基于ATSUKF的飞行器惯性测量单元的故障诊断

非线性系统存在随机偏差情况下,最优二步无迹卡尔曼滤波(OTSUKF)可以获得系统状态及偏差的最优估计,但是它要求随机偏差被准确地建模,而这在实际情况下很难做到。飞行器是一种典型的非线性系统,将惯性测量单元(IMU)的故障作为一种随机偏差处理,并且采用随机游走模型去描述故障。随机游走模型对故障进行建模的准确程度取决于随机游走模型的协方差与实际情况的匹配程度。基于OTSUKF的IMU故障诊断方法中,随机游走模型的协方差取的是一个常值矩阵,该矩阵的值是根据经验初始化的,但是在实际应用中较难初始化为一个与真实故障相匹配的矩阵。根据新息协方差匹配技术,在线自适应调整随机游走模型的协方差矩阵,提出了自适应二步无迹卡尔曼滤波(ATSUKF),并将该方法应用于飞行器IMU的故障诊断。仿真实验对比了OTSUKF和ATSUKF方法对飞行器IMU的故障诊断的效果,验证了所提出的自适应方法的有效性。

基于OTSUKF的飞行器惯性测量单元的故障诊断

线性系统存在随机偏差情况下,最优二步卡尔曼滤波(OTSKF)可以获得系统状态及偏差的最优估计。无迹卡尔曼滤波(UKF)利用Sigma点采样和UT变换技术经非线性系统传播状态的均值和方差,是一种典型的非线性滤波方法。飞行器是一种典型复杂非线性系统,将惯性测量单元(IMU)的故障作为一种随机偏差处理,建立了包含IMU故障的滤波模型。将UKF算法和二步滤波思想应用到飞行器之中,提出了一种适用于飞行器IMU故障诊断的最优二步无迹卡尔曼滤波(OTSUKF)算法。针对于飞行器,提出了一种滤波模型设计的方法。基于该模型,应用所提出的OTSUKF算法实现了飞行器状态的最优估计和IMU故障的辨识,该算法经过了实际飞行数据验证其对风扰动具有鲁棒性并且与已经被提出的迭代最优二步扩展卡尔曼滤波(IOTSEKF)方法进行了对比验证其最优性。