本发明属于相对导航与组合导航领域,尤其涉及一种用于编队飞行的相对导航系统及方法。
背景技术:
获取高精度的相对导航信息是编队飞行中的关键问题。为了保证飞行任务的完成,对相对导航算法的实时性、精确性以及可靠性提出了非常高的要求。
国内外在sins/gps的相对导航算法上大多数都采用集中滤波的方法,所有数据都送到一架飞机上进行融合,采用一个滤波器作为唯一的融合中心。
传统方法通过飞机间的运动关系构建相对状态误差方程,用gps差分信息构造量测方程,通过滤波得到相对导航信息。传统方法的缺点在于状态方程中需要用到两套陀螺仪的角速度以及加速度计的比力数据,并且还需要用到两套惯导输出的位置速度和姿态信息。惯性导航系统的特点在于短时高精度,但导航结果随时间发散。因此,状态转移矩阵本身是带有误差的,而且呈发散趋势。这就造成了滤波模型的不准确。并且传统方法大多没有设置反馈回路,属于开环系统。同时以往较多采用的单融合中心的结构也不能满足编队飞行对实时性与数据共享的任务要求。
技术实现要素:
发明目的:针对以上问题,本发明提出一种用于编队飞行的相对导航系统及方法。
技术方案:为实现本发明的目的,本发明所采用的技术方案是:一种用于编队飞行的相对导航系统,包括n架飞机,每架飞机上均安装sins、gps以及数据链通信系统,飞机间通过数据链传递相关数据。
一种用于编队飞行的相对导航方法,具体包括:
(1)飞机上安装sins、gps以及数据链通信系统,飞机间通过数据链传递相关数据;
(2)采用全并行的分布式结构;每架飞机为一个多传感器平台,包括局部融合滤波器和相对状态滤波器;每架飞机都可作为一个融合中心,解算得到与编队中任一飞机的相对位置、姿态和速度,全并行处理,保证实时性。
局部融合滤波器具体工作为:
(1)采用sins与gps紧组合的方式,利用gps信息校正sins的信息,得到绝对定位结果;
(2)用卡尔曼滤波的估计结果修正陀螺仪和加速度计输出的角速度和比力;
(3)局部融合滤波器修正后的角速度和比力、gps量测以及局部融合滤波器解算得到的绝对位置,送往数据链与其他飞机共享。
相对状态滤波器具体工作为:
(1)每架飞机为一个融合中心,利用gps载波相位差分信息,估计相对状态的误差,从而校正相对导航状态;
(2)状态方程采用相对惯性状态误差微分方程,量测为gps载波相位差分的解算结果与相对导航状态的差值;
(3)采用卡尔曼滤波算法,估计飞机之间的相对导航状态误差;
(4)用卡尔曼滤波算法,得到陀螺仪漂移量和加速度计漂移量的误差值,用于校正角速度和比力,形成闭环系统。
有益效果:本发明充分应用gps信息源,不仅可以得到更高精度的单架飞机的绝对导航信息,而且可以直接校正惯性器件的输出。由于sins/gps组合的结果是收敛的,因此保证相对状态误差模型的精度和收敛性,使得状态转移矩阵的精度更高,模型更准确。
本发明采用全并行的分布式融合结构,每架飞机作为一个多传感器平台,既有局部融合滤波器,又有相对状态滤波器。每架飞机都可以解算得到与编队中任一飞机的相对位置、姿态和速度,因此每架飞机都可以看作是一个融合中心,并且全并行处理,保证实时性。
附图说明
图1是本发明的相对导航系统的结构框图;
图2是相对导航方法的相对位置误差仿真图;
图3是相对导航方法的相对速度误差仿真图;
图4是相对导航方法的相对姿态误差仿真图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。
如图1所示是本发明所述的相对导航系统的结构框图,飞机上安装sins、gps以及数据链通信系统,飞机间通过数据链传递相关数据。
系统采用全并行的分布式结构,每架飞机作为一个多传感器平台,既有局部融合滤波器,又有相对状态滤波器。每架飞机都可以解算得到与编队中任一飞机的相对位置、姿态和速度,因此每架飞机都可以看作是一个融合中心,并且全并行处理,保证实时性。
