The application of improved Sage-Husa algorithm in aircraft integrated navigation
-
摘要: 针对机载组合导航系统，考虑不同飞行阶段的气压高度，提出一种改进的Sage-Husa自适应滤波算法，以提高组合导航系统定位精度. 该算法通过引入气压高度，实时计算并修正滤波异常判定的调节因子，以满足飞机不同飞行阶段的滤波需求. 通过捷联式惯性导航系统(SINS)、全球卫星导航系统(GNSS)定位误差特性仿真、卡尔曼滤波组合算法仿真、以及改进的Sage-Husa自适应滤波算法仿真，并对相关结果进行比较验证. 仿真结果表明，改进Sage-Husa自适应滤波可以提高滤波的自适应性，降低组合导航系统定位误差，取得较好的效果.
-
关键词:
- 组合导航 /
- 气压高度 /
- 改进的Sage-Husa滤波算法 /
- 定位误差 /
- 卡尔曼滤波
Abstract: Aiming at the airborne integrated navigation system, considering the air pressure altitude in different flight stages, an improved Sage-Husa adaptive filtering algorithm is proposed to improve the positioning accuracy of the integrated navigation system. This algorithm calculates and corrects the adjustment factor of filter anomaly determination in real time by introducing air pressure altitude to meet the filtering requirements of different flight stages of the aircraft. Through strap-down inertial navigation system (SINS), global navigation satellite system (GNSS) positioning error characteristics simulation, Kalman filter combination algorithm simulation, and improved Sage-Husa The adaptive filtering algorithm is simulated, and the relevant results are compared and verified. The simulation results show that improving the Sage-Husa adaptive filtering can improve the adaptiveness of the filtering, reduce the positioning error of the integrated navigation system, and achieve better results. -
表 1 导航系下定位误差比较
m 算法 统计量 E方向误差 N方向误差 U方向误差 卡尔曼
滤波算法最大值 32.63 26.32 78.37 RMS 11.25 12.58 13.32 改进前
Sage-Husa算法最大值 6.83 9.35 20.42 RMS 4.39 4.72 4.58 改进后
Sage-Husa算法最大值 3.86 6.42 12.97 RMS 3.05 3.98 3.62 
下载: 导出CSV
-
[1] 卢鋆, 申建华. 世界卫星导航格局发展趋势研究[J]. 卫星应用, 2020(8): 31-37. DOI: 10.3969/j.issn.1674-9030.2020.08.010 [2] 雷宏杰, 张亚崇. 机载惯性导航技术综述[J]. 航空精密制造技术, 2016, 52(1): 7-12. DOI: 10.3969/j.issn.1003-5451.2016.01.002 [3] 周先林, 张慧君, 和涛, 等. GPS/INS松耦合组合导航的自适应卡尔曼滤波算法研究[J]. 时间频率学报, 2020, 43(3): 222-230. [4] 李松, 唐小妹, 孙鹏跃, 等. GNSS/INS紧组合最大熵卡尔曼滤波算法[J]. 全球定位系统, 2020, 45(4): 1-8. [5] 程保喜. GNSS与惯性导航组合系统在复杂环境下的定位研究[J]. 中北大学学报(自然科学版), 2021, 42(1): 89-96. [6] SUN J, XU X S, LIU Y T, et al. FOG random drift signal denoising based on the improved AR model and modified Sage-Husa adaptive Kalman filter[J]. Sensors, 2016, 16(7): 1073. DOI: 10.3390/s16071073 [7] 索艳春. 基于Sage-Husa自适应滤波器的MEMS陀螺随机误差建模补偿[J]. 电子器件, 2018, 41(6): 1457-1460. DOI: 10.3969/j.issn.1005-9490.2018.06.021 [8] 梁俊元, 游林儒, 文小琴, 等. 改进的Sage-Husa算法在提高激光位移传感器精度中的应用[J]. 科学技术与工程, 2017, 17(31): 115-119. DOI: 10.3969/j.issn.1671-1815.2017.31.018 [9] 邱望彦, 李荣冰, 刘建业. 基于改进自适应渐消卡尔曼滤波的通用航空GNSS/微惯性组合导航算法研究[J]. 电子测量技术, 2020, 43(10): 95-100. [10] 魏延辉, 刘静, 郝晟功. 基于改进自适应滤波的SINS/DVL组合导航算法研究[J]. 自动化与仪表, 2019, 34(5): 95-100. [11] 鲁平, 赵龙, 陈哲. 改进的Sage-Husa自适应滤波及其应用[J]. 系统仿真学报, 2007, 19(15): 3503-3505. DOI: 10.3969/j.issn.1004-731X.2007.15.034 [12] 赵奉鲁. 中国民航安全趋势分析及国内外对比研究[D]. 天津: 中国民航大学, 2018. [13] 秦敏恒. 关于修正海平面气压计算的方法讨论[J]. 内蒙古科技与经济, 2019, 420(2): 80-82. DOI: 10.3969/j.issn.1007-6921.2019.02.037 [14] 于之靖, 张冬晓. 缩小垂直间隔适航性研究及相关问题分析[J]. 航空工程进展, 2015, 6(1): 116-121. DOI: 10.3969/j.issn.1674-8190.2015.01.019 -
点击查看大图
图(9) / 表(1)
计量
- 文章访问数: 519
- HTML全文浏览量: 288
- PDF下载量: 28
- 被引次数: 0
