RSINS/里程計(jì)容錯(cuò)組合導(dǎo)航方案設(shè)計(jì)與性能驗(yàn)證

楊潔 申亮亮 王新龍 蔡遠(yuǎn)文 陳鼎

摘要：為滿足武器發(fā)射車輛對車載導(dǎo)航系統(tǒng)自主性、精確性和可靠性的要求，設(shè)計(jì)了一種RSINS/里程計(jì)容錯(cuò)組合導(dǎo)航方案。首先，在對里程計(jì)不同量測信息特點(diǎn)分析的基礎(chǔ)上，建立了基于里程增量匹配方式的RSINS/里程計(jì)組合導(dǎo)航系統(tǒng)模型。其次，根據(jù)對RSINS/里程計(jì)組合導(dǎo)航系統(tǒng)模型的可觀測性分析結(jié)果，建立了一種可觀的RSINS/里程計(jì)組合導(dǎo)航系統(tǒng)模型，并針對車輛行駛過程中里程計(jì)可能發(fā)生的量測信息不可用問題，設(shè)計(jì)了一種基于序貫卡爾曼濾波的RSINS/里程計(jì)容錯(cuò)組合導(dǎo)航信息融合方案。最后，通過仿真驗(yàn)證表明，RSINS/里程計(jì)容錯(cuò)組合導(dǎo)航方案能夠保證組合系統(tǒng)的導(dǎo)航精度和可靠性。

關(guān)鍵詞： 捷聯(lián)慣導(dǎo)系統(tǒng);旋轉(zhuǎn)調(diào)制;里程計(jì);組合導(dǎo)航;序貫卡爾曼濾波

中圖分類號： TJ765; V249? 文獻(xiàn)標(biāo)識碼： A? 文章編號： 1673-5048（2021）02-0093-07

0 引? 言

武器發(fā)射車輛對車載導(dǎo)航系統(tǒng)的自主性、可靠性和精確性提出了較高要求[1]。慣性導(dǎo)航系統(tǒng)能夠獨(dú)立自主地提供姿態(tài)、速度和位置等導(dǎo)航信息，具有數(shù)據(jù)更新率高、隱蔽性好、穩(wěn)定性高等優(yōu)點(diǎn)。因此，武器發(fā)射車輛大都配有慣性導(dǎo)航系統(tǒng)。然而，慣性導(dǎo)航系統(tǒng)的導(dǎo)航誤差受慣性器件誤差的影響隨時(shí)間累積，所以通常利用其他導(dǎo)航系統(tǒng)來輔助慣性導(dǎo)航系統(tǒng)，并組成組合導(dǎo)航系統(tǒng)，進(jìn)一步提高武器發(fā)射車輛的導(dǎo)航精度[2]。

從導(dǎo)航精確性來看，車載組合導(dǎo)航系統(tǒng)大致經(jīng)過兩個(gè)發(fā)展階段。第一代車載組合導(dǎo)航系統(tǒng)出現(xiàn)在20世紀(jì)70年代，主要采用慣性導(dǎo)航系統(tǒng)和地圖匹配相結(jié)合的導(dǎo)航方式，通過地圖匹配技術(shù)對慣性導(dǎo)航系統(tǒng)的定位誤差進(jìn)行定期修正，其中以美國Etak公司的Navigator為典型代表[3]，但受限于地圖精度的影響，并沒有完全達(dá)到很好的效果。第二代車載組合導(dǎo)航系統(tǒng)出現(xiàn)在20世紀(jì)90年代，主要采用捷聯(lián)慣導(dǎo)系統(tǒng)（SINS）和全球?qū)Ш叫l(wèi)星系統(tǒng)（GNSS）或者里程計(jì)相結(jié)合的導(dǎo)航方式。由于GNSS可以直接為載體提供對地位置和速度信息，所以SINS/GNSS組合導(dǎo)航系統(tǒng)在定位精度上有了突破性提高，其中以美國的俠士定位定向系統(tǒng)為典型代表[3]，其定位精度可以達(dá)到10 m。但GNSS信號易受干擾和欺騙，因而無法滿足武器發(fā)射車輛對車載導(dǎo)航系統(tǒng)的自主性要求，而里程計(jì)可以為車輛提供誤差不隨時(shí)間累積的載體系下的速度信息，自主性強(qiáng)、成本低[4]，所以SINS/里程計(jì)組合導(dǎo)航系統(tǒng)是一種完全自主，具有高隱蔽性和強(qiáng)抗干擾能力的組合方式[5-7]。但由于里程計(jì)無法輸出載體的位置和姿態(tài)信息，所以SINS/里程計(jì)組合導(dǎo)航系統(tǒng)在長航時(shí)導(dǎo)航應(yīng)用中的定位誤差仍然會受慣性器件誤差和初始對準(zhǔn)誤差等因素影響，隨時(shí)間逐漸發(fā)散。

