专利名称：基于分布式传感器网络的导航系统完好性监测方法
技术领域：
本发明涉及一种基于分布式传感器网络的导航系统完好性监测方法，属于导航系统完好性监测的技术领域。
背景技术：
完好性是指导航系统在使用过程中，发生故障或性能变坏所导致的误差超过可能接受的限定值(告警阀值)时，提供及时、有效告警信息的能力。为了确保导航系统的可靠性，需要对导航系统进行完好性监测，其主要目的是进行故障检测并隔离。完好性监测通过对硬件、软件等冗余信息的分析，进行检测统计量、阀值判断等处理。目前，国内外已对导航系统的完好性监测进行了较多研究，通常分为快照法 (snap sho t)和连续法(s e quen t i a I)。快照法利用单个历元的测量信息来检测和_离瞬时的阶跃故障，通常用于变化较大的故障，典型的方法有最小ニ乘残差法、奇偶向量法等，另外国内外广泛研究的GNSS (全球导航卫星系统)接收机自主完好性监测(RAM)也属于快照法。快照法可以检测导航传感器或GNSS信号的阶跃故障，但不能检测由惯性传感器漂移等引起的慢变的斜坡故障。对于慢变斜坡故障的检测，通常基于历史累积信息的连续法，如连续概率比检测法(SPRT)、基于动力学模型法等，但目前的算法比较耗时，甚至达到数十分钟。Brenner等人基于Kalman滤波组给出了多解分离法(MSS),根据所有测量集合以及不同测量子集的卡尔曼滤波器进行完好性检测，并应用到了 Honeywell公司的IN/GPS/大气数据的混合导航系统(HIGH) ；Diesel等人给出了ー种自主完好性外推法(AME)，应用到Litton公司的GPS/IRS组合系统中。对于GNSS接收机导航，RAIM法是目前常用的较为有效的完好性监测方法；对于惯性导航完好性监测，通常采用GLRT (广义释然比)法、奇偶向量法等；对于多传感器组合，如GNSS与惯性导航系统组合，MSS和AIME是目前具有工程应用报道的完好性监测方法。采用分布式传感器网络的导航系统是ー种新的导航系统设计理念，它是在近年来新一代的低成本、小体积、轻质量的导航传感器，如MEMS (微机电系统)惯性传感器、MSIS(微小型固态惯性传感器)、光纤陀螺、GNSS接收机等，以及高速大容量的嵌入式微处理器和分布式模块化电子设备的基础上发展起来的新技术。它将多个惯性传感器系统配置在载体(如飞机、舰船、大型航天器等)的多个位置，构成分布式惯性网络拓扑结构，不仅能够为载体的导航提供冗余的分布式測量信息，而且为载体的电子设备如雷达跟踪、装备载荷等，提供局部的量测系统，同时还能提供用于载体电子设备局部运动补偿的惯性状态信息。基于分布式传感器网络的导航结构通过重构和共享有限的计算资源，可以提高故障容错水平，井能动态的配置传感器系统功能。目前的完好性监测方法，通常是针对単独的惯性导航系统，或者是单独的GNSS导航系统，或者适合于传统的集中滤波或联邦滤波结构的多传感器导航系统，但是不能直接应用于分布式导航系统中。惯性传感器除了由于电子器件、机械部件引起的阶跃故障外，通常还存在慢变的漂移，而且各网络节点间的运动状态并不是统ー的，通常的完好性监测方法不能直接应用于分布式传感器网络结构。对于基于分布式传感器网络的导航系统，目前还没有有效的完好性监测方法，来确保整个导航系统的整体性能。

发明内容
本发明针对新型的基于分布式惯性传感器网络的导航系统，提出了一种基于分布式传感器网络的导航系统完好性监测方法，克服现有完好性监测方法不能直接应用到分布式导航系统的不足，提高分布式导航系统的完好性。本发明为解决其技术问题采用如下技术方案
