多源组合导航系统故障检测技术研究

为提高基于MEMS-SINS/GNSS/ODO/高度计的车载多源组合导航系统的可靠性,设计了带故障检测模块的联邦卡尔曼滤波器。针对残差χ^2检测法对缓变故障的检测灵敏度低,而改进序贯概率比(Sequential Probabitity Ratio Test,SPRT)检测法在故障结束后检测值需要长时间才能恢复到检测阈值以下以至于无法判断故障结束时间的问题,提出了一种残差χ^2-改进SPRT联合故障检测方法。该方法结合了两者的优点,根据系统故障综合决策规则进行故障判定,有效提高了故障检测的灵敏度和可信度。跑车实验结果表明,使用残差χ^2-改进SPRT联合故障检测方法进行故障诊断,能够快速检测出缓变故障和突变故障,通过及时的故障隔离,使导航系统更加适应当前的工作环境,增强了鲁棒性和可靠性,并保证了多源导航系统的导航精度。

一种改进的SINS_ODO_ZUPT组合导航算法

将里程计和零速修正方法相结合,针对SINS_ODO_ZUPT组合导航算法高度容易发散问题,提出了一种对天向速度和天向高度进行约束的量测模型。半实物仿真实验表明,该算法能够在保证水平精度的同时抑制高度的发散。与SINS_ODO_ZUPT组合导航算法相比,该模型的高度和精度提高了73.8%,证明了该模型的正确性。

基于联邦滤波的异质异步多传感器组合导航算法

针对多源组合导航中各导航子系统数据更新频率不一致导致滤波器量测信息非等间隔,以及动力学模型受到干扰量测信息异常的问题,提出一种基于多尺度模型的自适应组合导航信息融合算法。利用不同尺度上的观测信息在各尺度上进行Kalman滤波,并经过融合最终获得基于全局的状态估计值。且以飞行器为应用对象,设计了适用于飞行器的惯导/卫星/高度计/航姿仪(SINS/GNSS/ALTM/AHRS)组合导航算法。根据观测信息和动力学模型异常情况,引入自适应因子,进而控制对量测预测值的信任度,有效地抑制了不精确估计对导航结果的影响。

基于因子图的无人机多源组合导航算法研究

为解决无人机飞行器在多源组合导航系统中,不同信息源由于其传输频率不同,信息利用率不高导致定位、测姿精度降低以及传感器数量增多导致计算量增加和信息融合困难的问题,提出了一种基于因子图算法的信息融合方法。以无人机MINS/BDS/磁罗盘/气压高度表组合导航系统为例,构建了因子图信息融合模型。最后,通过车载跑车试验采集导航传感器原始数据进行离线仿真,将因子图融合算法与分散式联邦滤波算法进行误差对比,验证了因子图算法作为无人机信息融合方法的可行性,并且该方法在高度定位以及航向角测姿上展现了更高的精度。因子图算法灵活的扩展能力,为实现无人机定位、测姿的完整性提供了保障,系统的鲁棒性逐步增强,同时为进一步研究无人机全源导航打下了基础。

基于多分类SVM的航空逆变器故障诊断

航空逆变器的可靠性对飞机供电系统的安全性和稳定性尤为重要,但当前对于航空供电器的故障诊断的研究较少,无法为航空逆变器提供有效保障。因此,提出基于多分类支持向量机的故障诊断方法,对航空逆变器的多种故障模式进行诊断。针对故障特征耦合性高的问题,采用主成分分析方法提取故障特征,获取低维度的关键特征。由于逆变器具有多种故障模式,且具有非线性的特点,故采用多分类支持向量机算法进行故障诊断。该算法具有极强的分类能力,是处理小样本、非线性问题的有力工具。实验结果表明,该算法模型可对航空逆变器多种工况条件下的15种故障模式进行有效诊断,并且方法诊断速度快,提高了航空供电系统的安全性。

基于运动约束辅助的车载惯性导航算法研究

针对现有车载惯性导航系统动态零速修正方法对载车不同状态下导航误差约束性能差的问题,提出一种基于运动状态检测的车载惯导动态零速修正方法,通过对载车的运动状态进行准确检测,并进行针对性的卡尔曼滤波设计,提高零速修正算法的适应性。当载车处于静止状态时,提出建立陀螺的随机误差模型,对陀螺随机误差进行滤波。半实物仿真结果表明,所提出的基于ARMA的陀螺随机误差模型的运动状态检测算法能有效抑制惯导误差的发散,10分钟内纬度RMSE误差提高了55.5%,经度RMSE误差提高了74.2%,证明了该方法的有效性。