一种基于激光陀螺惯性导航系统与GNSS的多模态鲁棒组合导航方法及系统
本发明涉及一种基于激光陀螺惯性导航系统与gnss的多模态鲁棒组合导航方法及系统,属于高精度组合导航。
背景技术:
1、激光陀螺仪基于萨格纳克(sagnac)效应工作,因其具备精度高、标度因数稳定性好、动态范围宽等显著优点,已成为构建高精度惯性导航系统(ins)的核心传感器。将激光陀螺惯性导航系统与全球导航卫星系统(gnss)相结合构成的组合导航系统,能够有效融合惯性导航短期精度高、自主性强、连续性好与全球导航卫星系统长期精度高、无累积误差的互补优势,已成为目前主流的导航定位模式。然而,现有的激光陀螺惯性导航系统与全球导航卫星系统组合导航技术在实际应用中,尤其是在复杂动态环境下,仍存在以下亟待解决的技术问题:
2、一是,导航模态切换策略僵化,缺乏与滤波参数的联动机制。现有组合导航系统通常采用单一、固定的融合策略,难以根据全球导航卫星系统信号质量、载体运动状态和导航精度需求的实时变化,动态调整最优的导航模式。当全球导航卫星系统信号受到遮挡、多路径效应干扰或发生失锁时,系统定位精度会急剧下降。尽管已有研究尝试在视觉导航与全球导航卫星系统导航之间进行切换,但普遍缺乏系统化的、基于多源信息质量评估的动态切换策略,更缺乏切换决策与滤波器核心参数进行联动调节的有效机制,导致系统在模式转换时平滑性差,适应性不足。
3、二是,全球导航卫星系统信号失锁期间,预测辅助导航精度受限。在全球导航卫星系统信号完全丢失的情况下,系统退化为纯惯性导航模式,激光陀螺惯性导航系统的导航误差会随时间快速累积并发散。现有技术中,虽有方案尝试引入注意力机制增强的长短期记忆网络(attention-lstm)来预测全球导航卫星系统的位置增量以辅助导航,但这类方法通常仅输出位置增量信息,而未能有效估计和利用预测结果的协方差(即不确定性信息)。由于预测的协方差信息未能在滤波层面得到充分应用,滤波器无法准确评估预测值的可信度,从而限制了预测辅助导航的精度上限。
4、三是,对非高斯噪声环境的适应性差,鲁棒滤波参数调节不智能。实际导航环境复杂多变,量测噪声往往呈现出非高斯、重尾等特性。传统的卡尔曼滤波及其衍生算法大多建立在高斯噪声的理想假设之上,在非高斯噪声环境下,其滤波性能会严重下降甚至发散。虽然已有技术提出了基于自适应最大熵准则的卡尔曼滤波方法以增强鲁棒性,但其关键参数—核带宽,多依赖于经验设定为固定值或简单规则,缺乏与导航模态质量实时联动的自适应调节能力,难以在保持滤波精度的同时,兼顾对不同强度异常观测的抑制效果。
5、四是,传感器软故障检测困难,现有方法自适应性不足。组合导航系统中的传感器软故障具有隐蔽性强、发展缓慢等特点,难以被快速、准确地检测。现有技术中,虽有通过引入遗忘因子重构序贯概率比检验统计量,或将序贯概率比检验与残差卡方检测相结合的方法,但其中的遗忘因子或渐消因子大多被设定为经验常数。这种固定参数的方式缺乏与系统实时运行状态相关的自适应计算机制,导致在面对不同特性的软故障时,检测的灵敏度和实时性不足,容易出现漏检或虚警。
技术实现思路
