采用双状态传播卡方检验和模糊自适应滤波的容错组合导航算法
本文关键词: 组合导航 联邦卡尔曼滤波 故障检测 故障诊断 双状态传播卡方检验 模糊自适应 出处:《控制理论与应用》2016年04期 论文类型:期刊论文
【摘要】:太阳能高空长航时无人机导航系统中,捷联惯导/北斗2κ全球卫星导航/星光导航(SINS/BD2/GPS/CNS)是一种可用的组合方案.针对常规容错组合导航算法故障检测类型单一,故障时滤波精度下降的问题,提出一种采用双状态卡方检验(TSPCST)和模糊自适应滤波(FAF)的容错组合导航算法.为了同时检测多种故障,将TSPCST应用于联邦滤波结构中;为了防止故障数据污染系统,利用FAF输出的高精度导航信息,对双状态传播器定期交替校正;进一步,FAF运用TSPCST检测得到的故障信息变量,定义量测子系统模糊有效域,将检测阈值模糊化,以弥补常规固定检测阈值算法难以选取阈值的不足;最后,通过计算信息分配因子,自适应处理多种故障数据.仿真结果表明,该容错组合导航算法性能优于常规固定检测阈值算法.
[Abstract]:In the navigation system of unmanned aerial vehicles (UAVs) during solar high altitude and long voyage. Strapdown Inertial Navigation / Beidou 2 魏 Global Satellite Navigation / Starlight Navigation system (sins / BD2 / GPS / CNS) is an available integrated scheme. The fault detection type of conventional fault-tolerant integrated navigation algorithm is single. In order to detect multiple faults simultaneously, a fault tolerant integrated navigation algorithm based on double state chi-square test (TSPCST) and fuzzy adaptive filter (Faf) is proposed. The TSPCST is applied to the federated filter structure. In order to prevent the fault data from contaminating the system, the dual-state propagator is adjusted alternately periodically by using the high-precision navigation information output by FAF. Further, FAF uses the fault information variables detected by TSPCST to define the fuzzy effective domain of the measurement subsystem and to fuzzy the detection threshold. In order to make up for the conventional fixed detection threshold algorithm is difficult to select the threshold; Finally, by calculating the information allocation factor, the fault data are adaptively processed. The simulation results show that the performance of the fault-tolerant integrated navigation algorithm is better than that of the conventional fixed detection threshold algorithm.
【作者单位】: 南京理工大学自动化学院;
【基金】:国家自然科学基金项目(61074023)资助~~
【分类号】:V249.328
【正文快照】: 1引言(Introduction) 新型太阳能高空长航时无人机未来需要在高空自主飞行数月,导航系统具有长期运行可靠性才能满足要求.目前,SINS/GPS作为主流导航系统,被广泛应用于各型无人机中[1].考虑到全球导航卫星系统(glo- bal navigation satellite system, GNSS)易受干扰,可靠
