高密度集成微惯性导航自主完好性监测.pdf

中国空间科学技术F e b.2 5 2 0 2 4 V o l.4 4 N o.1 3 4-4 3C h i n e s e S p a c e S c i e n c e a n d T e c h n o l o g yI S S N1 0 0 0-7 5 8 X C N1 1-1 8 5 9/Vh t t p:z g k j.c a s t.c nD O I:1 0.1 6 7 0 8/j.c n k i.1 0 0 0-7 5 8 X.2 0 2 4.0 0 0 4高密度集成微惯性导航自主完好性监测孟凡琛1,宋健民1,邢朝洋1,*,王巍21.北京航天控制仪器研究所,北京1 0 0 0 9 42.中国航天科技集团有限公司,北京1 0 0 0 4 8摘 要:针对多平台、小型化、集群化等未来微小型空天飞行器故障信息自主监测等技术需求,提出了一种高密度集成微惯性导航自主完好性监测算法。该算法依托最优估计理论,分析微惯性导航系统中可能出现的量测误差信息源,通过优选子集数目进行预检验甄选,利用牛顿恒等式优化工程计算方法,达到微惯性导航系统故障信息检测与排除的目的。与传统MH S S算法相比,该算法能够显著降低系统的计算复杂度,并可有效检测小差错和多差错故障观测量,具有较高的故障信息源检测识别概率,增强了高密度集成微惯性导航与制导系统鲁棒性和完备性。关键词:高密度集成;微惯性导航;组合导航;完好性监测;鲁棒性中图分类号:V 4 4 8.2 文献标识码:A收稿日期:2 0 2 2-0 6-2 8;修回日期:2 0 2 2-0 9-1 6;录用日期:2 0 2 2-0 9-2 0基金项目:国家自然科学基金基础科学中心项目(6 2 3 8 8 1 0 1),中国科协青年人才托举工程(2 0 2 1 QN R C 0 0 1)*通信作者.E-m a i l:m e m s 1 31 6 3.c o m引用格式:孟凡琛,宋健民,邢朝洋,等.高密度集成微惯性导航自主完好性监测J.中国空间科学技术,2 0 2 4,4 4(1):3 4-4 3.ME N G F C,S ON G J M,X I N G C Y,e t a l.A u t o n o m o u s i n t e g r i t y m o n i t o r i n g o f i n t e g r a t e d m i c r o-i n e r t i a l n a v i g a t i o n s y s t e mJ.C h i n e s e S p a c e S c i e n c e a n d T e c h n o l o g y,2 0 2 4,4 4(1):3 4-4 3(i n C h i n e s e).A u t o n o m o u s i n t e g r i t y m o n i t o r i n g o f i n t e g r a t e d m i c r o-i n e r t i a l n a v i g a t i o n s y s t e mME N G F a n c h e n1,S O N G J i a n m i n1,X I N G C h a o y a n g1,*,WA N G W e i21.B e i j i n g A e r o s p a c e C o n t r o l I n s t r u m e n t R e s e a r c h I n s t i t u t e,B e i j i n g 1 0 0 0 9 4,C h i n a2.C h i n a A e r o s p a c e S c i e n c e a n d T e c h n o l o g y C o r p o r a t i o n,B e i j i n g 1 0 0 0 4 8,C h i n aA b s t r a c t:A i m i n g a t t h e p r o b l e m o f f u t u r e m u l t i-d o m a i n h i g h-i n t e n s i t y o p e r a t i o n s,s u c h a s s t r o n g c o n f r o n t a t i o n,m u l t i-p l