一种基于分布式传感器网络的导航系统完好性监测方法，采用传感器级的完好性监测处理和系统级的完好性监测处理的分级处理方式，对基于分布式传感器网络的导航系统进行完好性监测。其中，基于分布式传感器网络的导航系统包括GNSS (全球导航卫星系统)接收机、k个SRMU(斜装冗余惯性测量単元)网络节点，k为自然数，各个网络节点可以具 有相同的性能或者不同的性能，在导航处理中均共享其它网络节点的信息进行信息融合，其中ー个SRIMU网络节点还与GNSS接收机的信息融合，具有更高的导航性能，作为主节点。完好性监测与导航解算的处理步骤如下
(1)在传感器级完好性监测阶段，对GNSS接收机采用RAM(接收机自主完好性监测)法进行完好性监测，将k个SRIMU网络节点的测量信息分别发送到k个SRIMU网络节点的FDI (故障检测与隔离)处理单元进行，进行故障检测与隔离处理；
(2)经过k个SRMU网络节点的FDI处理单元处理后的惯性信息，分别输入到k个惯性測量融合単元中，对经过传感器级完好性监测的SRMU的惯性信息进行融合处理，得到相对于三轴正交坐标系的计算的惯性信息；
(3)将k个惯性測量融合处理后的计算惯性信息，输入k个局部KF(卡尔曼滤波器)中，进行局部导航信息解算。其中，各个局部KF接收所有共享的惯性測量融合信息；另外，主节点的局部KF中，还将融合经过RA頂监测后的GNSS接收机信息，比其它滤波器的导航解算具有更闻的性能。(4)将k个局部KF的新息输入到系统级完好性监测处理单元中，采用基于新息处理的完好性监测方法，进行导航系统的系统级完好性监测，并将完好性信息发送到k个局部导航状态更新单元中。(5)最后沽个局部导航状态更新単元，接收k个局部KF的相同类型的导航状态信息，进行融合处理，得到最終的更新的导航信息。在该k个局部导航状态更新中，根据系统级完好性监测处理提供的完好性信息，如果某个局部KF存在故障，则在融合处理中剔除该局部KF的导航状态信息。本发明的有益效果如下
I、目前基于分布式传感器网络的导航系统是ー种新的导航系统设计概念，针对该类导航系统还没有有效的完好性监测方法，本发明可以解决该问题。2、采用传感器级的完好性监测处理和系统级的完好性监测处理的分级处理方式，从分布式传感器网络节点到整个导航系统层面，全面增强完好性性能。3、所设计的完好性监测算法实时性好、可靠高、计算量小，不仅能检测和隔离快变的阶跃故障，而且可以检测和隔离慢变的斜坡故障。
4、在传感器级完好性监测中，采用MW-PV法与离散小波变换法的综合方法，不仅可以对多个故障依次进行检测和隔离，同时克服単独的奇偶向量法对于4个传感器，只能检测而不能隔离故障的缺点(当只有I个冗余观测量时，奇偶向量法不能诊断故障是出现在哪个传感器上)，在只有I个冗余观测吋，仍能有效的检测和隔离故障。同时，采用移动窗ロ(MV)的方法，可以进ー步检测和隔离慢变的斜坡故障。5、在主要的网络节点上，采用GNSS接收机的外部辅助导航传感器。利用局部KF的新息与GNSS实际测量是独立的特点，通过监测所有网络节点的局部KF新息，实现系统级完好性监测。6、在系统级完好性监测中，采用基于滤波新息的残差检验，以及新息移动窗ロ法处理，不仅可以进行系统级中快变的阶跃故障检测，还可以进行系统级中慢变的斜坡故障检测。



图I为本发明的基于分布式传感器网络的导航系统实施示意图。图2为本发明的基于分布式传感器网络的导航系统完好性监测流程图。图3为本发明的传感器级完好性监测的SRMU处理流程示意图。图4为本发明的系统级完好性监测处理流程示意图。
