НАУКА и ОБРАЗОВАНИЕ

Файл статьи: SE-BMSTU...o206.pdf (2671.45Кб)

УДК 004.021

1 МГТУ им. Н.Э. Баумана, Москва, Россия

В статье рассматривается разработка интегрированной навигационной системы для беспилотных летательных аппаратов(БПЛА) с возможностью обнаружения и изоляции неисправностей. БПЛА, выполняющий полёт в автономном режиме или при дистанционном пилотировании в условиях недостаточности предоставляемой оператору информации о среде. В этих случаях информация с одного источника не может обеспечить необходимой точности навигации БПЛА. Поэтому интегрированная навигационная система на основе слияния нескольких источников навигационной информации, позволяющая компенсировать недостатки каждого из источников, несомненно, необходима для БПЛА.
Интегрированная навигационная система обычно сочетает два или более двух типов навигационных систем. Таким образом, интегрированная навигационная система может в полной мере использовать преимущества взаимодополняемости различных навигационных систем и генерировать достоверную навигационную информацию. Такие системы обычно включают инерциальный измерительный блок (Inertial Measurement Units – IMU), СНС, визуальную навигационную система и т.д. Тем не менее, в практических приложениях присутствует много факторов, влияющих на точность и достоверность измеренной информации, например, ошибки передачи данных, помехи окружающей среды, и методические ошибки датчиков, и т.д. Поэтому функция обнаружения и изоляции неисправностей также необходима для интегрированной навигационной системы.
В данной статье предлагается интегрированная навигационная система для БПЛА на основе преобразования режимов навигации, фильтра Калмана и слияния навигационной информации с нескольких источников: СНС, системы визуальной навигации на основе алгоритма одновременной локализации и картографирования (Simultaneous Localization And Mapping - SLAM), барометрического высотомера, радиовысотомера и ИНС. Подобная интегрированная навигационная система может не только обеспечить обнаружение и изоляцию навигационной информации с низкой достоверностью на основе остаточных ошибок теста «хи-квадрат» и результата теста «хи-квадрат» с двумя прогнозами состояния, но и использовать достоинства различных датчиков для повышения достоверности навигационной информации. Результаты моделирования в системе Matlab и макетирования в естественной среде показывают, что предлагаемая система имеет высокую точность навигации и возможность обнаружения и изоляции неисправностей.

1. Upadhyay T N, Cotterill S, Deaton A W. Autonomous GPS/INS navigation experiment for space transfer vehicle // IEEE Transactions on Aerospace and Electronic Systems, 1993. - № 29(3) . P. 772-785.
2. Juanjuan C, Jiancheng F, Wei S, et al. Study and Application of Low-cost Multi-sensor Integrated Navigation for Small UAV Autonomous Flight // Acta Aeronautica Et Astronautica Sinica, 2009. - № 10: 021.
3. Xiong Z, Hao Y, Wei J, et al. Fuzzy adaptive Kalman filter for marine INS/GPS navigation // Mechatronics and Automation, 2005 IEEE International Conference. IEEE, 2005. - № 2. P. 747-751.
4. Brown D L, Munoz J P, Gay R. Determination of Barometric Altimeter Errors for the Orion Exploration Flight Test-1 Entry // AIAA Guidance, Navigation, and Control Conference, 2012 . P. 4993.
5. Hajiyev C, Saltoglu R. Robust integrated INS/radar altimeter accounting faults at the measurement channels // Proceedings of the 23rd ICAS (The International Council of the Aeronautical Sciences) Congress, Toronto, Canada, 2002 . P. 2002-6.8.
6. Hang Y, Liu J, Li R, et al. Optimization method of MEMS IMU/LADAR integrated navigation system based on Compressed-EKF // 2014 IEEE/ION Position, Location and Navigation Symposium-PLANS 2014. IEEE, 2014 . P. 115-120.
7. Li R, Liu J, Zhang L, et al. LIDAR/MEMS IMU integrated navigation (SLAM) method for a small UAV in indoor environments // 2014 DGON Inertial Sensors and Systems (ISS). IEEE, 2014 . P. 1-15.
8. Huh S, Shim D H, Kim J. Integrated navigation system using camera and gimbaled laser scanner for indoor and outdoor autonomous flight of UAVs // 2013 IEEE/RSJ International Conference on Intelligent Robots and Systems. IEEE, 201 . P. 3158-3163.
9. Conte G, Doherty P. An integrated UAV navigation system based on aerial image matching // Aerospace Conference, 2008 IEEE. IEEE, 2008 . P. 1-10.
10. Фомичев А.В, Тань Л. Разработка алгоритма быстрой компенсации погрешностей комплексированной инерциально-спутникой системы навигации малогабаритных беспилотных летательных аппаратов в условиях сложной среды //Наука и образование. МГТУ им. Н.Э. Баумана. Электрон. журн. 2015. №10. Режим доступа: http://technomag.bmstu.ru/doc/821641.html (дата обращения 18.06.2016).
11. Yuan G, Yuan K, Zhang H. A Variable Proportion Adaptive Federal Kalman Filter for INS/ESGM/GPS/DVL Integrated Navigation System // Computational Sciences and Optimization (CSO), 2011 Fourth International Joint Conference on. IEEE, 2011. P. 978-981.
12. Hua B, Chen W, Kang G, et al. Federal adaptive filtering of restraining consecutive outliers algorithm in multi-source information integrated navigation system // 2013 10th IEEE International Conference on Control and Automation (ICCA). IEEE, 2013. P. 908-912.
13. Салычев О. С., Григорьев В. Е., Макаров Н. Н. Интегрированная бесплатформенная система навигации средней точности для беспилотного летательного аппарата//патента RU 2539140,публикация патента:10.01.2015.
14. Алешин Б.С., Афонин А.А., Веремеенко К.К., Кошелев Б.В., Плеханов В.Е., Тихонов В.А., Тювин А.В., Федосеев Е.П. Ориентация и навигация подвижных объектов: современные информационные технологии / под ред. Б.С. Алешина, К.К. Веремеенко, А.И. Черноморского. М.: Физматлит, 2006. 422 с.
15. Qin Yongyuan, Zhang Hongqian, Wang Shuhua. Theory of Kalman Filter and Integrated Navigation // Northwestern Polytechnic University Press, 2012. 386 p.
16. Da R. Failure detection of dynamical systems with the state chi-square test // Journal of guidance, control, and dynamics, 1994. - № 1017(2) . P. 271-277.
17. Segars A H, Grover V. Re-examining perceived ease of use and usefulness: A confirmatory factor analysis // MIS quarterly, 1993. P. 517-525.
18. Brumback B D, Srinath M D. A chi-square test for fault-detection in Kalman filters // Automatic Control, IEEE Transactions on, 1987. - № 32(6) . P. 552-554.
19. Yu J, Lee J G, Park C G. Fault Detection Using Propagator for Kalman Filter and Its Application to SDINS // ICCAS, 2003. P. 978-983.
20. Linben L, Zigang L I, Chaoying C. Optimal weight distribution principle used in the fusion of multi-sensor data// Journal of Chinese Inertial Technology, 2000. - № 8(2) . P. 36-39.
21. Chong-quan Z, Xi-lu D, Li-yong Z, et al. Variance estimation in multisensor fusion algorithm// IFAC, 2003. P. 7-12.