一种针对组合导航中DVL失效的混合处理方法技术

本发明专利技术公开了一种针对组合导航中DVL失效的混合处理方法，当DVL有效时，采集SINS解算信息和DVL量测信息构成数据表，利用偏最小二乘回归建立线性预测模型，再将DVL量测信息和偏最小二乘回归模型预测所得结果相减得到残余部分，并将其作为训练目标，利用支持向量回归训练得到相应的预测模型；当DVL失效时，利用所建立的偏最小二乘回归模型和支持向量回归模型分别预测DVL量测线性部分和残余部分，并将两者之和作为所预测的DVL量测信息，从而保证DVL间歇失效情况下，SINS/DVL组合导航结果的可靠性。本发明专利技术利用偏最小二乘回归和支持向量回归进行建模，并采用双模型混合预测，有效提高了预测结果的准确性。

【技术实现步骤摘要】
一种针对组合导航中DVL失效的混合处理方法
本专利技术涉及组合导航领域，具体涉及一种适用于处理组合导航中多普勒测速仪(DopplerVelocityLog,DVL)间歇性失效的方法。
技术介绍
捷联惯性导航系统(StrapdownInertialNavigationSystem,SINS)以其可靠性高、隐蔽性好的优势被广泛采用。但由于陀螺和加速度计存在的固有误差，SINS解算结果误差会随时间而积累，因此引入辅助导航系统构成组合导航很有必要。针对水面无人艇(UnmannedSurfaceVehicle,USV)、自主水下潜器(AutonomousUnderwaterVehicle,AUV)等航行器，引入多普勒测速仪(DopplerVelocityLog,DVL)构成SINS/DVL组合导航是一种常用的导航方式。DVL利用反射回声波的多普勒频移测得水面或水下航行器相对水底的绝对速度或者相对水流的速度。由于水底环境的未知性和多变性，当水底地形发生剧烈变化或水底存在淤泥类等吸波性强的物质时，DVL声波无法返回，从而无法获得航速信息。针对这类DVL间歇性失效的情况，有必要研究一种处理方法，使得SINS/DVL组合导航系统的导航精度在DVL失效一定时间内仍然满足航行器的需求。目前已有的组合导航系统传感器失效处理方法，多采用单一的预测模型来估计失效时刻传感器应有的量测信息或直接估计导航误差。由于模型误差的存在，单一预测模型估计结果的精度易随传感器失效时间的增长而下降。基于此，研究一种针对SINS/DVL组合导航系统中DVL失效的混合处理方法，使得处理后的导航系统抗DVL失效时间有所延长是很有意义的。
技术实现思路
技术问题：本专利技术提出一种针对组合导航中DVL失效的混合处理方法，该方法可提高DVL失效时SINS/DVL组合导航系统的导航准确性，并有效延长导航系统抗DVL失效时长。技术方案：本专利技术的一种针对组合导航中DVL失效的混合处理方法，包括以下步骤：a、在DVL有效时，首先观测SINS解算信息和DVL量测信息，构成数据表，利用偏最小二乘回归建立偏最小二乘回归模型，用所述偏最小二乘回归模型进行预测，然后将所述DVL量测信息和所述偏最小二乘回归模型的预测结果相减，将得到的残余部分作为训练目标，利用支持向量回归训练得到相应的支持向量回归模型；b、当DVL失效时，利用所述步骤a中建立的偏最小二乘回归模型和支持向量回归模型分别预测DVL量测线性部分和残余部分，并将两者之和作为所预测的DVL量测信息，最后将预测结果用于和SINS解算所得进行信息融合，以实现DVL间歇性失效下的SINS/DVL组合导航。进一步的，本专利技术方法中，步骤a中数据表的建立过程为：当DVL有效时，对SINS解算信息和DVL量测信息进行观测，得到N个样本点，构成数据表，所述数据表包括自变量数据表和因变量数据表；所述自变量数据表为：所述因变量数据表为其中，T1为观测偏最小二乘回归样本点的时刻，且在T1-1时刻和T1-2时刻DVL均有效，和分别为T1-2时刻SINS解算得到的东向速度、北向速度和航向角，和分别为T1-1时刻SINS解算得到的东向速度、北向速度和航向角，和分别为T1时刻SINS解算得到的东向速度、北向速度和航向角，为T1时刻DVL量测速度投影至导航系的东向速度，为T1时刻DVL量测速度投影至导航系的北向速度；所述步骤a中，DVL量测信息为所述偏最小二乘回归模型的预测结果为二者相减得到的残余部分，即训练目标为有：其中，T2为观测支持向量回归样本点的时刻，为T2时刻DVL量测速度投影至导航系的东向速度，为T2时刻DVL量测速度投影至导航系的北向速度，分别为T2时刻偏最小二乘回归模型预测所得东向速度、北向速度，为T2时刻残余东向速度，为T2时刻残余北向速度；所述步骤a中，将SINS解算参数作为训练输入，作为训练目标，观测M个样本点，利用支持向量回归训练得到支持向量回归模型；其中，和分别为T2时刻SINS解算得到的东向速度、北向速度和航向角。进一步的，本专利技术方法中，步骤b中预测DVL量测线性部分和残余部分的具体流程为：当DVL失效时，将此失效时刻及其前期时刻的SINS解算信息输入偏最小二乘回归模型，模型输出DVL量测线性部分，将失效时刻的SINS解算信息输入支持向量回归模型，模型输出DVL量测残余部分；其中，T0为DVL失效时刻，和分别为T0-2时刻SINS解算得到的东向速度、北向速度和航向角，和分别为T0-1时刻SINS解算得到的东向速度、北向速度和航向角，和分别为T0时刻SINS解算得到的东向速度、北向速度和航向角。有益效果：本专利技术与现有技术相比，具有以下优点：(1)现有技术仅采用失效时刻的相关信息作为预测输入，而本专利技术利用失效时刻及失效前的SINS解算信息作为预测模型的输入，该模型输入考虑了速度变化的趋势，从而有利于克服失效时刻偶然因素对结果带来的不良影响，并针对这种自变量具有多重相关性的情况，采用偏最小二乘回归进行建模，由于其针对多变量对多变量进行回归建模，保证了模型的稳健性，有利于提高预测结果的可靠性。(2)现有技术多采用单一的模型进行预测，本专利技术利用偏最小二乘回归模型和支持向量回归模型进行混合预测，偏最小二乘回归属于线性回归模型，其预测存在的残余部分由支持向量回归进一步预测，支持向量回归属于非线性回归模型，因此利用双模型进行互补，一定程度上克服了单一预测模型估计结果精度随DVL失效时间的增长而下降的弊端，从而提高了预测结果的准确性。附图说明图1为针对组合导航中DVL失效的混合处理方法原理框图；图2为采用本专利技术所提混合处理方法后的速度误差仿真曲线图。具体实施方式下面结合实施例和说明书附图对本专利技术作进一步的说明。本专利技术的一种针对组合导航中DVL失效的混合处理方法，利用偏最小二乘回归和支持向量回归联合预测DVL量测信息，具体步骤如下：a、当DVL有效时，对SINS解算信息和DVL量测信息进行观测，得到N个样本点，构成自变量数据表和因变量数据表其中，T1为观测偏最小二乘回归样本点的时刻，且在T1-1时刻和T1-2时刻DVL均有效，和分别为T1-2时刻SINS解算得到的东向速度、北向速度和航向角，和分别为T1-1时刻SINS解算得到的东向速度、北向速度和航向角，和分别为T1时刻SINS解算得到的东向速度、北向速度和航向角，为T1时刻DVL量测速度投影至导航系的东向速度，为T1时刻DVL量测速度投影至导航系的北向速度，利用偏最小二乘回归建立预测模型，将DVL量测信息和偏最小二乘回归模型预测所得结果相减得到残余部分即为训练目标，其中，T2为观测支持向量回归样本点的时刻，为T2时刻DVL量测速度投影至导航系的东向速度，为T2时刻DVL量测速度投影至导航系的北向速度，分别为T2时刻偏最小二乘回归模型预测所得东向速度、北向速度，为T2时刻残余东向速度，为T2时刻残余北向速度，将SINS解算参数作为训练输入，作为训练目标，观测M个样本点，利用支持向量回归训练得到支持向量回归模型，其中，和分别为T2时刻SINS解算得到的东向速度、北向速度和航向角；b、当DVL失效时，利用上述步骤建立的偏最小二乘回归模型和支持向量回归模型预测DVL量测信息，将失效时刻T0及其前本文档来自技高网...