近年來，旋轉(zhuǎn)式捷聯(lián)慣導(dǎo)系統(tǒng)（rotary strapdown inertial navigation system，RSINS）采用旋轉(zhuǎn)調(diào)制技術(shù)在現(xiàn)有慣性器件技術(shù)條件下為提高導(dǎo)航精度提供了一條有效途徑[8-9]。采用旋轉(zhuǎn)調(diào)制技術(shù)可在導(dǎo)航系中將慣性器件誤差調(diào)制成周期性變化的信號，從而抵消器件誤差對導(dǎo)航精度的影響，提高慣導(dǎo)系統(tǒng)長航時(shí)導(dǎo)航精度，提高系統(tǒng)的初始對準(zhǔn)精度[9]。因此，RSINS/里程計(jì)組合導(dǎo)航系統(tǒng)能在保證自主性的前提下進(jìn)一步提高導(dǎo)航精確性，是一種適用于武器發(fā)射車輛的長航時(shí)高精度自主導(dǎo)航方案。

基于此，并考慮到車輛行駛過程中可能出現(xiàn)的打滑、滑行、側(cè)滑和跳躍等情況[10-11]，本文設(shè)計(jì)了一種基于序

貫卡爾曼濾波的RSINS/里程計(jì)組合導(dǎo)航信息融合方案，并對該方案的可行性進(jìn)行了驗(yàn)證。

1 RSINS/里程計(jì)組合導(dǎo)航系統(tǒng)量測匹配方式選擇

定義常用坐標(biāo)系：選擇東-北-天地理坐標(biāo)系為導(dǎo)航坐標(biāo)系（n系）;與載體固聯(lián)，沿載體右-前-上方向的坐標(biāo)系為載體坐標(biāo)系（b系）;與慣性器件固聯(lián)，沿慣性器件敏感軸方向的坐標(biāo)系為慣性器件坐標(biāo)系（s系）。

1.1 里程計(jì)測量模型

車輛運(yùn)動特點(diǎn)如圖1所示。

4 仿真驗(yàn)證

4.1 仿真條件

對所提方案的長時(shí)間導(dǎo)航性能及故障發(fā)生時(shí)的容錯(cuò)性能進(jìn)行仿真驗(yàn)證。

（1） 車輛運(yùn)動軌跡設(shè)定

車輛運(yùn)動軌跡包含勻速、加減速、轉(zhuǎn)彎、爬坡和下坡等機(jī)動方式，行駛總時(shí)長1 h，最大速率20 m/s，行駛總距離58.15 km。初始位置（L0=40°N，λ0=116°E，h0=100 m），初始速度和初始姿態(tài)角均為零。

（2） 傳感器及濾波參數(shù)設(shè)定

傳感器參數(shù)：慣性器件和里程計(jì)的采樣頻率均為100 Hz。陀螺儀常值漂移為0.02 （°）/h，測量噪聲標(biāo)準(zhǔn)差為0.002 （°）/h;加速度計(jì)零偏為100μg，測量噪聲標(biāo)準(zhǔn)差為10μg;里程計(jì)標(biāo)度因數(shù)誤差為1%;里程計(jì)提供的里程增量測量噪聲標(biāo)準(zhǔn)差為0.01 m （0.1 s）。

