高軍強(qiáng),湯霞清,張 環(huán),郭理彬
(陸軍裝甲兵學(xué)院 兵器與控制系,北京 100072)(*通信作者電子郵箱gjqxkl8990@163.com)
慣性導(dǎo)航系統(tǒng)/全球定位系統(tǒng)(Inertial Navigation System/Global Positioning System, INS/GPS)組合導(dǎo)航系統(tǒng)能夠充分發(fā)揮INS和GPS各自的優(yōu)點(diǎn),被認(rèn)為是目前最理想的組合方式,廣泛應(yīng)用于精確制導(dǎo)武器、測繪、航空航天等領(lǐng)域[1-2]。然而,由于INS/GPS組合導(dǎo)航系統(tǒng)中的GPS信息一般滯后于INS信息,為了對同一量測時(shí)刻的INS、GPS信息進(jìn)行融合就需要組合導(dǎo)航系統(tǒng)信息融合時(shí)刻也必須滯后于量測時(shí)刻,從而對系統(tǒng)實(shí)時(shí)性造成了不良影響[3-4]。
目前,消除信息滯后對INS/GPS性能影響的主要方法可以分為兩種: 一種方法是進(jìn)行時(shí)間配準(zhǔn),即將不同信息源的量測信息統(tǒng)一到同一時(shí)刻,使組合導(dǎo)航系統(tǒng)信息融合時(shí)刻處理的是不同信息源在同一時(shí)刻的量測信息,代表方法有曲線擬合法、拉格朗日插值法、最小二乘虛擬法、內(nèi)插外推法等,然而經(jīng)時(shí)間配準(zhǔn)方法處理后的量測信息實(shí)際上都引入了新的誤差,在工程應(yīng)用中也存在一定的局限性和片面性[5-6]; 另一種方法是直接在濾波算法中融合各信息源在不同時(shí)刻的量測信息,如將信息滯后時(shí)間擴(kuò)充為系統(tǒng)狀態(tài)進(jìn)行估計(jì)的增廣狀態(tài)法[7]、基于新息重組理論建立最優(yōu)濾波器的方法[8]、考慮量測信息滯后的非等間隔濾波算法[9]等。針對采用卡爾曼濾波的INS/GPS組合導(dǎo)航系統(tǒng),將基于INS機(jī)械編排的時(shí)間更新過程與利用GPS信息進(jìn)行修正的量測更新過程分解為兩個(gè)獨(dú)立的任務(wù),在接收到GPS信息之前只進(jìn)行時(shí)間更新過程,待接收到GPS信息之后再進(jìn)行量測更新過程,能夠避免由于GPS信息滯后帶來的等待問題,保證系統(tǒng)的實(shí)時(shí)性,但需要對卡爾曼濾波進(jìn)行較大的調(diào)整,系統(tǒng)精度也受到了一定影響[10-11]。
因子圖算法將組合導(dǎo)航信息融合問題描述為在因子圖模型中連接因子節(jié)點(diǎn),通過因子圖模型推理實(shí)現(xiàn)組合導(dǎo)航結(jié)果的求解。因子圖模型良好的擴(kuò)展性和靈活性,使其可以高效、快速地融合異步量測信息,在多傳感器組合導(dǎo)航系統(tǒng)中逐漸受到越來越多的關(guān)注[12-13]。本文將因子圖算法應(yīng)用于INS/GPS組合導(dǎo)航系統(tǒng),研究了INS/GPS因子圖模型的構(gòu)建及推理方法,提出了在因子圖模型中處理信息滯后的方法與INS誤差修正方案,并進(jìn)行了仿真實(shí)驗(yàn)與分析。
INS/GPS組合導(dǎo)航系統(tǒng)中的狀態(tài)變量一般是由位置、速度、姿態(tài)、慣性傳感器偏差構(gòu)成的15維向量[14]。由于慣性傳感器偏差是用于對INS中慣性測量單元(Inertial Measurement Unit, IMU)的測量誤差進(jìn)行修正,并不需要進(jìn)行導(dǎo)航輸出。因此,將狀態(tài)變量分為導(dǎo)航狀態(tài)量x和慣性傳感器偏差狀態(tài)量α兩個(gè)部分,分別為:
(1)
(2)
