第五章-惯性-天文-卫星组合导航技术.ppt

1、卡尔曼滤波与组合导航,房建成 教授,主 讲：,Theory of Kalman filter and Integrated Navigation电 话：,EMAIL：,课件下载：kalman_密 码：123456,第五章 最优滤波在惯性/天文/卫星组合导航系统中的应用,5.1 概述 5.2 基于集中滤波的SINS/CNS/GPS 组合导航方法 5.3 基于联邦滤波的SINS/CNS/GPS 组合导航方法 5.4 SINS/CNS/GPS半物理仿真系统,5.1 概述,我国对新一代战略导弹的命中精度要求进入100米级 导航制导系统（其误差占命中误差的70%） 我国现役战

2、略武器命中精度比要求值低510倍,精确打击赢得现代战争胜利的重要保障!,弹道导弹,5.1 概述,精确打击赢得现代战争胜利的重要保障!,弹道导弹,巡航导弹,地空导弹,远程空空导弹,制导炸弹,1991年：精确制导弹药比例仅为20%；1618架次/目标 2004年：上升到60%70%； 1个架次/目标 提高导航系统性能、同时降低成本,组合导航,5.1 概述,优点： 完全自主、 运动参数完备 短时精度高 广泛应用于武器装备 缺点：误差积累、成本较高,优点： 全天候、高精度 误差不积累 缺点：缺姿态信息、易被干扰,优点： 自主、高精度 误差不积累 缺点：无位置速度、气候受限,位置 速度,姿态,位置 速度

3、 姿态,卫星 导航系统,天文 定姿系统,惯性 导航系统,几种常用的导航系统的优缺点,5.1 概述,卫星 导航系统,惯性 导航系统,SINS/GPS 组合导航的优缺点,5.1 概述,天文 定姿系统,惯性 导航系统,SINS/CNS 组合导航的优缺点,5.1 概述,最理想的 组合导航 系统,卫星 导航系统,天文 定姿系统,惯性 导航系统,SINS/CNS/GPS 组合导航的优缺点,5.1 概述,卫星 导航系统,天文 定姿系统,SINS/CNS/GPS 组合导航基本原理,最优 滤波,各子系统 误差,位置速度 观测量,姿态 观测量,5.2 基于集中滤波的SINS/CNS/GPS组合导航,利用卡尔曼滤波

4、技术对组合导航系统进行最优估计组合有两种途径：,集中式滤波,分散化滤波,5.2.1 集中滤波概述,(1) 集中式滤波器结构,5.2.1 集中滤波概述,(2) 集中式滤波器优点,(1) 可以给出最优的误差估计；,(2) 只有一个滤波器，结构简单，工程中容易实现。,(3) 目前国内采用的仍然主要是集中式滤波。,5.2.1 集中滤波概述,(3) 集中式滤波器缺点,集中式滤波理论上可以给出误差估计的最优估计，但存在着如下缺点：,(1) 状态维数高，计算负担重，不利于滤波实时运行，状态维数高会带来“维数灾难”；,(2) 容错性能差，不利于故障诊断，信息污染问题。,5.2.1 集中滤波概述,(1)基于集中

5、滤波器的SINS/CNS/GPS组合导航系统结构,5.2.2 基于集中滤波的SINS/CNS/GPS组合导航,卫星 导航系统,天文 定姿系统,最优 滤波,(3) 系统误差模型,5.2.2 基于集中滤波的SINS/CNS/GPS组合导航,加速度误差方程,(3) 系统误差模型,5.2.2 基于集中滤波的SINS/CNS/GPS组合导航,速度误差方程,(3) 系统误差模型,5.2.2 基于集中滤波的SINS/CNS/GPS组合导航,平台失准角误差方程,(4) SINS/CNS/GPS集中滤波器设计,系统状态方程,5.2.2 基于集中滤波的SINS/CNS/GPS组合导航,X 系统状态向量,(4) S

