一种多传感器信息融合的组合导航故障诊断方法技术

本发明专利技术公开了一种多传感器信息融合的组合导航故障诊断方法，涉及松组合导航系统的故障诊断技术，具体方法为：建立INS/GNSS松组合导航的卡尔曼滤波状态方程和预测方程；对多个IMU信息源数据进行预处理，生成信息数据向量。计算多源数据向量与状态估计向量余弦相似度；选取余弦相似度最大的信息源数据更新扩展卡尔曼滤波状态量，同时预测下一时刻的状态估计向量；计算每个信息数据向量与当前状态估计向量的残差，对超过阈值的残差进行诊断，对比故障模型得到该传感器的故障诊断结果。本发明专利技术计算简单，且有效地提高了导航系统的性能。

A fault diagnosis method of integrated navigation based on multi-sensor information fusion

【技术实现步骤摘要】
一种多传感器信息融合的组合导航故障诊断方法
本专利技术涉及卡尔曼滤波信息融合的故障诊断
，尤其涉及一种多传感器信息融合的组合导航故障诊断方法。
技术介绍
飞行器导航系统是能够向飞行器的操纵者或者控制系统提供飞行器的姿态，速度，位置等及时运动状态的系统。未来导航系统面对日益复杂环境，需要满足高智能，高精度，高稳定性等实际应用指标。单一的导航系统受到材料、技术、工艺、器件和成本等软、硬件条件的限制无法满足实际要求，组合导航系统受到越来越多的重视，成为当前重要的研究领域。多传感器信息融合技术是上世纪80年代形成和发展的一种信息综合处理技术。由于充分利用了多源数据的冗余性和互补性，大大提高了信息处理结果的质量。在组合导航系统中，同时从多个传感器来源的动态系统状态向量获取量测信息，利用卡尔曼滤波器整合不同传感器信息得到最优结果。在卡尔曼滤波器的这些模型中，有效数据的联合处理可以改善状态向量的估计精度和数据处理的可靠性。但在这些传统融合方法需要大量的计算，影响了飞行器导航系统的实时性与快速性，同时缺少了对具体故障类型的诊断。
技术实现思路
专利技术目的：为解决现有技术的融合方法计算量大、缺少对具体故障类型的诊断等问题，本专利技术提供一种多传感器信息融合的组合导航故障诊断方法。技术方案：本专利技术提供一种多传感器信息融合的组合导航故障诊断方法，该方法应用于安装在飞行器上的INS系统和GNSS传感器组合成的INS/GNSS松组合的导航系统中，具体包括如下步骤：步骤1：根据卡尔曼滤波理论，建立INS/GNSS松组合的导航系统的观测方程，根据观测方程得到当前时刻的偏差量；步骤2：对INS系统中第i个IMU传感器采集到的数据进行预处理，生成第i个标准的IMU信息数据向量Ai，i＝1,2,…E,所述E为IMU传感器的总个数；计算每个信息数据向量与当前时刻的状态估计向量A*的余弦相似度的值；步骤3：在E个余弦相似度的值中选择余弦相似度最大的值所对应的标准的IMU信息数据向量As,S∈1,2,3…E，并基于GNSS传感器测量的数据，计算得到下一个时刻的状态估计向量；步骤4：根据当前时刻的E个标准IMU信息数据向量与当前时刻的状态估计向量的残差，判断当前时刻IMU传感器是否故障；若故障，则根据故障特征值判断传感器的故障类型。进一步的，所述步骤1中根据观测方程得到当前时刻的偏差量的具体方法如下所示：观测方程：δX＝KδY，其中δY为松组合系统的状态量的偏差量，为δX为松组合系统进行卡尔曼滤波时状态量的偏差量；其中K＝(P(-)HT)(R+HP(-)HT)-1；其中P(-)为上一个时刻的协方差方程；Φ＝I+FδtGNSSQk＝GQGTδtGNSSPt＝(1-KH)PP＝ΦPtΦT+Qk其中，I为单位矩阵，δtGNSS为GNSS传感器数据更新的时间间隔；F为imu的状态估计转移矩阵；Qk为当前时刻过程噪声引起的误差；P表示当前时刻的协方差方程，Q是系统过程噪声协方差阵；Φ为松组合的导航系统的n×n维的状态转移矩阵；G为松组合的导航系统的n×n维的噪声驱动矩阵；H是m×n维测量矩阵，其中m为n维松组合的导航系统中可观测的维度的个数；T为空间置换；根据观测方程和如下公式计算得到δX和δY：δY＝HδX+V。进一步的，所述步骤3中计算得到下一个时刻的状态估计向量的具体方法为：将向量As所对应的第S个IMU传感器认定为未发生故障的传感器，利用下述公式计算下一个时刻的状态估计向量δAgnss＝Agnss-A*其中Agnsss为GNSS测量的数据；若当前时刻GNSS没有更新则δAgnss为0，若当前时刻GNSSS也进行了更新则Agnsss为GNSS传感器更新时候测量到的数据。进一步的，所述步骤2的具体方法为：对第i个IMU传感器采集到的数据飞行器的角速度ωb和加速度fb，进行预处理，得到Ai＝[vi,pi,ei]＝[xi,1,xi,2,…,xi,m]，vi,pi,ei为基于第i个IMU传感器测得的角速度ωb和加速度fb，计算得到的飞行器在地标惯性坐标系下的速度、位置和姿态角；vi,pi,ei均为d维，且3*d＝m；xi,1～xi,d为第i个IMU的第1～第d个数据通道的状态量，也即速度在第1～第d维上的数据；xi,d+1～xi,m-d为第i个IMU的第d+1～第m-d个数据通道的状态量，也即位置在第1～第d维上的数据；xi,m-d+1～xi,m为第i个IMU的第m-d+1～第m个数据通道的状态量，也即姿态角在第1～第d维上的数据；按照如下公式计算第i个标准的IMU信息数据向量Ai与当前时刻的估计状态向量A*的余弦相似度；进一步的，所述步骤4中判断传感器是否故障的具体方法为：依次计算当前时刻的估计状态向量A*与Q个标准的IMU信息数据向量的残差，第i个的残差为：ΔAi＝A*-Ai其中ΔAi的表达形式为ΔAi＝[Δxi,1,Δxi,2,…,Δxi,m]；Δxi,λ为第i个IMU的第λ个数据通道的状态量的误差值，λ＝1,2,…m；将ΔAi与阈值t＝[t1,t2,…,tm]进行比较，若Δxi,λ大于tλ；则认为该第i个IMU传感器故障,tλ为第λ个阈值。进一步的，所述步骤4中根据故障特征值判断传感器的故障类型：当第j个IMU故障，j∈Q且j≠s，则存在故障的状态量xj,k，与其对应的Δxj,k大于阈值，k＝1,2,…,m；xj,k的表达式为：表示当前时刻第j个IMU传感器的第k个数据通道在无故障时的状态量，fk表示当前时刻的该第k个数据通道的实际附加的故障特征值；根据表1判断该第j个IMU传感器的故障类型；表1其中c为一个常数，fk(-)为上一个时刻该第k个数据通道的实际附加的故障特征值；E1(·)为求期望值的函数，E(·)为方差函数。有益效果：(1)本专利技术采用平行算法同时联立所有量测信息组合为状态矩阵,不需要对每种量测信息分别进行滤波计算,降低了系统计算的复杂程度；(2)本专利技术采用数理统计和与阈值估计的方法,简化了复杂的计算,极大地提高了故障诊断速度；(3)本专利技术的一种基于多源传感器信息融合的松组合导航系统故障诊断方法，与现有导航方法相比，利用多源传感器量测信息的冗余性和互补性，有效地提高了导航系统的性能，因而具有工程实际应用价值。附图说明图1是本专利技术的流程图。图2是本专利技术的多源传感器数据选择方法示意图。图3是本专利技术的多源传感器的障诊断流程图。具体实施方式构成本专利技术的一部分的附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在INS/GNSS组合导航系统中(即惯导/卫星组合导航系统)，同一时刻多源惯性测量单元(InertialMeasu本文档来自技高网...