a t f o r m,m i n i a t u r i z a t i o n a n d c l u s t e r i n g,a h i g h-d e n s i t y i n t e g r a t e d m i c r o-i n e r t i a l n a v i g a t i o n a u t o n o m o u s i n t e g r i t y m o n i t o r i n g a l g o r i t h m w a s p r o p o s e d,w h i c h r e l y s o n t h e o p t i m a l e s t i m a t i o n t h e o r y.I t a n a l y z e s t h e i n f o r m a t i o n s o u r c e s o f m e a s u r e m e n t e r r o r s t h a t m a y a p p e a r i n t h e m i c r o-i n e r t i a l n a v i g a t i o n s y s t e m,p e r f o r m s p r e-c h e c k s e l e c t i o n b y o p t i m i z i n g t h e n u m b e r o f s u b s e t s,a n d u s e s N e w t o n s i d e n t i t y t o o p t i m i z e t h e e n g i n e e r i n g c o m p u t a t i o n a l c o m p l e x i t y t o a c h i e v e t h e p u r p o s e o f f a u l t d e t e c t i o n a n d e l i m i n a t i o n.C o m p a r e d w i t h t h e t r a d i t i o n a l MH S S a l g o r i t h m,t h e c o m p u t a t i o n a l c o m p l e x i t y i n m i c r o-s y s t e m c o u l d b e g r e a t l y r e d u c e d,s m a l l-e r r o r a n d m u l t i-e r r o r f a u l t o b s e r v a t i o n s c o u l d b e e f f e c t i v e l y d e t e c t e d s i m u l t a n e o u s l y,w h i c h i m p r o v e s i n t e g r i t y a n d r o b u s t n e s s o f h i g h-d e n s i t y i n t e g r a t e d m i c r o-i n e r t i a l g u i d a n c e a n d n a v i g a t i o n s y s t e m s.K e y w o r d s:h i g h d e n s i t y i n t e g r a t i o n;m i c r o s y s t e m;c o m b i n a t i o n n a v i g a t i o n;i n t e g r i t y m o n i t o r i n g;r o b u s t n e s s孟凡琛,等:高密度集成微惯性导航自主完好性监测3 5 0 引言高密度集成微惯性导航系统是基于微纳尺度理论,以微纳制造工艺为支撑,融合微机电、微光电、微传感、微射频、微集成等技术,基于开放式体系架构,将高精度惯导/卫导/通信/处理等多源感知、异构多核处理器、电源转换与管理等多功能部组件进行系统级微尺度集成,通过即插即用的接口扩展其他感知器件,形成适合微小型空天飞行器的微型化、智能化的微惯性导航系统,其性能水平往往从一个方面代表了一个国家惯性技术的发展水平1。