留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于预测残差的抗差自适应滤波组合导航算法

刘菲 王志 戴晔莹 刘鑫 孙蕊

刘菲,王志,戴晔莹,等. 基于预测残差的抗差自适应滤波组合导航算法[J]. 北京航空航天大学学报,2023,49(6):1301-1310 doi: 10.13700/j.bh.1001-5965.2021.0460
引用本文: 刘菲,王志,戴晔莹,等. 基于预测残差的抗差自适应滤波组合导航算法[J]. 北京航空航天大学学报,2023,49(6):1301-1310 doi: 10.13700/j.bh.1001-5965.2021.0460
LIU F,WANG Z,DAI Y Y,et al. A robust adaptive filtering algorithm based on predicted residuals in integrated navigation[J]. Journal of Beijing University of Aeronautics and Astronautics,2023,49(6):1301-1310 (in Chinese) doi: 10.13700/j.bh.1001-5965.2021.0460
Citation: LIU F,WANG Z,DAI Y Y,et al. A robust adaptive filtering algorithm based on predicted residuals in integrated navigation[J]. Journal of Beijing University of Aeronautics and Astronautics,2023,49(6):1301-1310 (in Chinese) doi: 10.13700/j.bh.1001-5965.2021.0460

基于预测残差的抗差自适应滤波组合导航算法

doi: 10.13700/j.bh.1001-5965.2021.0460
基金项目: 国家自然科学基金(71731001,U1933130,41974033,42174025);浙江通用航空运行技术研究重点实验室开放基金(JDGA2020-11);江苏省自然科学基金(BK20211569)
详细信息
    通讯作者:

    E-mail:rui.sun@nuaa.edu.cn

  • 中图分类号: V249.3

A robust adaptive filtering algorithm based on predicted residuals in integrated navigation

Funds: National Natural Science Foundation of China (71731001,U1933130,41974033,42174025); Open Fund of Zhejiang Key Laboratory of General Aviation Operation Technology (JDGA2020-11); Natural Science Foundation of Jiangsu Province (BK20211569)
More Information
  • 摘要:

    全球卫星导航系统(GNSS)和惯性导航系统(INS)进行融合可以有效提高导航系统的精度及可靠性,现已被广泛使用。卡尔曼滤波是常用的融合导航算法,但由于载体运动状态变化及观测粗差的影响,滤波的性能会严重降低。为了解决以上问题,构建抗差自适应卡尔曼滤波(RAKF)提高组合导航的状态估计的性能至关重要。设计了一种基于预测残差的抗差自适应滤波组合导航算法,通过构建基于预测残差的自适应因子,结合抗差估计算法,有效解决GNSS/INS组合导航中观测异常和动力学模型的异常扰动,提高滤波的稳定性、可靠性及精度。实验结果表明:与基于标准卡尔曼滤波GNSS/INS组合导航相比,所设计算法在有观测异常和动力学模型异常扰动的情况下可以有效提高组合导航的定位精度;在松组合和紧组合2种模式中,3D定位精度分别提升了45.9%和46.8%。

     

  • 图 1  基于预测残差的抗差自适应滤波组合导航算法结构

    Figure 1.  Framework of robust adaptive filtering integrated navigation algorithm based on predictive residuals

    图 2  提出的抗差自适应滤波过程

    Figure 2.  Proposed robust and adaptive filter process

    图 3  仿真无人机二维和三维飞行轨迹

    Figure 3.  Simulated UAV 2D and 3D flight trajectory

    图 4  仿真飞行轨迹的速度和欧拉角

    Figure 4.  Velocity and Euler angles of simulated flight trajectory

    图 5  松组合导航场景1中自适应因子

    Figure 5.  Adaptive factors of loosely coupled integrated navigation in Scenario 1

    图 6  松组合导航场景1中位置误差

    Figure 6.  Position errors of loosely coupled integrated navigation in Scenario 1

    图 7  松组合导航场景2中位置误差

    Figure 7.  Position errors of loosely coupled integrated navigation in Scenario 2

    图 8  紧组合导航场景1中自适应因子

    Figure 8.  Adaptive factors of tightly coupled integrated navigation in Scenario 1

    图 9  紧组合导航场景1位置误差

    Figure 9.  Position errors of tightly coupled integrated navigation in Scenario 1

    图 10  紧组合导航场景2位置误差

    Figure 10.  Position errors of tightly coupled integrated navigation in Scenario 2

    表  1  惯性导航系统参数设置

    Table  1.   Parameters settings of INS

    传感器参数设置值
    陀螺仪随机常数/((°)·h−1)0.05
    随机漂移均方差/((°)·h−1)0.05
    一阶马尔可夫驱动白噪声方差/((°)·h−1)1×10−9
    相关时间/h104
    加速度计相关时间/h104
    一阶马尔可夫驱动白噪声方差/(m·s−2)0.3×9.81×10−6
    下载: 导出CSV