【相似文献】
相关期刊论文 前10条
1 李富才,訾艳阳,何正嘉;自适应滤波与相关滤波在冲击响应信号特征提取中的应用[J];振动与冲击;2004年03期
2 邱新芸,高原;自适应滤波最佳准则的研究[J];仪器仪表学报;2005年S2期
3 丁渊明;王宣银;;多通道空间自适应滤波技术研究[J];浙江大学学报(工学版);2008年09期
4 孙国栋;吉书鹏;周桢;;小波域自适应滤波的红外弱小目标检测[J];航空兵器;2011年03期
5 贾沛璋,郑在齐;常增益变采样率自适应滤波[J];航空学报;1991年09期
6 李渊涛;陈哲;张洪钺;;地形辅助导航系统的自适应滤波方法[J];中国惯性技术学报;1993年03期
7 王峰林,谭家玉,彭玉才;一种基于自适应滤波的系统辨识方法[J];黑龙江商学院学报(自然科学版);1994年04期
8 刘晓军;基于神经网络的自适应滤波[J];现代引信;1995年02期
9 王丹志,邵定蓉,李署坚;扩频谱相关自适应滤波技术的研究[J];遥测遥控;2005年04期
10 高金定;侯玉宝;刘雄飞;;高速采样自适应滤波系统的集成设计与仿真[J];探测与控制学报;2007年06期
相关会议论文 前10条
1 邱新芸;高原;;自适应滤波最佳准则的研究[A];第七届青年学术会议论文集[C];2005年
2 曾威;崔玉平;李邦清;王文辉;;基于自适应滤波的捷联惯性/星光组合导航技术[A];惯性技术发展动态发展方向研讨会文集——新世纪惯性技术在国民经济中的应用[C];2012年
3 宋迎春;;抗差自适应滤波中带有置信度的自适应因子设计[A];第一届中国卫星导航学术年会论文集(下)[C];2010年
4 徐炳吉;;严重非线性系统的自适应滤波[A];1996年中国控制会议论文集[C];1996年
5 徐飞;李兵飞;;一种自适应Kalman滤波实现的新思路[A];面向航空试验测试技术——2013年航空试验测试技术峰会暨学术交流会论文集[C];2013年
6 江金龙;卢国庆;查代奉;;非线性变换自适应滤波方法及在水声信道均衡中的应用[A];全国第二届信号处理与应用学术会议专刊[C];2008年
7 张磊;郭圣权;;自适应限定记忆平滑滤波器[A];1995年中国控制会议论文集(上)[C];1995年
8 贾跃;丁红岩;刘慷;刘德才;;定向定速潜艇状态的自适应滤波应用设计[A];1994中国控制与决策学术年会论文集[C];1994年
9 褚建新;顾伟;甘世红;;抑制大块分离物冲击力的一种自适应滤波方法[A];第二届全国信息获取与处理学术会议论文集[C];2004年
10 黄华伟;任燕燕;;基于LMS算法的自适应滤波在正弦干扰消除中的应用[A];第六届全国信息获取与处理学术会议论文集(2)[C];2008年
相关博士学位论文 前6条
1 檀甲甲;模型化自适应滤波及其应用研究[D];复旦大学;2011年
2 黄全振;压电智能结构自适应滤波振动主动控制研究[D];上海大学;2012年
3 朱红路;热工信号自适应滤波及其在建模与控制中的应用[D];华北电力大学(北京);2010年
4 林耀荣;自适应滤波理论及其在回波消除中的应用研究[D];华南理工大学;1999年
5 尚勇;并行滤波算法及其脉动阵结构研究[D];西安电子科技大学;2000年
6 赵海全;基于非线性函数扩展的流水线型自适应滤波理论与方法研究[D];西南交通大学;2011年
相关硕士学位论文 前10条
1 陈庆华;北斗导航系统时域自适应滤波研究与实现[D];哈尔滨工程大学;2010年
2 宁刚玲;基于人工神经网络的自适应滤波研究[D];山东大学;2005年
3 张双娟;基于偏时域相干算法的自适应滤波研究[D];内蒙古工业大学;2006年
4 李毅;自适应滤波及滤波算法研究[D];西北工业大学;2003年
5 顾涌;自适应算法及应用研究[D];合肥工业大学;2008年
6 余灿林;大地电磁信号处理的自适应滤波研究[D];中南大学;2009年
7 陈波;自适应滤波技术研究及其应用[D];武汉理工大学;2010年
8 古良玲;基于可编程逻辑器件的脑电信号自适应滤波技术的研究[D];重庆大学;2006年
9 赵权科;结晶器温度测量中的自适应滤波方法研究[D];大连理工大学;2004年
10 张晶宇;MIMU/GPS/磁强计组合导航序贯自适应滤波技术[D];国防科学技术大学;2011年
,本文编号:1449178
本文链接:https://www.wllwen.com/kejilunwen/hangkongsky/1449178.html