王冬霞，辛 潔，劉春霞，湯廷松，趙 娜，謝金石

(1.北京衛(wèi)星導(dǎo)航中心，北京 100094；2.大地測量與地球動力學(xué)國家重點實驗室，武漢 430077)

0 引言

近年來，全球衛(wèi)星導(dǎo)航技術(shù)在國民經(jīng)濟和國防軍事等領(lǐng)域的應(yīng)用日漸深入，各項功能持續(xù)完善。隨著人工智能、機器學(xué)習(xí)等高新技術(shù)的發(fā)展和全球衛(wèi)星導(dǎo)航系統(tǒng)(global navigation satellite system，GNSS)應(yīng)用領(lǐng)域的擴展，用戶對衛(wèi)星導(dǎo)航精度和可靠性的要求越趨增高。由于GNSS是一個集空間段、地面段及用戶段于一身的復(fù)雜大系統(tǒng)，且不同段所處的運行環(huán)境、主要干擾因素不同，任何部件(系統(tǒng)內(nèi)部元器件、傳感器、執(zhí)行機構(gòu)等硬件及軟件)都有可能在系統(tǒng)長期運行過程中發(fā)生故障甚至失效。此時，若按非故障理想情況處理，不但不能滿足任務(wù)指標(biāo)，更有可能帶來軍事、政治和經(jīng)濟上的巨大損失，造成災(zāi)難性的后果。因此，開展針對GNSS繁雜多樣的故障診斷與容錯技術(shù)的研究攻關(guān)，是新一代GNSS研究的熱門課題。

本文對近年來衛(wèi)星導(dǎo)航領(lǐng)域故障診斷和容錯技術(shù)進行研究。從工程實際角度考慮，通過采用故障診斷技術(shù)和容錯技術(shù)等手段，不僅能夠保證故障發(fā)生后系統(tǒng)的正常運行，還能確保系統(tǒng)精度、提高系統(tǒng)可靠性，同時也能降低成本、減小體積、減少硬件配置、增加系統(tǒng)靈活性以及節(jié)約能源。而從理論角度來講，由于GNSS是一個包括星間、站間、星地等不同環(huán)境下設(shè)備的規(guī)模龐大、技術(shù)密集程度高，精度、實時性、連續(xù)性要求高的復(fù)雜大系統(tǒng)，對該復(fù)雜系統(tǒng)的探索研究有助于豐富船舶導(dǎo)航、天文導(dǎo)航、通信導(dǎo)航等領(lǐng)域的故障診斷與容錯方法的相關(guān)研究。

1 故障診斷方法研究

自1971年起，故障診斷技術(shù)在各發(fā)達國家得到了不同程度的飛速發(fā)展。隨著譜分析、數(shù)據(jù)采集與濾波等各種信號處理技術(shù)的發(fā)展，以及機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、云計算、專家診斷與大數(shù)據(jù)分析等各種人工智能技術(shù)的產(chǎn)生，一些新的方法與理論已經(jīng)得到了成功應(yīng)用[1-2]?？紤]到GNSS自身復(fù)雜的特殊性，針對GNSS故障診斷應(yīng)有別于一般的故障診斷方法。迄今，依據(jù)決策方法和特征描述方法的不同，GNSS故障診斷主要有3種方法：解析模型故障診斷法、信號處理故障診斷法以及人工智能故障診斷法[3]。

1.1 解析模型故障診斷方法

解析模型故障診斷方法首先需要判斷故障發(fā)生在執(zhí)行器、傳感器還是元器件部位；隨后建立數(shù)學(xué)模型得到期望值；再將測量值和期望值的殘差進行比較，得到故障診斷結(jié)果。文獻[4]在GNSS定位中設(shè)計了2種χ2診斷算法，并通過實測數(shù)據(jù)對2種算法進行比較分析。文獻[5]提出了分量檢測的方法，仿真結(jié)果證明，該方法提升了系統(tǒng)檢測小故障的敏銳性，減少了對軟故障檢測的時延，有效解決了χ2方法檢測緩變故障不靈敏且延遲較大的問題[6]。另外，文獻[7-8]分別提出基于最大殘差樣本的協(xié)方差陣特征算法和基于滑模變結(jié)構(gòu)的故障檢測算法，以對傳統(tǒng)χ2檢測法進行改進，使得組合導(dǎo)航系統(tǒng)的殘差能夠結(jié)合狀態(tài)進行遞推。為了提高檢測故障的靈敏度，文獻[9]設(shè)計了組合導(dǎo)航系統(tǒng)的偽殘差，利用濾波輸出值周期性地重置狀態(tài)遞推值，成功地運用狀態(tài)遞推值代替了Kalman濾波的預(yù)測值。根據(jù)非理想故障形式和故障分布規(guī)律，文獻[10]利用先驗概率模型對故障進行建模，設(shè)計了誤警率最小的目標(biāo)函數(shù)，仿真試驗驗證了該方法能夠提高系統(tǒng)故障診斷的能力。