    表  2  滤波参数初值

    Table  2.   Initial value of filtering parameters

    参数组合
    模式
    初值
    ${\boldsymbol{\varPhi }}$松/紧${{\boldsymbol{I}}_{18 \times 18}}$
    ${\boldsymbol{Q}}$松/紧${\text{diag} }\left( \underbrace {0,\cdots,0}_{\rm{9} }, \underbrace {4.3\times10^{-14},\cdots}_{ {3} },\underbrace {5\times10^{-21},\cdots}_{\rm{3} },0,0,0\right)$
    $ {\boldsymbol{R}} $松组合${\text{diag} }\left(2.25,2.25,2.25 \right)$
    紧组合${\text{diag} }\left(\underbrace {2.25,\cdots,2.25}_{\rm{9}}\right)$
    ${\boldsymbol{H}}$松组合$[{ {\boldsymbol{I} }_{6 \times 6} }\quad{ {{\boldsymbol{0}}}_{6 \times 12} }]$
    紧组合$[{ {\boldsymbol{I} }_{9 \times 9} }\quad{ {{\boldsymbol{0}}}_{9 \times 9} }]$
    ${{\boldsymbol{\bar P}}_{\boldsymbol{0}}}$松/紧${\text{diag} }\left( 2.25,2.25,2.25,\;4,4,4,\;{ 1 } \times {\text{1} }{ {\text{0} }^{ - 8} }{\text{, 9} }{\text{.6} } \times {\text{1} }{ {\text{0} }^{ - 7} }\right.$, $\left.{\text{5} }{\text{.9} } \times {\text{1} }{ {\text{0} }^{ - 4} },{ { {2.25,2.25,2.25 } } } \right)$
    下载: 导出CSV

    表  3  松组合导航场景1中的位置RMSE

    Table  3.   Position RMSE of loosely coupled integrated navigation in Scenario 1 m

    算法东向北向天向3D位置
    算法10.801.361.682.30
    算法20.681.251.602.13
    本文算法0.681.251.602.13
    下载: 导出CSV

    表  4  松组合导航场景2中位置RMSE

    Table  4.   Position RMSE of loosely coupled integrated navigation in Scenario 2 m

    算法类型东向北向天向3D位置
    算法11.962.322.433.90
    算法21.932.002.473.72
    本文算法0.671.221.602.11
    下载: 导出CSV

    表  5  紧组合导航场景1中位置RMSE

    Table  5.   Position RMSE of tightly coupled integrated navigation in Scenario 1 m

    算法东向北向天向3D位置
    算法10.741.280.781.66
    算法20.641.290.681.59
    本文算法0.641.290.681.59
    下载: 导出CSV

    表  6  紧组合导航场景2位置RMSE

    Table  6.   Position RMSE of tightly coupled integrated navigation in Scenario 2 m

    算法东向北向天向3D位置
    算法11.542.471.093.10
    算法21.442.281.032.89
    本文算法0.681.340.681.65
    下载: 导出CSV

    表  7  松组合和紧组合导航中算法的性能

    Table  7.   Performance of algorithm in loosely and tightly coupled integrated navigation %

    组合模式3D定位精度提升
    场景1场景2
    松组合7.545.9
    紧组合4.246.8
    下载: 导出CSV
  • [1] 彭慧. 多模型自适应滤波及其应用研究[D]. 成都: 电子科技大学, 2016: 5-6.

    PENG H. Research on multiple model adaptive estimation filtering mehtods and application study[D]. Chengdu: University of Electronic Science and Technology of China, 2016: 5-6(in Chinese).
    [2] 杨元喜, 张丽萍. 中国大地测量数据处理60年重要进展第一部分: 函数模型和随机模型进展[J]. 地理空间信息, 2009, 7(6): 1-5.

    YANG Y X, ZHANG L P. Progress of geodetic data processing for 60 years in China. Part 1: Progress of functional and stochastic model[J]. Geospatial Information, 2009, 7(6): 1-5(in Chinese).
    [3] MEHRA R. On the identification of variances and adaptive Kalman filtering[J]. IEEE Transactions on Automatic Control, 1970, 15(2): 175-184. doi: 10.1109/TAC.1970.1099422
    [4] 杨元喜, 徐天河. 基于移动开窗法协方差估计和方差分量估计的自适应滤波[J]. 武汉大学学报(信息科学版), 2003, 28(6): 714-718.

    YANG Y X, XU T H. An adaptive Kalman filter combining variance component estimation with covariance matrix estimation based on moving window[J]. Geomatics and Information Science of Wuhan University, 2003, 28(6): 714-718(in Chinese).
    [5] 杨元喜, 何海波, 徐天河. 论动态自适应滤波[J]. 测绘学报, 2001, 30(4): 293-298. doi: 10.3321/j.issn:1001-1595.2001.04.004

    YANG Y X, HE H B, XU T H. Adaptive robust filtering for kinematic GPS positioning[J]. Acta Geodaetica et Cartographic Sinica, 2001, 30(4): 293-298(in Chinese). doi: 10.3321/j.issn:1001-1595.2001.04.004
    [6] 杨元喜, 任夏, 许艳. 自适应抗差滤波理论及应用的主要进展[J]. 导航定位学报, 2013, 1(1): 9-15. doi: 10.3969/j.issn.2095-4999.2013.01.003

    YANG Y X, REN X, XU Y. Main progress of adaptively robust filter with applications in navigation[J]. Journal of Navigation and Positioning, 2013, 1(1): 9-15(in Chinese). doi: 10.3969/j.issn.2095-4999.2013.01.003
    [7] 高为广, 封欣, 朱大为. 基于神经网络构造的GPS/INS自适应组合导航算法[J]. 大地测量与地球动力学, 2007, 27(2): 64-67.

