針對船用捷聯(lián)慣性導(dǎo)航系統(tǒng)（SINS）、北斗（BD）、多普勒（DVL）和天文導(dǎo)航（CNS）信息更新頻率不同以及可用性隨環(huán)境動態(tài)改變的多源導(dǎo)航信息融合問題,提出基于增量平滑因子圖的船用導(dǎo)航系統(tǒng)信息融合及容錯算法。建立SINS、BD、DVL和CNS的量測因子節(jié)點模型,并通過利用所有時刻量測信息,以最大后驗概率估計方法進行融合架構(gòu)的構(gòu)建;插入新的量測因子節(jié)點后,識別并更新受新量測因子影響的部分導(dǎo)航狀態(tài)變量節(jié)點,利用因子圖增量平滑算法計算導(dǎo)航狀態(tài)的最大后驗估計值;同時設(shè)計基于卡方檢驗的信息容錯算法進行故障檢測。數(shù)值仿真及半實物車載試驗表明所提算法具有即插即用特性,能夠?qū)崿F(xiàn)不同信息更新頻率導(dǎo)航設(shè)備的有效融合,融合精度與聯(lián)邦濾波的定位精度相當(dāng);在導(dǎo)航設(shè)備發(fā)生故障后,所設(shè)計的容錯算法能夠有效識別并隔離故障。 

【文章來源】：中國慣性技術(shù)學(xué)報. 2020,28(04)北大核心EICSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

因子圖位置誤差曲線（導(dǎo)航設(shè)備有故障）

導(dǎo)航設(shè)備的污染，使位置誤差保持在5m以內(nèi)。3.2半實物車載試驗為進一步驗證所設(shè)計的基于因子圖的融合與容錯算法的性能，開展跑車試驗。因受跑車試驗條件限制，開展慣導(dǎo)、白光測速儀和北斗的融合進行試驗驗證。試驗以諾瓦泰差分接收機輸出的速度位置作為參考信息，輸出頻率為1Hz；并同步采集慣導(dǎo)、北斗和白光測速儀的數(shù)據(jù)，其中慣導(dǎo)輸出頻率100Hz，白光測速儀輸出頻率10Hz，北斗輸出頻率1Hz。設(shè)置在1200-2400s白光測速儀不可用，運用因子圖算法和聯(lián)邦濾波算法分別對慣導(dǎo)/北斗/白光測速儀進行信息融合，得融合結(jié)果如圖7、圖8和表4所示。圖7因子圖與聯(lián)邦濾波的速度誤差對比曲線Fig.7Comparisononvelocityerrorsbetweenfactorgraphandfederatedfilter圖8因子圖與聯(lián)邦濾波的位置誤差對比曲線Fig.8Comparisononpositionerrorsbetweenfactorgraphandfederatedfilter從圖7、圖8可以看出，因子圖和聯(lián)邦濾波水平定位誤差在5m以內(nèi)，速度誤差在0.1m/s以內(nèi)；由表4可知，因子圖算法的定位誤差為0.79m，聯(lián)邦濾波定位誤差0.80m，可知因子圖與聯(lián)邦濾波導(dǎo)航精度相當(dāng)，半實物車載試驗結(jié)果與上節(jié)仿真驗證結(jié)果一致。但在導(dǎo)航設(shè)備工作狀態(tài)發(fā)生改變時，聯(lián)邦濾波需要重構(gòu)，因子圖算法可通過增減相應(yīng)導(dǎo)航設(shè)備的因子節(jié)點

璞傅奈?染，使位置誤差保持在5m以內(nèi)。3.2半實物車載試驗為進一步驗證所設(shè)計的基于因子圖的融合與容錯算法的性能，開展跑車試驗。因受跑車試驗條件限制，開展慣導(dǎo)、白光測速儀和北斗的融合進行試驗驗證。試驗以諾瓦泰差分接收機輸出的速度位置作為參考信息，輸出頻率為1Hz；并同步采集慣導(dǎo)、北斗和白光測速儀的數(shù)據(jù)，其中慣導(dǎo)輸出頻率100Hz，白光測速儀輸出頻率10Hz，北斗輸出頻率1Hz。設(shè)置在1200-2400s白光測速儀不可用，運用因子圖算法和聯(lián)邦濾波算法分別對慣導(dǎo)/北斗/白光測速儀進行信息融合，得融合結(jié)果如圖7、圖8和表4所示。圖7因子圖與聯(lián)邦濾波的速度誤差對比曲線Fig.7Comparisononvelocityerrorsbetweenfactorgraphandfederatedfilter圖8因子圖與聯(lián)邦濾波的位置誤差對比曲線Fig.8Comparisononpositionerrorsbetweenfactorgraphandfederatedfilter從圖7、圖8可以看出，因子圖和聯(lián)邦濾波水平定位誤差在5m以內(nèi)，速度誤差在0.1m/s以內(nèi)；由表4可知，因子圖算法的定位誤差為0.79m，聯(lián)邦濾波定位誤差0.80m，可知因子圖與聯(lián)邦濾波導(dǎo)航精度相當(dāng)，半實物車載試驗結(jié)果與上節(jié)仿真驗證結(jié)果一致。但在導(dǎo)航設(shè)備工作狀態(tài)發(fā)生改變時，聯(lián)邦濾波需要重構(gòu)，因子圖算法可通過增減相應(yīng)導(dǎo)航設(shè)備的因子節(jié)點

【參考文獻(xiàn)】：
期刊論文
[1]基于因子圖的AUV多傳感器組合導(dǎo)航算法[J]. 馬曉爽,劉錫祥,張同偉,劉賢俊,許廣富.  中國慣性技術(shù)學(xué)報. 2019(04)
[2]A Generic Plug-and-Play Navigation Fusion Strategy for Land Vehicles in GNSS-Denied Environment[J]. LAI Jizhou,BAI Shiyu,XU Xiaowei,Lü Pin.  Transactions of Nanjing University of Aeronautics and Astronautics. 2019(02)
[3]A Robust Graph Optimization Realization of Tightly Coupled GNSS/INS Integrated Navigation System for Urban Vehicles[J]. Wei Li,Xiaowei Cui,Mingquan Lu.  Tsinghua Science and Technology. 2018(06)
[4]多源融合導(dǎo)航技術(shù)綜述[J]. 趙萬龍,孟維曉,韓帥.  遙測遙控. 2016(06)
[5]混合粒子聯(lián)邦濾波在多信息組合導(dǎo)航系統(tǒng)中的應(yīng)用[J]. 賴際舟,周翟和,劉建業(yè),熊劍.  中國慣性技術(shù)學(xué)報. 2011(01)



本文編號：3450578