的、与卫星故障概率成正比的标准化新息;基于标准化新息确定出疑似故障星;在排除疑似故障星观测量后,重新执行故障检测步骤;如检测无故障,则确定疑似故障星为故障卫星;如仍有故障,则将可观测卫星进行双星分组,利用基于双星分组的层次滤波方法,识别出发生故障的两颗卫星。本发明具有更低的检测门限和更低概率的漏警,可识别多星故障,实时性好。
Description
技术领域
本发明属于卫星导航技术领域,具体涉及一种组合导航系统故障检测与识别方法。
背景技术
INS/GNSS组合导航系统是提高单一导航系统定位精度和可靠性的一种常用手段,已在工程中广泛使用。由于GNSS卫星导航定位系统受可见星几何分布的影响,且GNSS信号容易受到建筑物遮挡、电磁干扰、电离层和对流层等各种环境因素的制约,而INS传感器不易受到上述环境因素的干扰但是误差会随时间累积,因此INS导航系统与GNSS导航系统具有高度的互补性。INS/GNSS组合导航系统结合INS惯导系统和GNSS卫星导航系统,实质上是一种多传感器信息融合系统,多个导航系统的融合保证了系统更高的定位精度。按照组合方式的不同,组合导航系统分为松组合、紧组合和深组合。其中,紧组合导航系统直接利用GNSS原始观测值: 伪距和伪距率,将惯性导航解算的地理坐标系下的位置信息转换为与可见星之间的相对距离信息,再与GNSS提供的伪距和伪距率作差构成组合导航的观测值。因此,紧组合能够在松组合不可用的条件下使用,尤其是当可见星数目少于4颗的情况下依然能进行,从而提高组合导航系统的可靠性和精度。
当GNSS或者INS传感器出现故障时,会使整个系统产生较大误差从而无法进行导航定位,因此如何使用多传感器冗余信息进行故障检测与识别是容错组合导航算法首要考虑的问题。由于INS惯导系统相对于GNSS卫星导航系统的可靠性较高,通常组合导航系统的故障源来自GNSS接收机的伪距观测量故障,伪距观测量故障一般可以分为软故障和硬故障两种常见的故障类型。在系统运行过程中,如何实时监测出故障,并快速、准确识别出故障源是保障组合导航系统完好性的重要方面。另外,当组合导航系统故障检测判断错误时会产生误警和漏警,因此故障正确检测率是组合导航系统故障检测需要关注的重要指标。在保证高检测率的同时,故障识别的灵敏度又是一项重要指标,在检测出故障后如何快速、准确定位故障源并排除对系统运行的实时性具有重要意义。
发明内容
鉴于上述的分析,本发明旨在公开了一种组合导航系统故障检测与识别方法,用于在导航定位接收机定位过程中解决故障卫星的检测和识别问题。
本发明公开了一种组合导航系统故障检测与识别方法,包括以下步骤:
故障检测步骤:在GNSS/INS组合导航系统中,以可见星的观测量和INS观测量为观测数据进行卡尔曼滤波获取滤波新息,利用滤波新息构建故障检测检验统计量进行新息残差检测,判断卫星系统故障;
单星故障识别步骤:对于检测出故障的卫星系统,建立与各可见星对应的、与卫星故障概率成正比的标准化新息;基于标准化新息确定出疑似故障星;在排除疑似故障星观测量后,重新执行故障检测步骤;如检测无故障,则确定疑似故障星为故障卫星;如仍有故障,则进行双星故障识别;
双星故障识别步骤:将可观测卫星进行双星分组,利用基于双星分组的层次滤波方法,识别出发生故障的两颗卫星。
进一步地,在基于双星分组的层次滤波方法中,每次滤波过程,均通过包括排除了一组或两组双星组后的剩余可见星的观测数据,执行故障检测步骤;判断出卫星系统故障是由被排除的一组中的双星故障引起的,或是由被排除的两组双星中每组的其中一颗卫星的故障引起的。
进一步地,双星故障识别过程中,包括:
1)对可见星进行编号1,…,n;根据编号进行可见星两两分组得到m个卫星组{i,j};i和j为组内两颗可见星的编号;n为偶数,m=n/2;n为奇数,m为(n+1)/2;分组后识别的卫星故障模式可分为单组故障和双组故障;
2)检测是否为单组故障;设置与m个卫星组对应的m个子滤波器,其中,子滤波器{i,j}进行滤波时,执行故障检测步骤,检测排除第i和j颗可见星后卫星系统的故障情况;如果有且只有一个子滤波器{i,j}检测出系统无故障;则判断故障为由第i颗和/或第j颗故障引起的单组故障,进入步骤3);否则为双组中均有故障卫星的双组故障;进入步骤4);
3)对单组故障中的故障卫星继续识别;设置与第i和j颗可见星对应的子滤波器i和子滤波器j,分别执行故障检测步骤进行滤波,检测排除第i或j颗可见星后卫星系统的故障情况;如果子滤波器i和子滤波器j均检测无故障,则可见星i、j均故障;如果子滤波器i和子滤波器j中其中一个检测结果为无故障;则检测无故障子滤波器对应的卫星故障;
4)对双组故障中的故障卫星进行识别;设置与m个卫星组中任意两组组合对应的个子滤波器;其中子滤波器{i,j}{p,q}进行滤波时,执行故障检测步骤,检测排除第i、j、p和q颗可见星后卫星系统的故障情况;如果有且只有一组子滤波器{i,j}{p,q}检测无故障,其余子滤波器均检测出故障,将故障定位为{i,j}、{p,q}两组卫星中,且每组的其中一颗卫星的故障;通过对每组内卫星进行逐一排除定位到故障源卫星。