本文提出的高密度集成微惯性导航系统通过测量运动载体相对惯性空间的角运动和线运动,经过积分等运算可实时得到载体的姿态、速度、位置信息,同时结合多模卫星导航系统进行松组合导航及惯导误差在线修正,不仅可以建立运载体的运动基准坐标系,还可精确地测量运载体的多种运动参数,同时具有安全自主、高度隐蔽、信息实时与连续、不受时间与地域限制等重要特性2。高密度集成微惯性导航系统在微小型导弹武器系统、下一代巡航弹、芯片卫星、微小型飞行器、航空弹射座椅及智能头盔、单兵装备等领域具有广阔的应用前景,成为各种制导武器及武器平台必备的关键单机产品。高密度集成微惯性导航中卫导与惯导信息融合解算涉及到惯导系统I MU陀螺仪和加速度计测量值处理,测量误差估计,姿态、速度和位置更新以及卫星导航系统信息解算过程中的导航电文提取、可见卫星空间位置速度计算、伪距、伪距率提取以及组合导航扩展卡尔曼滤波主滤波器设计、量测方程设计、过 程 噪 声 和 量 测 噪 声 矩 阵 估 计 等 内容3。然而微惯性导航系统完好性监测算法中多差错和小差错故障信息检测较为困难,甚至遇到“完好性黑洞”等特殊情形,因此,针对高密度集成微惯性导航系统进行自主完好性监测技术研究具有重要意义。本文首先对高密度集成微惯性导航系统进行系统性分析,然后针对多源信息融合过程中的完好性监测问题进行理论模型构建和算法仿真分析,并对完好性监测算法中多差错和小差错故障检测进行深入研究,最后提出了未来的研究计划。1 高密度集成微惯性导航系统组成 高密度集成微惯性导航系统功能复杂,结构精密,因此整体结构方案需要一体化、高密度集成化设计,同时需要考虑整体结构之间的互联性、互通性、稳定性和散热性。本文将传感、处理、通信等功能器组件进行系统级微尺度集成,按照物理功能及其实现方式对传统惯性微系统进行优化组合,以高性能低功耗处理器为核心,将微惯性导航系统的传感器、存储器、通信模块等有机地整合一体4。本文在前期已有工作的基础上,通过高密度集成微惯性导航系统的硬件组成、信号流图、算法架构等,设计软硬件接口标准,通过三维系统硅通孔、无源器件集成、晶圆级封装等集成工艺技术把芯片化的传感器、接口电路等进行异质异构集成,构建一种开放式、通用化、高密度的微惯性导航系统5。高密度集成微惯性导航系统内部硬件部分主要包括MEM S陀螺仪、MEM S加速度计、专用集成处理电路、磁传感器、计时器、存储单元、串口通信模块等6。此种方案的突出优势在于其器件集成度高,器件密度大,能够最大化地利用系统空间,实现高密度集成化与体系一体化设计。高密度集成微惯性导航系统算法架构部分主要包括惯性信息、卫星导航信息和磁传感器信息采集、传输和处理,并通过高性能低功耗处理器进行惯导信息解算、磁传感器信息解算。信息解算过程中涉及到姿态更新过程的四元数法、地球重力模型、不同坐标系统之间转换、磁感应强度优化及磁航向角解算、惯导系统圆锥误差、划船误差和涡卷误差补偿、卫导和惯导状态矩阵及量测矩阵估计、伪距和伪距率量测值更新、组合导航扩展卡尔曼滤波器设计以及误差协方差矩阵估计等,并通过算法优化降低系统微处理器计算量,提高解算效率和结果精度。此外,降低芯片功耗、提高能效是导航处理的关键,本文通过3 6 中国空间科学技术F e b.2 5 2 0 2 4 V o l.4 4 N o.1基于能耗感知的线程调度、线程迁移等算法,确保微惯性导航系统工作性能,通过电源门控及动态电压频率调节,降低系统能耗,提高微惯性导航系统工作效能7。高密度集成微惯性导航系统机械结构如图1所示。图1 高密度集成微惯性导航系统机械结构F i g.1 M e c h a n i c a l s t r u c t u r e d i a g r a m o f h i g h-d e n s i t y i n t e g r a t e d m i c r o-i n e r t i a l n a v i g a t i o n s y s t e m高密度集成微惯性导航系统主要由处理器组件、惯性采集组件、通信驱动组件、卫星导航组件以及电源管理组件等构成,具体如图2所示。