李振威，程詠梅，張亞崇，馮鑫濤，陳可正

（1.西北工業(yè)大學(xué) 自動(dòng)化學(xué)院，西安 710129；2.西安飛行自動(dòng)控制研究所，西安 710129）

可執(zhí)行多載荷任務(wù)的通用飛機(jī)通常搭載雷達(dá)、相機(jī)等多種任務(wù)設(shè)備，用于對(duì)外部環(huán)境的探測(cè)、偵查，分布在機(jī)翼的不同位置[1]。由于飛機(jī)機(jī)翼存在動(dòng)態(tài)的撓曲變形[2]，通常在任務(wù)設(shè)備處安裝子慣性導(dǎo)航系統(tǒng)，測(cè)量任務(wù)設(shè)備的自身運(yùn)動(dòng)信息，以滿足任務(wù)設(shè)備的工作需求。任務(wù)設(shè)備的性能一定程度上取決于慣性傳感器的精度，受限于體積、重量的要求，任務(wù)設(shè)備處安裝的慣性傳感器精度較低，無(wú)法滿足需求[3]。用于飛行導(dǎo)航的主慣性導(dǎo)航系統(tǒng)具有高精度的運(yùn)動(dòng)狀態(tài)測(cè)量特性，利用主慣性導(dǎo)航系統(tǒng)對(duì)子慣性導(dǎo)航系統(tǒng)進(jìn)行傳遞對(duì)準(zhǔn)，提高子慣性導(dǎo)航系統(tǒng)的測(cè)量精度，改善任務(wù)設(shè)備的性能，實(shí)現(xiàn)對(duì)目標(biāo)的精準(zhǔn)探測(cè)[4]。

傳遞對(duì)準(zhǔn)技術(shù)利用安裝在機(jī)身處的主慣性導(dǎo)航系統(tǒng)對(duì)任務(wù)設(shè)備處的子慣性導(dǎo)航系統(tǒng)進(jìn)行誤差估計(jì)與補(bǔ)償，是提升子慣性導(dǎo)航系統(tǒng)性能的廣泛應(yīng)用技術(shù)[5]。傳遞對(duì)準(zhǔn)方法主要包括姿態(tài)匹配[6]、速度匹配[7]、速度+姿態(tài)匹配[8]、加速度匹配[9]、角速度匹配[10]等。由于機(jī)翼結(jié)構(gòu)的復(fù)雜性以及撓曲變形本身的不可預(yù)見(jiàn)性，使得撓曲變形成為傳遞對(duì)準(zhǔn)中的一個(gè)非常重要問(wèn)題[1]。針對(duì)該問(wèn)題，國(guó)內(nèi)外學(xué)者提出了不同的改進(jìn)方法。文獻(xiàn)[5]建立了機(jī)翼動(dòng)態(tài)變形影響下的速度匹配模型，文獻(xiàn)[4]提出基于差分濾波器的線加速度+角速度匹配方法，文獻(xiàn)[11]提出基于分布式IMU 的相對(duì)姿態(tài)匹配方法。上述方法在進(jìn)行傳遞對(duì)準(zhǔn)時(shí)，分別采取一階、二階馬爾科夫模型來(lái)描述機(jī)翼?yè)锨?。然而，?shí)際的撓曲變形可能并不符合馬爾科夫模型，這將會(huì)導(dǎo)致傳遞對(duì)準(zhǔn)的性能降低[12]。文獻(xiàn)[12]提出了一種新的基于相對(duì)導(dǎo)航的傳遞對(duì)準(zhǔn)方法，該方法無(wú)需建立機(jī)翼?yè)锨Ｐ停弥?、子相?duì)導(dǎo)航模型估計(jì)機(jī)翼?yè)锨?，提高了傳遞對(duì)準(zhǔn)性能。文獻(xiàn)[13]將相對(duì)導(dǎo)航方法擴(kuò)展到基于多節(jié)點(diǎn)IMU 的慣性網(wǎng)絡(luò)。然而，以上方法忽略了高動(dòng)態(tài)飛行下，子慣導(dǎo)受干擾易發(fā)生量測(cè)異常的問(wèn)題[14]。因此，面向小體積、低重量的子慣性傳感器精度較低，且存在隨機(jī)故障的問(wèn)題，如何利用多個(gè)子慣性傳感器構(gòu)建慣性網(wǎng)絡(luò)提高撓曲變形下子慣性導(dǎo)航系統(tǒng)的精度和可靠性，是亟待解決的一項(xiàng)關(guān)鍵技術(shù)。