【技术保护点】
一种针对组合导航中DVL失效的混合处理方法，其特征在于，该方法包括以下步骤：a、在DVL有效时，首先观测SINS解算信息和DVL量测信息，构成数据表，利用偏最小二乘回归建立偏最小二乘回归模型，用所述偏最小二乘回归模型进行预测，然后将所述DVL量测信息和所述偏最小二乘回归模型的预测结果相减，将得到的残余部分作为训练目标，利用支持向量回归训练得到相应的支持向量回归模型；b、当DVL失效时，利用所述步骤a中建立的偏最小二乘回归模型和支持向量回归模型分别预测DVL量测线性部分和残余部分，并将两者之和作为所预测的DVL量测信息，最后将预测结果用于和SINS解算所得进行信息融合，以实现DVL间歇性失效下的SINS/DVL组合导航。

【技术特征摘要】
1.一种针对组合导航中DVL失效的混合处理方法，其特征在于，该方法包括以下步骤：a、在DVL有效时，首先观测SINS解算信息和DVL量测信息，构成数据表，利用偏最小二乘回归建立偏最小二乘回归模型，用所述偏最小二乘回归模型进行预测，然后将所述DVL量测信息和所述偏最小二乘回归模型的预测结果相减，将得到的残余部分作为训练目标，利用支持向量回归训练得到相应的支持向量回归模型；b、当DVL失效时，利用所述步骤a中建立的偏最小二乘回归模型和支持向量回归模型分别预测DVL量测线性部分和残余部分，并将两者之和作为所预测的DVL量测信息，最后将预测结果用于和SINS解算所得进行信息融合，以实现DVL间歇性失效下的SINS/DVL组合导航。2.根据权利要求1所述的一种针对组合导航中DVL失效的混合处理方法，其特征在于，所述步骤a中，数据表的建立过程为：当DVL有效时，对SINS解算信息和DVL量测信息进行观测，得到N个样本点，构成数据表，所述数据表包括自变量数据表和因变量数据表；所述自变量数据表为：所述因变量数据表为其中，T1为观测偏最小二乘回归样本点的时刻，且在T1-1时刻和T1-2时刻DVL均有效，和分别为T1-2时刻SINS解算得到的东向速度、北向速度和航向角，和分别为T1-1时刻SINS解算得到的东向速度、北向速度和航向角，和分别为...

【专利技术属性】
技术研发人员：程向红，朱倚娴，胡杰，周玲，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32