图2 微惯性导航系统组成F i g.2 D i a g r a m o f m i c r o-i n e r t i a l n a v i g a t i o n s y s t e m高密度集成微惯性导航系统主要包括惯性导航、卫星导航、外源传感器、控制模块、通信模块及电源模块,惯性导航包括MEM S陀螺仪、MEM S加速度计及其外围电路等器件;卫星导航 采 用B D S/G P S/G a l i l e o/G L ONA S S多 模GN S S导航芯片;外源传感器包括磁力仪、气压计及其外围电路器件;控制模块包括高性能低功耗微惯性导航处理器、存储模块及逻辑处理模块等;通信模块主要采用串口R S 4 2 2和S P I传输协议,其中串口R S 4 2 2有利于后期微惯性导航系统进行远距离温箱标定操作,S P I能够高速全双工地同步采集MEM S陀螺仪和加速度计原始的比力和角速度数据;电源模块包括电源芯片及阻容器件,实现宽电源输入及内部分压处理。整个微惯性导航系统初步设计包括芯片型器件1 2种,阻容等器件1 0 8个。2 微惯性导航自主完好性监测算法 本章主要分析高密度集成微惯性导航系统多源信息融合过程中的完好性监测问题,其中完好性监测是指系统在出现故障而不适合于P VT服务时,及时向用户发出告警的能力,主要涉及到卫星导航以外的“异质”导航信息辅助情况下完好性监测算法。与传统GN C系统自主完好性监测不同的是,高密度集成微惯性导航具有微型化、标准化、高集成等特点,同时涉及到力、热、电、磁等多物理场间相互耦合,尤其是对热源分布异常敏感,因此需要着重考虑算法计算复杂度等问题。R A I M算法是目前公认比较有效的方法,然而在运行中需要冗余观测量,当可见卫星数量不足或R A I M黑洞情形下,微惯性导航用户接收机则不能进行完好性监测。外部辅助系统可以提供额外冗余信息,当微惯性导航卫导系统没有多余的卫星量测信息时,惯导系统可以保证系统短时间内连续稳定地运行,尤其是功能复杂、结构精密的高密度集成微惯性导航系统,更需要注意自主完好性监测问题。目前完好性监测算法中多差错和小差错故障检测较为困难,本章深入分析了微惯性导航自主完好性监测统计检测量模型构建方法及算法效率优化等内容8。本章对现有技术中普遍采用的多假设分离法(m u l t i p l e h y p o t h e s i s s o l u t i o n s e p a r a t i o n,MH S S)进 行 理 论 仿 真 分 析,为 了 有 效 解 决MH S S算法复杂度较高的问题,并提高算法的实用性和工程易用性,尤其是对体积功耗及处理器性能要求都极为苛刻的微惯性导航系统下,可有效检测小差错和多差错故障观测量9-1 2。本文提出了一种快速最优子集甄选完好性监测算法(f a s t o p t i m a l s u b s e t s e l e c t i o n i n t e g r i t y m o n i t o r i n g,F O I M),该方法通过分析微惯性导航卫星导航中可能出现的故障信息源,通过优选子集数目进行算法预检验甄选,排除可见导航卫孟凡琛,等:高密度集成微惯性导航自主完好性监测3 7 星空间几何分布较差以及对完好性监测意义不大的组合,最终达到故障检测与排除的目的。与传统MH S S算法相比,该算法能够显著降低系统的计算复杂度,同时具有较高的故障信息源检测识别概率,有效避免完好性黑洞等问题1 3。2.1 多假设分离算法多假 设 分 离(MH S S)算 法 是P e r v a n和P u l l e n为L AA S提出的完好性监测方法,目的是减少L AA S在精密进近阶段的垂直误差保护限值(v e r t i c a l p r o t e c t i o n l e v e l,V P L)。斯坦福大学A l e x a n d r u将其引入到R A I M领域,通过考察各个卫星对V P L值的影响进行故障卫星检测与识别。MH S S算法通过甄别最小化V P L值进行卫星故障检测与排除,凡是有利于减小V P L值的卫星都有可能被排除。该算法属于经典接收机故障信息检测算法,具有结构简单、工程操作性强等优点。MH S S算法首先给出多种假设,包括单故障、多故障假设,计算各种假设下的V P L值,然后按照各假设发生的概率加权计算整体V P L值。去掉可见卫星中的一颗或者多颗卫星可组成多个卫星子集,MH S S算法计算所有这些子集的整体V P L值。V P L值随着故障卫星 的 增 多 而 增 加,且 通 常 情 况 下 子 集 的V P L值要大于所有可见卫星的V P L值。但是,如果某颗卫星存在较大的量测偏差,则去掉此卫星后子集的V P L值会很小;故子集构成的V P L值比所有可见卫星整体V P L值小的子集,所去掉的卫星即是基带信号处理跟踪量测故障卫星通道。