式中:λ、L、h分別表示經(jīng)度、緯度、高度;vE、vN、vU分別表示東向、北向、天向速度;θ、γ、ψ表示姿態(tài)角;εx、εy、εz表示陀螺儀偏差量;▽x、▽y、▽z表示加速度計(jì)偏差量。
組合導(dǎo)航系統(tǒng)輸出周期為T=ti+1-ti(i=0,1,2,…),在ti時(shí)刻輸出的導(dǎo)航狀態(tài)量為xi,慣性傳感器偏差狀態(tài)量為αi,則截止到tk時(shí)刻組合導(dǎo)航系統(tǒng)輸出序列和慣性傳感器偏差狀態(tài)量序列可以分別表示為集合的形式:
Xk={x0,x1,…,xk-1,xk}
(3)
Αk={α0,α1,…,αk-1,αk}
(4)
Zk={z0,z1,…,zk-1,zk}
(5)
INS/GPS組合導(dǎo)航信息融合的任務(wù)便可以表示為求解聯(lián)合概率分布p(Xk|Zk)的最大后驗(yàn)概率估計(jì)問題:
(6)
因子圖算法采用因子圖模型描述式(6)所示最大后驗(yàn)概率估計(jì)問題,然后通過對因子圖模型進(jìn)行推理,求出最大后驗(yàn)估計(jì)值, 其算法核心包括因子圖模型構(gòu)建與因子圖模型推理兩部分。
因子圖模型是一種二分圖模型,由變量節(jié)點(diǎn)、因子節(jié)點(diǎn)以及表示變量節(jié)點(diǎn)與因子節(jié)點(diǎn)間依賴關(guān)系的邊構(gòu)成,記tk時(shí)刻的INS/GPS因子圖模型為:
Gk=(Fk,Ωk,Ξk)
(7)
(8)
由式(3)~(5),Xk、Αk、Zk中的變量隨時(shí)間的推移越來越多,故因子圖模型中的變量節(jié)點(diǎn)、因子節(jié)點(diǎn)、邊也在不斷增多。下面以時(shí)刻由tk-1推移到tk,Gk相對于Gk-1的變化,說明INS/GPS因子圖模型的具體構(gòu)建方法。
由tk-1到tk,狀態(tài)變量中增加了xk和αk,故在因子圖中添加兩個(gè)變量節(jié)點(diǎn),分別為Ωxk=xk,Ωαk=αk,為便于表示,在因子圖中Ωxk直接記作xk,Ωαk直接記作αk。
一般情況下,慣性傳感器偏差隨時(shí)間的傳播可以用一個(gè)非線性函數(shù)描述,這意味著可以由當(dāng)前時(shí)刻的偏差預(yù)測下一時(shí)刻的偏差。將αk-1對αk的預(yù)測結(jié)果g(αk-1)看作是對αk的量測信息,則得到偏差因子節(jié)點(diǎn)的表達(dá)式為:
(9)
(10)
(11)
(12)
因子圖模型的推理就是利用聯(lián)合概率分布,在已知圖結(jié)構(gòu)和證據(jù)的情況下,回答查詢問題。對于組合導(dǎo)航系統(tǒng)因子圖模型需要解決的最大后驗(yàn)概率查詢問題,目前主要有最大化-乘積消元算法、最大化-乘積團(tuán)樹算法等[18]; 然而,傳統(tǒng)推理方法一般用于事后處理,在一次推理中默認(rèn)對模型中的所有狀態(tài)變量進(jìn)行求解,這對于隨時(shí)間增長而不斷增添狀態(tài)變量的組合導(dǎo)航系統(tǒng)因子圖模型而言,求解效率勢必會(huì)不斷下降,顯然無法滿足導(dǎo)航系統(tǒng)實(shí)時(shí)性要求。
圖1 tk時(shí)刻INS/GPS因子圖模型