目前，對解析模型故障診斷法的探討較多，研究成果比較豐碩；然而在工程應(yīng)用中，精確的診斷對象數(shù)學(xué)模型往往無法獲得，因此該方法的應(yīng)用受到了極大限制。于是，人們開始致力于研究不依賴于模型、基于信號處理的故障診斷方法。

1.2 信號處理故障診斷方法

信號處理故障診斷法首先需要提取信號的幅值、頻率及方差，然后根據(jù)小波變換、頻譜分析等數(shù)學(xué)方法進行故障檢測。由于輸出信號的局部發(fā)生變化是系統(tǒng)故障的一般表現(xiàn)，因而檢測系統(tǒng)輸出信號的局部特征有著重要意義。小波變換具有描述信號局部性質(zhì)的特點，對突變點檢測十分有效[11]。

GNSS系統(tǒng)故障包括硬故障和軟故障。通常，通過機內(nèi)自檢可實現(xiàn)硬故障檢測，而傳感器方差突變導(dǎo)致信息失效等軟故障檢測則較為困難。對于組合導(dǎo)航系統(tǒng)方差突變類的軟故障，文獻[12]利用小波變換方法進行了研究。文獻[13-14]等運用小波變換有效解決了系統(tǒng)中傳感器輸出信號類型各異帶來的檢測難題。文獻[15]針對全球定位系統(tǒng)(global positioning system，GPS)及捷聯(lián)慣導(dǎo)系統(tǒng)(strapdown inertial navigation system，SINS)組合導(dǎo)航系統(tǒng)，利用多小波故障檢測進行Kalman濾波器誤差分析，能夠迅速發(fā)現(xiàn)故障點、降低虛警概率?；跁r-頻分析的小波變換方法，文獻[16]設(shè)計了輸入改變而未發(fā)生變化的奇異點為系統(tǒng)的故障點的故障診斷策略?；谛〔ǚ治黾夹g(shù)，文獻[17]對傳感器輸出信號進行故障診斷，并進行了故障隔離和系統(tǒng)重構(gòu)，最終采用聯(lián)邦式濾波器實現(xiàn)了信息融合。

信息處理故障診斷方法避開了系統(tǒng)建模難的缺陷，實時性較好，是一種常用的故障檢測方法，不過該方法對潛在的早期故障診斷不足；因此常常與其他診斷方法結(jié)合，進而提高其故障診斷性能。

1.3 人工智能故障診斷方法

隨著人工智能技術(shù)的飛速發(fā)展，產(chǎn)生了專家系統(tǒng)、故障樹、神經(jīng)網(wǎng)絡(luò)等多種人工智能故障診斷法。

針對專家系統(tǒng)故障診斷法，文獻[18]運用各類規(guī)則對系統(tǒng)進行了綜合推理，對運行系統(tǒng)的輸出信息與用戶提供的經(jīng)驗信息進行比對，進而找到已存在或有可能發(fā)生的故障，最終通過用戶證實診斷結(jié)果的正確性。根據(jù)模糊理論，文獻[19]設(shè)計了能夠?qū)收线M行定位，并能預(yù)先判斷將要發(fā)生故障的模糊故障診斷方法。

近年來，復(fù)雜系統(tǒng)采用故障樹模型查找故障源的研究引起了人們的關(guān)注[20]。文獻[21]將系統(tǒng)故障和故障原因繪制成故障樹，能夠反映故障與各導(dǎo)致因素之間的直接關(guān)系。文獻[22]基于慣性導(dǎo)航系統(tǒng)(inertial navigation system，INS)及GPS組合導(dǎo)航系統(tǒng)研究了故障樹分析方法，分析結(jié)果證明了該方法的可行性。

