Диссертация (1025035), страница 14

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 14)

Если используетсяМ субфильтров, то в таком типе теста должны быть использованы 2M прогнозовсостояния. Это не только усложняет структуру алгоритма, но и влияет на скоростьвычислений [115].Видно, что все три вида теста имеют свои преимущества и недостатки. Чтобыповысить вероятность обнаружения неисправности, предложен обнаружительнеисправности со структурой, параллельно реализующей тест χ 2 по остаточнойошибке и тест χ 2 по состоянию.

Тест с двойным прогнозом используется толькодля основного фильтра Калмана (см. Рис. 3.16), что позволяет упроститьструктуру алгоритма и повысить скорость вычислений.Вкачествепримерананеисправности G с рисунка 3.16.Рис.3.17приведѐнасхемаобнаружителя103Рис. 3.17. Обнаружитель неисправности информации о высоте,получаемой с помощью GPSПрогноз состояния можно записать в виде:ˆˆX s k   Φ s k , k  1X s k  1TTPs k   Φ s k , k  1Ps k  1Φ s k , k  1  Γ s k  1Qk  1Γ s k  1(3.26)где « s »– номер прогнозного состояния.Состояния с двойным прогнозом не обновляются по результатам измерений сдатчиков, а сбрасываются с помощью выхода фильтра Калмана альтернативно слюбым временным интервалом.

Для того чтобы вывести метод χ 2 обнаружениянеисправностей с двойным прогнозом состояния, определим вектор состоянияошибки:ˆegh k   Xk   X gh k ˆes k   Xk   X s k (3.27)где Xk  – истинный вектор состояния; X̂ gh k  – предсказанный вектор состояниясубфильтра Калмана G; X̂ s k  – предсказанный вектор состояния s -го прогнозасостояния.Для примера рассмотрим обнаружение неисправности в субфильтре КалманаG. Разность ошибок прогноза с общего фильтра и субфильтра:ˆ gh k   Xˆ s k  gh k   egh k   es k   XЕго дисперсия:Tgh k   E  gh k  ghT k (3.28) E egh k eTgh k   egh k eTs k   es k eTgh k   es k eTs k  Pgh k   Pghs k   Psgh k   Ps k (3.29)104где Pghs k  – перекрестная ковариация субфильтра Калмана G и s -го прогнозасостояния.Если начальные состояния одинаковые, то есть Pghs k   Psgh k   Pgh k  , тодисперсия может быть записана в упрощенном виде:Tgh k   Ps k   Pgh k (3.30)Определим функцию обнаружения неисправности:T1k Tghk  gh k gh k    gh(3.31)Критерий идентификации о неисправности:gh k    gh , есть неисправно стиgh k    gh , нет неисправно сти(3.32)где порог ε βgh вводится для исключения ложных тревог.В данной работе используем тест χ 2 вектора состояния с двумя прогнозамисостояния, принцип которого состоит в следующем: во время tk существуетнеисправность и переключатель K1 находится в позиции «1», переключатель K 2находится в позиции «2», прогноз 1 «загрязняется» из-за этой неисправности, нопрогноз с выхода 2 получен с помощью предыдущего правильного состояния, тоесть этот выход является правильным и может быть использован для исправлениянеисправности.

Во время tk+1 ошибки в прогнозе 1 корректируются с помощьювыхода фильтра Калмана. Через время Δt s переключатель K1 находится впозиции «2», переключатель K 2 – в позиции «1», и прогноз состояния 1используется для исправления неисправности состояния.Тест χ 2 остаточной ошибки:Предсказанный вектор можно записать в виде:ˆ s k   Φ s k , k  1Xˆ s k  1XˆˆZ s k   H s k X s k Остаточная ошибка субфильтра Калмана G:(3.33)105d gh k   Z gh k   Ẑ s _ h(3.34)Ковариационная матрица обновляемой последовательности:S gh k   H gh k Pgh k HTgh k   R gh k (3.35)Определим функцию обнаружения неисправности: gh k   d Tgh k Sgh1 k d gh k (3.36)Критерий идентификации неисправности: gh k    dgh , есть неисправно сти gh k    dgh , нет неисправно сти(3.37)где εdgh – порог исправления неисправности.Аналогичные фильтры Калмана применены и для других источниковнавигационной информации, как показано на Рис.

3.18 и 3.19.Рис. 3.18. Схема фильтра Калмана для обнаружения недостоверной информациио местоположенииРис. 3.19. Схема фильтра Калмана для обнаружения недостоверной информациио проекции скорости1063.5. Проверка функции обнаружения и изоляции неисправностей системыИнформация о высоте полѐта может быть получена из нескольких источников,причѐм точность измерения радиовысотомера сильно зависит от наклонаплатформы БПЛА и поверхности. Для того чтобы проверить правильностьобнаружения и изоляции неисправностей предлагаемой системой, проведеномоделирование полѐта БПЛА по трѐхмерной карте с большой неровностью(«волнообразностью») земной поверхности, как показано на Рис. 3.20.10090661080z,m55570440603y,m3-5100502240801600402060y,m020010080-1-240130020-1100x,m-2020406080100x,m(а)(б)Рис.