1、本发明所要解决的技术问题是,克服现有技术的不足而提供一种基于激光陀螺惯性导航系统与gnss的多模态鲁棒组合导航方法及系统,通过构建多源信息质量的综合评价体系,实现导航模态的智能动态切换,以解决现有组合导航系统融合策略单一、难以适应复杂动态环境变化的问题;在全球导航卫星系统信号失锁期间,通过引入时序预测模型来维持导航精度,并对预测不确定性进行有效传播控制,以抑制纯惯性导航模式下误差的快速积累与发散;采用基于最大熵准则的自适应鲁棒滤波算法,在保持高滤波精度的同时,显著增强系统对非高斯重尾噪声和异常观测的鲁棒性,解决传统卡尔曼滤波在复杂噪声环境下性能下降的问题;通过设计基于自适应渐消因子的改进故障检测方法,实现对传感器缓变软故障的快速检测与有效隔离,提升组合导航系统在传感器性能退化条件下的稳定性和可靠性。
2、本发明提供一种基于激光陀螺惯性导航系统与gnss的多模态鲁棒组合导航方法,包括以下步骤:
3、步骤一、多源导航数据采集与预处理,通过激光陀螺惯性测量单元、全球导航卫星系统接收机以及辅助传感器采集多源导航数据,并进行时间同步和空间坐标对齐处理;
4、步骤二、组合导航系统状态空间建模,定义组合导航系统的误差状态向量,建立非线性状态方程和线性量测方程;
5、步骤三、基于模糊综合评价的导航模态动态切换,构建多源信息质量评估指标体系,采用模糊综合评判方法计算当前时刻各候选导航模式的置信度评分,并基于所述置信度评分执行导航模态的动态切换;
6、步骤四、基于注意力机制长短期记忆网络的全球导航卫星系统信号预测,当检测到全球导航卫星系统信号置信度低于预设阈值时,启动预测模块,通过引入缩放点积自注意力机制的长短期记忆网络同时输出预测的全球导航卫星系统位置增量和速度增量,并引入时间渐消加权因子对预测值的协方差进行动态膨胀,将膨胀后的协方差注入后续滤波器的量测噪声协方差矩阵;
7、步骤五、基于最大熵准则的自适应鲁棒无迹卡尔曼滤波,采用基于最大熵准则的无迹卡尔曼滤波算法对多源导航信息进行融合估计,其中滤波器的核带宽根据全球导航卫星系统信号置信度进行自适应调节;
8、步骤六、基于自适应渐消因子的改进序贯概率比检验软故障检测与隔离,构造基于新息序列的自适应渐消因子,并基于所述自适应渐消因子构建改进的序贯概率比检验统计量,对组合导航系统进行软故障检测与隔离;
9、步骤七、导航信息输出,根据状态空间建模和自适应鲁棒无迹卡尔曼滤波的处理结果,输出载体当前时刻的位置、速度和姿态信息。
10、本发明提供基于激光陀螺惯性导航系统与gnss的多模态鲁棒组合导航方法,适用于信号拒止、非高斯噪声干扰及传感器软故障频发的复杂动态环境。本发明对多源导航数据进行采集、预处理及状态空间建模,随后利用模糊综合判断方法构建质量评估体系,实现紧组合、松组合、纯惯性及辅助传感器组合等多种导航模态的动态平滑切换,在卫星信号受限时启动基于注意力机制长短期记忆网络的预测模块,同时输出位置与速度增量并动态调整协方差,融合阶段采用基于最大熵准则的自适应鲁棒无迹卡尔曼滤波算法,根据信号置信度自适应调节核带宽以提升抗差性。同时,引入基于自适应渐消因子的改进序贯概率比检验算法,构建双层故障检测架构以实时隔离软故障,最终输出高精度的载体位置、速度和姿态信息,有效解决了复杂环境下导航信号易受干扰及精度发散的问题。
11、作为本发明进一步优化的技术方案如下:
12、步骤一中,通过激光陀螺惯性测量单元采集载体的三轴角速度信息和三轴加速度信息,通过gnss接收机采集卫星导航信息,通过辅助传感器采集辅助导航信息。
13、步骤二中,定义组合导航系统的十五维误差状态向量,该误差状态向量包含姿态失准角、速度误差、位置误差、激光陀螺零偏和加速度计零偏,具体为:
14、,