文獻[23-25]研究了基于神經(jīng)網(wǎng)絡(luò)的故障診斷方法，將神經(jīng)網(wǎng)絡(luò)作為分類器，與其他診斷方法的優(yōu)點相結(jié)合來進行故障診斷。文獻[26]基于BP神經(jīng)網(wǎng)絡(luò)設(shè)計了SINS及GPS組合導(dǎo)航系統(tǒng)的v2故障診斷法。Bayes理論、模糊算法、D-S推理理論及神經(jīng)網(wǎng)絡(luò)等基于信息融合的故障診斷方法是采用信息融合理論進行故障診斷，提高了故障診斷的準(zhǔn)確度[1]。文獻[27-28]基于擴展Kalman濾波方法實現(xiàn)了數(shù)據(jù)融合，并給出較高精度的導(dǎo)航數(shù)據(jù)。

人工智能的故障診斷方法全面考慮了人的因素，對實際系統(tǒng)、特別是非線性系統(tǒng)、復(fù)雜系統(tǒng)的推斷比較合理，是一類很有潛力的故障診斷法。

1.4 故障診斷方法小結(jié)

從以上研究可以看出，基于解析模型、信號處理、人工智能的3種故障診斷方法已取得了令人矚目的成就，但許多方法都有各自的優(yōu)勢和缺陷，加之GNSS呈現(xiàn)規(guī)模龐大、業(yè)務(wù)處理模式多、系統(tǒng)層次多、系統(tǒng)之間關(guān)聯(lián)性大的特點，當(dāng)前GNSS故障診斷方法還存在如下不足：

1)目前關(guān)于GNSS故障診斷研究大多是針對傳感器、執(zhí)行機構(gòu)等硬件故障，一般比較容易診斷。而軟故障的特點是幅值較小，和噪聲混迭嚴重，更容易發(fā)生虛警、漏警等；因此軟故障檢測與診斷技術(shù)更需要深入研究。

2)大多數(shù)研究針對衛(wèi)星分系統(tǒng)，而當(dāng)系統(tǒng)級和分系統(tǒng)級都受到影響時，造成它們的差值可能對故障不敏感；因此提出分層、分級、多故障的綜合處理策略是GNSS領(lǐng)域非常有意義的一個研究方向。

3)目前GNSS故障診斷的研究主要集中在各種方法及改進方法上，但對GNSS這一復(fù)雜系統(tǒng)來說，單一故障診斷方法往往具有局限性，快速準(zhǔn)確的診斷難以保證；因此多種方法集成的智能診斷技術(shù)是亟待解決的一項研究課題。

2 容錯方法研究

能否在故障發(fā)生時，提出有針對性的、行之有效的容錯方案是保證系統(tǒng)健康穩(wěn)定運行的必然要求[29]。目前，容錯方案主要分為2類：即主動容錯和被動容錯。主動容錯是根據(jù)故障檢測和故障診斷得到實際的故障信息，重構(gòu)控制器，進而達到系統(tǒng)穩(wěn)定有效控制的目的[30]；而被動容錯是在不需要故障檢測和故障診斷的前提下，采用具有魯棒性的控制方案使得系統(tǒng)對特定故障不敏感，從而保證系統(tǒng)穩(wěn)定[31]。

2.1 主動容錯方法

主動容錯系統(tǒng)一般由故障診斷子系統(tǒng)和重構(gòu)子系統(tǒng)組成。故障診斷子系統(tǒng)需要對故障具有較高靈敏度，并對未知動力學(xué)特性、模型不確定性以及干擾具有魯棒性[32]。雖然對GNSS故障診斷可以作為一個獨立的領(lǐng)域進行研究；但當(dāng)進行主動容錯設(shè)計時，故障診斷環(huán)節(jié)的設(shè)計需要與系統(tǒng)重構(gòu)環(huán)節(jié)整體考慮，而不是簡單的一個診斷工具。

在GNSS容錯設(shè)計中，需要配備在線的故障診斷算法[33]，實時確定量測信息的有效性，決策用哪些局部狀態(tài)估計來計算全局狀態(tài)估計。同時，在診斷到故障后能夠進行必要的系統(tǒng)重構(gòu)，使得系統(tǒng)不致因故障失效，這實則為一個在線故障診斷和重構(gòu)[34]的動態(tài)系統(tǒng)設(shè)計。