RISNS選用單軸連續(xù)旋轉(zhuǎn)方案，旋轉(zhuǎn)軸向?yàn)閦軸，旋轉(zhuǎn)角速度為6 （°）/s。安裝失準(zhǔn)角為（δαx=18′，δαy=25′，δαz=12′），初始對準(zhǔn)誤差為（φnE=30″，φnN=30″，φnU=10′）。

卡爾曼濾波器參數(shù)：狀態(tài)更新周期0.01 s，量測更新周期0.1 s。濾波穩(wěn)定后將φn和δvn對RSINS進(jìn)行反饋校正，校正周期0.2 s，校正系數(shù)0.1。

（3） 故障模擬

對打滑、滑行、側(cè)滑和跳躍這四種情況進(jìn)行模擬，各故障的發(fā)生時(shí)段及發(fā)生位置分別如表1和圖3所示。

跳躍時(shí)，高度方向的速度設(shè)置為vbz=0.5sin[（t-t1）·π/15];打滑時(shí)，里程計(jì)輸出設(shè)置為理想輸出的1.1倍;側(cè)滑時(shí)，橫向速度設(shè)置為vbx=sin[（t-t3）π/5];滑行時(shí)，里程計(jì)輸出設(shè)置為零。t1和t3分別為相應(yīng)故障發(fā)生的起始時(shí)刻。

故障檢測閾值選擇：虛警概率為α=10-3，查表得到自由度為1的χ2分布對應(yīng)于α的臨界值為TD=10.83。

4.2 仿真結(jié)果及分析

（1） 不同方案的導(dǎo)航精度對比

不考慮車輛行駛過程中打滑、滑行、側(cè)滑或跳躍等狀況，對不同方案的導(dǎo)航精度進(jìn)行對比。從圖4～5可以看出，由于受慣性器件誤差影響，SINS解算得到的姿態(tài)和位置誤差是隨時(shí)間累積的;而引入旋轉(zhuǎn)調(diào)制后，垂直于旋轉(zhuǎn)軸向的慣性器件常值誤差得到抑制，使得RSINS解算得到的相應(yīng)方向的姿態(tài)和位置精度得到提高，如圖6～7所示。進(jìn)一步，從圖8～9可以看出，通過引入里程計(jì)信息，不僅RSINS/里程計(jì)組合導(dǎo)航系統(tǒng)可以對RSINS的姿態(tài)誤差及其他可觀狀態(tài)進(jìn)行估計(jì)，提高了組合導(dǎo)航系統(tǒng)的姿態(tài)和位置精度，而且對比三種量測匹配方式的偏航角誤差和定位精度可以看出，里程增量匹配方式的收斂速度和定位精度明顯優(yōu)于其他兩種匹配方式。

（2） 容錯(cuò)性能驗(yàn)證

進(jìn)一步考慮車輛行駛過程中出現(xiàn)打滑、滑行、側(cè)滑或跳躍的情況，對所提方案的容錯(cuò)性能進(jìn)行驗(yàn)證。

a.系統(tǒng)故障檢測結(jié)果

各量測通道故障檢測的虛警概率及各故障的檢測結(jié)果分別如表2和圖10所示。

圖10表明所提方案可以對不同量測通道的故障進(jìn)行單獨(dú)檢測與隔離，即使同時(shí)發(fā)生多種故障也具有較好的檢測能力。對于故障幅度較大的打滑和滑行故障，故障告警期間無漏檢;而對于故障幅度緩變的跳躍和側(cè)滑故障，檢測成功率相應(yīng)降低，反映出新息χ2檢驗(yàn)法對突變故障更加敏感的特點(diǎn)。此外，由表2可知，各通道故障檢測虛警概率均約為0.1%，滿足預(yù)先設(shè)置要求。

b. 組合導(dǎo)航結(jié)果

所提方案得到的導(dǎo)航誤差以及εs，Δ s，δαx，δαz和δKD的估計(jì)結(jié)果如圖11～17所示。由圖可知，所提方案中姿態(tài)和速度誤差均快速收斂，對εs，Δ s，δαx，δαz和δKD的估計(jì)結(jié)果也都收斂。而且由于φn和δvn可以得到有效估計(jì)，所以在φn和δvn的反饋校正下，RSINS解算的位置誤差同樣可以得到有效限制。由圖13可知，系統(tǒng)運(yùn)行1 h后定位精度可以達(dá)到0.02%D（D為行駛里程），可見所提方案也具備很好的容錯(cuò)性能。

