E()矩阵最大特征值的单位特征向量，从而得到Eo的第一个成 分tl为
[0064] ti = Eowi
[0065] 其中：
[0066] E〇TSE()的转置矩阵，F〇TSF()的转置矩阵；
[0067] 然后，求Eo和的回归，即
[0068] Eo = tipiT+Ei
[0069] Fo = tiriT+Fi
[0070] 其中： ￡
[0071] PlT为向量Pl的转置向量，为E〇对归的回归系数向量，I |ti| I为 模，回归的残差矩阵， FTt
[0072] ητ为向量ri的转置向量，^ = 为Fo对回归的回归系数向量，回归 INI 的残差矩阵；
[0073] 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);
[0074] 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；
[0075] 5)求Fo关于ti，···，th的回归方程为
[0076] Fo = tir ιτ+· · ·+thrhT+Fh
[0077] 其中，Fh为，…，th回归的残差矩阵；
[0078] 6)将Fo关于，…，th的回归方程转化为Fo关于Eo的回归方程
[0079] Ρα = Ε〇\^γ{ { V -/^1· ) \
[0080] 其中，I为单位矩阵，
[0081] 最终，还原为Υ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。 [0082]当DVL失效时，利用上述步骤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To及其前期时刻To-l和Το-2的SINS解算信息输入该偏最小二乘回归预测模 型，预测模型输出该失效时刻To时DVL如果不失效此时DVL量测速度投影至导航系的东向速 度和北向速度，分别记为略6和&,，因为DVL直接测量得到的是载体系的速度，而用来和 SINS进行信息融合的是导航系的速度，因此直接预测DVL量测信息投影至导航系的速度;并 将此预测速度'和'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，假设在T 〇时刻D V L失效，则偏最小二乘回归模型的输入为 (V5￡vs( r〇 -2)?vms( r〇 -2)5 ^ sins( r〇 - 2)5 vsins{ r〇 -1)5 vsins( r〇 -1)1 ^sins( r〇 -1)5 vsins( r〇)5 vsins( r〇)? ^sins{ r〇)) 1
[0083] 其中：
[0084] 和分别为Tq-2时刻SINS解算得到的东向速度、北向速 度和航向角，
[0085] VSINS(Tq~]} ^ vs/AqT〇-i丨和丨分别为T〇-l时刻SINS解算得到的东向速度、北向速 度和航向角，
[0086] 、v;s(%)和分别为Tq时刻SINS解算得到的东向速度、北向速度和 航向角。
[0087 ]本发明的可行性通过如下仿真加以验证：
[0088] (l)DVL辅助SINS，构成SINS/DVL组合导航系统；
[0089] (2)陀螺仪随机常值漂移0 · 03° /h，随机白噪声0 · 03° ATh，加速度计随机常值偏置 0.2mg，随机白噪声0.2mg，DVL速度量测误差为航行速度的0.5% ;
[0090] (3)惯性传感器数据更新周期为10ms，滤波周期为ls，仿真时间20min;
[0091 ] (4)当DVL有效时，观测1200个样本，构成自变量数据表和因变量数据表，利用偏最 小二乘回归建立预测模型；
[0092] (5)在500s~580s时间段内，令DVL失效，失效时长80s。
[0093] 通过计算机仿真，利用建立的偏最小二乘回归预测模型预测所得速度如图2所示， 采用本发明所提DVL失效处理方法后的速度误差如图3所示。由图2可见，偏最小二乘回归模 型所预测的速度与原本此时DVL量测速度投影至导航系的速度接近，误差较小，预测结果准 确。由图3中的对比曲线可见，DVL失效时，若采用纯SINS导航，速度误差会随时间积累，而与 此相比，采用本发明所提DVL失效处理方法后的速度误差则较小，不存在明显增加。
[0094] 以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人 员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应 视为本发明的保护范围。
【主权项】
