论文部分内容阅读
高精度的时空信息是实现“互联网+”向“万物+”转变的重要前提,是信息智能化革命的基础。泛在导航体系的形成,是个大集合、集成和融合的过程,本质上是个通导一体、天地一体化、自主与辅助、室内外所有可用于获取PNT信息的技术手段高度集成融合的一种体系或系统架构方案。透过现象看本质,多源组合导航系统是多传感器、多源导航信息的集合、协同、融合及优化的复杂系统,其最核心的是所有分系统导航信息的融合、处理。多源组合导航系统的目的是实现无时不在、无处不在、无所不在的泛在定位、导航、授时服务,但是各种单独的导航系统都有其固有的局限性,各独立子系统的性能(如可导航性)依然会影响多源组合导航系统的性能。此外,从总体架构上来说,多源组合导航系统需要新的信息融合处理方法和架构,以支持系统中传感器、敏感器及惯性导航单元之间的重新配置,还需要开发设计新的融合滤波算法,使其不但可以应用于真实环境进行实时处理,而且可以对各类导航算法全面兼容,包括但不限于高斯、非高斯统计算法,线性、非线性测量模型等。更进一步来说,还需要制定相应的故障诊断和智能主动容错方案,使其对各类导航算法更好地兼容,并可以智能调整异类传感器的测量值,从而实现多种导航系统协同以及异类导航信息在多种飞行模态下的无缝智能融合与容错。论文针对以上问题展开如下研究:(1)研究了多源组合导航系统可导航性增强方法;首先,针对由于DGNSS参考站短时间失去GNSS信号的锁定,或由于硬件或软件故障造成DGNSS校正传输的无意中断导致的DGNSS导航服务的不连续性,提出了一种DGNSS伪距和载波相位校正信息的差分修正量的组合预测方法,并对该模型进行了有效性评估,理论分析和仿真结果都表明该组合模型较好地符合DGPS差分修正量预测规律,有助于提高预测精度。然后,针对捷联惯性测量单元(IMU)噪声大、误差累积的缺点和传统的姿态解算算法精度不高、环境适应性能力差等缺点,提出了Elman神经网络辅助的姿态解算算法。仿真结果表明该方法很大程度上提高了姿态解算的精度和自适应性。最后,研究了X射线脉冲星编队飞行航天器相对导航算法。提出了一种新的使用X射线脉冲星测量的多星编队相对导航算法,使用X射线脉冲星测量的编队飞行之间的相对导航问题,在分析相对导航需求的基础上,提出了一种受约束的自适应卡尔曼滤波器来估计编队飞行之间的相对位置和速度,最后进行了仿真以评估所提出的导航算法,仿真结果证明了该方法的有效性。(2)多模组合导航系统状态估计和智能主动容错方案设计根据多源组合导航系统需要面对的环境中惯性、地形、地磁等的导航特点,将拉普拉斯特征映射(LE)这种把数据从原来的高维空间投影到低维空间以提取更具代表性的特征的方法与深度神经网络模型相融合而提出了一种新的在建模存在不确定性以及可能存在时变的系统和观测噪声时进行稳定的状态估计的方法,仿真表明在恶劣环境或干扰大的情况下该方法的有效性。提出了基于one-class支持向量机的系统故障诊断方法,仿真结果表明该方法能够很好的检测出导航子滤波系统的突变故障和缓变故障,延迟短,实时性较强,并且通过分析与对比,表明该方法在小样本时检测性能更好。在此基础上,提出了基于神经网络和支持向量机的智能主动容错方案设计,相比于一般的容错组合导航而言,主动容错组合导航能够让每个子滤波器不间断地工作,无论子导航系统是否出现故障都能够对整体的状态进行最优估计。(3)多源组合导航系统信息融合模型和滤波方法从组合导航系统的一般组成出发,在对传统组合导航系统的信息融合结构分析的基础上,针对传统的算法在真实环境中存在的数据复杂、密集的情况下,当前时刻接收到的数据量与数据处理速度无法匹配,从而使待处理队列内数据逐渐积累,处理时间变长以后,后接收数据需要等待的时间逐渐不能被忍受,并成为恶性循环,使系统运行的效率受到严重干扰,在分析GPU并行结构的基础上,以处理非线性问题非常有效的粒子滤波算法为例对基于GPU的多源组合导航系统信息融合模型展开研究。最后,针对系统存在的非高斯非线性状态以及线性非线性并存的情况,提出了基于高斯混合容积粒子滤波和基于混合动态滤波算法的多源组合导航系统滤波方法,并对其进行了仿真分析。