【技术保护点】
1.一种多传感器信息融合的组合导航故障诊断方法，该方法应用于安装在飞行器上的INS系统和GNSS传感器组合成的INS/GNSS松组合的导航系统中，其特征在于，具体包括如下步骤：/n步骤1：根据卡尔曼滤波理论，建立INS/GNSS松组合的导航系统的观测方程，根据观测方程得到当前时刻的偏差量；/n步骤2：对INS系统中第i个IMU传感器采集到的数据进行预处理，生成第i个标准的IMU信息数据向量A

【技术特征摘要】
1.一种多传感器信息融合的组合导航故障诊断方法，该方法应用于安装在飞行器上的INS系统和GNSS传感器组合成的INS/GNSS松组合的导航系统中，其特征在于，具体包括如下步骤：
步骤1：根据卡尔曼滤波理论，建立INS/GNSS松组合的导航系统的观测方程，根据观测方程得到当前时刻的偏差量；
步骤2：对INS系统中第i个IMU传感器采集到的数据进行预处理，生成第i个标准的IMU信息数据向量Ai，i＝1，2，...E，所述E为IMU传感器的总个数；计算每个信息数据向量与当前时刻的状态估计向量A*的余弦相似度的值；
步骤3：在E个余弦相似度的值中选择余弦相似度最大的值所对应的标准的IMU信息数据向量As，S∈1，2，3...E，并基于GNSS传感器测量的数据，计算得到下一个时刻的状态估计向量；
步骤4：根据当前时刻的E个标准IMU信息数据向量与当前时刻的状态估计向量的残差，判断当前时刻IMU传感器是否故障；若故障，则根据故障特征值判断传感器的故障类型。


2.根据权利要求1所述的一种多传感器信息融合的组合导航故障诊断方法，其特征在于所述步骤1中根据观测方程得到当前时刻的偏差量的具体方法如下所示：
观测方程：δX＝KδY，其中δY为松组合系统的状态量的偏差量，为δX为松组合系统进行卡尔曼滤波时状态量的偏差量；
其中K＝(P(-)HT)(R+HP(-)HT)-1；其中P(-)为上一个时刻的协方差方程；
Φ＝I+FδtGNSS
Qk＝GQGTδtGNSS
Pt＝(1-KH)P
P＝ΦPtΦT+Qk



其中，I为单位矩阵，δtGNSS为GNSS传感器数据更新的时间间隔；F为imu的状态估计转移矩阵；Qk为当前时刻过程噪声引起的误差；P表示当前时刻的协方差方程，Q是系统过程噪声协方差阵；φ为松组合的导航系统的n×n维的状态转移矩阵；G为松组合的导航系统的n×n维的噪声驱动矩阵；H是m×n维测量矩阵，其中m为n维松组合的导航系统中可观测的维度的个数；T为空间置换；
根据观测方程和如下公式计算得到δX和δY：
δY＝HδX+V。


3.根据权利要求2所述的一种多传感器信息融合的组合导航故障诊断方法，其特征在于，所述步骤3中计算得到下一个时刻的状态估计向量的具体方法为：
将向量As所对应的第S个IMU传感器认定为未发生故障的传感器，利用下述公式计算下一个时刻的状态估计向量
δAgnss＝Agnss-A*



其中Agnsss...

【专利技术属性】
技术研发人员：曹东，许瑞振，葛美星，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32