进一步地,基于各可见星对应的标准化新息由大到小进行可见星排序,对排序后的卫星进行编号和两两分组;并按照排序后的分组依次构建子滤波器并进行双星故障识别过程,当检测到无故障子滤波器后提前退出故障识别流程。
进一步地,所述故障检测步骤,包括:
1)根据组合导航系统卡尔曼滤波的解算过程获取的滤波新息;
2)对滤波新息求其马氏距离,得到故障检测检验统计量;
3)拟合故障检测的检验统计量的真实分布,确定故障检测门限;
3)比较故障检测检验统计量与故障检测门限的大小确定卫星系统是否故障。
进一步地,根据组合导航系统卡尔曼滤波的解算过程获取的滤波新息的过程,包括:
进一步地,通过混合高斯模型GMM来拟合故障检测检验统计量F k 的真实分布,确定故障检测门限。
进一步地,故障检测检验统计量F k 的真实分布为:
进一步地,所述标准化新息为平方后的新息与其对应的理论误差方差矩阵对角线元素的比值;
本发明可实现以下有益效果之一:
1.本发明更低的检测门限和更低概率的漏警。通过混合高斯模型得到的概率分布比理论的卡方分布更贴合实际地检验统计量分布情况,从而获得更低的检测门限,有效降低了漏警的概率和完好性风险;另一方面,更低的检测门限可以在检测斜坡故障时可以更早更快地识别出故障,及时排除故障源,保障了系统的完好性。
2.具备了识别多星故障的能力。传统的基于层次滤波器的故障检测与识别方法,主滤波器和子滤波器需要提前构建并且在整个系统运行过程中一直参与滤波解算,因此只具备单星故障的识别能力。本发明先通过新息残差卡方检验统计量检测故障,再标准化新息检验统计量识别单故障,最后再通过标准化新息的辅助和子集优化策略自适应地构建子滤波器,完成多星故障识别。
3.提高多故障识别的实时性。相比于传统的解分离等故障识别方法,本发明通过标准化新息的辅助和子集优化策略自适应地构建子滤波器,在保障高识别率的前提下有效地降低了子集个数,同时可以更大概率提前识别出故障星并退出故障识别流程,不需要构建所有子集对应的子滤波器,有效提高多故障识别的实时性。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件;
图1为本发明实施例中的组合导航系统故障检测与识别方法流程图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理。
本发明的一个实施例公开了一种组合导航系统故障检测与识别方法,如图1所示,包括以下步骤:
步骤S1、故障检测步骤:在GNSS/INS组合导航系统中,以可见星的观测量和INS观测量为观测数据进行卡尔曼滤波获取滤波新息,利用滤波新息构建故障检测检验统计量进行新息残差检测,判断卫星系统故障;
步骤S2、单星故障识别步骤;对于检测出故障的卫星系统,建立与各可见星对应的标准化新息,所述标准化新息与卫星故障概率成正比;在基于标准化新息进行单星故障的疑似故障星确定时,在排除疑似故障星观测量后,重新执行故障检测步骤;如检测无故障,则确定疑似故障星为故障卫星;如仍有故障,则进行双星故障识别;
步骤S3、双星故障识别步骤;将可观测卫星进行双星分组,利用基于双星分组的层次滤波方法,识别出发生故障的两颗卫星。
具体的,在故障检测步骤中,包括:
步骤S101、根据组合导航系统卡尔曼滤波的解算过程获取的滤波新息;
根据组合导航系统卡尔曼滤波的解算过程获取的滤波新息的过程,包括:
其中,,,为东北天三个方向的姿态角误差;,,分别为载体东北天三个方向的速度误差;,,分别为经度误差、维度误差和高度误差;,,为陀螺随机常值零偏;,,为陀螺相关漂移;,,为加速度计随机常值零偏;为与接收机时钟误差等效的距离偏差;为与接收机频率误差等效的距离变化率误差。
3)根据卡尔曼滤波的量测方程得到k时刻的后验观测量Z k ;
步骤S102、对滤波新息求其马氏距离,得到故障检测检验统计量F k ;
若故障向量满足且,各个维度的统计量服从非零均值的高斯分布,因此故障检测检验统计量F k 理论上服从非中心卡方分布,且非中心卡方分布的参数满足:。根据故障和无故障情况下检验统计量服从不同分布的特点可以对系统进行故障检测。
步骤S103、拟合故障检测的检验统计量的真实分布,确定故障检测门限;
不同可见星数目下的故障检测检验统计量F k 服从不同自由度的卡方分布。并且,在使用卡方分布会出现与检验统计量真实分布不一致问题,尤其是尾部概率分布不一致的问题。
为解决这一问题,本实施例中,针对所有可能出现可见星数量均通过混合高斯模型GMM来拟合故障检测检验统计量F k 的真实分布,确定故障检测门限。
其中,第i个子模型的概率密度函数为:
GMM可以通过最大似然估计的期望最大(Expection Maximum, EM)算法可以确定各个子模型的权重、均值、方差参数。首先求出完备样本下的GMM似然函数,通过EM算法求解。