3.20. (а) – трѐхмерная карта; (б) – проекция трѐхмерной карты нагоризонтальной плоскостиРисунок 3.21 показывает траекторию полѐта БПЛА от точки (0,0,8) до точки(100,100,8), то есть высота полѐта поддерживается на уровне около 8 метров спомощью КНС(БИНС/СНС/BA/RA).z,m6586420-243210010501008060y,m400200x, mРис. 3.21. Траектория полѐта БПЛА-1-2107Рисунок 3.22(а) показывает результаты измерения высоты датчиком GPS,барометрическим и радиовысотомером. Измеренная высота радиовысотомераимеет большую разницу с истиной высотой полета.

При измерении истиннойвысоты эта разница является неисправностью. Ещѐ одна неисправность временная потеря информации от СНС с переходным процессом при еѐвосстановлении. Рисунок 3.22(б) показывает абсолютные ошибки измеренныхвысот.8ошибка высоты,mвысота,m10500102030время,с405064200102030время,с40(а)50(б)Рис. 3.22. (а) - измеренная высота GPS (синяя кривая), барометрическоговысотомера (зеленая кривая) и радиовысотомер а(красная кривая); (б) абсолютныеошибки измеренных высот.После слияния навигационной информации о высоте можно значительноуменьшить влияние неисправности радиовысотомера, но ошибка остаѐтся большой,как показано на Рис. 3.23.ошибка высоты,m0.50-0.5-1-1.50102030время,с4050Рис.3.23. Ошибка высоты после слиянияНа Рис. 3.24 (а) и (б) видно, что статистика изменения функции обнаружениянеисправности тестом «хи-квадрат» по остаточной ошибке и тестом «хи-квадрата»108по состоянию у радиовысотомера гораздо больше, чем у GPS и барометрическоговысотомера, а изогнутая форма соответствует линииабсолютных ашибокизмеренных высот, следовательно, такого вида неисправность датчика можнообнаружить с помощью теста «хи-квадрат».0.05502x 10-4102030время,с4050011-3-5 102030время,с4050-4x 10 102030время,с4050102030время,с4050x 100.50x 10-3102030время,с40500450x 102102030время,с40500(а)(б)Рис.

3.24. (а) – функции обнаружения неисправности тестом «хи-квадрат» поостаточной ошибке; (б) – функции обнаружения неисправности тестом«хи-квадрата» по состояниюРисунок 3.25 показывает значения ошибки по высоте в результате слиянияпосле изоляции неисправности. Сравнивая рисунки 3.23 и 3.25, можно увидеть, чтопосле изоляции неисправности информация о высоте в результате слияния имеетменьшую погрешность, что позволяет повысить точность навигации.ошибка высоты,m0.050-0.050102030время,с4050Рис. 3.25.

Ошибка измерения высоты после слияния и изоляции неисправности1093.6. Выводы по главе 3В данной главе были получены следующие основные научные результаты,имеющие важное практическое значение.1. Разработаныструктураиматематическаямоделькомплекснойнавигационной системы для квадрокоптера.2. Предложенэффективныйалгоритмкалмановскойфильтрациисиспользованием тестов χ 2 по остаточной ошибке и по состоянию для обнаружениянедостоверной навигационной информации.3.

Предложен простой и легко реализуемый алгоритм слияния несколькихисточников навигационной информации при назначении весов выходов датчиковна основе ошибок дисперсий. Кроме того, этот алгоритм имеет возможностьизоляции недостоверной навигационной информации с помощью матрицыобнаружения неисправности.4. Проведено моделирование полѐта квадрокоптера в трѐхмерной карте сбольшой неровностью земной поверхности, результаты которого показываютработоспособность функции обнаружения и изоляции неисправностей системы.5.

Результаты макетирования, которое было проведено в наружной среде,показывают, что предлагаемая КНС может обеспечить высокую точностьнавигации для квадрокоптера.110ГЛАВА 4. РАЗРАБОТКА ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ,МОДЕЛИРОВАНИЕ И МАКЕТИРОВАННЫЕ ИССЛЕДОВАНИЯПоследняя глава диссертации посвящена исследованию возможностиреализациипредлагаемойавтономнойсистемыуправленияполѐтомквадрокоптера путѐм моделирования и с помощью макетированных исследований:макетирование визуальной навигационной системы и макетирование КНС внаружной среде.

Для этого был разработан интерфейс пользователя, которыйможет быть применен для наблюдения за полетом БПЛА и работой датчиков наназемной станции в режиме реального времени. Все предлагаемые результатыпроверены комплексным математическим моделированием в сложной среде.4.1. Математическая модель автономной системы управленияполѐтом квадрокоптераСтруктураматематическоймоделисистемыуправленияполетомквадрокоптера с возможностью облета препятствий и комплексной навигацией всложной среде, предлагаемая в данной работе, показана на Рис. 4.1.Рис. 4.1.

Характеристики

Список файлов диссертации