基于自适应分类容错滤波的SINS/GNSS组合导航方法

针对SINS/GNSS组合导航在GNSS信号异常时出现的系统滤波精度和稳定性下降的问题,提出一种基于EKF的自适应分类容错滤波算法。该算法通过比较系统残差协方差矩阵的实际值与理论值来检测GNSS信号是否存在异常,然后对异常信号进行分类,并对不同类别的异常信号使用不同的加权矩阵进行修正,以减弱异常值对系统滤波精度的影响,同时在滤波过程中加入UD分解,使系统滤波性能更稳定。仿真结果表明:该算法能够有效降低GNSS输出异常信号对SINS/GNSS组合导航带来的不利影响并提高系统稳定性;在GNSS信号出现异常情况下,其导航精度相比EKF至少提高95.6%,相比REKF和AEKF分别至少提高44.5%和24.6%。

EKF容错滤波方法在磁测自主导航中的应用研究

地磁场矢量是卫星的位置函数,利用三轴磁强计的测量信息即可实现近地卫星的自主导航.采用地磁场强度矢量为观测量,当测量值存在野值时,滤波会出现偏差,收敛变慢甚至发散.采用基于残差正交性质的EKF容错滤波方法,实现了野值的即时修正和故障检测,使滤波器具有较强的鲁棒性.仿真结果表明该方法有效.

一种改进的INS/GPS组合导航鲁棒H_∞多重渐消容错滤波算法

在对适用于INS/GPS组合导航的H∞滤波方法进行了深入研究基础上,提出了一种改进的H∞多重渐消容错滤波算法。首先给出了H∞滤波算法,然后对渐消记忆滤波方法进行了有效的改进,提出了多重渐消因子矩阵对称加权的滤波算法和残差归一化的多重渐消滤波方法,有效避免了残差量级差别所导致的残差检测失效和修正作用失配,最后提出了一种双重故障检测的容错策略,构造了改进的鲁棒H∞容错滤波器。仿真结果表明,改进的H∞容错滤波方法较常规Kalman滤波对系统模型和噪声的不确定干扰具有很强的鲁棒性,在有色噪声情况下具有高于常规Kalman滤波的精度,对于故障具有较强的检测能力和较好的组合效果,更加贴近于工程应用需求。

非线性容错滤波在基于磁强计自主导航中的应用

地磁场矢量是卫星的位置函数,利用三轴磁强计的测量信息可实现近地卫星的自主导航.当测量值存在野值时,滤波收敛变慢甚至发散.采用基于残差正交性质的EKF容错滤波方法,实现了野值的即时修正和故障诊断,使滤波器具有较强的鲁棒性.仿真结果表明该方法行之有效.

组合导航传感器容错滤波算法及应用

采用多重渐消Kalman滤波最优自适应算法对基于Kalman滤波器的残差检验方法做出了改进,构造了组合导航传感器容错滤波算法。在保持滤波器最优性和收敛性的同时,具有较好的动静态特性,适用于组合导航传感器故障检测和隔离。该算法简单便于实施。

采样时间序列的故障数据检测与滑动容错滤波

在导出采样时间序列数据滑动LS滤波的基础上 ,建立了一组简洁的故障数据检测与修复算法 ,并将故障数据修复与滤波估计相结合 ,构造了对突发性故障数据有良好容错能力的滑动容错滤波算法。仿真计算证实 ,该方法有效。

UKF容错滤波在脉冲星组合导航中的应用

针对X射线脉冲星组合导航系统中测量野值导致的导航精度下降问题,利用基于残差正交性的Unscented Kalman Filter(UKF)容错滤波方法进行野值修正。在深空巡航段,采用基于X射线脉冲星和太阳观测的组合导航方式,用X射线探测器测量脉冲星光子到达时间,利用太阳敏感器测量太阳视线方向矢量,并利用联邦滤波结构进行信息融合。仿真结果表明,基于UKF的容错滤波算法在脉冲星组合导航系统的应用中,能够对野值进行实时修正,避免了导航精度下降,提高了系统的鲁棒性和工程实用价值。