15、其中,分别为东向、北向、天向的姿态失准角,分别为东向、北向、天向的速度误差,分别为纬度误差、经度误差和高度误差,分别为激光陀螺在载体坐标系三轴上的零偏,分别为加速度计在载体坐标系三轴上的零偏。
16、步骤三中,所述多源信息质量评估指标体系包括全球导航卫星系统信号质量评估指标、激光陀螺惯性导航系统导航精度评估指标和载体运动状态评估指标;
17、所述采用模糊综合评价方法计算当前时刻各候选导航模式的置信度评分,具体包括:
18、定义模态置信度向量,对应紧组合模式、松组合模式、纯惯性导航模式和辅助传感器组合模式;
19、采用梯形隶属度函数量化各指标对第种模态的适用程度,计算加权综合评判矩阵:
20、,
21、其中,表示第种导航模态的综合置信度评分,为第个指标的权重系数,为第个指标对第种模态的隶属度;
22、动态切换的切换准则为选取,当大于高阈值且保持超过预设的采样周期数时执行模态切换,其中为在变量的所有取值范围内寻找最大值,为使取得最大值时所对应的模态索引号,即最优选的目标导航模态。
23、步骤四中,所述长短期记忆网络的输入时间序列为:
24、,
25、其中,为激光陀螺角速度增量,为加速度增量,为惯性导航系统解算的姿态信息,为输入到注意力机制长短期记忆网络(attention-lstm)的完整历史时间序列窗口,为当前时刻之前的第个采样时刻(即回溯步)所对应的惯性特征数据,它是输入序列中的第一个元素;为当前时刻的前一个采样时刻(即上一拍)所对应的惯性特征数据,它是输入序列中的最后一个元素;为当前时刻的特征向量结构;
26、引入缩放点积自注意力机制计算时序权重分布为:
27、,
28、其中,由历史隐状态经线性映射得到,表示三者是同一组历史隐状态序列经过不同线性变换后得到的三个特征矩阵,为查询矩阵,表示由当前时刻(或最近时刻)的隐状态映射而来,代表对当前预测有用的特征需求;k为键向量,代表历史序列中每个时刻的“索引标签”;为值矩阵,代表历史序列中每个时刻的“实际信息内容”;为键向量的维度或长度。
29、步骤四中,所述引入时间渐消加权因子对预测值的协方差进行动态膨胀的计算公式为:
30、,
31、其中,为经验衰减系数,为信号中断持续时间,表示当前时刻的时间渐消加权因子,表示初始时刻的基准膨胀因子;预测值的协方差矩阵乘以后注入后续滤波器的量测噪声协方差矩阵。
32、步骤五中,所述滤波器的核带宽根据全球导航卫星系统信号置信度进行自适应调节的计算公式为:
33、,
34、其中,为当前时刻的核带宽,、分别为核带宽的最大值和最小值,为全球导航卫星系统信号模态置信度。
35、步骤五中,基于最大相关熵准则构建代价函数,通过不动点迭代求解状态向量的后验估计,改进的卡尔曼增益利用核函数导数对权值进行修正,等效量测噪声,其中表示量测新息向量的第个标量分量,为当前时刻自适应调节后的核带宽,为标准量测噪声协方差矩阵,为经过最大相关熵准则修正后的等效量测噪声协方差矩阵。
36、步骤六中,所述构造基于新息序列的自适应渐消因子的计算公式为:
37、,
38、其中,为时刻的新息向量,表示时刻的量测向量,为时刻的常值观测矩阵,表示时刻的状态先验估计值,为时刻的先验误差协方差矩阵;
39、基于所述自适应渐消因子构建改进序贯概率比检验的似然比,若大于上门限,判定为故障并隔离全球导航卫星系统观测值;若小于下门限,判定为健康。
40、步骤六中,所述改进序贯概率比检验与残差卡方检测构建为或逻辑的双层故障检测架构,所述改进序贯概率比检验用于检测缓变软故障,所述残差卡方检测用于检测突变故障。