6、INS/CNS/GPS集中滤波器设计,系统状态方程,5.2.2 基于集中滤波的SINS/CNS/GPS组合导航,平台误差角,速度误差,位置误差,陀螺随机常值漂移,加计随机常值偏置,不是姿态误差角,为了简化 此处未将CNS和GPS的误差建为系统状态,(4) SINS/CNS/GPS集中滤波器设计,系统状态方程,5.2.2 基于集中滤波的SINS/CNS/GPS组合导航,W 系统噪声向量,陀螺随机漂移,加计随机误差,(4) SINS/CNS/GPS集中滤波器设计,系统状态方程,5.2.2 基于集中滤波的SINS/CNS/GPS组合导航,状态转移矩阵,(4) SINS/CNS/GPS集中滤波器设计,

7、系统状态方程,5.2.2 基于集中滤波的SINS/CNS/GPS组合导航,(4) SINS/CNS/GPS集中滤波器设计,量测方程,5.2.2 基于集中滤波的SINS/CNS/GPS组合导航,观测量,由星敏感器获得 平台误差角,由GPS获得 位置速度误差,(4) SINS/CNS/GPS集中滤波器设计,量测方程,5.2.2 基于集中滤波的SINS/CNS/GPS组合导航,观测量,量测矩阵,(5) 计算机仿真（弹道导弹）,仿真条件,5.2.2 基于集中滤波的SINS/CNS/GPS组合导航,导弹垂直发射，发射方位角为90 初始纬度为39.984 ，经度为116.344 初始航向角为0，俯仰角为9

8、0，横滚角为0 导弹导航流程：导弹轨迹分为主动段和被动段。 40秒飞出大气层后天文开始工作，在158秒主动段关机，进入末修段，180秒后导弹自由飞行。,(5) 计算机仿真（弹道导弹）,仿真条件,5.2.2 基于集中滤波的SINS/CNS/GPS组合导航,导弹射程： 4375.446km 关机点速度： Vx=4118.629 m/s； Vy=3266.905 m/s； Vz=-141.3815 m/s,红色为主动段,仿真条件,1）陀螺漂移取0.1度/小时， 加计偏置取10g 2）选择不同的方位失准角（30角分、6角分） 3）水平失调角2角秒 5）星敏感器精度：分别取3 “ 、6“和10“ 6）导

9、弹射程4373.446 km,北航研制惯性/星光/卫星半物理仿真系统,仿真结果,结论,优点： 惯性/天文/卫星组合导航有很高的定位精度 可大大降低导弹对惯导系统要求， 降低了成本 集中式缺点： 状态维数高，计算负担重，不利于滤波实时运行，如 建 立更高阶误差模型，将会带来“维数灾难”； 容错性能差，不利于故障诊断，信息污染问题。,5.3 基于联邦滤波的SINS/CNS/GPS组合导航,利用卡尔曼滤波技术对组合导航系统进行最优估计组合的两种途径：,分散化滤波,集中式滤波,5.3.1 联邦滤波概述,分散滤波器结构,LF2,LF1,LFN,主滤波器,子系统2,子系统1,子系统N,参考系统,时间更新,

10、最优融合,5.3.1 联邦滤波概述,分散滤波器优、缺点,优点,(1) 全局滤波仍然较复杂；,(2) 算法基于各测量值是不相关的假设。,缺点,计算量小，容错性好。,5.3.1 联邦滤波概述,为更清楚地理解联邦滤波的特点和要解决的问题，首先介绍一种简单的分散滤波，它的局部滤波和全局滤波都是最优的。,假定系统的状态方程和量测方程为,其中 的协方差阵为 , 的协方差阵为,一种简单的分散滤波,5.3.1 联邦滤波概述,子系统的状态方程和量测方程为,其中 的协方差阵为 , 的协方差阵为,上式表示总系统利用了所有子系统的量测信息。,一种简单的分散滤波,5.3.1 联邦滤波概述,假设各子系统的量测相互独立，且