具体实施例方式下面结合附图对本发明创造做进ー步详细说明。基于分布式传感器网络的导航系统实施路线
如图I所示，以飞机运动载体为例(其它运动载体如舰船、大型航天器等应用与之类似)，由SRIMU构成的k个传感器网络节点，k为自然数，分布式的配置在飞机的多个位置，构成分布式传感器网络拓扑结构，不仅能够为载体的导航提供冗余的分布式測量信息，而且为载体的电子设备如雷达跟踪、装备载荷等，提供局部的量测系统，同时还能提供用于载体电子设备局部运动补偿的惯性状态信息。基于分布式传感器网络的导航结构通过重构和共享有限的计算资源，可以提高故障容错水平，井能动态的配置传感器系统功能。通常飞机的主要导航设备位于其中心，还配置有如GNSS接收机等其它助航系统，在本发明中视为主要网络节点，因此在局部KF中，观测量中除了充分利用各个惯性測量融合信息外，还增加了 GNSS观测信息。基于分布式传感器网络的导航系统完好性监测总体方案
如图2所示，对于基于分布式传感器网络的导航系统完好性监测，采用传感器级的完好性监测处理和系统级的完好性监测处理的分级处理方式。其中，基于分布式传感器网络的导航系统包括GNSS (全球导航卫星系统)接收机、k个SRMU (斜装冗余惯性测量単元)网络节点，k为自然数，各个网络节点可以具有相同的性能或者不同的性能，在导航处理中均共享其它网络节点的信息进行信息融合，其中ー个SRIMU网络节点还与GNSS接收机的信息融合，具有更高的导航性能，作为主节点。为了获得最好的系统完好性监测效果，本具体实施方式
中选取载体中心位置的SR頂U网络节点I作为主节点。在传感器级完好性监测阶段，对GNSS接收机采用RA頂(接收机自主完好性监测)法进行完好性监测，将k个SRMU网络节点的測量信息分别发送到k个SRMU网络节点的FDI (故障检测与隔离)处理单元进行，进行故障检测与隔离处理；经过k个SRMU网络节点的FDI处理单元处理后的惯性信息，分别输入到k个惯性測量融合単元中，对经过传感器级完好性监测的SRIMU的惯性信息进行融合处理，得到相对于三轴正交坐标系的计算的惯性信息个惯性測量融合处理后的计算惯性信息，输入k个局部KF(卡尔曼滤波器)中，进行局部导航信息解算，各个局部KF接收所有共享的惯性測量融合信息，其中在主节点的局部KF(本具体实施方式
中即局部KFl)中，还将融合经过RAM监测后的GNSS接收机信息，比其它滤波器的导航解算具有更高的性能；将k个局部KF的新息输入到系统级完好性监测处理单元中，采用基于新息处理的完好性监测方法，进行导航系统的系统级完好性监测，并将完好性信息发送到k个局部导航状态更新単元中；最后，k个局部导航状态更新単元，接收k个局部KF的相同类型的导航状态信息(即位置、速度、姿态信息)，进行融合处理，得到最終的更新的导航信息，在该k 个局部导航状态更新中，根据系统级完好性监测处理提供的完好性信息，如果某个局部KF存在故障，则在融合处理中剔除该局部KF的导航状态信息。传感器级完好性监测处理
如图3所示，在传感器级完好性监测处理中，GNSS接收机采用通常的RA頂法进行完好性监测。本发明重点针对SRIMU的完好性监测，采用如下步骤
(I)总体步骤 a.建立观测方程
记第a个斜装冗余惯性测量単元的传感器数量为n，其中，
3=η为大于3的自然数(当η=3时为最小配置，此时不具备故障检测和隔离能
力)，首先将η个传感器信息发送到基于MW-PV (移动窗ロ -奇偶向量)法的故障检测处理单元中，建立观测方程如下