微惯性导航系统中卫导最小二乘定位方程如下:y=G x+(1)式中:x为东北天坐标系下的位置及时间向量,即x=E N U T T;假设服从高斯零均值分布,G代表微惯性导航用户端至卫星端的观测矩阵;y代表微惯性导航校正后伪距与卫星观测矢量距离以及接收机钟差的量测差值1 4-1 5。则加权最小二乘定位解为:xWL S=GTWG -1GTW y=K y(2)式中:K=GTWG -1GTW;W代表权重矩阵,各个卫星观测量不相关情况下,通常取用户测距误差标准差的倒数作为主对角线上权重值。则系统量测噪声为:=y-GxW L S=y-G K y=I-G K y(3)定位后位置矢量如下:x=xWL S-x=K(4)式中:x中第三个误差值称为xv,代表天顶方向误差。高密度集成微惯性导航系统自主完好性算法中垂直误差保护级V P L定义如下:V P L=xvkvv(5)式中:v代表垂直方向量测误差标准差,当完好性置信度风险设置为1 0-7时,kv=5.3 3。2v=GTWG -1 3,3(6)MH S S算法首先给出多种卫星故障假设,包括单故障、多故障甚至整个卫星导航星座故障假设,然后通过比较全集与子集的V P L值进行卫星跟踪通道故障信息的检测与排除。MH S S算法以G P S为例,不失一般性,进行全球范围内G D O P和 可 见 卫 星 数 量(n u m b e r o f v i s i b l e s a t e l l i t e,NV S)仿真分析,遮蔽角5 下G P S的NV S和G D O P如图3所示。图3 G P S全球范围内NV S及G D O P分布示意F i g.3 S c h e m a t i c d i a g r a m o f g l o b a l d i s t r i b u t i o n o f NV S a n d G D O P i n G P S3 8 中国空间科学技术F e b.2 5 2 0 2 4 V o l.4 4 N o.12.2 快速最优子集甄选完好性监测算法本文首先介绍随机抽样一致性完好性监测算法(R A N S A C),该算法是G e o r g S c h r o t h等人于2 0 0 8年在E N C G N S S导航年会上,将基于计算机图形 和 视 觉 处 理 中 的R A N S A C算 法 应 用 于G N S S完好性监测7。本文将其称为R A N S A C-R A I M算法。随后斯坦福大学A l e x a n d r u E n e将该算法扩展为r a n g e c o n s e n s u s(R A N C O-R A I M)算法,并将其应用于G P S和G a l i e l o双星座导航系统(N V S平均1 8颗,最少1 3颗)中,分别对单故障和多故障下的故障检测概率与卫星伪距量测误差幅度进行了仿真分析,证明了R A N C O-R A I M算法具有检测多差错和小差错的能力,且鲁棒性较好,但是,R A N C O-R A I M算法在卫星数目较大时算法计算量同步增大。R A N C O-R A I M算法中以判定卫星量测是内点还是外点作为核心技术,依据G N S S线性化伪距量测方程组y=G x+。G e o r g S c h r o t h提出了一种改进型R A N C O-R A I M算法,称为s u g g e s t i o n r a n g e c o n s e n s u s(S-R A N C O),该算法在R AN C O-R A I M算法的基础上不再计算伪距残差最小的故障卫星P R N号,而是考虑到卫星较差几何分布下也可能造成伪距残差较大,故采用计算所有卫星可能出现故障概率的方式来进行故障检测。S-R AN C O算法原理框图如图4所示。图4 S-R AN C O算法原理框图F i g.4 A l g o r i t h m b l o c k d i a g r a m o f S-R AN C OS-R AN C O算法是比较严格的一致性判别算法,包含有外点嫌疑的4星子集分组的所有卫星都将被舍弃,但健康的卫星也有机会通过其他健康的4星子集分组进入到内点子集Si n l i e r,同时由于卫星空间几何结构可能引起错误的4星子集判断,但最终通过对所有差错卫星进行频次排序,并通过阈值比较以排除较差卫星空间几何结构对最终结果的影响。