本文提出一種基于容錯(cuò)慣性網(wǎng)絡(luò)的相對(duì)導(dǎo)航方法，首先建立撓曲變形下多節(jié)點(diǎn)之間的動(dòng)態(tài)關(guān)系轉(zhuǎn)換模型以構(gòu)成冗余測(cè)量信息，進(jìn)行基于廣義似然比檢測(cè)的最小二乘融合，提高了測(cè)量數(shù)據(jù)的可靠性和精度，然后利用慣性網(wǎng)絡(luò)間的局部運(yùn)動(dòng)信息進(jìn)行相對(duì)導(dǎo)航解算，完成了撓曲條件下主、子節(jié)點(diǎn)間的高精度相對(duì)運(yùn)動(dòng)估計(jì)，實(shí)現(xiàn)了主、子節(jié)點(diǎn)間的高精度傳遞對(duì)準(zhǔn)。

1 撓性桿臂下基于廣義似然比檢測(cè)的多節(jié)點(diǎn)信息融合

建立機(jī)載慣性網(wǎng)絡(luò)系統(tǒng)，其中高精度主慣性導(dǎo)航系統(tǒng)（簡(jiǎn)稱(chēng)主節(jié)點(diǎn)）安裝在機(jī)體質(zhì)心處，多個(gè)子慣性導(dǎo)航系統(tǒng)（簡(jiǎn)稱(chēng)子節(jié)點(diǎn)）分別安裝在機(jī)翼不同位置，見(jiàn)圖1。

圖1 機(jī)載任務(wù)設(shè)備分布示意圖Fig.1 Distribution diagram of airborne mission equipment

1.1 撓性桿臂動(dòng)態(tài)轉(zhuǎn)換

動(dòng)態(tài)關(guān)系轉(zhuǎn)換的主要思想是：將各個(gè)節(jié)點(diǎn)輸出轉(zhuǎn)換到統(tǒng)一坐標(biāo)系下，通過(guò)旋轉(zhuǎn)和平移兩個(gè)步驟完成，旋轉(zhuǎn)解決不同子慣性導(dǎo)航系統(tǒng)安裝誤差角不同的影響，平移解決桿臂誤差的影響。

剛性桿臂條件下，只需利用節(jié)點(diǎn)間的旋轉(zhuǎn)矩陣和桿臂誤差將各個(gè)節(jié)點(diǎn)對(duì)準(zhǔn)到統(tǒng)一坐標(biāo)系。撓性桿臂條件下，機(jī)翼?yè)锨冃螌?duì)各子節(jié)點(diǎn)之間帶來(lái)了局部相對(duì)運(yùn)動(dòng)信息，需要做進(jìn)一步補(bǔ)償。機(jī)翼的長(zhǎng)度遠(yuǎn)大于厚度，將機(jī)翼視為薄板，采用薄板模型對(duì)機(jī)翼?yè)锨M(jìn)行建模[15]。在載荷q的作用下，機(jī)翼?yè)锨Ｐ鸵?jiàn)圖2。