在采集训练数据样本时,为了避免样本间的相关性影响拟合结果,首先可对不同采样率下的样本计算自相关函数,分析其相关性,选择相关性较小的采样率下的样本数据集。
在计算故障检测门限时,
步骤S104、比较故障检测检验统计量与故障检测门限的大小确定卫星系统是否故障。
新息残差卡方检验统计量只能用于故障检测,无法识别出具体的故障卫星。因此,本实施例中,构建出故障识别检验统计量为与各可见星对应的标准化新息。
基于此,本实施例中构建的标准化新息为平方后的新息与其对应的理论误差方差矩阵对角线元素的比值;
k时刻第i颗可见星的标准化新息为;其中,为实际观测到的新息平方中对角线上与第i颗可见星对应的元素;为理论误差方差矩阵中对角线上与第i颗可见星对应的元素。标准化新息E k,i 反映了观测向量每个元素的可信度,比值越大,可信度越低。
因此,在单星故障识别步骤中,对于检测出故障的卫星系统,建立与各可见星对应的标准化新息E k,i 确定疑似故障星;在识别过程中,排除标准化新息E k,i 最大值对应的伪距观测量后重新进行故障检测,检测无故障说明故障源为单颗卫星且正确识别出故障卫星。故障排除后使用剩余观测量进行定位,从而提高定位精度,保护组合导航系统完好性。
如果排除标准化新息E k,i 最大值对应的伪距观测量后重新进行故障检测仍然检测出故障,则表示故障源为多颗卫星。
由于传统的针对多星故障基于层次滤波器的多星故障识别与排除算法存在运算量大、实时性差的问题。并且,由于同时出现三颗及以上故障星的概率过小,因此这里的多星故障只考虑双星故障的故障模式。
本实施例中,在基于双星分组的层次滤波方法中,将可见星两两分组,每次滤波过程,均通过排除了一组或两组双星组后的剩余可见星的观测数据,执行故障检测步骤;判断出卫星系统故障是由被排除的一组中的双星故障引起的,或是由被排除的两组双星中每组的其中一颗卫星的故障引起的;以实现对于存在的两个故障星的识别。通过对可见星两两分组、将两颗卫星作为一个整体的方式,相较于传统方法基于单个卫星的子集分组策略,可以在保证高识别率的前提下降低故障识别算法的时间复杂度。同时组合导航可以保证在排除多颗卫星后仍有足够的冗余来对故障进行检测。
具体的,双星故障识别过程中,包括:
步骤S301、对可见星进行编号1,…,n;根据编号进行可见星两两分组得到m个卫星组{i,j};i和j为组内两颗可见星的编号;n为偶数,m=n/2;n为奇数,m为(n+1)/2;例如:
分组后识别的卫星故障模式可分为单组故障和双组故障;
步骤S302、检测是否为单组故障;设置与m个卫星组对应的m个子滤波器,其中,子滤波器{i,j}进行滤波时,执行故障检测步骤,检测排除第i和j颗可见星后卫星系统的故障情况;如果有且只有一个子滤波器{i,j}检测出系统无故障;则判断故障为由第i颗和/或第j颗故障引起的单组故障,进入步骤S303;否则为双组中均有故障卫星的双组故障;进入步骤S304;
步骤S303、对单组故障中的故障卫星继续识别;对于单组故障来说,故障源范围缩小到编号为i、j的2颗卫星。设置与第i和j颗可见星对应的子滤波器i和子滤波器j,分别执行故障检测步骤进行滤波,检测排除第i或j颗可见星后卫星系统的故障情况;如果子滤波器i和子滤波器j均检测无故障,则可见星i、j均故障;如果子滤波器i和子滤波器j中其中一个检测结果为无故障;则检测无故障子滤波器对应的卫星故障。
步骤S304、对双组故障中的故障卫星进行识别;设置与m个卫星组中任意两组组合对应的个子滤波器;其中子滤波器{i,j}{p,q}进行滤波时,执行故障检测步骤,检测排除第i、j、p和q颗可见星后卫星系统的故障情况;如果有且只有一组子滤波器{i,j}{p,q}检测无故障,其余子滤波器均检测出故障,将故障定位为{i,j}、{p,q}两组卫星中,且每组的其中一颗卫星的故障;通过对每组内卫星进行逐一排除定位到故障源卫星。
在多故障识别中,检测出故障后需要根据故障模式和子集策略设置子滤波器,并依次对子滤波器进行故障检测。而标准化新息向量E k,i 中各个元素的大小与对应观测量故障概率成正比,为了能更大概率提前发现故障子集,因此可以借助标准化新息的信息来决定对各个子滤波器的设置和检测顺序,从而增大提前发现无故障子滤波器的概率,避免了对所有子滤波器进行检测。
优选的,基于各可见星对应的标准化新息E k,i 由大到小进行可见星排序,对排序后的卫星进行编号和两两分组;并按照排序后的分组依次构建子滤波器并进行双星故障识别过程,当检测到无故障子滤波器后提前退出故障识别流程。
即,过标准化新息辅助E k,i 后,将根据可见星故障概率对其进行排序并分组;其中编号为i的卫星故障概率为第i。按照排序后的分组依次构建子滤波器并进行检测,检测到无故障子滤波器后提前退出故障识别流程,后面未构建的子滤波器均属于无效子滤波器,不需要对其进行检测。因此通过标准化新息辅助能进一步减少需要检测的子滤波器数量。
结果表明,本发明提出的基标准化新息辅助的层次滤波器的子集优化算法在保证故障识别与排除算法准确度的前提下,减少了子集数量,显著提高了多故障识别算法的实时性。
