一种用于sins/dvl组合导航系统的dvl失效处理方法
【技术领域】
[0001]本发明涉及组合导航系统领域，具体涉及一种用于捷联惯性导航系统（Strapdown Inertial Navigation System,SINS)和多普勒测速仪（Doppler Velocity Log,DVL)组合 导航系统中的DVL失效处理方法。
【背景技术】
[0002] 作为人类探索和开发海洋的工具，自主水下航行器(Autonomous Underwater Vehicle，AUV)受到越来越多的关注。要使AUV能够成功完成预定的任务，水下导航定位是一 项关键技术。由于水下导航具有环境复杂、信息源相对较少、隐蔽性要求高等特点，单一的 导航系统无法满足高精度高可靠性的要求。将SINS和DVL进行组合，构成高可靠性、高自主 性的SINS/DVL组合导航系统，其无需外部陆基或星基设备的支持，因此，该组合导航系统被 广泛应用于AUV。
[0003] 当AUV在水下运行时，可能发生DVL量测数据失效的情况，例如当AUV潜行过浅时， 超出DVL测量范围，DVL声波无法到达水底，或当水底地质是淤泥类等吸波性强的物质时， DVL声波无法返回。DVL-旦失效，若采用纯SINS进行导航，由于陀螺仪和加速度计的误差， SINS解算结果的精度会随着时间的推移而逐渐下降。因此，为保证DVL失效情况下的SINS/ DVL组合导航系统定位精度，设计一种DVL失效处理方法很有必要。
[0004]目前组合导航系统的传感器失效处理方法，大多通过建立各类模型来预测当前传 感器应有的量测信息或直接预测导航误差，这些预测模型的输入均采用失效时刻陀螺仪、 加速度计量测信息或失效时刻SINS解算信息。仅利用失效时刻相关信息作为模型输入，未 能排除失效时刻偶然因素对结果带来的不良影响，容易造成预测结果精度下降，甚至预测 不准确的问题。
[0005] 基于此，研究一种DVL失效处理方法使处理后的组合导航结果具有较高可靠性是 十分重要的。
【发明内容】
[0006] 为了解决现有技术中传感器失效后处理结果可靠性不高的问题，本发明的目的是 提出一种用于SINS/DVL组合导航系统的DVL失效处理方法，以解决自变量多重相关性破坏 模型稳健性的问题。
[0007] 为实现上述目的，本发明采用的技术方案是：
[0008] 一种用于SINS/DVL组合导航系统的DVL失效处理方法，包括以下步骤：
[0009] a、当DVL有效时，采集SINS解算信息和DVL量测信息构成数据表，然后利用偏最小 二乘回归建立预测模型；
[0010] b、当DVL失效时，利用所建立的模型预测DVL量测信息，并将预测结果用于和SINS 解算所得信息进行融合，以实现DVL失效下的SINS/DVL组合导航。
[0011]该DVL失效处理方法具体步骤如下：
[001 2] a、当 DVL有时，对导有几系统的 9^1^ 自 萍口 2个因变量Hm.n·^^观测N个样本点，构成自变量数据表X = [VW 和因变量数据表，利用偏最小二乘回归建立预测模型，
[0013] 其中：
[0014] T为观测样本点的时刻，且在T-1时刻和T-2时刻DVL均有效，
[0015] <·(τ__2)、V^(r__ 20rasiNS(T-2)分别为τ-2时刻SINS解算得到的东向速度、北向速度 和航向角，
[0016] vsm(r-i)、和Hsins(t-i)分别为T_1时刻SINS解算得到的东向速度、北向速度 和航向角，
[0017] i4ss(r)、v^(r)和HsiNsm分别为τ时刻 SINS解算得到的东向速度、北向速度和航向 角，
[0018] 为T时亥l」DVL量测速度投影至导航系的东向速度，
[0019] $啼)为Τ时刻DVL量测速度投影至导航系的北向速度；
[0020] b、当DVL失效时，利用步骤a建立的偏最小二乘回归预测模型预测DVL量测信息，将此失 效时刻及其前期时刻的SINS解算信息输入该偏最小二乘回归预测模型，该预测模型输出DVL量测 速度投影至导航系的东向速度和北向速度，分别记为'和并将此预测速度C和'用于和 SINS解算所得信息进行融合，以实现1 失效下的STOS/Mi且合导航，假设在Td3寸亥IJDVL失效，则偏最小二 乘回归预测模型的输入为 [0021 ]其中：
[0022] 、Ivs丨:r〇-2丨和Η5/λ·5·(γ〇-2；)分别为T〇-2时刻SINS解算得到的东向速度、北向速 度和航向角，
[0023] V5ZV5(7〇-l) ^ vfflwn.i>.和#ssysm分别为Τ〇-1时刻S INS解算得到的东向速度、北向速 度和航向角，