11、 是 的一部分,一种简单的分散滤波,5.3.1 联邦滤波概述,一种简单的分散滤波,5.3.1 联邦滤波概述,全局滤波的量测更新可用局部滤波表示； 时间更新仍需用全局滤波方程； 子滤波和全局滤波都是最优的。,可见：,一种简单的分散滤波,上述分散滤波方法存在以下缺点：,全局滤波的合成算法比较复杂； 算法基于各量测值是不相关的。,5.3.1 联邦滤波概述,1988年Carlson提出了联邦滤波器(Federated Filter),属于一种分散滤波方法,设计灵活,计算量小,容错性能好,特点,5.3.1 联邦滤波概述,联邦滤波器结构,5.3.1 联邦滤波概述,联邦滤波要解决的问题,滤波器的容错性能要好

12、，检测并隔离故障子系统，并进行系统重构； 滤波的精度要高； 由局部滤波到全局滤波的融合算法要简单，计算量小。,上述几个性能要求是矛盾的。要容错性能好，有时就要牺牲一些精度。为了解决这几个性能要求，联邦滤波中用了“信息分配”原则，获得最佳折中的性能。,5.3.1 联邦滤波概述,信息分配原则,首先说明什么是信息，系统中有两类信息：,（1）状态运动方程的信息 状态方程的信息量是与系统噪声的方差成反比的，因此可用Q-1表示状态方程信息量； 状态初值的信息也是状态方程的信息，可用初值估计的协方差阵的逆P-1(0)表示。,（2）量测方程的信息 量测方程的信息可用量测噪声协方差的逆R-1表示。,信息分配原则

13、（续）,假设将系统噪声总的信息量Q-1分配到各局部滤波器和主滤波器中去,即,故:,根据信息守恒,状态估计初值P-1(0)也可按上述方法分配,可得,联邦滤波器设计步骤,（1）将子滤波器和主滤波器的初始估计协方差设置为 组合系统初始值的 倍,满足信息守恒原则； （2）将子滤波器和主滤波器的系统噪声协方差设置为 组合系统系统噪声协方差的 倍,满足信息守恒原则； （3）各子滤波器处理自己的量测信息,获得局部最优估计； （4）得到局部估计和主滤波器的估计后按下式最优合成： （5）用全局滤波解来重置各子滤波器和主滤波器的滤波值 和协方差阵。,联邦滤波器的结构与性能分析,设计联邦滤波器，不同信息分配系数会有

14、不同的结构和特性(容错性、最优性、计算量)。通常有6种不同的结构。 （1）第一类（ 零化式重置）,（1）第一类（ 零化式重置）,优、缺点 主滤波器分配到全部信息，故障检测和隔离能力强; 子滤波器状态信息只被重置到零，协方差趋于无穷，故障检测和隔离能力很差; 减少了数据通讯量，计算简单。,联邦滤波器的结构与性能分析（续）,LF2,LF1,LFN,主滤波器,子系统2,子系统1,子系统N,参考系统,时间更新,最优融合,（2）第二类（ 有重置）,联邦滤波器的结构与性能分析（续）,优、缺点 主滤波器与子滤波器之间平均分配信息； 融合后全局滤波精度高，局部因为有全局滤波反馈，精度也提高了； 一个子系统故障

15、后，主滤波器受污染。,（2）第二类（ 有重置）,联邦滤波器的结构与性能分析（续）,（3）第三类（ 有重置）,联邦滤波器的结构与性能分析（续）,优、缺点 主滤波器状态方程无信息分配，主滤波器不需要进行滤波，所以主滤波器的估计值取为全局估计，即 主滤波器的故障检测与隔离能力差； 子滤波器的故障检测与隔离能力与第二类结构一样。,（3）第三类（ 有重置）,联邦滤波器的结构与性能分析（续）,（4）第四类（ 无重置）,联邦滤波器的结构与性能分析（续）,（4）第四类（ 无重置）,优、缺点 各局部滤波器独立滤波，没有反馈重置带来的相互影响，提高了容错性能； 由于没有全局估计，局部估计精度不高。,联邦滤波器的结