5 結(jié)? 論

本文針對車載運(yùn)動特點(diǎn)，設(shè)計(jì)了一種RSINS/里程計(jì)容錯(cuò)組合導(dǎo)航信息融合方案，通過對比分析里程計(jì)的三種量測方式可見，與速度匹配和位置匹配方式相比，里程增量匹配方式不僅能夠及時(shí)反映載體動態(tài)性能，而且可克服位置匹配方式中姿態(tài)失準(zhǔn)角收斂速度慢的缺點(diǎn);與傳統(tǒng)濾波方法相比，選用的這種基于序貫卡爾曼濾波信息融合方法可以實(shí)現(xiàn)對不同量測通道的故障進(jìn)行單獨(dú)檢測與隔離，從而可提高導(dǎo)航系統(tǒng)的可靠性和容錯(cuò)性。

參考文獻(xiàn)：

[1] 明軒，王新龍. 自主式車載捷聯(lián)慣導(dǎo)行進(jìn)間對準(zhǔn)方案設(shè)計(jì)[J]. 航空兵器，2016（3）： 30-34.

Ming Xuan，Wang Xinlong. Design of Autonomous SINS In-Motion Alignment Scheme for Land-Vehicles[J]. Aero Weaponry，2016（3）： 30-34. （in Chinese）

[2] 秦永元，張洪鉞，汪叔華. 卡爾曼濾波與組合導(dǎo)航原理[M]. 3版. 西安：西北工業(yè)大學(xué)出版社，2015.

Qin Yongyuan，Zhang Hongyue，Wang Shuhua. Principles of Kalman Filter and Integrated Navigation[M].3rd ed. Xian：Northwestern Polytechnical University Press，2015. （in Chinese）

[3] 陳思，仲啟媛，譚立龍，等. 車載定位定向技術(shù)概述[J]. 飛航導(dǎo)彈，2017（10）： 26-30.

Chen Si，Zhong Qiyuan，Tan Lilong，et al. Overview of Vehicle Positioning and Orientation Technology[J]. Aerodynamic Missile Journal，2017（10）： 26-30. （in Chinese）

[4] Wu Y X，Wu M P，Hu X P，et al. Self-Calibration for Land Navigation Using Inertial Sensors and Odometer： Observability Analysis[C]∥ AIAA Guidance，Navigation，and Control Conference，2009.

[5] Chen H，Zhang Z L，Zhou Z F，et al. SINS/OD Integrated Navigation Algorithm Based on Body Frame Position Increment for Land Vehicles[J]. Mathematical Problems in Engineering，2018： 1-11.

[6] Zhao H S，Miao L J，Shao H J. Adaptive Two-Stage Kalman Filter for SINS/Odometer Integrated Navigation Systems[J]. Journal of Navigation，2016，70（2）： 242-261.

[7] 付強(qiáng)文，秦永元，周琪. 改進(jìn)量測的車載捷聯(lián)慣導(dǎo)/里程計(jì)組合導(dǎo)航算法[J]. 測控技術(shù)，2013，32（7）： 134-137.

Fu Qiangwen，Qin Yongyuan，Zhou Qi. Improved Vehicular SINS/Odometer Integrated Navigation Algorithm[J]. Measurement & Control Technology，2013，32（7）： 134-137. （in Chinese）

[8] Levinson E，Ter Horst J，Willcocks M. The Next Generation Marine Inertial Navigator is Here Now[C]∥IEEE Position，Location and Navigation Symposium，1994： 121-127.