其中,邊为η维测量向量;f为真实的状态向量(三轴角速度、三轴加速度等);为η个传感器的安装矩阵石为η维的故障向量，当第i (I = 1,2,.·., )个传感器出现故障时,S的第i个元素$为非零值，否则为零为传感器的测量噪声。计算奇偶向量
式(I)的奇偶向量可以表不为
D = CM(2)
其中，f为n-3维奇偶向量，它直接反映了故障的偏差信息；(7为(n-3) Xn维奇偶空间矩阵，具有如下性质 :し办=0(η-3)·-3)’〔-ご=1(ト3帅-3)’ 其中
%-3)χ(λ-3)为η'3维零矩阵’}(ιι-3Μ -3)为η'3维单位矩阵。因此，ハ为安装矩阵
的零空间矩阵，在本发明中通过对Ι 转秩矩阵的奇异值分解(SVD)得到
rr r Il1 OliRr'
Hr = UEVr =Wi U2] 4 !τ(3)
1 1 2J O O V!其中，？7为3X3维酉矩阵；Σ为半正定3Xn维对角矩阵是nXn维酉矩阵为其共轭转置;Σ1为对角矩阵,其对角线上的元素即为的奇异值if"为Pr的前3行(即|Τ的前3列)为的后η-3行，即由//で零空间的张成。因此，奇偶空间矩阵(7为C = Vj(4)
此时,有CH =由式(I)、(2)和(4)可得奇偶向量为
p^Cm^Cm+Cb+Cv = Cb + Cv⑶
C.计算检测统计量
由式(5)可知，奇偶向量g为故障ろ与噪声f的函数，与状态量f无关。当传感器无故障时わ=O, J 为零均值的η-3维正态分布白噪声序列，其方差为
A=E ||pr| = O1CC7 = Oj(6)
其中，U为噪声标准差。当某个传感器出现故障吋，#不再是零均值的白噪声，其均值为E{p\ =Cb=声,方差为艺！藤1*} = Cr2。因此，可定义检测统计量为
j = PtAaP( )
当传感器无故障吋，S1服从自由度为η-3的中心化I2分布；当出现故障吋，S1服从非中
心化;T2分布，设非中心化參数为;I。计算检测门限
由奇偶向量和检测统计量，作如下假设
jo,/ :无故障
^ [A S- Jf2 (η -3 Λ) Af1:有.故障
由假设条件，当无故障时SRMU处于正常检测状态，如果出现告警则为误警。当给定误警率PFA，则有
冲 < Td / ff0) - ζ /作·3) (ι) = I — FM⑶
由上式可以得到检测门限Γ5。通过比较检测统计量S与检测门限Γ,如果I7s则表
明存在故障，否则无故障。移动窗ロ处理
如果单独采用上述的奇偶向量处理的完好性监测，对于快变的阶跃故障是非常有效的，但对于慢变的斜坡故障检测效果不明显。本发明进一步采用移动窗ロ处理的方法，对斜坡故障进行检测，在奇偶向量检测的基础上，建立ー个长度为L的先进先出的奇偶向量堆栈结构1(1+1) ■■· !(!+!-I)]
其中，多.)为愚时刻的奇偶向量,多.+1)为貪+1时刻的奇偶向量，多(I:+i -1)为I;+乙-1时刻的奇偶向量。此时，检测统计量为
「M+M It「,=+滅-I -
*% = ! Σ p\ [见]—]Σ P(10)
_ I=Ar Ji=k _
进而通过比较检测统计量》3 Ip与检测门限如果& > 则表明存在故障，否则
Λ*JLrr(vImJ
无故障。故障诊断隔离
当检测到故障吋，进ー步将测量信息发送到基于MW-PV法与小波分析法的综合故障诊断隔离处理单元中，根据奇偶向量和移动窗ロ处理，分别诊断出阶跃故障或者斜坡故障，对故障信号进行隔离，并在观测方程中剔除故障传感器信息，重新建构观测方程。其中，对于第I到第n-4个故障，在故障诊断隔离时不需要小波分析法，对于第η-3个故障(即最后4个传感器中诊断隔离故障吋)，由于奇偶向量法不能诊断，此时采用离散小波变换法。设计第i个传感器的故障诊断函数为