综上所述,本发明实施例首先基于INS/GNSS紧组合导航系统的卡尔曼滤波解算过程提取出新息值,根据新息值构建新息残差检验统计量。对于检测门限的计算,本发明提出通过GMM混合高斯模型建模的方式拟合检验统计量分布、计算检测门限,从而进行故障检测。检测出故障后,首先假设故障为单星故障,构建标准化新息检验统计量来进行故障识别。如果排除最大标准化新息值对应卫星后重新检测仍有故障。通过子集数量优化策略和标准化新息的辅助,构建按故障概率排序依次构建两两卫星分组的子滤波器,逐个检测并完后故障源识别。识别出故障源后,使用不包含故障星的子滤波器的解算结果作为组合导航的输出,从而实现了对故障星的排除和系统重构。
本发明实施例具有以下有益效果:
1. 本发明更低的检测门限和更低概率的漏警。通过混合高斯模型得到的概率分布比理论的卡方分布更贴合实际地检验统计量分布情况,从而获得更低的检测门限,有效降低了漏警的概率和完好性风险;另一方面,更低的检测门限可以在检测斜坡故障时可以更早更快地识别出故障,及时排除故障源,保障了系统的完好性。
2.具备了识别多星故障的能力。传统的基于层次滤波器的故障检测与识别方法,主滤波器和子滤波器需要提前构建并且在整个系统运行过程中一直参与滤波解算,因此只具备单星故障的识别能力。本发明先通过新息残差卡方检验统计量检测故障,再标准化新息检验统计量识别单故障,最后再通过标准化新息的辅助和子集优化策略自适应地构建子滤波器,完成多星故障识别。
3.提高多故障识别的实时性。相比于传统的解分离等故障识别方法,本发明通过标准化新息的辅助和子集优化策略自适应地构建子滤波器,在保障高识别率的前提下有效地降低了子集个数,同时可以更大概率提前识别出故障星并退出故障识别流程,不需要构建所有子集对应的子滤波器,有效提高多故障识别的实时性。
以上所述,仅为本发明较佳的具体实施方式,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,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种组合导航系统故障检测与识别方法,其特征在于,包括以下步骤:
故障检测步骤:在GNSS/INS组合导航系统中,以可见星的观测量和INS观测量为观测数据进行卡尔曼滤波获取滤波新息,利用滤波新息构建故障检测检验统计量进行新息残差检测,判断卫星系统故障;
单星故障识别步骤:对于检测出故障的卫星系统,建立与各可见星对应的、与卫星故障概率成正比的标准化新息;基于标准化新息确定出疑似故障星;在排除疑似故障星观测量后,重新执行故障检测步骤;如检测无故障,则确定疑似故障星为故障卫星;如仍有故障,则进行双星故障识别;
双星故障识别步骤:将可观测卫星进行双星分组,利用基于双星分组的层次滤波方法,识别出发生故障的两颗卫星。
2.根据权利要求1所述的组合导航系统故障检测与识别方法,其特征在于,
在基于双星分组的层次滤波方法中,每次滤波过程,均通过包括排除了一组或两组双星组后的剩余可见星的观测数据,执行故障检测步骤;判断出卫星系统故障是由被排除的一组中的双星故障引起的,或是由被排除的两组双星中每组的其中一颗卫星的故障引起的。
3.根据权利要求2所述的组合导航系统故障检测与识别方法,其特征在于,
双星故障识别过程中,包括:
1)对可见星进行编号1,…,n;根据编号进行可见星两两分组得到m个卫星组{i,j};i和j为组内两颗可见星的编号;n为偶数,m=n/2;n为奇数,m为(n+1)/2;分组后识别的卫星故障模式可分为单组故障和双组故障;
2)检测是否为单组故障;设置与m个卫星组对应的m个子滤波器,其中,子滤波器{i,j}进行滤波时,执行故障检测步骤,检测排除第i和j颗可见星后卫星系统的故障情况;如果有且只有一个子滤波器{i,j}检测出系统无故障;则判断故障为由第i颗和/或第j颗故障引起的单组故障,进入步骤3);否则为双组中均有故障卫星的双组故障;进入步骤4);
3)对单组故障中的故障卫星继续识别;设置与第i和j颗可见星对应的子滤波器i和子滤波器j,分别执行故障检测步骤进行滤波,检测排除第i或j颗可见星后卫星系统的故障情况;如果子滤波器i和子滤波器j均检测无故障,则可见星i、j均故障;如果子滤波器i和子滤波器j中其中一个检测结果为无故障;则检测无故障子滤波器对应的卫星故障;
4.根据权利要求3所述的组合导航系统故障检测与识别方法,其特征在于,
基于各可见星对应的标准化新息由大到小进行可见星排序,对排序后的卫星进行编号和两两分组;并按照排序后的分组依次构建子滤波器并进行双星故障识别过程,当检测到无故障子滤波器后提前退出故障识别流程。
5.根据权利要求1-4任一项所述的组合导航系统故障检测与识别方法,其特征在于,
所述故障检测步骤,包括:
1)根据组合导航系统卡尔曼滤波的解算过程获取的滤波新息;
2)对滤波新息求其马氏距离,得到故障检测检验统计量;
3)拟合故障检测的检验统计量的真实分布,确定故障检测门限;
3)比较故障检测检验统计量与故障检测门限的大小确定卫星系统是否故障。