聯(lián)邦濾波器可以實現(xiàn)對故障的有效隔離和系統(tǒng)重構(gòu)[35]，該方法采用信息分配原則，各子Kalman濾波器相對獨立，沒有子濾波器間交叉污染，可以把故障限制在子濾波器內(nèi)，通過融合無故障子濾波器的解為主濾波器的最優(yōu)解，來保障系統(tǒng)正常運行。對于執(zhí)行機構(gòu)發(fā)生的故障，文獻[36]設(shè)計了故障診斷策略，并基于重構(gòu)故障信息設(shè)計了退步容錯方案。文獻[37]利用非線性幾何方法，設(shè)計了與干擾解耦的自適應(yīng)濾波器，準(zhǔn)確估計了衛(wèi)星故障，進而設(shè)計了重構(gòu)邏輯實現(xiàn)系統(tǒng)容錯控制。文獻[38]系統(tǒng)地研究了組合導(dǎo)航系統(tǒng)的故障隔離和重構(gòu)策略?；谀：碚?，文獻[39]提出了針對系統(tǒng)自主切換的基本組合導(dǎo)航方案，在無GPS信號覆蓋時，利用環(huán)境特征標(biāo)志輔助傳統(tǒng)的地圖匹配方法，并重構(gòu)導(dǎo)航系統(tǒng)。文獻[40]針對微捷聯(lián)慣性導(dǎo)航系統(tǒng)(micro strapdown inertial navigation system，MSINS)及GPS組合導(dǎo)航系統(tǒng)，采用三層容錯結(jié)構(gòu)有效地檢測了粗差、速度跳變，提出一種及時隔離故障的改進濾波算法，提高了系統(tǒng)的實時性、魯棒性和容錯能力。

為解決目前大多故障檢測法對緩變軟故障檢測不靈敏、延遲性較大、難以判斷故障類別等問題，文獻[41]設(shè)計了一種小波模極大值容錯算法，提升了軟故障檢測靈敏度，也可以通過故障點處信號Lipschitz指數(shù)來判斷故障類別。該方法為傳感器故障隔離和修復(fù)提供了有效的信息，也為多傳感器的組合導(dǎo)航系統(tǒng)的可靠運行提供了保障。

為實現(xiàn)GNSS故障情況的主動容錯，其中最關(guān)鍵的問題是故障檢測和診斷環(huán)節(jié)能夠提供準(zhǔn)確及時的故障信息；然而，實現(xiàn)精確故障診斷并非易事，會受到系統(tǒng)模型的不確定性、外干擾等多種因素的影響；此外，由于各個故障間存在交互作用，可能導(dǎo)致無法利用單個故障的模式特征對復(fù)合故障進行故障建模和理論分析：因此主動容錯技術(shù)存在設(shè)計復(fù)雜、計算量大、實際應(yīng)用困難等問題。

2.2 被動容錯方法

相較于主動容錯技術(shù)，被動容錯技術(shù)無需進行故障檢測和診斷，更無需進行控制方案的切換，因而也避免了主動容錯技術(shù)存在的上述缺點。在GNSS領(lǐng)域，文獻[42]提出了“最優(yōu)魯棒余度關(guān)系”的概念，但其深入研究的是線性系統(tǒng)的魯棒故障檢測方法[43]，而不能診斷隔離故障。文獻[44]針對導(dǎo)航系統(tǒng)中常規(guī)容錯算法精度不高、檢測故障類型單一的問題，設(shè)計了一種雙狀態(tài)模糊自適應(yīng)的組合容錯算法。在考慮了外部干擾影響的情況下，文獻[45]基于自適應(yīng)退步方法設(shè)計了針對執(zhí)行機構(gòu)故障衛(wèi)星的容錯控制方案；文獻[46]針對存在干擾及不確定性的情況，基于自適應(yīng)魯棒方法設(shè)計了一種容錯控制方案。

2.3 容錯方法小結(jié)

從以上研究可以看出，基于故障檢測與診斷的主動容錯技術(shù)在一定程度上得到了顯著發(fā)展；但是針對GNSS不同級別、不同故障來源及類型，提出全面及時有效的容錯重構(gòu)方案尚存在一定的空白。特別是基于系統(tǒng)模型不確定、故障來源不明確、干擾大情況下的模糊故障，目前尚未開展有效的被動容錯技術(shù)研究。