^ :(<,)/,! Ii=Iユ·、Ii(11)
其中，q为奇偶空间矩阵G的第i个列向量。如果所有传感器均无故障，则所有的故障诊断函数都为O;如果第i个传感器出现了故障1 ,则第i个故障诊断函数为
Cpj^j C」。因此，对应于最大故障诊断函数的第i个传感器即可认为出现了故障，
需要对其进行隔离。在故障隔离时，将第i个传感器的測量量从观测方程(I)剔除。(2)处理流程 a.第I个故障
当第I个故障出现时，由观测方程计算得到η-3维奇偶向量，根据该η-3维奇偶向量可以有效的检测阶跃故障；接着采用移动窗ロ处理，可以有效地检测斜坡故障；当检测到故障吋，进ー步根据该η-3维奇偶向量和移动窗ロ处理，分别诊断出阶跃故障或者斜坡故障，对故障信号进行隔离，在观测方程中剔除故障传感器信息，重新建构观测方程。b.第2个故障
当第2个故障出现时，在第I个故障隔离后的观测方程基础上，计算得到n-4维奇偶向量，采用前述处理步骤，直接由n-4维奇偶向量检测和隔离阶跃故障，由移动窗ロ处理进一步检测和隔离斜坡故障。c.第3个故障到第n-4个故障
采用上述相同的步骤，依次进行故障检测和隔离 d.第η-3个故障当第η-3个故障出现时，此时的奇偶向量只有I維。由于根据I维的奇偶向量只能检测故障，而不能诊断是哪个传感器出现了故障。因此，当根据I维奇偶向量检测到故障后，在故障诊断隔离处理中，采用基于离散小波变换法的多尺度信号分解来诊断故障并进行隔离。与Fourier变换、快速Fourier变换相比，小波变换是一种时间和频域的局部变换，具有多分辨率分析的特性，它利用了非均匀分布上的分辨率，通过平移的可变窗ロ观察非平稳信号，在信号瞬变或突变处(高频)用窄窗，在信号缓变处(低频)用宽窗，能有效地提取信号波形特征，被誉为数字显微镜。小波分析以其时频多分辨分析的优良特性特别适宜于分析和处理非平稳信号，已在信号去噪、图像处理等方面获得广泛应用。本发明将采用小波分析方法对SRIMU输出信号进行多尺度分解，使得在奇偶向量法无法使用的情况下，也能有效的诊断隔离故障。记实施故障诊断的传感器离散信号序列为CT^iV),其中;T表示信号分解的第/级尺度，#表示第#个离散时间步，它可以被分解为近似信号部分和详细信号部分 糊 ^
W = Xh(K-ZN)C1(K), dm(N)= ^g(K-Ilsi)C1(K)Ci2)
J^=-COJT=-CS
其中,Ii(jY)和gi#)分别为低通高通滤波器和高通滤波器系数，可以由尺度函数#(I)和小波函数,(I)的2尺度关系得到
Ht) = ^ Σ h(N>(2t- Ν),ψ$)=忑 g (Ν)φ( - N) (is)
J^=-COJV=-CO
其中,= iy Jk(l-納。本发明的小波函数采用Daubechies小波，具体分解算法步骤如下
第一歩，对于给定长度为K的原始信号 |，根据公式(12)产生两组数据，一组是作用低通滤波器み(が)得到的近似信号Q，另ー组是作用高通滤波器g(￥)得到的细节信号Sr这
两个信号都是原信号在滤波器作用下以尺度2的下采样。低频部分表征信号本身特征，高频部分表征信号的细微差別。第二步同样做法，把第一歩得到的低频部分信号,利用上述的方法再次分解，直到所需要的层数。在分解过程中为对信号做下采样，则信号长度保持不变。对于长度为I的信号,整个算法在至多IGg;步内完成。对小波分解后的信号，根据诊断阀值进行诊断，如果超过诊断阀制，则认为该传感器出现故障。其中诊断阀值为
