多源組合導(dǎo)航系統(tǒng)故障檢測技術(shù)研究

李 杰，陳安升，陳 帥，王 琮，姚曉涵

多源組合導(dǎo)航系統(tǒng)故障檢測技術(shù)研究

李 杰1，陳安升2，陳 帥1，王 琮1，姚曉涵1

（1. 南京理工大學(xué)自動化學(xué)院，南京，210094；2. 北京自動化控制設(shè)備研究所，北京，100074）

多源組合導(dǎo)航系統(tǒng)；故障檢測；聯(lián)邦卡爾曼濾波

0 引 言

基于MEMS-SINS/GNSS/ODO/高度計(jì)的多源組合導(dǎo)航系統(tǒng)，相對傳統(tǒng)的SINS/GNSS組合導(dǎo)航系統(tǒng)來說，加入了里程計(jì)（Odograph，ODO）、高度計(jì)傳感器，使得車載環(huán)境下，導(dǎo)航系統(tǒng)精度大大提升。由于多個傳感器參與到信息融合，導(dǎo)航系統(tǒng)越來越復(fù)雜，加大了多源導(dǎo)航系統(tǒng)出現(xiàn)故障的概率。多源導(dǎo)航信息融合往往采用聯(lián)邦卡爾曼濾波算法，當(dāng)某傳感器發(fā)生故障時，如果不采用有效的故障檢測手段并將該傳感器構(gòu)成的子濾波器加以隔離，其濾波信息參與融合后導(dǎo)致整個導(dǎo)航精度的降低，嚴(yán)重的話甚至導(dǎo)致整個導(dǎo)航系統(tǒng)無法為車輛提供有效的導(dǎo)航信息[1]。因此，研究多源導(dǎo)航系統(tǒng)的故障檢測技術(shù)具有重要的意義。

1 多源組合導(dǎo)航系統(tǒng)

1.1 MEMS-SINS/GNSS/ODO/高度計(jì)組合導(dǎo)航故障檢測方案設(shè)計(jì)

為提高車載組合導(dǎo)航定位系統(tǒng)的容錯能力和信息源擴(kuò)展能力，設(shè)計(jì)了一個聯(lián)邦卡爾曼濾波器，選取MEMS-SINS/GNSS/ODO/高度計(jì)4種導(dǎo)航信息源進(jìn)行融合，其導(dǎo)航系統(tǒng)及故障檢測結(jié)構(gòu)如圖1所示。

圖1 基于聯(lián)邦卡爾曼濾波的多源導(dǎo)航系統(tǒng)故障檢測方案

選擇慣性導(dǎo)航系統(tǒng)作為參考系統(tǒng)，MEMS慣導(dǎo)完成慣性導(dǎo)航解算后，將輸出的導(dǎo)航信息，與GNSS、ODO、高度計(jì)輸出的導(dǎo)航信息構(gòu)建子濾波器。各子濾波器對輸入量卡爾曼濾波后，故障檢測模塊進(jìn)行相關(guān)計(jì)算，然后進(jìn)行故障判決，以決定是否進(jìn)入信息融合。若判斷某子濾波器產(chǎn)生故障，則隔離該子濾波器，剩余的子濾波器進(jìn)行重構(gòu)并信息融合，使得剩余的導(dǎo)航系統(tǒng)能夠繼續(xù)提供導(dǎo)航信息，保證了多源組合導(dǎo)航系統(tǒng)具有一定的容錯性能。