3 GNSS故障診斷及容錯技術(shù)展望

綜合分析GNSS故障診斷及容錯技術(shù)的研究現(xiàn)狀，多星多站多層級的綜合診斷技術(shù)、多方法融合的智能故障診斷技術(shù)、及時有效的故障容錯技術(shù)將成為未來GNSS故障研究領(lǐng)域的發(fā)展方向：

1)多星多站多層級的綜合診斷技術(shù)：針對GNSS地面站設(shè)備眾多、衛(wèi)星觀測數(shù)據(jù)量大、各站數(shù)據(jù)質(zhì)量不同的情況，利用故障樹分層、分級地研究系統(tǒng)每個組成部分的潛在故障模式，從故障產(chǎn)生機理和響應(yīng)特征出發(fā)，對硬故障、軟故障或多故障、復(fù)合故障進行故障建模與理論分析，進而提出多星多站多層級的綜合診斷方法，既避免由于單站數(shù)據(jù)故障引起對系統(tǒng)狀態(tài)的誤判，又能及時有效地檢測出軟故障，提高故障處理效率，實現(xiàn)異常問題的快速發(fā)現(xiàn)。

2)多方法融合的智能故障診斷技術(shù)：在GNSS系統(tǒng)中，采用單一的診斷方法往往無法滿足系統(tǒng)故障診斷的需求，綜合考慮系統(tǒng)功能、效果和客觀條件等各方面因素，將解析模型、信號處理、人工智能等故障診斷方法相結(jié)合，明確智能診斷策略，結(jié)合多層級的診斷策略、合適的診斷粒度、模型信號和智能知識結(jié)合，取長補短，從而實現(xiàn)故障快速診斷和精確診斷，使整個系統(tǒng)達到更高智能水平。

3)及時有效的故障容錯技術(shù)：GNSS系統(tǒng)中及時有效的故障容錯技術(shù)使導(dǎo)航系統(tǒng)具有自監(jiān)控能力，在故障診斷條件下，及時將故障設(shè)備進行隔離，并能夠?qū)⑵溆嘣O(shè)備進行重構(gòu)，從而使GNSS系統(tǒng)能夠正?；蚪档托阅艿匕踩\行。因此，配合多數(shù)據(jù)多方法融合的智能故障診斷技術(shù)，能夠根據(jù)自身故障體系自動地調(diào)動信息資源，對硬件故障采用主動重構(gòu)，對軟件故障采用被動魯棒的混合智能化、自動化容錯技術(shù)，及時有效地消除故障對系統(tǒng)的影響，保證系統(tǒng)的健康運行。

4 結(jié)束語

隨著衛(wèi)星導(dǎo)航的快速發(fā)展，其精度和可靠性日益受到關(guān)注，而快速有效的故障診斷及容錯技術(shù)是提高導(dǎo)航系統(tǒng)性能的重要保障。本文分析了衛(wèi)星導(dǎo)航系統(tǒng)故障診斷方法及研究現(xiàn)狀，主要包括解析模型故障診斷法、信號處理故障診斷法以及人工智能故障診斷法等，并總結(jié)出各種方法的優(yōu)缺點；分層次介紹了主動容錯方法和被動容錯方法在衛(wèi)星導(dǎo)航領(lǐng)域的研究；最后指出未來GNSS故障診斷的發(fā)展趨勢體現(xiàn)在多星多站多層級的綜合診斷技術(shù)、多方法融合的智能故障診斷技術(shù)、及時有效的故障容錯技術(shù)等研究方向上。

[1] 張玲霞.導(dǎo)航系統(tǒng)故障檢測與診斷及其相關(guān)理論問題的研究[D].西安：西北工業(yè)大學(xué)，2004.

[2] 程洪炳，黃國榮，劉華偉.導(dǎo)航系統(tǒng)故障檢測與診斷技術(shù)綜述[J].傳感器與微系統(tǒng)，2010，29(3)：1-4.

[3] 王耀才.智能故障診斷技術(shù)的現(xiàn)狀與展望[J].徐州建筑職業(yè)技術(shù)學(xué)院學(xué)報，2003，3(1)：37-39.

[4] 高為廣，杜燕，王楠.模型誤差對χ2統(tǒng)計檢驗算法的影響分析[J].測繪科學(xué)，2009，34(1)：141-143.

[5] DA R，LIN C F.Failure detection and isolation structure for global positioning system autonomous integrity monitoring[J].Journal of Guidance，Control，and Dynamics，2012，18(2)：291-297.