其中，σ为该传感器的测量噪声标准差,为离散信号序列的长度;泛为安全系数,其选择可以根据系统特性和导航系统运行环境确定。惯性测量融合及局部KF在惯性测量融合阶段，各个SRMU网络节点对经过完好性监测处理后的传感器測量信息，重新构建观测方程:邊=压+即方程(I)中已经剔除了故障S,采用加权最小ニ乘法进行求解，得到各个网络节点的计算惯性測量估计信息f。f为真实状态f的估计。在局部KF阶段，各个网络节点的惯性测量估计信息，结合其它节点的惯性测量估计信息，构建局部卡尔曼滤波器，解算该网络节点的局部导航状态估计。
..............T对于第k个节点的局部KF,令其状态量为— I Y Y ，其中！λ
η |_ ο,ιι s/i JOJi
表示该节点的局部导航状态，即3维的位置、速度、姿态误差共9维状态向量为传感器 误差，即陀螺和加速度计误差，对于主节点的局部KF (本具体实施方式
中主节点的局部KF为KFl)中还包含GNSS的钟漂和频漂误差。观测量为る,为其它节点惯性測量估计信息与网络节点的差分残差向量，对于局部KFl还包含伪距差向量。则局部KF模型为
ニ·珍 AV1+gJiV1
ニ+ K,
其中’Φ』I为.,到,时刻的状态转移矩阵；fF .,和!^/分别为系统噪声和测
HiI/卜 I ま-1 tMJ-I K1I
量噪声向量。基于卡尔曼滤波递推方程组，进行局部导航状态估计。系统级完好性监测处理
如图4所示，通过监测分布式局部KF的新息，来进行系统级的完好性监测。局部KF接收所有网络节点的惯性测量融合信息进行卡尔曼滤波解算，其中局部KFl除了惯性测量融合信息外，还接收GNSS的伪距测量信息。在局部KF1、局部KF2、……、局部KFk的解算过程中，将它们的滤波器新息^!、&
、……,rk,以及新息的方差ヰ、4、……发送到基于新息处理的完好性监测单元，进行系统级完好性监测。对于任一局部KF的新息处理，t历元的滤波器新息为
Λ
γ, — ￡k~H^Λ,,/* *(16)
I I Γ Iit-I
其中，る为t历元的量测；/^为量测矩阵ー步预测值。ξ类似于方程(5)中
的奇偶向量。当局部KF系统无故障吋，·^为零均值的η维正态分布白噪声序列(η为观测向量的维数)，其方差为
4=丑Ah 丑！1 .爲(17)
其中，为ー步预测均方误差；&为测量噪声方差阵。当局部KF系统出现故障吋，$将不再是零均值的白噪声。定义检测统计量为st = ftTA^lft (18)
当局部KF系统无故障吋，St服从自由度为η的中心化I2分布，当出现故障时服从
非中心化f 3分布，设非中心化參数为』。检测门限&的计算与前述的传感器级的奇偶向量法完好性监测类似，如方程(8)所示，所不同的是自由度由η-3修改为η。通过比较检测统计量^与检测门限Tか如果S > &则表明存在故障，否则无故障。同传感器级完好性监测类似，基于上述的基于新息处理，本质上属于快照法，即根据当前历元的新息进行处理，因此对于快变的阶跃故障非常有效，但对于慢变的斜坡故障，由于局部KF是递推滤波方程组，会跟踪故障导致豸一直很小，因此检测不灵敏。因此，本发明在系统级完好性监测中，也采用了移动窗ロ处理，对斜坡故障进行检测，在新息处理的基础上，建立ー个长度为L的先进先出的新息向量堆栈结构
-4ifて!) Γ ( + 1)…+(19)
其中/⑷为t时刻的奇偶向量， (￡+1)为け!时刻的奇偶向量， ( +￡-1)为时刻的奇偶向量。此时，检测统计量为