本文INS/GPS因子圖模型推理方法以iSAM2算法為核心,并結(jié)合INS/GPS系統(tǒng)特點(diǎn)進(jìn)行了兩方面的調(diào)整:一是將慣性導(dǎo)航解算結(jié)果作為迭代估計(jì)中變量的初值,由于INS具有很高的短時(shí)精度,采用組合導(dǎo)航結(jié)果能夠?qū)NS誤差積累進(jìn)行有效修正,保證了每個(gè)時(shí)刻的慣性導(dǎo)航解算結(jié)果與最優(yōu)估計(jì)值相差較小,將其作為初值可以減少高斯牛頓迭代的次數(shù),從而提高最優(yōu)估計(jì)值的求解速度;二是iSAM2算法中為了對歷史狀態(tài)量進(jìn)行平滑得到更高的估計(jì)精度,設(shè)計(jì)了流動(dòng)重新線性化過程,而考慮到導(dǎo)航系統(tǒng)更重要的是關(guān)注當(dāng)前時(shí)刻狀態(tài)量的估計(jì),對歷史時(shí)刻狀態(tài)量的平滑沒有太大意義,故在推理時(shí)不進(jìn)行重新線性化,從而進(jìn)一步提高了因子圖模型推理效率。
從添加新的節(jié)點(diǎn)到完成一次最優(yōu)估計(jì)的步驟如下:
步驟1 增添新的變量節(jié)點(diǎn)和因子節(jié)點(diǎn);
步驟2 利用慣性導(dǎo)航解算結(jié)果設(shè)置新增添狀態(tài)變量的初值;
步驟3 對新增添的因子節(jié)點(diǎn)進(jìn)行線性化處理;
步驟4 查找原因子圖中受新增添因子節(jié)點(diǎn)影響的部分;
步驟5 用高斯牛頓迭代方法計(jì)算需要求解的狀態(tài)變量的更新量;
步驟6 初值+更新量,得到最優(yōu)估計(jì)值。
進(jìn)一步研究圖1所示INS/GPS因子圖模型,如果系統(tǒng)由INS/GPS變?yōu)閱我籌NS,那么只需要將GPS因子節(jié)點(diǎn)去掉便可得到INS因子圖模型,這正是因子圖模型良好靈活性和擴(kuò)展性的體現(xiàn)。文獻(xiàn)[10-11]采用的GPS信息滯后處理方法,在因子圖算法中的實(shí)現(xiàn)非常簡便。
圖2 存在GPS信息滯后時(shí)tk時(shí)刻INS/GPS因子圖模型
前文指出,圖1、圖2(a)、圖2(b)均是tk時(shí)刻的INS/GPS因子圖模型,3個(gè)模型之間存在差異的原因在于GPS信息滯后時(shí)間不同?,F(xiàn)在換一個(gè)角度考慮,將圖1、圖2(a)也視作當(dāng)T
(13)
(14)
(15)
總結(jié)以上對比,從精度的角度,圖1優(yōu)于圖2(a)優(yōu)于圖2(b);從實(shí)時(shí)性的角度,圖2(b)優(yōu)于圖2(a)優(yōu)于圖1。組合導(dǎo)航系統(tǒng)設(shè)計(jì)在精度與實(shí)時(shí)性之間的權(quán)衡是亙古不變的命題,本文研究的出發(fā)點(diǎn)是在保證最高實(shí)時(shí)性的前提下,實(shí)現(xiàn)相對更高的精度。
INS誤差修正是指將組合導(dǎo)航結(jié)果作為慣性導(dǎo)航解算的初始值,從而消除INS中的誤差積累,這是保證組合導(dǎo)航系統(tǒng)精度的關(guān)鍵。當(dāng)不存在信息滯后時(shí),毋庸置疑地采用上一時(shí)刻的實(shí)時(shí)導(dǎo)航狀態(tài)量作為慣性導(dǎo)航解算的初始值,對上一時(shí)刻到當(dāng)前時(shí)刻之間的IMU量測數(shù)據(jù)進(jìn)行解算,能夠有效消除INS中的誤差積累; 然而,當(dāng)存在信息滯后時(shí),為了保證系統(tǒng)實(shí)時(shí)性,需要在接收到GPS量測信息前將精度較低的預(yù)測結(jié)果作為實(shí)時(shí)導(dǎo)航狀態(tài)量進(jìn)行輸出,而較早時(shí)刻的導(dǎo)航狀態(tài)量已經(jīng)是量測更新結(jié)果,精度較高。因此,在對INS誤差進(jìn)行修正時(shí)便存在兩種方案可供選擇。