[6] GAYLOR D E，LIGHTSEY E G.GPS/INS Kalman filter design for spacecraft operating in the proximity of the international space station [EB/OL].[2017-01-18].https：//www.researchgate.net/profile/David_Gaylor/publication/242369422_GPSINS_Kalman_Filter_Design_for_Spacecraft_Operating_in_the_Proximity_of_the_International_Space_Station/links/5407191c0cf23d9765a8373f.pdf?inViewer=0&pdfJsDownload=0&origin=publication_detail.

[7] 孫學(xué)磊.基于濾波殘差的組合導(dǎo)航系統(tǒng)故障檢測研究[J].計測技術(shù)，2009，29(2)：5-8.

[8] LI F.GPS integrity monitoring algorithms based on tightly-coupled GPS/INS integrated system[J].Information Science and Engineering(ICISE)，2011，17(1)：6654-6657.

[9] 高關(guān)根，程農(nóng).改進的殘差檢驗法在組合導(dǎo)航系統(tǒng)故障檢測中的應(yīng)用[J].系統(tǒng)仿真學(xué)報，2009，20(增刊2)：341-344.

[10] 王凌軒，隋立芬，向民志，等.GPS動態(tài)導(dǎo)航接收機自主完好性監(jiān)測算法[J].測繪科學(xué)，2015，40(12)：130-134.

[11] SINPYO H，MAN H L.Observability of error state in GPS/INS integration[J].IEEE Transactions on Vehicular Technology，2005，54(2)：102-106.

[12] MALLAT S.信號處理的小波導(dǎo)引[M].楊力華，戴道清，黃文良，等譯.2版.北京：機械工業(yè)出版社，2002：15-22.

[13] 田曉東，韋錫華.小波分析在多傳感器組合導(dǎo)航故障檢測中的應(yīng)用[J].青島大學(xué)學(xué)報，2002，17(4)：66-68.

[14] 徐勝紅，吳進華，胡志強，等.組合導(dǎo)航系統(tǒng)故障檢測的小波變換方法研究[J].宇航學(xué)報，2003，24(1)：111-114.

[15] 林雪原，王杰，駱卉子.基于小波輔助的GPS/SINS組合導(dǎo)航系統(tǒng)故障檢測與信息融合算法[J].兵工自動化，2012，31(2)：52-56.

[16] QIAN Huaming，MA Jichen，LI Zhongyu.Navigation sensors fault diagnosis based on wavelet transformation and neural Network[C]//IEEE.Proceedings of the 8th International Conference on Electronic Measurement and Instruments.Xi’an：IEEE Inc.，2007：592-595.

[17] 范繼偉，沈?qū)W強，楊成偉.小波故障檢測在脈沖星組合導(dǎo)航中的應(yīng)用[J].兵工自動化，2016，35(5)：46-50.

[18] 孫麗.基于神經(jīng)網(wǎng)絡(luò)的故障診斷專家系統(tǒng)的研究[D].長春：東北師范大學(xué)，2007：21-27.

[19] 孫增國.神經(jīng)網(wǎng)絡(luò)和模糊專家系統(tǒng)在故障診斷中的應(yīng)用[D].大連：大連理工大學(xué)，2004：22-28.

[20] JIANG B，STAROSWIECKI M，COCQUEMPOT V.Fault accommodation for a class of nonlinear systems[J].IEEE Trans on Automatic Control，2006，51(9)：1578-1583.

[21] 金亮亮.基于故障樹的航天器故障診斷專家系統(tǒng)[D].南京：南京航空航天大學(xué)，2008：9-14.

[22] 王芳，劉剛.慣性/GPS組合導(dǎo)航系統(tǒng)的故障樹分析法[J].工程與技術(shù)，2004(4)：38-40.

[23] YUAN Dongli，YAN Jianguo，XI Qingbiao.A study of fault detection and system reconfiguration for UAV navigation system based on RBF neural network[C]//IEEE.Proceedings of the 7th World Congress on Intelligent Control and Automation(WCICA 2008).Chongqing：IEEE Inc.，2008：55-58.

[24] HE Ming，LIU Guangbin，ZHAO Dawei.Fault tolerant integrated navigation system based on neural network information fusion[C]//SPIE.Proceedings of International Conference on Space Information Technology.Wuhan：SPIE，2005：59853W，1-5.

