论文部分内容阅读
惯性/卫星/天文组合导航系统结合了三种导航系统的优点,是一种性能优越、稳定性强、安全性高的导航方式。而信息融合技术可有效地利用各个传感器的测量信息,并得到相比于单一导航方式更佳的测量结果。联邦滤波器作为一种新型的信息融合技术,避免了传统的集中式卡尔曼滤波中多维数矩阵运算的繁琐,并且设计灵活、容错性好,已逐渐成为组合导航系统的主要信息融合方式。本文以惯导系统作为参考系统,展开了对INS/GPS/CNS组合导航系统联邦滤波算法及故障检测方法的研究。论文的主要研究内容如下:1.分别对SINS/GPS以及SINS/CNS两个组合导航子系统的数学模型进行分析,得到了它们的状态方程、量测方程、离散化模型、以及卡尔曼滤波算法。最后,还分别对这两个子系统进行仿真,得到滤波结果。2.分析了联邦滤波算法的原理,包括对联邦滤波器的一般结构及信息分配原则的介绍;然后将联邦滤波算法分为初始信息的确定、信息分配、信息更新以及信息融合四个过程进行介绍;再根据局部滤波器与主滤波器信息分配方式的不同将联邦滤波器分为四种基本结构,并对它们的性能进行比较;最后介绍了五种信息分配方法,它们以各个子系统的特性为依据,使联邦滤波器实现了更高的精度。3.针对带有故障的导航系统的数学模型,分别从检验算法以及算法的优缺点两方面依次对状态χ~2检验、残差χ~2检验与BP神经网络的故障检测方法进行了分析。4.针对结构的选择、公共状态的选取、初始信息的确定以及信息融合的实现这几方面的实际应用问题对INS/GPS/CNS组合导航系统联邦滤波算法进行了研究;接着在分析了三种基本故障检测方法现有的改进方案之后,针对它们仍存在的问题,又提出了一种新的组合式χ~2检验改进方案;最后,由仿真结果证明改进方案的可行性。