[0024] 丨、ν|_Γ0)和?/Μ0-0)分别为TQ时刻SINS解算得到的东向速度、北向速度和 航向角。
[0025] 具体的，所述利用偏最小二乘回归建立预测模型的具体步骤为：
[0026] 1)将数据做标准化处理，即包括中心化处理和压缩处理，自变量数据表X经标准化 处理后的数据矩阵记为Eq= (E〇l，Eq2，Eq3，Eq4，Eq5，Eq6，E〇7，E()8，E()9)NX9,因变量数据表Y经标准 化处理后的数据矩阵记为F〇= (Fq1，F〇2)NX2;
[0027] 2)抑是对应于EQTFQF() TE()矩阵最大特征值的单位特征向量，从而得到E〇的第一个成 分ti为
[0028] ti = E〇wi
[0029] 其中：
[0030] E〇TSE()的转置矩阵，F〇TSF()的转置矩阵；
[0031 ] 然后，求Εο和F(^ti的回归，即
[0032] Eo = tipiT+Ei
[0033] Fo = tiriT+Fi
[0034] 其中： ETt
[0035] ριΤ为向量pi的转置向量，A 对以回归的回归系数向量，I |ti| I为以的 Fill 模，回归的残差矩阵， pTt
[0036] ητ为向量ri的转置向量，^=?为F〇对乜回归的回归系数向量，回归 Iril 的残差矩阵；
[0037] 3)用E1和F1取代Eo和Fo,求Eo的第二个成分t 2,以及E^t2回归的回归系数向量p2和 Fdit2回归的回归系数向量r2，计算方法同步骤2);
[0038] 4)以此类推，直至求得Eo的第h个成分th，结束迭代，其中，h为自变量数据表X的秩；
[0039] 5)求?〇关于以，'"，紅的回归方程为
[0040] Fo = tir ιτ+· · ·+thrhT+Fh
[0041 ] 其中，Fh为，…，th回归的残差矩阵；
[0042] 6)将Fo关于t，…，th的回归方程转化为Fo关于Eo的回归方程
[0043] F0 = Ζ?0 |w{i\ + Σ ? Π (7 - wjPjt )]
[ V /-1 / J
[0044] 其中，I为单位矩阵，
[0045] 最终，还原为Y关于X的回归方程，该方程即为建立的偏最小二乘回归预测模型。 [0046]本发明的有益效果是：
[0047] (1)本发明利用失效时刻及失效前的SINS解算信息作为输入来预测DVL量测信息， 克服了失效时刻偶然因素对结果带来的不良影响，从而提高了预测结果的准确性。
[0048] (2)本发明利用偏最小二乘回归建立预测模型，克服了自变量多重相关性破坏模 型稳健性的缺陷，从而保证了所建模型的可靠性。
【附图说明】
[0049]图1为用于SINS/DVL组合导航系统的DVL失效处理方法流程框图；
[0050] 图2为利用建立的偏最小二乘回归模型预测所得速度仿真曲线图；
[0051] 图3为采用本发明所提DVL失效处理方法后的速度误差仿真曲线图。
【具体实施方式】
[0052] 下面结合附图对本发明做更进一步的解释。如图1所示，本发明的一种用于SINS/ DVL组合导航系统的DVL失效处理方法，具体步骤如下：
[0053 ]当 DVL 有 5^ 时，对导舟几系统的 9个自变里- 个因变量丨WvWj，观测N个样本点，构成自变量数据表叫~Αν 和因变量数据表^二^^ r/,(r)> vari(r)] γχ9!
[0054] 其中：
[0055] Τ为观测样本点的时刻，且在Τ-1时刻和Τ-2时刻DVL均有效，
[0056] ν^(Γ_2)、ν^(Γ_2)和Hsins(t- 2)分别为τ-2时刻SINS解算得到的东向速度、北向速度 和航向角，
[0057] <m(r-、V〗應(7M^pHsiNS(T-d分别为τ-丨时刻 SINS解算得到的东向速度、北向速度 和航向角，
[0058] ^vs(r)、K/ivs⑴和Hs燃⑴分别为T时刻SINS解算得到的东向速度、北向速度和航向 角，
[0059] ν；^(Γ)为τ时刻DVL量测速度投影至导航系的东向速度，
[0060] 时刻DVL量测速度投影至导航系的北向速度；
[0061] 利用偏最小二乘回归建立预测模型的具体步骤为：
[0062] 1)将数据做标准化处理，即包括中心化处理和压缩处理，自变量数据表X经标准化 处理后的数据矩阵记为Eo = (Etn，EG〗，Era，Em，EQ5，Eos，E〇7，Eos，Era) ΝΧ9，因变量数据表Υ经标准 化处理后的数据矩阵记为Fq= (Fqi，F〇2)nx2;
[0063] 2)奶是对应于EQTFQF() T