S-R A N C O算法在实现R A I M故障检测的同时也实现了故障识别和故障排除。为了有效解决MH S S及R AN S A C算法运算复杂度较高的问题,并提高S-R AN C O算法的实用性和工程应用价值,同时能够有效检测小差错和多差错故障卫星,S-R AN C O算法中运算复杂度包括子集运算循环周期数C4N及每次运算的运算 复 杂 度,而 每 次 运 算 涉 及 到 最 小 二 乘(l e a s t s q u a r e s,L S)算法迭代求解P VT位置以及伪距预测、残差矢量求解等,这些运算都无法避免,只能从循环周期次数C4N着手。本文提出了一种快速最优子集甄选完好性监测算法,该算法通过优选子集数目进行算法预检验甄选,排除可见卫星几何分布较差以及对完好性监测意义不大的卫星组合,最终达到微惯性导航故障信息检测与排除及降低微处理器计算量的目的。G D O P通常被看作量测误差转换到最终定位误差的放大倍数,微惯性导航系统用户端通常也会将G D O P和P V T结果一同输出给用户。常规G D O P预 检 验 法 首 先 确 定G D O P的 阈 值Th rG D O P,直接计算出所有可见卫星中C4N个4星子集分组Sj所构成的44阶LO S观测矩阵Hj的G DO P,并分别与阈值Th rG DO P比较,满足如下要求的子集Sj通过子集预检测,并进入到优选子集集合SP参与F O I M运算,否则直接被舍弃。G DOPTh rG DO P(7)由于卫星空间几何分布较差的G D O P子集卫星组合可能引起较大的定位误差,即使不存在故障卫星,也可能会使得残差矢量v a r 超过门限值Th r,进而影响故障卫星的甄别,所以通过常规G D O P预检验法的子集优选流程,既降低系统运算复杂度,也能够提升系统的完好性监测性能。当确定优选子集集合SP后还要对SP内的卫星进行判别,以确定所有可见卫星都选择在内。如果存在漏选的可见卫星,则可将漏选的P R N卫星通过优选绿色通道的方式,直接送入孟凡琛,等:高密度集成微惯性导航自主完好性监测3 9 到优选子集集合SP中,实现故障卫星通道信息的检测。传统G D O Pj求解过程中涉及到矩阵求逆运算,再进行P=C4N次循环,整体计算复杂度较高。本文基于牛顿恒等式算法优化方法,提出了F O I M算法。该算法的计算结果在与传统G D O P矩阵直接求逆运算结果基本一致的前提下,通过避免矩阵求逆运算,显著降低了每次G D O P计算过程的求解计算量。F O I M算法通过计算4星子集分组的Ei j,避免了传统G D O P计算过程中的矩阵求逆运算,在工程实现中,显著降低了微处理器的计算量,具有较强的工程应用价值。F O I M算法计算G D O P公式如下:G DOP=1 6+b+ca+b+2c(8)其中a,b,c定义如下:a=E1 2E3 4+E1 3E2 4-E1 4E2 3 2-4E1 2E3 4E1 3E2 4 (9)b=1 6-4(E21 2+E21 3+E21 4+E22 3+E22 4+E23 4)(1 0)c=2E1 2(E1 3E2 3+E1 4E2 4)+E3 4(E1 3E1 4+E2 3E2 4)(1 1)Ei j=ei1ej1+ei2ej2+ei3ej3+1,(1ij4)(1 2)ei1,ei2,ei3,ej1,ej2,ej3是观测矩阵G中的方向余弦向量,且满足:e2i1+e2i2+e2i3=1(1 3)F O I M算法具体流程如图5所示。图5 F O I M算法原理框图F i g.5 A l g o r i t h m b l o c k d i a g r a m o f F O I M3 完好性监测算法仿真分析本章首先构建微小型空天飞行器载体典型的运动轨迹仿真场景模型,其次以常用的卫星导航伪距量测误差作为微惯性导航的外源传感器误差量,并将经典的多假设分离算法MH S S以及本文提出的快速最优子集甄选完好性监测F O I M算法进行仿真对比,最后对结果进行数值分析说明。3.1 仿真场景设置本文主要针对微惯性导航系统中基带数字信号处理单元所跟踪的卫星通道量测值是否存在多差错或者小差错故障信息进行研究,运动载体轨迹在全球任意位置均可。本节将运动载体轨迹起点设置在北纬4 0.0 6 87,东经1 1 6.2 4 97,高程1 0 0m。