1.2 聯(lián)邦卡爾曼濾波器信息融合方法

聯(lián)邦濾波器融合方法主要包括以下4個過程：

a）信息的時間更新。

b）信息的量測更新。

式（1）和式（2）中各變量含義如表1所示。

表1 各濾波參數(shù)含義

Tab.1 Meaning of Each Filtering Parameter

變量定義 當(dāng)前時刻狀態(tài)估計(jì)量 狀態(tài)一步預(yù)測值 狀態(tài)誤差估計(jì)協(xié)方差陣 狀態(tài)一步預(yù)測誤差估計(jì)協(xié)方差陣 當(dāng)前時刻濾波增益陣 狀態(tài)噪聲陣 量測噪聲陣

c）信息融合。

設(shè)子濾波器數(shù)量為，各子濾波器輸出的信息經(jīng)故障檢測后，將有故障的進(jìn)行隔離，無故障的進(jìn)行融合，得到全局的最優(yōu)估計(jì)和最優(yōu)估計(jì)方差陣，融合過程如下：

d）信息分配。

2 基于殘差和改進(jìn)SPRT算法的聯(lián)合故障檢測方法

2.1 殘差故障檢測法

在多源組合導(dǎo)航系統(tǒng)中，各個子濾波器基于卡爾曼濾波過程的殘差定義為

定義故障檢測函數(shù)為

故障判斷準(zhǔn)則為

2.2 改進(jìn)SPRT故障檢測法

則，可得似然比：

對式（15）取自然對數(shù)，得到對數(shù)似然比：

將式（16）簡化，可得：

則判定準(zhǔn)則為

2.3 殘差-改進(jìn)SPRT聯(lián)合故障檢測法

圖2 子濾波器故障檢測模塊內(nèi)部結(jié)構(gòu)

表2 系統(tǒng)故障綜合決策規(guī)則

Tab.2 Systematic Comprehensive Decision Rules for Faults

改進(jìn)SPRT檢測值增量檢測結(jié)果1檢測結(jié)果2綜合檢測結(jié)果 正是是是 是否是 否是是 否否否 負(fù)是是是 是否是 否是否 否否否

3 仿真校驗(yàn)

圖3 跑車試驗(yàn)行駛路線

跑車時長為400 s，初始位置為北緯32.016 047°，東經(jīng)118.889 261°，高度為7 m，尋北結(jié)果-24.633°，通過串口實(shí)時保存相關(guān)導(dǎo)航數(shù)據(jù)。設(shè)定里程計(jì)速度故障信息如表3所示。

表3 里程計(jì)速度故障信息

Tab.3 Odometer Speed Fault Message

故障變量故障時間/s故障類型故障大小/（m·s-1） 東速、北速緩變故障 東速、北速突變故障

圖4為POS320基準(zhǔn)、Soc導(dǎo)航板接收機(jī)、帶故障里程計(jì)和故障隔離后組合導(dǎo)航系統(tǒng)3個方向速度對比曲線，由帶故障里程計(jì)速度曲線知，在100~200 s過程中，其東向和北向速度發(fā)生了緩變，在270~300 s期間兩個方向速度發(fā)生了突變，與故障設(shè)定一致。

圖4 多源組合導(dǎo)航系統(tǒng)速度對比曲線

圖5為故障隔離后多源導(dǎo)航系統(tǒng)與基準(zhǔn)速度誤差曲線。根據(jù)圖4和圖5可知，由于系統(tǒng)加入了故障檢測，里程計(jì)發(fā)生故障時，及時隔離了MEMS-SINS/ODO子濾波器，使得整個多源組合導(dǎo)航系統(tǒng)并未受到較大干擾，速度誤差能保持在0.5m/s以內(nèi)，導(dǎo)航系統(tǒng)依然可以提供比較精確的導(dǎo)航信息。

圖5 故障隔離后多源導(dǎo)航系統(tǒng)與基準(zhǔn)速度誤差曲線

圖6為故障檢測曲線，通過設(shè)定檢測閾值判斷是否發(fā)生故障，并根據(jù)表2進(jìn)行綜合決策。將“1”表示系統(tǒng)發(fā)生故障，“0”表示系統(tǒng)無故障。

圖6 故障檢測曲線

4 結(jié) 論

[1] 李勝男. 無人機(jī)多源信息融合容錯組合導(dǎo)航研究[D]. 南京: 南京航空航天大學(xué), 2017.