6.根据权利要求5所述的组合导航系统故障检测与识别方法,其特征在于,
根据组合导航系统卡尔曼滤波的解算过程获取的滤波新息的过程,包括:
8.根据权利要求5所述的组合导航系统故障检测与识别方法,其特征在于,
通过混合高斯模型GMM来拟合故障检测检验统计量F k 的真实分布,确定故障检测门限。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211388034.3A CN115420284B (zh) | 2022-11-08 | 2022-11-08 | 一种组合导航系统故障检测与识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211388034.3A CN115420284B (zh) | 2022-11-08 | 2022-11-08 | 一种组合导航系统故障检测与识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115420284A true CN115420284A (zh) | 2022-12-02 |
CN115420284B CN115420284B (zh) | 2023-02-03 |
Family
ID=84207921
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211388034.3A Active CN115420284B (zh) | 2022-11-08 | 2022-11-08 | 一种组合导航系统故障检测与识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115420284B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116736358A (zh) * | 2023-08-09 | 2023-09-12 | 北京理工大学 | 一种适用于卫星导航长基线载波相位差分定位方法 |
CN117111101A (zh) * | 2023-06-26 | 2023-11-24 | 北京航空航天大学 | 消除双层空基导航增强自组网杠杆效应的故障检测方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070156338A1 (en) * | 2004-02-13 | 2007-07-05 | Jacques Coatantiec | Device for monitoring the integrity of information delivered by a hybrid ins/gnss system |
US20100026567A1 (en) * | 2006-10-06 | 2010-02-04 | Thales | Hybrid ins/gnss system with integrity monitoring and method for integrity monitoring |
US20120013505A1 (en) * | 2009-03-24 | 2012-01-19 | Vourc H Sebastien | Method and device for detecting and excluding satellite malfunctions in a hybrid ins/gnss system |
CN102654407A (zh) * | 2012-04-17 | 2012-09-05 | 南京航空航天大学 | 惯性卫星紧组合导航系统的多故障检测装置及检测方法 |
US20130169478A1 (en) * | 2010-09-08 | 2013-07-04 | Sagem Defense Securite | Method and device for detecting and excluding multiple satellite failures in a gnss system |
US20150362598A1 (en) * | 2012-04-06 | 2015-12-17 | Thales | Onboard aircraft landing system, based on a gnss system, with redundant and dissimilar architecture for high integrity level |
US20160131485A1 (en) * | 2014-11-07 | 2016-05-12 | Thales | Method of determining a radius of protection associated with a navigation parameter of a hybrid inertial navigation system, and associated system |