多模卫星组合导航容错滤波算法

多模卫星组合导航技术目前是导航领域重要的发展方向。针对多模卫星系统可能存在故障卫星而导致系统定位失效的问题,提出了一种基于联邦滤波的多模卫星容错组合导航算法,并提出了一种改进的残差故障检测方法,完成了一种北斗/GPS/GLONASS容错组合导航算法的设计。通过仿真验证了该算法对于故障卫星检测和隔离的有效性。

UKF容错滤波方法在自主导航中的应用研究

地磁场向量可描述成卫星的位置函数,以地磁场强度向量为观测量,利用三轴磁强计的测量信息即可实现近地卫星的自主导航。但当测量值存在野值时,滤波会出现偏差、收敛变慢甚至发散。将UKF滤波容错方法用于磁测自主导航,构造出一种基于残差正交性判别的UKF(Unsend Kalman Filter)容错滤波方法,来实现野值的实时修正和故障诊断,使滤波器具有较强的鲁棒性。仿真结果表明该方法有效。

基于强跟踪滤波器的抗”飞点”容错滤波

由于雷达数据在获取和传输中受干扰的影响 ,数据融合中心接收到的雷达测量数据中常常含有”飞点”。这种测量数据中的异常数据对Kalman滤波具有较严重的不利影响。本文利用强跟踪滤波算法 ,构造容错策略 ,使之既可以充分利用正常新息 (innovations)确保滤波的精度 ,又可以有效抑制异常新息的不利影响 ,从而达到对”飞点”数据的容错能力 ,保持目标跟踪的性能。最后 。

鲁棒容错滤波算法及在MEMS_SINS/GPS中的应用

针对MEMS_SINS/GPS组合导航系统中,GPS量测输出信息中常含有故障信号的问题,提出一种鲁棒容错滤波算法.将GPS量测输出中可能含有的故障信号扩充为系统的状态,通过鲁棒滤波算法在线实时估计出来,并对系统进行补偿,达到容错的目的.用MEMS_SINS/GPS组合导航系统中得到的实验数据对该算法进行离线仿真验证.结果表明,该算法能有效降低GPS中故障信号的不利影响,使系统在此期间仍能工作在正常范围内.

基于EKF容错滤波方法的编队卫星相对轨道自主确定

为避免因卫星测量野值导致的相对轨道估计与滤波精度下降,提出了一种基于残差正交性的扩展Kalman滤波(EKF)容错滤波算法的编队卫星相对轨道确定方法。根据卫星相对运动与相对位置量测方程,用残差序列方差的迹实现对野值的剔除及在线修正,保证滤波器有较强的鲁棒性、稳定性和精度。仿真结果表明:该法简单、有效,有较高的理论和工程应用价值。

应用于MEMS_SINS/GPS组合导航系统的H_∞容错滤波算法

针对基于微机电系统(MEMS,micro electro mechanical system)的捷联惯性导航系统(SINS,strapdown inertial navigation system)与全球定位系统(GPS,global positioning system)组成的组合导航系统中存在不确定干扰并且GPS量测输出中经常含有故障信号的情况,提出一种H∞容错滤波算法,能够对不确定噪声干扰具有鲁棒性,并且能够在检测到故障信号后进行容错计算,使滤波精度始终保持在要求的范围内.基于H∞滤波器,在状态估计方程中加入加权因子,使滤波器具有容错的功能,并且适用于组合导航中量测分量的数量级相差很大的情况.仿真试验结果表明,该算法能有效降低GPS中故障信号的不利影响,使系统在故障存在期间仍能正常工作.