    GAO W G, FENG X, ZHU D W. GPS/INS adaptively integrated navigation algorithm based on neural network[J]. Journal of Geodesy and Geodynamics, 2007, 27(2): 64-67(in Chinese).
    [8] 高为广, 何海波, 陈金平. 自适应UKF算法及其在GPS/INS组合导航中的应用[J]. 北京理工大学学报, 2008, 28(6): 505-509. doi: 10.15918/j.tbit1001-0645.2008.06.006

    GAO W G, HE H B, CHEN J P. An adaptive UKF algorithm and its application for GPS/INS integrated navigation system[J]. Transactions of Beijing Institute of Technology, 2008, 28(6): 505-509(in Chinese). doi: 10.15918/j.tbit1001-0645.2008.06.006
    [9] 杨元喜. 动态系统的抗差Kaliman滤波[J]. 解放军测绘学院学报, 1997, 14(2): 79-84.

    YANG Y X. Robust Kalman filter for dynamic systems[J]. Journal of the PLA Institute of Surveying and Mapping, 1997, 14(2): 79-84(in Chinese).
    [10] 杨元喜. 抗差估计理论及其应用[M]. 北京: 八一出版社, 1993: 2-3.

    YANG Y X. Robust estimation theory and application[M]. Beijing: Bayi Press, 1993: 2-3(in Chinese).
    [11] 邱望彦. 面向通用航空的微惯性/GNSS/ADS组合导航信息融合技术研究[D]. 南京: 南京航空航天大学, 2020: 13-14.

    QIU W Y. Research on information fusion technology of MEMS INS/GNSS/ADS integrated navigation system for general aviation aircrafts[D]. Nanjing: Nanjing University of Aeronautics and Astronautics, 2020: 13-14(in Chinese).
    [12] 杨忠辉. 基于北斗的通航飞机定位方法研究[D]. 天津: 中国民航大学, 2019: 26-27.

    YANG Z H. Research on positioning method of general aviation aircraft based on BDS[D]. Tianjin: Civil Aviation University of China, 2019: 26-27(in Chinese).
    [13] 徐天河, 杨元喜. 改进的Sage自适应滤波方法[J]. 测绘科学, 2000, 25(3): 22-24.

    XU T H, YANG Y X. The improved method of Sage adaptive filtering[J]. Developments in Surveying and Mapping, 2000, 25(3): 22-24(in Chinese).
    [14] 吴富梅, 聂建亮, 何正斌. 利用预测残差和选权滤波构造的分类因子在GPS/INS组合导航中的应用[J]. 武汉大学学报(信息科学版), 2012, 37(3): 261-264.

    WU F M, NIE J L, HE Z B. Classified adaptive filtering to GPS/INS integrated navigation based on predicted residuals and selecting weight filtering[J]. Geomatics and Information Science of Wuhan University, 2012, 37(3): 261-264(in Chinese).
    [15] 高为广, 陈谷仓. 结合自适应滤波和神经网络的GNSS/INS抗差组合导航算法[J]. 武汉大学学报(信息科学版), 2014, 39(11): 1323-1328.

    GAO W G, CHEN G C. Integrated GNSS/INS navigation algorithms combining adaptive filter with neural network[J]. Geomatics and Information Science of Wuhan University, 2014, 39(11): 1323-1328(in Chinese).
    [16] YANG Y, HE H, XU G. Adaptively robust filtering for kinematic geodetic positioning[J]. Journal of Geodesy, 2001, 75(2): 109-116.
    [17] 吴富梅. GNSS/INS组合导航误差补偿与自适应滤波理论的拓展[J]. 测绘学报, 2011, 40(3): 401.

    WU F M. Error compensation and extension of adaptive filtering theory in GNSS/INS integrated navigation[J]. Acta Geodaetica et Cartographica Sinica, 2011, 40(3): 401(in Chinese).
    [18] 付心如. INS/GNSS组合导航抗差自适应Kalman滤波方法研究[D]. 阜新: 辽宁工程技术大学, 2017: 41-42.

    FU X R. Study on the method of INS/GNSS integrated navigation robust adaptive Kalman filtering[D]. Fuxin: Liaoning Technical University, 2017: 41-42(in Chinese).
  • 加载中
图(10) / 表(7)
计量
  • 文章访问数:  471
  • HTML全文浏览量:  82
  • PDF下载量:  84
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-08-13
  • 录用日期:  2021-10-09
  • 网络出版日期:  2021-11-30
  • 整期出版日期:  2023-06-30

目录

    /

    返回文章
    返回
    常见问答