[發(fā)明專(zhuān)利]一種基于交互多模型的組合導(dǎo)航信息融合方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910166704.9
• 申請(qǐng)日: 2019-03-06
• 公開(kāi)（公告）號(hào): CN109813299A
• 公開(kāi)（公告）日: 2019-05-28
• 發(fā)明（設(shè)計(jì)）人: 許曜鑫;李勝;楊春;陳慶偉;康曉;柴培健
• 申請(qǐng)（專(zhuān)利權(quán)）人: 南京理工大學(xué)
• 主分類(lèi)號(hào): G01C21/00
• 分類(lèi)號(hào): G01C21/00
• 代理公司: 南京理工大學(xué)專(zhuān)利中心 32203
• 代理人: 薛云燕

1.一種基于交互多模型的組合導(dǎo)航多傳感器數(shù)據(jù)融合方法，其特征在于，包括以下步驟：

步驟1、系統(tǒng)初始化，初始時(shí)刻默認(rèn)選取GPS量測(cè)子系統(tǒng)用于算法量測(cè)更新；

步驟2、進(jìn)行交互多模型預(yù)測(cè)；

步驟3、進(jìn)行交互多模型更新，計(jì)算子系統(tǒng)模型權(quán)系數(shù)，同時(shí)計(jì)算等效系統(tǒng)建模噪聲統(tǒng)計(jì)特性，與確定的系統(tǒng)模型構(gòu)成等效系統(tǒng)模型；

步驟4、進(jìn)行濾波子系統(tǒng)量測(cè)更新，計(jì)算各濾波子系統(tǒng)的狀態(tài)估計(jì)；

步驟5、使用雙狀態(tài)傳播卡方故障檢驗(yàn)方法，對(duì)量測(cè)子系統(tǒng)進(jìn)行故障檢測(cè)；

步驟6、利用得到的故障檢測(cè)值，計(jì)算聯(lián)邦濾波權(quán)重；

步驟7、結(jié)合各濾波子系統(tǒng)的狀態(tài)估計(jì)和聯(lián)邦濾波權(quán)重，計(jì)算系統(tǒng)全局狀態(tài)估計(jì)和對(duì)應(yīng)的估計(jì)誤差協(xié)方差矩陣；

步驟8、反饋校正，將全局狀態(tài)估計(jì)反饋?zhàn)鳛槌踔颠M(jìn)行下一次迭代；重復(fù)迭代，直至系統(tǒng)結(jié)束。

2.根據(jù)權(quán)利要求1所述的基于交互多模型的組合導(dǎo)航多傳感器數(shù)據(jù)融合方法，其特征在于，步驟2所述的進(jìn)行交互多模型預(yù)測(cè)，具體如下：

步驟2.1、交互/混合：建立初始混合狀態(tài)估計(jì)和初始混合狀態(tài)估計(jì)誤差協(xié)方差矩陣；

步驟2.2、卡爾曼預(yù)測(cè)：計(jì)算一步預(yù)測(cè)狀態(tài)估計(jì)和相應(yīng)的狀態(tài)估計(jì)誤差協(xié)方差矩陣。

3.根據(jù)權(quán)利要求1所述的基于交互多模型的組合導(dǎo)航多傳感器數(shù)據(jù)融合方法，其特征在于，步驟3所述的進(jìn)行交互多模型更新，計(jì)算子系統(tǒng)模型權(quán)系數(shù)，同時(shí)計(jì)算等效系統(tǒng)建模噪聲統(tǒng)計(jì)特性，與確定的系統(tǒng)模型構(gòu)成等效系統(tǒng)模型，具體如下：

步驟3.1、卡爾曼更新：將交互多模型預(yù)測(cè)輸出的預(yù)測(cè)狀態(tài)估計(jì)和相應(yīng)的狀態(tài)估計(jì)誤差協(xié)方差矩陣?yán)脭U(kuò)展卡爾曼濾波算法進(jìn)行量測(cè)更新，得到相應(yīng)的子系統(tǒng)模型狀態(tài)估計(jì)和相應(yīng)的狀態(tài)估計(jì)協(xié)方差矩陣，再利用公式得到對(duì)應(yīng)子系統(tǒng)模型k時(shí)刻在高斯分布假設(shè)下的量測(cè)似然函數(shù)；

步驟3.2、模型權(quán)系數(shù)更新：利用得到的量測(cè)似然函數(shù)更新子系統(tǒng)模型權(quán)系數(shù)；

步驟3.3、將步驟3.1中得到的子系統(tǒng)模型狀態(tài)估計(jì)和相應(yīng)的狀態(tài)估計(jì)協(xié)方差矩陣同步驟3.2中得到的子系統(tǒng)模型權(quán)系數(shù)進(jìn)行融合，得到全局系統(tǒng)融合狀態(tài)估計(jì)和對(duì)應(yīng)的狀態(tài)估計(jì)協(xié)方差矩陣。

4.根據(jù)權(quán)利要求1所述的基于交互多模型的組合導(dǎo)航多傳感器數(shù)據(jù)融合方法，其特征在于，步驟4所述的進(jìn)行濾波子系統(tǒng)量測(cè)更新，計(jì)算各濾波子系統(tǒng)的狀態(tài)估計(jì)，具體如下：

利用步驟3得到的等效模型，分別與BDS、GPS和CNS構(gòu)成卡爾曼濾波子系統(tǒng)，計(jì)算系統(tǒng)一步預(yù)測(cè)狀態(tài)估計(jì)，然后計(jì)算各濾波子系統(tǒng)量測(cè)更新。

5.根據(jù)權(quán)利要求1所述的基于交互多模型的組合導(dǎo)航多傳感器數(shù)據(jù)融合方法，其特征在于，步驟5所述的使用雙狀態(tài)傳播卡方故障檢驗(yàn)方法，對(duì)量測(cè)子系統(tǒng)進(jìn)行故障檢測(cè)，具體如下：

步驟5.1、進(jìn)行SINS解算；

步驟5.2、進(jìn)行擴(kuò)展卡爾曼子濾波器量測(cè)更新，輸出量測(cè)更新后的狀態(tài)估計(jì)值，然后與狀態(tài)遞推器輸出的檢測(cè)參考值共同輸入狀態(tài)卡方檢測(cè)模塊進(jìn)行故障檢測(cè)；

步驟5.3、切換狀態(tài)遞推器，將狀態(tài)遞推器輸出作為檢驗(yàn)參考值；

步驟5.4、對(duì)SINS進(jìn)行反饋校正，補(bǔ)償SINS慣性測(cè)量單元誤差。