一种GNSS/INS紧组合导航系统的自适应容错方法技术方案

本公开是关于一种GNSS/INS紧组合导航系统的自适应容错方法。该方法在利用局部分量检测法检测并识别出故障维度后，判断故障维度对滤波精度的影响，利用长短期记忆神经网络构建观测值预测模型，得到长短期记忆神经网络预测值，并通过故障观测值对应的RDPOP值来判断是否需要调用长短期记忆神经网络预测值来替代故障观测值。该方法通过引入长短期记忆神经网络预测值，避免了GNSS/INS紧组合导航系统对故障观测进行处理会使整个系统定位精度下降的问题，同时确保了故障检测函数在长故障周期内的有效性，提高了GNSS/INS紧组合导航系统的完好性和可靠性。好性和可靠性。好性和可靠性。

【技术实现步骤摘要】
一种GNSS/INS紧组合导航系统的自适应容错方法


[0001]本公开涉及神经网络算法
，尤其涉及一种GNSS/INS紧组合 导航系统的自适应容错方法。

技术介绍

[0002]全球导航卫星系统(Global Navigation Satellite System，GNSS)与惯 性导航系统(Inertial Navigation System，INS)具有良好的优势互补性， 两种导航系统的组合可以充分利用各子系统的信息实现信息融合与互补， 提高系统的整体导航精度和可靠性。
[0003]随着GNSS/INS组合导航系统的广泛应用，日趋复杂的使用环境使其 容错能力越来越受到重视。容错设计的核心是进行系统自监控，不仅要能 够快速检测出系统故障，还需要对故障进行识别，并采取有效的处理措施。 现有研究大多集中于如何快速检测出故障，对于故障处理方法的关注较少。 然而，对于故障处理是否恰当，会直接影响后续的故障检测能力以及系统 定位精度。
[0004]传统的容错方法适应能力不足，复杂环境下会导致定位精度下降，故 障检测失灵等问题。因此，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种GNSS/INS紧组合导航系统的自适应容错方法，其特征在于，包括以下步骤：针对非线性环境，建立GNSS/INS紧组合导航模型，包括GNSS/INS紧组合导航系统的状态方程和量测方程，其中，状态函数和量测函数均为非线性函数；采用局部分量故障检测法对所述GNSS/INS紧组合导航系统的故障存在情况进行判断；若判断出所述GNSS/INS紧组合导航系统不存在故障，则对当前观测值进行LSTM预测模型训练，得到所述紧组合导航系统量测值的LSTM预测值；若判断出所述GNSS/INS紧组合导航系统存在故障，则该紧组合导航系统进入故障容错阶段，该紧组合导航系统分别计算出各维度故障观测值对应的RDPOP值，并将所述RDPOP值与对应的预设门限进行比较，最终判断出是否需要调用所述LSTM预测值来替代该故障观测值；若所述RDPOP值对系统定位精度影响较大，则利用所述LSTM预测值对所述GNSS/INS紧组合导航系统的量测函数进行更新，得到更新后的量测方程，并计算出下一时刻的导航参数输出；否则进行正常的故障隔离操作；根据所述导航参数输出，继续进行卡尔曼滤波迭代过程。2.根据权利要求1所述自适应容错方法，其特征在于，在针对非线性环境，建立GNSS/INS紧组合导航模型步骤中，所述GNSS/INS紧组合导航系统的状态方程和量测方程分别包含：X
k
＝Φ
k，k
‑1X
k
‑1+Γ
k，k
‑1W
k
‑1ꢀꢀꢀ
(1)Z
k
＝H
k
X
k
+V
k
ꢀꢀꢀꢀꢀ
(2)其中，X
k
为紧组合导航系统的状态向量；X
k
‑1为上一次紧组合导航系统的滤波输出状态向量；Φ
k，k
‑1为紧组合导航系统的状态转移矩阵；Г
k，k
‑1为紧组合导航系统的噪声矩阵；Z
k
为量测向量；H
k
为量测矩阵；W
k，k
‑1和V
k
分别为紧组合导航系统的噪声和量测噪声；k为滤波迭代次数。3.根据权利要求2所述自适应容错方法，其特征在于，在采用局部分量故障检测法对所述GNSS/INS紧组合导航系统的故障存在情况进行判断时，包含以下步骤：通过卡尔曼滤波器对所述GNSS/INS紧组合导航系统进行滤波，其中的残差向量由量测值与状态递推值做差求得，可基于残差向量的故障检测函数；将所述故障检测函数的值与...

【专利技术属性】
技术研发人员：赵修斌，沈子涵，常浩伟，刘鑫贤，庞春雷，张良，
申请(专利权)人：中国人民解放军空军工程大学，
类型：发明
国别省市：