方案一 采用上一時(shí)刻的實(shí)時(shí)導(dǎo)航狀態(tài)量進(jìn)行INS誤差修正,不考慮其是否進(jìn)行了量測更新。該方案的優(yōu)點(diǎn)在于,每次只對一個(gè)系統(tǒng)輸出周期內(nèi)的IMU量測數(shù)據(jù)進(jìn)行解算,從而保證了誤差積累最小,并且無需儲存歷史IMU量測數(shù)據(jù)。缺點(diǎn)在于,如果上一時(shí)刻的實(shí)時(shí)導(dǎo)航狀態(tài)量是預(yù)測結(jié)果,將有可能無法有效修正INS誤差。
方案二 采用上一時(shí)刻因子圖模型推理結(jié)果中剛剛完成量測更新的導(dǎo)航狀態(tài)量進(jìn)行INS誤差修正,對該導(dǎo)航狀態(tài)量對應(yīng)時(shí)刻到當(dāng)前時(shí)刻之間的IMU量測數(shù)據(jù)進(jìn)行解算。該方案的優(yōu)點(diǎn)在于,采用量測更新結(jié)果能夠保證有效修正INS誤差;缺點(diǎn)在于,需要儲存一段時(shí)間的IMU量測數(shù)據(jù),并且一次INS解算的時(shí)間段越長,就會(huì)在解算過程中產(chǎn)生越大的誤差積累。
為了直觀對比兩種INS誤差修正方案,圖3給出了存在GPS信息滯后時(shí)因子圖算法的處理時(shí)序,并對兩種INS誤差修正方案進(jìn)行了標(biāo)記。
設(shè)置INS/GPS組合導(dǎo)航系統(tǒng)輸出頻率為5 Hz;INS測量頻率為100 Hz,陀螺常值漂移為0.02 °/h、隨機(jī)漂移為0.01 °/h,加速度計(jì)的常值零偏為100 μg,隨機(jī)零偏為50 μg;GPS測量頻率為1 Hz,經(jīng)度、緯度測量噪聲均方差為10 m,高度測量噪聲均方差為15 m,3個(gè)方向速度測量噪聲均方差都為0.1 m/s;總仿真時(shí)長1 800 s,設(shè)計(jì)仿真軌跡如圖4所示。
圖3 GPS信息滯后時(shí)因子圖算法處理時(shí)序及INS誤差修正方案
圖4 運(yùn)動(dòng)軌跡仿真
為了分析存在信息滯后時(shí)因子圖組合導(dǎo)航算法的性能,比較兩種INS誤差修正方案在不同GPS信息滯后時(shí)間下的處理效果, 進(jìn)行8組仿真實(shí)驗(yàn)。每組仿真實(shí)驗(yàn)中分別進(jìn)行50次蒙特卡羅仿真,采用均方根誤差(Root Mean Square Error, RMSE)評價(jià)組合導(dǎo)航精度。各組仿真實(shí)驗(yàn)中,GPS信息滯后時(shí)間及INS誤差修正方案設(shè)置如表1所示。其中,實(shí)驗(yàn)1為不存在信息滯后的理想狀況,作為誤差參照基準(zhǔn)。由于不存在信息滯后時(shí),上一時(shí)刻實(shí)時(shí)導(dǎo)航狀態(tài)量便是剛剛完成量測更新的導(dǎo)航狀態(tài)量,故兩種INS誤差修正方案是等價(jià)的。
表1 仿真實(shí)驗(yàn)參數(shù)
圖5所示為實(shí)驗(yàn)1、2、6位置RMSE曲線對比,當(dāng)GPS信息滯后時(shí)間為(0, 0.2]時(shí),采用方案一和方案二均得到了與不存在GPS信息滯后時(shí)相當(dāng)?shù)慕M合導(dǎo)航精度,說明因子圖算法憑借其可以在一個(gè)信息融合時(shí)刻處理各信息源不同時(shí)刻量測信息的特點(diǎn),非常成功地處理了信息滯后帶來的影響。
圖5 實(shí)驗(yàn)1、2、6位置RMSE曲線對比
圖6所示為實(shí)驗(yàn)1、3、4位置RMSE曲線對比,采用方案一進(jìn)行INS誤差修正時(shí),隨著GPS信息滯后時(shí)間的變長,高度誤差幾乎不受影響,而經(jīng)度誤差和緯度誤差出現(xiàn)了明顯增大,組合導(dǎo)航結(jié)果精度越來越差。這是由于GPS信息滯后時(shí)間越長,組合導(dǎo)航結(jié)果就是時(shí)間跨度越長的預(yù)測結(jié)果,其精度受INS誤差積累的影響越大,對INS誤差修正作用也就越小。