CN109813342A (zh) * | 2019-02-28 | 2019-05-28 | 北京讯腾智慧科技股份有限公司 | 一种惯导-卫星组合导航系统的故障检测方法和系统 |
CN111999747A (zh) * | 2020-08-28 | 2020-11-27 | 大连海事大学 | 一种惯导-卫星组合导航系统的鲁棒故障检测方法 |
CN115047496A (zh) * | 2022-04-14 | 2022-09-13 | 东南大学 | 一种用于gnss/ins组合导航卫星同步多故障检测方法 |
CN115236700A (zh) * | 2022-03-28 | 2022-10-25 | 南京航空航天大学 | 基于卫星伪距的因子图导航故障检测方法 |
-
2022
- 2022-11-08 CN CN202211388034.3A patent/CN115420284B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070156338A1 (en) * | 2004-02-13 | 2007-07-05 | Jacques Coatantiec | Device for monitoring the integrity of information delivered by a hybrid ins/gnss system |
US20100026567A1 (en) * | 2006-10-06 | 2010-02-04 | Thales | Hybrid ins/gnss system with integrity monitoring and method for integrity monitoring |
US20120013505A1 (en) * | 2009-03-24 | 2012-01-19 | Vourc H Sebastien | Method and device for detecting and excluding satellite malfunctions in a hybrid ins/gnss system |
US20130169478A1 (en) * | 2010-09-08 | 2013-07-04 | Sagem Defense Securite | Method and device for detecting and excluding multiple satellite failures in a gnss system |
US20150362598A1 (en) * | 2012-04-06 | 2015-12-17 | Thales | Onboard aircraft landing system, based on a gnss system, with redundant and dissimilar architecture for high integrity level |
CN102654407A (zh) * | 2012-04-17 | 2012-09-05 | 南京航空航天大学 | 惯性卫星紧组合导航系统的多故障检测装置及检测方法 |
US20160131485A1 (en) * | 2014-11-07 | 2016-05-12 | Thales | Method of determining a radius of protection associated with a navigation parameter of a hybrid inertial navigation system, and associated system |
CN109813342A (zh) * | 2019-02-28 | 2019-05-28 | 北京讯腾智慧科技股份有限公司 | 一种惯导-卫星组合导航系统的故障检测方法和系统 |
CN111999747A (zh) * | 2020-08-28 | 2020-11-27 | 大连海事大学 | 一种惯导-卫星组合导航系统的鲁棒故障检测方法 |
CN115236700A (zh) * | 2022-03-28 | 2022-10-25 | 南京航空航天大学 | 基于卫星伪距的因子图导航故障检测方法 |
CN115047496A (zh) * | 2022-04-14 | 2022-09-13 | 东南大学 | 一种用于gnss/ins组合导航卫星同步多故障检测方法 |
Non-Patent Citations (2)
Title |
---|
刘海颖等: "一种惯性辅助卫星导航系统及其完好性检测方法", 《宇航学报》 * |