^=P^Vj ^ir1PTVl (20)
IIiJ
ι~ι II i=f
进而通过比较检测统计量Sf与检测门限,如果& > 1 则表明存在故障，否则无故障。通过该步的完好性监测处理，可以得到各个局部KF的完好性信息，并将完好性信息发送到局部导航状态更新単元中。局部导航状态更新处理
对于每个网络节点，进ー步设计ー个局部信息融合滤波器，充分融合其它网络节点的局部KF信息，进行局部导航状态更新，从而得到更高性能的导航系统結果。以网络节点I、网络节点2、网络节点3的局部导航状态更新为例，网络节点I的局部导航状态更新方程如下
ぶ⑷
其中，和ミ}1分别为节点I更新的局部导航状态及其均方差阵和分别为节点I的局部KF估计值及其均方差阵和/^1分别为节点I的局部KF估计值及其均方差阵;Jfiw和/^；1分别为节点2的局部KF估计值及其均方差阵和分别为节点3的局部KF估计值及其均方差阵和(ゴ分别为节点2和节点3局部坐标系统到节点I局部坐标系的姿态转换矩阵和CT13分别为节点I分别到节点2和节点3的姿态转换矩阵。当在系统级完好性监测处理中，检测到某个局部KF出现故障，则在局部导航状态
更新方程中，剔除该局部KF的信息，从而保证了最終局部信息融合滤波器的完好性，提高整个导航系统的完好性。
权利要求
1.一种基于分布式传感器网络的导航系统完好性监测方法，其特征在于采用传感器级的完好性监测处理(11)和系统级的完好性监测处理(22)的分级处理方式，对基于分布式传感器网络的导航系统进行完好性监测；其中，基于分布式传感器网络的导航系统包括GNSS接收机、k个SRIMU网络节点，k为自然数，各个网络节点具有相同的性能或者不同的性能，在导航处理中均共享其它网络节点的信息进行信息融合，其中一个SRIMU网络节点还与GNSS接收机的信息融合，具有更高的导航性能，作为主节点；完好性监测与导航解算的处理步骤如下 1)在传感器级完好性监测阶段，对GNSS接收机采用RAIM法进行完好性监测，将k个SRIMU网络节点的测量信息分别发送到k个SRMU网络节点的FDI处理单元进行故障检测与隔尚处理； 2)经过k个SRMU网络节点的FDI处理单元处理后的惯性信息，分别输入到k个惯性测量融合单元中，对经过传感器级完好性监测的SRMU的惯性信息进行融合处理，得到相对于三轴正交坐标系的计算惯性信息； 3)将k个惯性测量融合处理后的计算惯性信息，输入k个局部KF中，进行局部导航信息解算；其中，各个局部KF接收所有共享的惯性测量融合信息；主节点的局部KF中，还融合经过RAM监测后的GNSS接收机信息，比其它滤波器的导航解算具有更高的性能； 4)将k个局部KF的新息输入到系统级完好性监测处理单元(22)中，采用基于新息处理的完好性监测方法，进行导航系统的系统级完好性监测，并将完好性信息发送到k个局部导航状态更新单元中； 5)最后，k个局部导航状态更新单元，接收k个局部KF的相同类型的导航状态信息，进行融合处理，得到最终的更新的导航信息；在该k个局部导航状态更新单元中，根据系统级完好性监测处理提供的完好性信息，如果某个局部KF存在故障，则在融合处理中剔除该局部KF的导航状态信息。