[9] Sun W，Wang D X，Xu L W，et al. MEMS-Based Rotary Strapdown Inertial Navigation System[J]. Measurement，2013，46（8）： 2585-2596.

[10] Fu Q W，Liu Y，Li Z B，et al. Autonomous In-Motion Alignment for Land Vehicle Strapdown Inertial Navigation System without the Aid of External Sensors[J]. Journal of Navigation，2018，71（6）： 1312-1328.

[11] 翁浚，成研，秦永元，等. 車輛運(yùn)動約束在SINS/OD系統(tǒng)故障檢測中的應(yīng)用[J]. 中國慣性技術(shù)學(xué)報(bào)，2013（3）： 406-410.

Weng Jun，Cheng Yan，Qin Yongyuan，et al. Application of Vehicle Constraints in SINS/OD Systems Fault Detection[J]. Journal of Chinese Inertial Technology，2013（3）： 406-410. （in Chinese）

[12] Wu Y X. Versatile Land Navigation Using Inertial Sensors and Odometry： Self-Calibration，In-Motion Alignment and Positioning[C]∥2014 DGON Inertial Sensors and Systems （ISS），2014： 16-17.

[13] 高亢，任順清，陳希軍，等. 車載激光捷聯(lián)慣導(dǎo)系統(tǒng)初始對準(zhǔn)可觀測性分析[J]. 中國激光，2018，45（12）： 47-53.

Gao Kang，Ren Shunqing，Chen Xijun，et al. Observability Analy-sis of Vehicle-Based-Laser Strapdown Inertial Navigation System Initial Alignment[J]. Chinese Journal of Lasers，2018，45（12）： 47-53. （in Chinese）

Design and Performance Verification of RSINS/Odometer

Fault-Tolerant Integrated Navigation Scheme

Yang Jie1，Shen Liangliang2，Wang Xinlong1*，Cai Yuanwen3，Chen Ding4

（1. School of Astronautics，Beihang University，Beijing 100083，China;

2. Beijing Institute of Control & Electronic Technology，Beijing 100038，China;

3. Department of Graduate School，Space Engineering University，Beijing 101416，China;

4. State Key Laboratory of Space-Ground Information Technology，Beijing 100086，China）

Abstract： In order to meet the requirements of autonomous，accuracy and reliability of vehicle navigation system for weapon launch vehicles，a fault-tolerant integrated navigation scheme of RSINS/odometer is designed. Based on the analysis of the characteristics of different odometer measurement information，the RSINS/odometer integrated navigation system model based on mileage increment matching mode is established. According to the results of the observability analysis of the RSINS/odometer integrated navigation system model，an observable RSINS/odometer integrated navigation system model is established. A fault-tolerant integrated navigation information fusion scheme of RSINS/odometer based on sequential Kalman filter is designed to solve the problem that odometer measurement information may not be available during vehicle driving. Finally，the simulation results show that the RSINS/odometer fault-tolerant integrated navigation scheme can ensure the navigation accuracy and reliability of the integrated system.

Key words： SINS; rotation modulation; odometer; integrated navigation; sequential Kalman filter

收稿日期：2019-11-13

基金項(xiàng)目：國家自然科學(xué)基金項(xiàng)目（61673040）;航空科學(xué)基金項(xiàng)目（20170151002）;試驗(yàn)技術(shù)項(xiàng)目（1700050405）;天地一體化信息技術(shù)國家重點(diǎn)實(shí)驗(yàn)室基金項(xiàng)目（2015-SGIIT-KFJJ-DH-01）;重點(diǎn)基礎(chǔ)研究項(xiàng)目（2020-JCJQ-ZD-136-12）

作者簡介：楊潔（1993-），男，山西陽泉人，博士研究生，研究方向?yàn)閷?dǎo)航、制導(dǎo)與控制。

通訊作者：王新龍（1969-），男，陜西渭南人，教授，研究方向?yàn)閷?dǎo)航、制導(dǎo)與控制。