张闯等: "GNSS/SINS紧组合导航故障检测与系统重构新方法", 《电光与控制》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117111101A (zh) * | 2023-06-26 | 2023-11-24 | 北京航空航天大学 | 消除双层空基导航增强自组网杠杆效应的故障检测方法 |
CN117111101B (zh) * | 2023-06-26 | 2024-03-22 | 北京航空航天大学 | 消除双层空基导航增强自组网杠杆效应的故障检测方法 |
CN116736358A (zh) * | 2023-08-09 | 2023-09-12 | 北京理工大学 | 一种适用于卫星导航长基线载波相位差分定位方法 |
CN116736358B (zh) * | 2023-08-09 | 2023-11-03 | 北京理工大学 | 一种适用于卫星导航长基线载波相位差分定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115420284B (zh) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115420284B (zh) | 一种组合导航系统故障检测与识别方法 | |
US8106823B2 (en) | Method of operating a satellite navigation receiver | |
CN107807371B (zh) | 基于北斗卫星观测数据的数据相关性处理方法 | |
CN100582811C (zh) | 基于多星故障识别的gnss接收机自主完整性监测方法 | |
CN110161543B (zh) | 一种基于卡方检验的部分粗差抗差自适应滤波方法 | |
AU2008260579A1 (en) | Partial search carrier-phase integer ambiguity resolution | |
CN102135621B (zh) | 一种多星座组合导航系统的故障识别方法 | |
GB2462926A (en) | GPS multipath reduction | |
CN115047496B (zh) | 一种用于gnss/ins组合导航卫星同步多故障检测方法 | |
CN111060133A (zh) | 一种用于城市复杂环境的组合导航完好性监测方法 | |
Pesonen | A framework for Bayesian receiver autonomous integrity monitoring in urban navigation | |
CN112230247B (zh) | 一种用于城市复杂环境下gnss完好性监测方法 | |
Schroth et al. | Failure detection and exclusion via range consensus | |
CN111142125B (zh) | 一种卫星完好性监测方法和系统 | |
CN114690220A (zh) | 一种监测数据实时解算星历异常处理方法 | |
CN115561782B (zh) | 一种基于奇偶矢量投影的组合导航中卫星故障检测方法 | |
CN115540907A (zh) | 一种基于面向星间差分的gps/bds/ins紧组合导航的多故障检测与剔除方法 | |
CN111999750B (zh) | 针对杆臂不准的实时单站周跳探测改进方法 | |
Tmazirte et al. | Multi-sensor data fusion based on information theory. Application to GNSS positionning and integrity monitoring | |
CN113848570A (zh) | 基于非高斯分布的自适应实时多径消除及抗差定位方法 | |
Almagbile et al. | Analysis of outlier separability in integrated GPS/INS systems | |
JP3469939B2 (ja) | 衛星測位装置及びその衛星の故障回復判定方法 | |
Mahmoud et al. | Prediction optimization method for multi-fault detection enhancement: Application to GNSS positioning | |
Yang et al. | Detection and exclusion of incipient fault for gnss-based train positioning under non-gaussian assumption | |
CN117607910B (zh) | 一种基于矢量跟踪新息矢量的欺骗检测方法及系统 |
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 |