组合导航智能容错与故障检测方法

本书主要介绍了组合导航原理、技术与实现方法，结合近些年来智能计算方法的发展，重点讨论了遗传算法、模糊理论、神经网络、支持向量机在组合导航智能容错与故障检测方面的应用问题，其中包含作者的部分研究成果。全书共分为五章，章主要介绍了组合导航的发展、应用以及容错问题，第2章主要介绍了导航系统的常见类型，第3章主要介绍了组合导航系统信息融合及其典型设计，第4章主要介绍了组合导航智能容错滤波及其实现方法，第5章主要介绍了组合导航系统故障检测方法。本书可作为高等院校导航、控制专业高年级本科生和研究生的参考书籍，也可供相关专业科研与工程技术人员阅读使用。

章 绪论 1 1.1 导航概述 1 1.2 组合导航及其应用发展 3 1.2.1 组合导航与最优估计 3 1.2.2 组合导航的应用与发展 6 1.3 组合导航与故障容错 8 参考文献 10第2章 导航系统 15 2.1 惯性导航系统 15 2.2 卫星导航系统 18 2.2.1 GPS导航系统 19 2.2.2 GLONASS导航系统 24 2.2.3 北斗导航系统 25 2.2.4 伽利略导航系统 26 2.3 陆基无线电导航系统 26 2.4 天文导航系统 29 2.5 其它导航系统 31 2.6 组合导航系统 34 参考文献 35第3章 组合导航信息融合方法 37 3.1 滤波理论与方法 39 3.2 集中与分散卡尔曼滤波 45 3.3 联邦滤波 47 3.3.1 联邦滤波基本原理 47 3.3.2 联邦滤波常见结构 49 3.3.3 联邦滤波性能分析 53 3.4 典型组合系统与容错设计 54 3.4.1 卫星导航对惯导辅助 55 3.4.2 天文导航对惯导辅助 57 3.4.3 信息融合方案 58 3.4.4 系统容错设计 59 3.5 导航数据预处理 60 3.5.1 野值处理 61 3.5.2 组合导航信息同步 61 3.6 组合导航系统误差模型 65 3.6.1 SINS基本工作原理 65 3.6.2 卫星定位基本原理 76 3.6.3 卫星导航误差模型 81 3.6.4 天文导航误差模型 82 参考文献 85第4章 智能容错滤波算法与仿真 86 4.1 遗传算法 86 4.1.1 遗传算法概述 87 4.1.2 遗传算法基本理论 95 4.1.3 遗传算法收敛性分析 99 4.1.4 遗传算法性能分析及其改进 103 4.2 模糊理论 121 4.2.1 模糊理论基础 122 4.2.2 模糊推理规则 128 4.2.3 模糊推理系统的分类与组成 131 4.2.4 遗传模糊自适应滤波算法 135 4.3 神经网络 143 4.3.1 神经网络概述 143 4.3.2 前向型神经网络 144 4.3.3 RBF神经网络 150 4.4 遗传RBF神经网络自适应滤波算法 153 4.4.1 遗传RBF神经网络自适应滤波设计 154 4.4.2 遗传RBF神经网络自适应滤波算法仿真 155 4.5 系统级智能联邦滤波容错算法 158 4.5.1 智能SINS/GNSS/CNS联合滤波设计 158 4.5.2 信息分配因子智能选择控制器 159 参考文献 161第5章 组合导航故障检测方法 164 5.1 子系统故障检测 164 5.1.1 基于KPCA的SINS传感器故障诊断 164 5.1.2 基于RAIM的GNSS故障诊断 170 5.2 系统级故障检测 175 5.2.1 状态χ2检验法 175 5.2.2 残差χ2检验法 177 5.3 统计学习理论与支持向量机 178 5.3.1 统计学习理论 178 5.3.2 支持向量机原理 180 5.3.3 最小二乘支持向量机 183 5.4 基于LSSVM的故障检测方法 185 5.4.1 LSSVM残差χ2检验法 185 5.4.2 算法仿真 187参考文献 189

导航的作用是引导航行载体安全准确地沿着预定航线到达目的地。组合导航是使用两种或两种以上的不同导航系统（设备）对同一导航信息源进行测量，利用不同导航系统性能上的互补特性，从这些测量值的比较值中提取各系统的误差并校正，从而提高整个导航系统性能的技术。随着科学技术的发展与时代进步，如今的导航对信息量的需求越来越多，对导航精度的要求也越来越高。单靠提高一种导航系统的精度，不仅技术实现难度大，而且在实际应用中效果并不显著，无法满足高精度的导航要求。组合导航技术的出现使得这一问题有了完美的解决方案，在其迅速发展的同时，也取得了令人瞩目的成就。组合导航克服了单个导航系统的不足，取长补短，使组合后的导航精度高于单个系统工作的精度。组合导航的基本原理是利用信息融合技术，通过最优估计、数字滤波等信号处理方法把各种导航系统结合起来，发挥各种系统的优势，达到比任何单一系统更高的导航精度。在组合导航中，卡尔曼滤波是一种基本的信息融合方法。但是标准的卡尔曼滤波器的应用要求具有系统数学模型和噪声统计特性的先验知识。通常，我们可以得到组合导航的系统和观测模型，但由于系统本身元器件的不稳定性及外部应用环境不确定因素的影响，系统和观测噪声的统计特性难以准确描述，由此可能导致滤波器的发散。因此，常规的卡尔曼滤波器在实际应用中并不能保证其收敛性和稳定性，故障容错性能较差。为了提高组合导航的容错性能和可靠性，可将智能理论与方法辅助于组合导航信息融合中的故障容错与检测。智能化的状态估计器能够很好地处理系统的不确定性问题。当前，遗传算法、模糊理论、神经网络和支持向量机是智能计算领域中重要的信息处理方法和计算工具，在处理自适应、非线性、故障容错与检测等诸多问题上已展现出特有的技术优势，尤其是在系统难以建模描述或先验知识不足的情况下，这种优势更为突出。如何结合各种智能方法的优点来构造新的混合算法，以应用于高精度、高可靠的组合导航系统中，是智能信息融合与容错方法设计的一种重要的指导思想，并且这种算法混合思想已成为当前算法性能优化的一种有效的途径。本书在介绍了组合导航原理、技术与实现方法的基础上，结合近年来智能计算方法的研究与发展，重点讨论了遗传算法、模糊理论、神经网络、支持向量机在组合导航智能容错与故障检测方面的应用与设计实现问题，其中包含作者的部分研究成果。全书共分为五章，章主要介绍了组合导航的发展、应用以及容错问题；第2章主要介绍了导航系统的常见类型；第3章主要介绍了组合导航系统信息融合及其典型设计；第4章主要介绍了组合导航智能容错滤波及其实现方法，包括利用遗传算法优化模糊推理系统和神经网络及其两者在滤波容错中的具体应用问题；第5章主要介绍了组合导航系统故障检测方法，包括子系统和系统级故障检测问题。由于组合导航涉及多门学科前沿，其理论、方法与技术仍在不断发展和更新中，加之作者研究水平、查阅资料范围和撰写功底有限，书中不足之处在所难免，敬请同行和读者不吝指正。