一种改进的残差χ^2检验方法在联邦UKF滤波器中的应用

故障检测和隔离是实现联邦UKF(unscented Kalman filter)滤波器工程应用的关键。针对常规残差χ2检验法因误警导致无故障子系统被频繁隔离的问题,提出了一种改进算法。该算法采用模糊逻辑和加权平均来处理残差χ2检验法的检验阈值,可以根据突变信号的大小自动调节检测时间的长短,特别是对不易检测的小幅值突变信号,自动延长检测时间从而利用更多的信息,有效降低了系统的误警率;在此基础上,进一步设计了合理的故障检测控制规则。将改进的残差χ2检验法应用于多传感器卫星组合导航系统中,仿真结果表明,改进算法有效提高了组合导航系统的稳定性,具有实用价值。

多传感器组合导航系统的联邦UKF算法研究

多传感器组合导航系统是一种典型的非线性系统,为了提高其滤波精度,本文提出了多传感器组合导航系统联邦UKF算法。首先,在建立多传感器组合导航系统的非线性状态方程及线性量测方程的基础上,对标准UKF进行了简化;然后,以简化UKF为基础提出了多传感器组合导航系统的联邦UKF算法,并设计了姿态融合算法及其故障检测函数以验证该算法的容错性能;最后,以GNSS/CNS/SINS多传感器组合导航系统为例进行了仿真验证。仿真结果表明,相对于联邦线性卡尔曼滤波器,联邦UKF算法可提高位置及姿态精度约25.8%、22.2%,同时继承了联邦线性卡尔曼滤波器的容错性能。

基于联邦UKF算法的移动机器人自主组合导航

组合导航技术是解决地面机器人自主导航的一个有效途径,其中GPS/DR是一种典型的组合方式。常用的卡尔曼滤波主要用于处理线性问题,针对该导航系统非线性的特点,对Unscented卡尔曼滤波(UKF)与分散式滤波技术相结合的方法进行了研究,建立了用于GPS/DR导航系统的联邦UKF算法。数值仿真实验表明,联邦UKF比联邦EKF有更好的滤波精度,同时有更高的稳定性和容错性,是一种理想的GPS/DR导航非线性滤波方法。

基于联邦UKF的多源测控数据融合处理方法

为确保载人航天上升段测控实时外弹道跟踪的精度和可靠性,针对目前测控资源冗余、测量信息利用率低的缺点,结合航天测控的特点提出基于联邦UKF(无迹卡尔曼滤波)的测控数据融合处理方法,并对需要解决的关键技术问题进行了分析。仿真结果表明:采用基于联邦UKF的数据融合方法,外弹道实时跟踪精度提高约30%,解决了弹道优选方法存在阶跳的问题,算法的收敛速度可以满足实时导引的要求。