41、本发明进一步提供了基于激光陀螺惯性导航系统与gnss的多模态鲁棒组合导航系统,用于实现上述的基于激光陀螺惯性导航系统与gnss的多模态鲁棒组合导航方法,包括:
42、激光陀螺惯性测量单元,用于采集载体的三轴角速度信息和三轴加速度信息;全球导航卫星系统接收机,用于采集卫星导航信息;辅助传感器模块,用于采集辅助导航信息;数据预处理模块,用于对多源导航数据进行时间同步和空间坐标对齐;导航模态动态切换模块,用于基于多源信息质量评估结果在多种导航模式之间进行动态切换;全球导航卫星系统信号预测模块,用于在全球导航卫星系统信号质量低于预设阈值时,基于注意力机制长短期记忆网络模型预测全球导航卫星系统导航信息,并对预测不确定性进行传播控制;自适应鲁棒滤波融合模块,用于基于最大熵无迹卡尔曼滤波算法对多源导航信息进行融合估计;软故障检测与隔离模块,用于基于改进序贯概率比检验算法对组合导航系统进行软故障检测与隔离;导航信息输出模块,用于输出载体当前时刻的位置、速度和姿态信息。
43、与现有技术相比,本发明具有以下有益效果:
44、第一,构建多源信息质量综合评估与智能模态切换机制。通过构建多源信息质量评估指标体系并采用模糊综合评判方法实现导航模态的动态智能切换。相比现有技术中单一的固定融合策略,本发明能够根据全球导航卫星系统信号质量、惯性导航系统精度和载体运动状态的变化自适应地调整导航模式。切换决策结果同时驱动基于最大熵准则的无迹卡尔曼滤波器核带宽的自适应调节,形成了评估、切换、滤波参数联动的闭环管理机制,显著提升了系统在复杂环境下的适应能力和导航连续性。
45、第二,提出基于注意力机制长短期记忆网络的全球导航卫星系统信号预测方法。将注意力机制引入长短期记忆网络构建全球导航卫星系统信号预测模型,注意力机制能够针对不同时间步的特征进行动态加权,有效捕捉导航数据中的关键时空特征与长期依赖关系。与现有技术仅输出位置增量不同,本发明同时输出位置增量和速度增量,使后续滤波融合可获得更完整的导航状态信息。预测协方差经时间渐消因子动态膨胀后注入基于最大熵准则的无迹卡尔曼滤波的量测噪声协方差矩阵,实现了预测不确定性的数学表达与传播控制,显著提高了全球导航卫星系统信号失锁期间惯性导航误差的抑制能力。
46、第三,提出基于最大熵准则的自适应鲁棒无迹卡尔曼滤波算法。采用最大熵准则替代传统的最小均方误差准则构建鲁棒无迹卡尔曼滤波算法,在重尾非高斯噪声环境下显著提升了滤波精度。核带宽并非经验设定常数,而是根据全球导航卫星系统信号置信度自适应调节,在保持鲁棒性的同时兼顾了高斯噪声环境下的滤波精度,实现了精度与鲁棒性的良好平衡。
47、第四,提出基于自适应渐消因子的改进序贯概率比检验软故障检测方法。提出基于新息统计特性实时计算的自适应渐消因子,与现有技术中经验设定常数遗忘因子的方式存在本质区别。将该自适应渐消因子嵌入序贯概率比检验似然比递推公式,有效解决了现有方法检测精度不高、无法检测连续多个软故障的缺陷。与残差卡方检测构建的双层检测架构实现了对传感器软故障的快速高精度检测与有效隔离,保障了组合导航系统在传感器性能退化条件下的稳定性和可靠性。
48、总之,本发明通过模态切换、时序预测、鲁棒滤波和故障检测的协同联动,显著提升了激光陀螺ins/gnss组合导航系统在复杂环境下的适应性、精度和可靠性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com