采样时间序列的故障数据检测与滑动容错滤波

在导出采样时间序列数据滑动LS滤波的基础上,本文建立了一组简洁的故障数据检测与修复算法,并将故障数据修复与滤波估计相结合,构造了对突发性故障数据有良好容错能力的滑动容错滤波算法.仿真计算证实,该方法有效、可靠.

智能船舶传感器间歇性故障容错滤波算法

针对智能船舶自主航行时由于工作环境的变化、设备间干扰等因素导致其装备的传感器出现间歇性故障的问题,设计一种变窗口滑动容错滤波方法,采用滑动四分位滤波、残差补偿和线性估计相结合的方式,对带有噪声干扰和间歇性丢包故障的传感器数据进行滤波,获得较为真实的数据,有利于提高智能船舶的控制精度.通过数值仿真和模型试验验证了该算法对于传感器间歇性故障具有较高的容错能力,可以从带有噪声干扰和故障信息的数据中获取较为准确的真实变化信息.

基于容积规则的组合导航系统容错滤波算法

该算法采用容积规则进行滤波解算,降低了线性化误差;利用双状态χ^(2)检测法的双状态传播器进行故障检测,得到可靠的导航子系统故障检测值,并完成权重系数计算和信息融合,减少了故障信息对导航滤波过程的影响,弥补了联邦系统无法合理分配权重的不足。

基于多重衰减卡方检测的北斗/低轨/惯性多源容错导航方法研究

引言北斗/低轨/惯性多源导航系统结合各传感器优势,提升复杂环境导航能力,但多源导航系统在进行导航信息融合时也增加了故障风险。本文在联邦滤波框架下构建了该系统信息融合模型在联邦滤波框架下设计北斗/低轨/惯性多源导航信息融合模型,并设计了基于多重渐消卡方检测的容错方法,以应对传感器故障及北斗/低轨信号异常。仿真验证显示,该方法显著增强了系统环境适应性,为多源融合导航系统容错滤波算法设计提供了参考。

一种联邦卡尔曼滤波渐变型故障容错方法

具有良好的容错性是组合导航系统的基本要求。组合导航系统易于完成突变型故障的检测与容错,对渐变型故障的检测与容错则较为困难。文中以联邦卡尔曼滤波为组合导航系统状态估计方法,针对渐变型故障,提出了观测品质的概念及其模糊评估方法,应用观测品质进行了导航系统的渐变型故障检测,利用观测品质构成局部滤波器估计均方误差阵的修正矩阵,设计了组合导航系统智能自适应渐变型故障容错方法并完成了仿真运算。

H_∞滤波及其在GPS/INS容错组合制导中的应用

Kalman滤波需要给出系统精确的状态模型和噪声统计性能,而在实际应用中却难以满足,故利用Kalman滤波可能得不到系统最优估计,甚至发散。文中给出了在巡航导弹GPS/INS组合制导应用中对模型及噪声容错性能更强的H∞鲁棒滤波,仿真结果表明,即使对简化的组合制导模型和噪声,利用H∞滤波仍可得到良好的估计结果。

组合导航的集中式容错卡尔曼滤波算法

针对多源信息组合导航系统中集中卡尔曼滤波器存在的斜坡噪声抑制难题,本文提出一种容错卡尔曼滤波算法。该算法在传统极大似然抗差估计的基础上,进一步考虑量测信息的先验概率分布,设计量测信息在线质量评价函数,当量测信息含有阶跃噪声、冲击噪声、及斜坡噪声时实现对量测信息的质量评价,并依据质量评价信息构造量测噪声权函数与自适应因子,通过调节量测信息权重,抑制包括斜坡噪声在内的量测粗差对滤波精度及可靠性的影响,实现容错滤波。将该算法应用于多传感器组合导航系统中进行仿真实验验证,仿真结果证明:本文提出的容错卡尔曼滤波算法可以有效抑制量测信息中的阶跃噪声、冲击噪声、及斜坡噪声,滤波器的可靠性和精度得到了有效提升。