2.根据权利要求I所述的基于分布式传感器网络的导航系统完好性监测方法，其特征在于，所述的传感器级完好性监测处理(11)中，假设其第a个SRIMU网络节点由η个惯性传感器通过斜装的冗余配置构成，其中，a = I, V、k, η为自然数，且η > 3，SRIMU的完好性监测处理步骤包括 2-1)斜装冗余惯性测量单元的η个传感器信息，首先发送到基于MW-PV法的故障检测处理单元中，建立观测方程，依次计算奇偶向量、检测统计量、检测阀值，对η个传感器的故障进行检测，有效地检测阶跃故障；接着采用移动窗口处理，有效地检测斜坡故障；当检测到故障时，进一步将测量信息发送到基于MW-PV法与小波分析法的综合故障诊断隔离处理单元中，根据奇偶向量和移动窗口处理，分别诊断出阶跃故障或者斜坡故障，对故障信号进行隔离，并在观测方程中剔除故障传感器信息，重新建构观测方程； 2-2)当第I个故障出现时，按照步骤2-1)，由观测方程计算得到η-3维奇偶向量，根据该η-3维奇偶向量可以有效的检测阶跃故障，进一步采用移动窗口处理，有效地检测斜坡故障；当检测到故障时，进一步根据该η-3维奇偶向量和移动窗口处理，分别诊断出阶跃故障或者斜坡故障，对故障信号进行隔离，在观测方程中剔除故障传感器信息，重新建构观测方程； 2-3)当第2个故障出现时，由观测方程计算得到η-4维奇偶向量，与步骤2-2)类似，直接由n-4维奇偶向量检测和隔离阶跃故障，由移动窗口处理进一步检测和隔离斜坡故障；2-3)当第3个故障，以及后续的故障出现时，依次采用类似的方法进行故障检测和隔离； 2-4)当第n-3个故障出现时，此时的奇偶向量只有I维，当检测到故障时，在故障诊断隔离处理中，采用离散小波变换法来诊断故障并进行隔离。
3.根据权利要求I所述的基于分布式传感器网络的导航系统完好性监测方法，其特征在于，所述的系统级完好性监测处理(22)中，基于分布式导航系统的各个局部KF滤波器的新息处理进行完好性监测，处理步骤包括 3-1)将经过惯性测量融合处理得到的k组计算惯性测量信息，输入到k个局部KF中进 行局部信息融合处理，采用差分滤波的方式，每个局部KF中的观测信息为所有k组计算惯性测量信息的差分处理，所述主节点的局部KF的观测量中还融合了 GNSS伪距信息； 3-2)在k个局部KF解算过程中，将它们的新息发送到基于新息处理的完好性监测单元中；首先根据滤波新息的残差检验进行阶跃故障检测；如果未检测到故障，则进一步采用新息移动窗口法进行斜坡故障检测；当两种完好性检测都通过时，认为该局部KF的结果是可信的，否则表明该局部KF出现故障； 3-3)将基于新息处理的完好性监测得到的完好性信息，输入到基于局部信息融合滤波器的局部导航状态更新单元中，进一步融合k个局部KF的相同类型的局部导航信息，提高各个网络节点的导航性能；当某个局部KF的新息不满足完好性要求时，在局部信息融合滤波器中对其进行隔离。
全文摘要
本发明公开一种分布式传感器网络的导航系统完好性监测方法，属于导航定位技术领域。采用传感器级的完好性监测处理和系统级的完好性监测处理的分级处理方式，对基于分布式传感器网络的导航系统进行完好性监测。在传感器级完好性监测阶段，对GNSS接收机采用RAIM法进行完好性监测，对k个SRIMU网络节点采用基于移动窗口-奇偶向量法和离散小波变换法的综合方法进行完好性监测；在系统系完好性监测阶段，采用基于新息处理法，以及移动窗口信息处理法进行完好性监测。本发明方法从分布式传感器网络节点到整个分布式导航系统层面，对于阶跃故障和斜坡故障都能有效的监测，全面增强基于分布式传感器网络的导航系统完好性性能。
文档编号G01S19/23GK102819030SQ20121028612
公开日2012年12月12日 申请日期2012年8月13日 优先权日2012年8月13日
发明者刘海颖, 钱颖红, 叶伟松, 华冰, 陈志明, 许蕾 申请人:南京航空航天大学