Li Shengnan. Research on fault-tolerant integrated navigation of UAV based on the multi-source information fusion[D]. Nanjing: Nanjing University of Aeronautics and Astronautics, 2017.

[2] Liang Y, Jia Y. A nonlinear quaternion-based fault-tolerant SINS/GNSS integrated navigation method for autonomous UAVs[J]. Aerospace Science & Technology, 2015(40): 191-199.

[3] Zong H, Wang B, Liu Z, et al. Fault detection in SINS/CNS/GPS integrated system based on federated filter[C]. Yantai: Control Conference, 2014.

[4] 王兵. 基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的組合導(dǎo)航故障診斷技術(shù)研究[J]. 現(xiàn)代電子技術(shù), 2015, 454(23):122-126.

Wang Bing. Research on integrated navigation fault diagnosis technology based on adaptive neural network[J]. Modern Electronics Technique, 2015, 454(23): 122-126.

[5] 王融, 劉建業(yè), 熊智, 等. 基于序貫概率映射的組合導(dǎo)航自適應(yīng)容錯算法[J]. 控制與決策, 2014, 29(10): 1861-1865.

Wang Rong, Liu Jianye, Xiong Zhi, et al. Adaptive fault-tolerant algorithm based on sequential probability mapping for integrated navigation[J]. Control and Decision, 2014, 29(10): 1861-1865.

[6] 楊鏡, 華冰, 熊智. 多源導(dǎo)航系統(tǒng)軟、硬故障檢測新方法研究[J]. 壓電與聲光, 2013, 35(5): 647-652.

Yang Jing, Hua Bing, Xiong Zhi. New method for soft and hard fault detection in multi-source navigation systerm[J]. Piezoelectrics & Acoustooptics, 2013, 35(5): 647-652.

[7] 陳計(jì)輝. 高空長航無人機(jī)多源信息高精度容錯自主導(dǎo)航研究[D]. 南京:南京航空航天大學(xué), 2012.

Chen Jihui. Research on high precision fault-tolerant autonomous navigation of HALE UAV[D]. Nanjing: Nanjing University of Aeronautics and Astronautics, 2012.

[8] 張靖, 陳鴻躍, 陳雨, 等. 一種基于聯(lián)邦卡爾曼濾波器的多源信息融合定位算法[J]. 導(dǎo)彈與航天運(yùn)載技術(shù), 2018(2): 90-98.

Zhang Jing, Chen Hongyue, Chen Yu, et al. A multi-sensor fusion positioning algorithm based on federated Kalman filter[J]. Missiles and Space Vehicles, 2018(2): 90-98.

Research on Multi-source Integrated Navigation System Fault Detection Technology

Li Jie1, Chen An-sheng2, Chen Shuai1, Wang Cong1, Yao Xiao-han1

(1. School of Automation, Nanjing University of Science and Technology, Nanjing, 210094; 2. Automation Control Equipment Institute, Beijing, 100074)

multi-source integrated navigation system; fault detection; federated Kalman filtering

1004-7182(2020)03-0086-06

10.7654/j.issn.1004-7182.20200316

V249.3

A

李 杰（1995-），男，碩士研究生，主要研究方向?yàn)榻M合導(dǎo)航、信息融合技術(shù)。

陳安升（1987-），男，工程師，主要研究方向?yàn)榻M合導(dǎo)航、信息融合技術(shù)。

陳 帥（1980-），男，副教授，主要研究方向?yàn)榻M合導(dǎo)航、信息融合技術(shù)。

王 琮（1996-），男，碩士研究生，主要研究方向?yàn)榻M合導(dǎo)航、信息融合技術(shù)。

姚曉涵（1997-），女，碩士研究生，主要研究方向?yàn)榻M合導(dǎo)航、信息融合技術(shù)。

2020-04-13；

2020-04-28

中國博士后基金特別資助（2016T90461）；中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助（30916011336）；江蘇省博士后科研資助計(jì)劃（1501050B）；國防基礎(chǔ)科研計(jì)劃（JCKY2016606B004）