1. 一种用于SINS/D化组合导航系统的WL失效处理方法，其特征在于:包括w下步骤： a、 当IWL有效时，采集SINS解算信息和IWL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； b、 当IWL失效时，利用所建立的模型预测IWL量测信息，并将预测结果用于和SINS解算 所得信息进行融合，W实现WL失效下的SINS/D化组合导航。2. 如权利要求1所述的用于SINS/D化组合导航系统的IWL失效处理方法，其特征在于： 所述步骤a具体为： 当DVL有效时,对导化系统的9^ 自变和 2个因 变重{吃巧η?观测N个样本点,构成自巧古独堀表·* 和因变量数据表r = 闲利用偏最小二乘回归建立预测模型， 其中： T为观测样本点的时刻，且在T-1时刻和T-2时刻WL均有效， 吃做0--2)、句/啤―2)和也INS(T-2)分别为T-2时刻SINS解算得到的东向速度、北向速度和航 向角， 、墙扛A和Hsins(t-。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， 嗦側Γ)、V心s(r)和也iNS(T)分别为T时亥化INS解算得到的东向速度、北向速度和航向角， vIniW为T时刻WL量测速度投影至导航系的东向速度， V；；性仍为T时亥化化量巧幡度投影至导航系的北向速度。3. 如权利要求1所述的用于SINS/D化组合导航系统的IWL失效处理方法，其特征在于： 所述步骤b具体为： 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ilDVL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，知和喊《，并将此预测J速度嗦e和嗦e用于和SINS解算 所得信息进行融合，W实现DVL失效下的リNS/DVL组合导航，假设在To时刻DVL失效，则偏最小二乘 回归预测板型的牵肌入为(^\巧巧、：1'，'祉、S巧',阳(而II'，)化V刷 其中： 和分别为Το-2时刻SINS解算得到的东向速度、北向速度和 航向角， V;抑S怖-1)、怖-1)和馬/瞄佩-1)分别为Το-1时刻SINS解算得到的东向速度、北向速度和 航向角， 、堪AsiW和馬/脚<.%：)分别为To时刻SINS解算得到的东向速度、北向速度和航向 角。4. 根据权利要求2所述的用于SINS/D化组合导航系统的D化失效处理方法，其特征在 于:所述利用偏最小二乘回归建立预测模型的具体步骤为： 1) 将数据做标准化处理，即包括中屯、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 =化01，E02，E03，E04，Eos，E06，E07，E08，E09 )NX9，因变量数据表Y经标准化处 理后的数据矩阵记为F〇= (Foi，F02 )NX2 ; 2. wi是对应于E〇Tf〇F〇Te〇矩阵最大特征值的单位特征向量，从而得到Eo的第一个成分ti 为 ti = Eowi 其中： E(/为Eo的转置矩阵，F(/为Fo的转置矩阵； 然后，求Eo和Fo对ti的回归，即 Eo = tip/+Ei Fo = tir/+Fi 其中： PiT为向量P1的转置向量，袖0对ti回归的回归系数向量，II till为ti的模，El为 Eo对ti回归的残差矩阵， riT为向量ri的转置向量为Fo对ti回归的回归系数向量，Fi为Fo对ti回归的残 差矩阵； 3) 用El和Fi取代Eo和Fo，求Eo的第二个成分t2，W及El对t2回归的回归系数向量P2和Fi对 t2回归的回归系数向量η，计算方法同步骤2); 4. W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； 5) 求Fo关于ti，…，th的回归方程为 Fo = ti;riT+... +t 化 hT+Fh 其中，Fh为Fo对ti，…，th回归的残差矩阵； 6) 将Fo关于ti，…，th的回归方程转化为Fo关于Eo的回归方程其中，I为单位矩阵， 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。
【专利摘要】本发明公开了一种用于SINS/DVL组合导航系统的DVL失效处理方法，当DVL有效时，采集SINS解算信息和DVL量测信息构成数据表，利用偏最小二乘回归建立预测模型；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。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，提高了预测结果的准确性，采用偏最小二乘回归建模，克服了自变量多重相关性破坏模型稳健性的缺陷，保证所建模型的可靠性。
【IPC分类】G01C21/16, G01C21/20, G01C25/00
【公开号】CN105547302
【申请号】CN201610111734
【发明人】程向红, 朱倚娴, 周玲, 胡杰
【申请人】东南大学
【公开日】2016年5月4日
【申请日】2016年2月29日