局部融合滤波器采用sins与gps紧组合的方式,利用gps信息校正sins的信息,得到更好的绝对定位结果,同时修正陀螺仪和加速度计的输出。由于局部融合滤波器的存在,大大提高了相对状态误差模型的精度,有效地抑制解算结果的发散。gps量测、局部融合滤波器修正后的角速度和比力、以及局部融合滤波器解算得到的绝对位置,都会送往数据链,与其他飞机共享。
每架飞机都有相对状态滤波器,因此每架飞机都可以作为融合中心。相对状态滤波器总体思路:利用gps载波相位差分信息,通过滤波算法估计出相对导航状态的误差,从而校正相对导航状态。状态方程采用相对惯性状态误差微分方程,量测选择gps载波相位差分结果与相对导航状态之差。采用卡尔曼滤波,估计飞机之间的相对导航状态误差,并得到陀螺仪漂移量和加速度计漂移量的误差值,用于校正角速度和比力,形成闭环系统。
以双机结构为例讨论相对状态滤波器的建立,具体如下:
(1)惯性系统的相对状态误差微分方程。
根据陀螺仪与加表的误差方程,推导相对姿态与速度误差微分方程,算法采用四元数来表示姿态。
飞机t与飞机u之间的相对姿态可以定义为
姿态微分方程如下:
其中,角速度
由以上两个公式可以得到:
由四元数乘法:
由于相对四元数误差很小:
δq=[δq1,δq2,δq3,δq4]t≈[1,0,0,0]t
作如下简化:
去除小量后,可以得到:
结合陀螺仪的误差模型,上式可以转化为:
相对位置表示为
其中,
取两阶导数后:
由微分方程
同时有:
由上面两个方程,可以整理得到:
定义相对速度误差的微分形式如下:
因为相对距离与地球半径相比很小,可以忽略重力加速度的影响。由上述两个方程以及陀螺仪的误差模型,可以得到:
相对状态误差变量定义为:
建立相对状态误差方程如下:
离散形式如下:
x(k)=f(k-1)x(k-1)+g(k-1)w(k-1)
其中,w(k-1)是均值为0的高斯白噪声。
(2)量测方程。
gps相对量测值利用无基站的载波相位差方法解算得到,记为:
量测方程为:
整理后,记为:
δz(k)=h(k)δx(k)+v(k)
其中,v(k)是均值为0的高斯白噪声。
(3)数据融合。
数据融合算法采用卡尔曼滤波的方法,包括时间更新和量测更新两部分。假设系统噪声协方差阵为q,量测噪声协方差阵为r。
协方差的一步预测为:
k时刻的协方差阵为:
pk=(i-kkhk)pk/k-1(i-kkhk)t+kkrkkkt
增益矩阵为:
状态一步预测:
xk/k-1=fk-1xk-1
状态估计:
xk=xk/k-1+kk(zk-hkxk/k-1)
通过卡尔曼滤波算法,估计得到相对状态的误差,记为
对系统进行仿真,得到如图2、图3和图4所示的仿真图。仿真条件设置为:陀螺仪:[常值漂移,马尔可夫过程,相关时间]=[0.01,0.01,3600.0](单位:度/小时,度/小时,秒);加速度计:[马尔可夫过程,相关时间]=[0.001*g,3600.0](单位:米/秒/秒,秒);gps:定位精度:[10,10,10](单位:米,米,米),速度精度:[0.2,0.2,0.2](单位:米/秒,米/秒,米/秒);惯导系统的数据输出频率为10hz,gps的数据输出频率为2hz;飞机t为匀速直线飞行,飞机u飞行过程为先匀速直线后爬升再匀速直线飞行。
其中,图2是相对导航方法的相对位置误差仿真图;图3是相对导航方法的相对速度误差仿真图;图4是相对导航方法的相对姿态误差仿真图。
本发明的相对导航方法,采用捷联惯性导航系统与gps组合的方式,在系统框架上采用全并行分布式的融合结构,先用各架飞机上安装的gps的量测先去校正其捷联惯导的系统的误差,得到更高精度的位置、速度、姿态信息,并且修正陀螺仪和加表的输出。然后再用gps载波相位差分信息估计相对导航状态误差。该方案可以实时地提供高精度的相对导航信息,相较于传统方法而言,精度更高,并有效地抑制输出的发散。