具体运动轨迹状态为:初始速度设置为0,保持状态1 0 0 s后以5m/s2的加速度向前(y方向)运动2 0 s,速度达到1 0 0m/s,继续保持该速度飞行,然后匀速状态运动1 0 0 s,之后向右保持匀速转动9 0,保持匀速运动1 0 0 s,之后向上倾斜2 0,继而向上爬升5 0 s,之后保持匀速运动1 0 0 s,之后向左运动保持匀速转动9 0,保持匀速状态运动1 0 0 s,然后向下倾斜2 0,并向下俯仰运行5 0 s,回到最终的平面上,以-5m/s2的加速度运动2 0 s,直到运载体速度降至为0的状态,载体运动轨迹仿真结果如图6所示。3.2 完好性监测算法仿真分析(1)正常无故障观测量终端性能仿真正常无故障微惯性导航卫导观测量下用户端可见卫星数量、精度因子D O P、定位精度、定位残差以及不同遮蔽角下V P L性能分别如图7所示。微惯性导航用户端通过基带数字信号处理单元跟踪的可见卫星数量揭示了是否存在“完好性黑洞”等情形,同时利用精度因子D O P信息进行可见卫星空间几何分布判断,并通过最小二乘算法在WG S-8 4坐标系下进行定位残差估计,并通过V P L数值分布进行完好性监测、故障信息检测效果分析。4 0 中国空间科学技术F e b.2 5 2 0 2 4 V o l.4 4 N o.1图6 载体动态场景轨迹变化示意F i g.6 S c h e m a t i c d i a g r a m o f c a r r i e r d y n a m i c s c e n e t r a j e c t o r y c h a n g e在没有故障观测量时,连续6h的仿真,可见卫 星 平 均 数 量 为1 1颗,G D O P平 均 值 为1.4 2 6 9,P D O P平均值为1.2 8 71,HD O P平均值为0.8 7 61,V D O P平均值 为1.1 2 94,其 中V D O P数 值 大 于HD O P,这 也 是 通 常 高 程 定位误差大于水平定位误差的原因;X Y Z三轴方向图7 运动场景下微惯性导航终端性能示意F i g.7 P e r f o r m a n c e o f m i c r o-i n e r t i a l n a v i g a t i o n t e r m i n a l i n d y n a m i c s c e n e孟凡琛,等:高密度集成微惯性导航自主完好性监测4 1 续图7F i g.7 C o n t i n u e d的定位标准偏差分别为0.5 3 2 1m,0.5 9 3 9m和0.9 8 7 2m,定位后伪距残差均值为1.2 6 0 4m,并将该定位误差推广到全球,卫星遮蔽角为5 时,V P L的最大值为3 2.7 2 0 1,最小值为1 1.5 9 2 7,平均值为1 8.8 7 29;卫星遮蔽角为1 0 时,V P L的最大值为3 6.2 7 0 7,最小值为1 1.4 2 5 8,平均值为2 1.2 9 3 7,整体定位精度指标满足无故障观测量终端要求。(2)异常故障观测量终端性能分析当微惯性导航跟踪通道观测量误差分别为1 0m和2 0m时,用户终端L S算法解算结果如图8所示。图7和图8中显示了导航终端无故障星定位解算性能以及不同卫星的信号跟踪通道添加不同量测偏差后用户接收机定位解算性能对比分析,可以得出如下结论:1)伪距量测误差较小时(例如2m),对接收机定位解算影响较小,定位后残差波动不明显。2)伪距量测误差以单故障模式逐渐增大时(例如增加到2 0m),对微惯性导航终端定位解算影响同样逐渐增大,定位后残差波动越来越明显。3)全球范围内V P L数值的分布与空间几何分布关系密切,以G P S为例,同一时刻美洲地区空间可见卫星数量相对于亚洲地区分布较多,导致对应的V P L数值较小,进而终端P VT精度相对较高。针对上述伪距量测误差所造成的突变故障,随机为所有可见卫星中的某一颗添加不同幅度的突变误差。本文采用MH S S算法进行V P L值的筛选,整体V P L数值、最大V P L数值、最小V P L数值以及故障检测概率仿真如图9所示。