[25] 張彥霞，肖清泰，徐建新，等.基于經(jīng)驗?zāi)B(tài)分解的小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型[J].計算機應(yīng)用與軟件，2016，33(10)：284-287.

[26] 金曉明.基于模糊神經(jīng)網(wǎng)絡(luò)的綜合導(dǎo)航系統(tǒng)故障檢測與診斷技術(shù)[J].導(dǎo)航，2007(3)：73-78.

[27] WALID A H.Accuracy enhancement of integrated MEMS-IMU/GPS systems for land vehicle navigation applications [D].Canada：University of Calgary，2004：1-35.

[28] MEZENTSEV O，LU Y，LACHAPELLE G，et al.Vehicle navigation in urban canyons using a high sensitivity GPS receiver augmented with a low cost rate gyro[C]// The Institute of Navigation.Proceedings of ION GNSS+ conference.Virginia：The Institute of Navigation，2002：1-12.

[29] 邢琰，吳宏鑫，王曉磊，等.航天器故障診斷與容錯控制技術(shù)綜述[J].宇航學(xué)報，2003，24(3)：221-226.

[30] JIANG J，YU X.Fault-tolerant control systems：a comparative study between active and passive approaches[J].Annual Reviews in Control，2012，36：60-72.

[31] CHEN J，PATTON R.Robust model-based fault diagnosis for dynamic systems[M].MA：Kluwer Publishers Norwell，1999.

[32] ZHANG Y M，JIANG J.Bibliographical review on reconfigurable fault-tolerant control system[J].Annual Reviews in Control，2008，32：229-252.

[33] VOLZHIN A S，VIAZMIKIN A A，ZEENICH V S，et al.Integrated system able to measure errors of satellite navigation system receivers[J].IEEE Aerospace and Electronic Systems Magazine，2005，20(8)：13-15.

[34] WANG J L，PIETER B O.On the availability of fault detection and exclusion in GNSS receiver autonomous integrity monitoring[J].The Journal of Navigation，2009，62(2)：251-261.

[35] CARLSON N A，BERARDUCCI M L.Federated Kalman filter simulation results[J].Journal of the Institute of Navigation，1994，41(3)：297- 321.

[36] XIAO B，HU Q，F(xiàn)RISWELL M I.Active fault-tolerant attitude control for flexible spacecraft with loss of actuator effectiveness[J].International Journal of Adaptive Control and Signal Processing，2013，27(11)：925-943.

[37] BERTONI G，CASTALDI P，MIMMO N，et al.Active fault tolerant control system for a high accuracy planet-image and stellar-pointing satellite[J].Automatic Control in Aerospace，2010，43(15)：422-427.

[38] 徐景碩，王維江.容錯多傳感器組合導(dǎo)航系統(tǒng)發(fā)展綜述[J].航空電子技術(shù)，2006，37(3)：25-28.

[39] 曹夢龍，崔平遠.高精度自主導(dǎo)航系統(tǒng)重構(gòu)方案研究與實現(xiàn)[J].系統(tǒng)工程與電子技術(shù)，2008，30(5)：893-897.

[40] 馬云峰.MSINS/GPS組合導(dǎo)航系統(tǒng)及其數(shù)據(jù)融合技術(shù)研究[D].南京：東南大學(xué)，2005.

[41] 程建華，李明月.基于小波分析的容錯組合導(dǎo)航系統(tǒng)故障檢測算法研究[J].宇航學(xué)報，2012，33(4)：420-425.

[42] LOU X，WILLSKY A S，VERGHESE G C.Optimally robust redundaney relations for failure detection in uncertain systems[J].Automatica，1986，32(3)：333-344.

[43] DING X，JEISEH T.A characterization of parity space and its application to robust fault detection[J].Automation Control，1999，44(2)：337-343.

[44] 楊春，張磊，郭健，等.采用雙狀態(tài)傳播卡方檢驗和模糊自適應(yīng)濾波的容錯組合導(dǎo)航算法[J].控制理論與應(yīng)用，2016，33(4)：500-511.

[45] XIAO B，HU Q L，MA G F.Robust fault tolerant attitude control for spacecraft under partial loss of actuator effectiveness[J].Control & Decision，2011，34(3)：263-268.

[46] CAI W C，LIAO X H，SONG D Y.Indirect robust adaptive fault-tolerant control for attitude tracking of spacecraft[J].Journal of Guidance，Control and Dynamics，2012，31(5)：1456-1463.