圖6 實(shí)驗(yàn)1、3、4位置RMSE曲線對比
圖7為實(shí)驗(yàn)1、5位置RMSE曲線對比,當(dāng)GPS信息滯后時(shí)間達(dá)到(1.6, 1.8]時(shí),經(jīng)度誤差和緯度誤差隨時(shí)間發(fā)散,當(dāng)載體高度方向發(fā)生位移時(shí),高度誤差也明顯增大,此時(shí)方案一已經(jīng)無法有效修正INS誤差。以上分析表明:方案一只能在較小的GPS信息滯后情況下,對INS誤差起到有限的修正作用,當(dāng)GPS信息滯后時(shí)間變長,該方案的導(dǎo)航誤差會(huì)越來越大,甚至發(fā)散,不具備長航時(shí)導(dǎo)航的能力。
圖7 實(shí)驗(yàn)1、5位置RMSE曲線對比
圖8所示實(shí)驗(yàn)1、7、8位置RMSE曲線對比,采用方案二進(jìn)行INS誤差修正時(shí),即便GPS信息滯后時(shí)間達(dá)到(1.6, 1.8]也能得到與不存在GPS信息滯后時(shí)相當(dāng)?shù)膶?dǎo)航精度。說明,INS誤差積累會(huì)在每一次修正中得到有效消除,保證了組合導(dǎo)航精度的長期穩(wěn)定。
圖8 實(shí)驗(yàn)1、7、8位置RMSE曲線對比
以上分析表明,當(dāng)GPS信息滯后時(shí)間不超過組合導(dǎo)航系統(tǒng)輸出周期時(shí),直接采用實(shí)時(shí)導(dǎo)航狀態(tài)量對INS誤差進(jìn)行修正,計(jì)算量小且不需要額外的存儲空間便可以實(shí)現(xiàn)與沒有滯后時(shí)非常接近的導(dǎo)航精度;但是當(dāng)GPS信息滯后時(shí)間超過組合導(dǎo)航系統(tǒng)輸出周期時(shí),采用實(shí)時(shí)導(dǎo)航狀態(tài)量對INS誤差修正效果變差,甚至有可能導(dǎo)致誤差發(fā)散。這種情況下,如果采用上一時(shí)刻因子圖模型推理結(jié)果中剛剛完成量測更新的導(dǎo)航狀態(tài)量對INS誤差進(jìn)行修正,則可以取得更好的效果?;贗NS/GPS因子圖組合導(dǎo)航算法的GPS信息滯后處理方法很好地解決了信息滯后帶來的不良影響,對存在信息滯后的組合導(dǎo)航系統(tǒng)設(shè)計(jì)具有一定參考意義。
采用因子圖算法實(shí)現(xiàn)INS/GPS組合導(dǎo)航系統(tǒng)信息融合,避免了系統(tǒng)實(shí)時(shí)性因GPS信息滯后而變差,同時(shí)又能保證很高的系統(tǒng)精度。因子圖算法利用接收到的量測信息建立因子節(jié)點(diǎn),將其連接到因子圖模型中對應(yīng)的變量節(jié)點(diǎn)上進(jìn)行因子圖模型推理便可求得信息融合結(jié)果。因子圖算法可以在一個(gè)信息融合時(shí)刻處理不同時(shí)刻的量測信息,使其對于受異步、滯后等因素影響的多傳感器信息融合問題有很強(qiáng)的適應(yīng)性。因子圖算法對子系統(tǒng)進(jìn)行反饋校正時(shí),由于不同時(shí)刻可用的量測信息不同,導(dǎo)致因子圖模型推理結(jié)果中不同時(shí)刻狀態(tài)量的估計(jì)精度差別較大,因此需要盡量采用估計(jì)精度較高的狀態(tài)量進(jìn)行反饋,以改善組合導(dǎo)航系統(tǒng)的精度。本文采用完成量測更新的導(dǎo)航狀態(tài)量對INS誤差進(jìn)行修正時(shí)需要儲存一段時(shí)間的IMU量測數(shù)據(jù),當(dāng)GPS信息滯后時(shí)間太長時(shí),求解效率有所下降,故因子圖模型實(shí)時(shí)推理方法以及在多傳感器信息融合中的應(yīng)用有待進(jìn)一步研究。