圖2 機(jī)翼?yè)锨Ｐ虵ig.2 Wing flexure model

根據(jù)力學(xué)原理有以下機(jī)翼彎曲的平衡方程[15]：

式中，w為位置（x,y）處的撓度，D為彈性系數(shù)，q（x,y）為位置（x,y）處的載荷。

按照有限元分析，實(shí)際上機(jī)翼的前三階模態(tài)響應(yīng)和力學(xué)響應(yīng)均為彎曲，所以可近似認(rèn)為w對(duì)y的各階偏導(dǎo)數(shù)均為零，從而根據(jù)式(1)，簡(jiǎn)化得到新的平衡方程：

對(duì)機(jī)翼而言，可以將其視為一邊固支，三邊自由的矩形板，那么就有邊界條件[15]：

（1）固支邊x=0，位移邊界條件：

（2）自由邊x=LT，力邊界條件：

結(jié)合式(3)(4)，對(duì)式(2)進(jìn)行積分可得到機(jī)翼?yè)锨Ｐ停?/p>

如圖2所示，通過(guò)對(duì)機(jī)翼曲線求偏導(dǎo)可獲得其對(duì)應(yīng)的斜率，從而獲得撓曲變形角γ。

以x位置為例，其位置處的撓曲變形角γ為：

考慮到撓曲變形角通常小于5 °，利用小角度近似γ≈tanγ，得到撓曲角與撓曲位移的關(guān)系：

建立第j個(gè)子節(jié)點(diǎn)撓曲角速率與第k個(gè)子節(jié)點(diǎn)撓曲角速率的關(guān)系：

對(duì)子節(jié)點(diǎn)之間的相對(duì)撓曲導(dǎo)致的角運(yùn)動(dòng)進(jìn)行補(bǔ)償，子節(jié)點(diǎn)j到子節(jié)點(diǎn)k的角速率的動(dòng)態(tài)轉(zhuǎn)換關(guān)系為：

對(duì)于加速度計(jì)，需要對(duì)撓曲桿臂加速度進(jìn)行補(bǔ)償，子節(jié)點(diǎn)j的撓曲桿臂向量Rsj表示為：

則子節(jié)點(diǎn)j處產(chǎn)生的撓曲變形加速度為：

對(duì)子節(jié)點(diǎn)之間的桿臂加速度和撓曲變形加速度進(jìn)行補(bǔ)償，子節(jié)點(diǎn)j到子節(jié)點(diǎn)k加速度計(jì)輸出的動(dòng)態(tài)轉(zhuǎn)換關(guān)系為：

1.2 基于廣義似然比檢測(cè)的多節(jié)點(diǎn)信息融合

各節(jié)點(diǎn)接收其他節(jié)點(diǎn)轉(zhuǎn)換的數(shù)據(jù)后，構(gòu)成冗余測(cè)量信息，建立基于廣義似然比檢測(cè)[16]的最小二乘融合模型，實(shí)現(xiàn)慣性網(wǎng)絡(luò)的容錯(cuò)性能。

1.2.1 奇偶方程

對(duì)子節(jié)點(diǎn)1 處的冗余測(cè)量信息，建立觀測(cè)方程：

式中，y表示冗余的測(cè)量數(shù)據(jù)，x表示真實(shí)的狀態(tài)向量，Hsr表示測(cè)量矩陣，b表示測(cè)量數(shù)據(jù)的故障，ε表示服從零均值高斯分布的噪聲，其協(xié)方差矩陣為R1。

對(duì)觀測(cè)方程中的狀態(tài)x進(jìn)行解耦，利用奇偶矩陣V，使?jié)M足：

式中，P表示奇偶?xì)埐?，P僅與噪聲和故障有關(guān)。V可以通過(guò)Potter 算法得到[17]。

測(cè)量數(shù)據(jù)無(wú)故障情況下，b=0，則：

式中，P服從零均值高斯分布。

測(cè)量數(shù)據(jù)有故障情況下，b≠0，此時(shí)P的統(tǒng)計(jì)特性與式(16)不同。依據(jù)此特性，對(duì)測(cè)量數(shù)據(jù)進(jìn)行廣義似然比檢測(cè)。