图8 量测误差1 0m和2 0m导航终端性能示意F i g.8 P e r f o r m a n c e o f t h e n a v i g a t i o n t e r m i n a l w i t h a m e a s u r e m e n t e r r o r o f 1 0&2 0 m e t e r s图9 MH S S算法故障检测示意F i g.9 S c h e m a t i c d i a g r a m o f MH S S a l g o r i t h m f a u l t d e t e c t i o n图9中横轴显示了伪距量测误差P R b i a s变化,左边纵轴显示了MH S S算法统计出来的最大V P L数值、最小P V L数值、平均V P L数值,右边纵轴显示了故障检测概率,仿真结果分析如下:1)在伪距量测误差P R b i a s 6m时,最小的V P L甚至还大于整体的V P L,检测效果较弱,且检测概率基本为0,而当单颗卫星量测误差大于1 0m及以上时,检测概率随着误差的增大而逐渐增大。2)当单颗卫星量测误差大于3 0m时,故障4 2 中国空间科学技术F e b.2 5 2 0 2 4 V o l.4 4 N o.1信息检测概率基本达到1 0 0%。本文采用快速最优子集甄选完好性监测F O I M算法,通过分析微惯性导航用户终端的卫导观测量可能出现的故障信息源,通过优选子集数目及卫星空间几何分布进行算法预检验甄选,排除可见导航卫星空间几何分布较差以及对完好性监测意义不大的组合,最终达到故障检测与排除的目的。仿真结果如图1 0所示,图1 0中横轴代表接收机基带数字信号处理器跟踪的可见卫星P R N号,纵轴代表卫星疑似故障信息发生的频率,TS V代表检测门限值。图1 0 量测误差下F O I M算法故障检测示意F i g.1 0 S c h e m a t i c d i a g r a m o f f a u l t d e t e c t i o n o f F O I M仿真结论如下:1)当只有一颗故障卫星时,预先在P R N=1 0号卫星处添加伪距量测偏差,所有卫星故障通道信息出现频次及百分比如图1 0(a)所示,其中故障卫星出现的频次P R N=1 0时最高,达到2 4次,由此判断出P R N=1 0即为故障卫星。2)同理,预先在P R N=3号卫星处添加伪距量测偏差,如图1 0(b)所示,可以看出在P R N=3处故障卫星出现的频次明显高于其他卫星出现的频次,且故障检测次数大于检测门限值TS V,故障出现的频次达到3 0次,由此判断出P R N=3即为故障卫星,且与预先添加的伪距P R N号保持一致。3)采用T I公司C 6 0 0 0系列D S P数字信号处理器TM S 3 2 0 C 6 7 1 3的统一时钟基准对上述算法进行理论评估,实测表明,执行一次浮点加运算需要2 0个时钟周期,浮点乘运算需要1 9个时钟周期,执行一次浮点除运算需要2 1 2个时钟周期,执行一次浮点开方运算需要4 5 7个时钟周期7。采用P e n r o s e-M o o r e广义逆矩阵算法进行传统矩阵求逆运算,MH S S算法计算复杂度理论统计约为:C CMH S Sn =6 1 2n3-6n2+6 4n-4 +2=7 2n3-3 6n2+3 8 4n-2 2(1 4)C CMH S S=C CMH S S(n)+Cn-1nC CMH S S(n-1)1 9.5+(Cn-1n+1)4 5 7(1 5)快速最优子集甄选完好性监测F O I M算法约为:C CFO I M=C4N2 1 1 2+C4N7 0%(1 9 5n+1 1 8 2 7 3.5)(1 6)式中:N代表数字信号基带处理单元跟踪的通道数,跟踪通道数目越多,MH S S算法相较于F O I M算法的计算复杂度越大,本文提出的算法优势越明显。4 结论随着MEM S微机电技术及微惯性导航技术的发展,小型化、低功耗、高性能的导航、制导与控制系统正越来越多地应用于微小型空天飞行器、无人作战系统以及精确制导弹药等领域。本文针对高密度集成微惯性导航中多差错和小差错故障信息监测等自主完好性问题进行深入研究,提出了一种快速最优子集甄选完好性监测算法,并得出如下结论:1)通过分析微惯性导航用户终端观测量可能出现的故障信息源,优选子集数目进行算法预检验甄选,显著降低了微处理器的计算量。2)通过优选子集观测矩阵分布以及内外点检测阈值分组,能够有效检测小差错和多差错观测量,同时具有较高的故障信息源检测识别概率,提高了微惯性导航系统鲁棒性和完备性。孟凡琛,等:高密度集成微惯性导航自主完好性监测4 3 3)未来,高密度集成微惯性导航系统将综合应用所有可用传感器观测信息,如何更好地满足用户定位性能需求以及最大限度地保证定位结果的可靠性是未来微惯性导航系统研究的重点。后续可针对如何兼顾卫导、惯