16、构与性能分析（续）,（5）第五类（ 有重置）,联邦滤波器的结构与性能分析（续）,（5）第五类（ 有重置）,优、缺点 主滤波器包含所有状态信息； 子滤波器的信息阵每次融合后重置为零； 然后子滤波器再重新启动，即零化启动； 子滤波器起到数据压缩作用，故障检测与隔离能力差； 主滤波器的故障检测与隔离能力强，但是故障恢复能力差，因此要重新初始化。,联邦滤波器的结构与性能分析（续）,（6）第六类（ 有重置）,联邦滤波器的结构与性能分析（续）,（6）第六类（ 有重置）,优、缺点 每次信息融合后，子滤波器信息被重置到全局信息一半，协方差重置为全局估计协方差的一倍； 主、子滤波器的故障检测与隔离能力中等； 主

17、滤波器的故障恢复能力差。是故障恢复能力差，因此要重新初始化。,联邦滤波器的结构与性能分析（续）,结论： 利用融合后的全局状态和协方差去反馈重置子滤波器，提高子滤波器精度，但是主滤波器也因此容易受到故障子滤波器的影响； 如果不将融合后的全局状态和协方差去反馈重置子滤波器，那么就不会产生交叉污染，容错性能大大提高，为全局估计协方差的一倍。,联邦滤波器的结构与性能分析（续）,5.3.2 基于联邦滤波的SINS/CNS/GPS 组合导航,本实验室SINS/GPS/CNS组合导航系统实物图：,SINS,CNS 半物理仿真系统,GPS,5.3.2 基于联邦滤波的SINS/CNS/GPS 组合导航方法,基于

18、联邦滤波的SINS/CNS/GPS系统结构,状态方程,姿态误差方程为,5.3.2 基于联邦滤波的SINS/CNS/GPS 组合导航方法,5.3.2 基于联邦滤波的SINS/CNS/GPS 组合导航方法,状态方程,速度误差方程为,5.3.2 基于联邦滤波的SINS/CNS/GPS 组合导航方法,加速度误差方程为,惯性器件的误差方程：,状态方程,系统状态方程,X 系统状态向量,5.3.2 基于联邦滤波的SINS/CNS/GPS 组合导航方法,系统状态方程,平台误差角,速度误差,位置误差,陀螺随机常值漂移,加计随机常值偏置,不是姿态误差角,为了简化 此处未将CNS和GPS的误差建为系统状态,5.3.

19、2 基于联邦滤波的SINS/CNS/GPS 组合导航方法,系统状态方程,W 系统噪声向量,陀螺随机漂移,加计随机误差,5.3.2 基于联邦滤波的SINS/CNS/GPS 组合导航方法,系统状态方程,状态转移矩阵,5.3.2 基于联邦滤波的SINS/CNS/GPS 组合导航方法,系统状态方程,5.3.2 基于联邦滤波的SINS/CNS/GPS 组合导航方法,5.3.2 基于联邦滤波的SINS/CNS/GPS 组合导航方法,量测方程,SINS/GPS子系统采用浅组合的方式，GPS提供位置和速度信息，采用SINS与GPS的位置和速度之差作为卡尔曼滤波的量测信息。量测方程：,式中：,5.3.2 基于联

20、邦滤波的SINS/CNS/GPS 组合导航方法,状态方程：同子滤波器1,采用经过换算得到的数学平台误差角作为卡尔曼滤波器的观测量，量测方程：,量测方程：,仿真轨迹：基于弹道导弹飞行，前40秒SINS/GPS组合导航，40秒以后SINS/GPS/CNS组合导航,5.3.2 基于联邦滤波的SINS/CNS/GPS 组合导航方法,仿真结果图：,Attitude errors,Gyros drifts,Accelerometers biases,仿真结果图：,Velocity error compensation,Position error compensation,仿真结论,5.3.2 基于联邦滤波的SINS/