1.2.2 廣義似然比檢測(cè)

建立二元假設(shè)，無(wú)故障為H0，有故障為H1：

式中，μ=VTb。

基于二元假設(shè)的似然函數(shù)φ(·)為：

式中，K為固定值，在似然函數(shù)比中可約去。

對(duì)μ求導(dǎo)，極大對(duì)數(shù)似然函數(shù)比Lmax（·）為[17]：

基于以上推導(dǎo)，構(gòu)建廣義似然比故障檢測(cè)函數(shù)：

式中，F(xiàn)D表示故障檢測(cè)函數(shù)值，服從卡方分布，即FD～χ2（n-m），n表示測(cè)量數(shù)據(jù)維數(shù)，m表示狀態(tài)維數(shù)。

故障檢測(cè)準(zhǔn)則為：

式中，TD為故障檢測(cè)閾值，通過(guò)查詢(xún)卡方分布表獲得。

1.2.3 多節(jié)點(diǎn)信息融合

定義第i個(gè)測(cè)量數(shù)據(jù)的故障隔離函數(shù)FIi為：

若FIi越大，發(fā)生故障的似然函數(shù)值ln[φ(P|H1)]越大。因此當(dāng)檢測(cè)出故障時(shí)，通過(guò)比較FIi，可以隔離出故障的測(cè)量數(shù)據(jù)：

1.2.4 建立基于加權(quán)最小二乘的測(cè)量數(shù)據(jù)融合模型

廣義似然比故障檢測(cè)算法的最小可檢測(cè)偏差為[16]：

式中，η為最小可檢測(cè)偏差，α和β分別表示虛警率和漏檢率，和為對(duì)應(yīng)置信區(qū)間下的卡方分布函數(shù)值。

當(dāng)故障幅值小于最小可檢測(cè)偏差時(shí)，故障檢測(cè)算法性能大幅降低，因此利用加權(quán)最小二乘方法進(jìn)一步對(duì)冗余測(cè)量進(jìn)行全局融合，加權(quán)最小二乘估計(jì)準(zhǔn)則為：

故障隔離函數(shù)值的大小可以體現(xiàn)測(cè)量數(shù)據(jù)的質(zhì)量，利用故障隔離函數(shù)值構(gòu)造權(quán)值矩陣，第i維測(cè)量數(shù)據(jù)的權(quán)重為：

構(gòu)造最小二乘權(quán)值矩陣為：

基于加權(quán)最小二乘的測(cè)量數(shù)據(jù)融合模型為：

2 相對(duì)導(dǎo)航誤差估計(jì)與補(bǔ)償

考慮到本文需求為監(jiān)測(cè)機(jī)翼?yè)锨奈⑿∽兓?，捷?lián)慣性導(dǎo)航算法利用地球坐標(biāo)系進(jìn)行解算，解算過(guò)程中將會(huì)引入坐標(biāo)系間的轉(zhuǎn)換誤差，因?yàn)楸疚慕⒁灾鲬T導(dǎo)為主坐標(biāo)系的相對(duì)慣性導(dǎo)航解算方法。

2.1 相對(duì)慣性導(dǎo)航解算

本文采用相對(duì)慣性導(dǎo)航算法進(jìn)行主子慣導(dǎo)間傳遞對(duì)準(zhǔn)，通過(guò)相對(duì)姿態(tài)微分方程、相對(duì)速度微分方程以及相對(duì)位置微分方程遞推解算?？紤]主慣導(dǎo)坐標(biāo)系與子慣導(dǎo)坐標(biāo)系的關(guān)系，有：

從而相對(duì)姿態(tài)微分方程為：

在主節(jié)點(diǎn)坐標(biāo)系下，相對(duì)速度微分方程為：

式中，V表示主、子節(jié)點(diǎn)間相對(duì)速度，R表示相對(duì)位置，fm和fs分別表示主、子節(jié)點(diǎn)的加速度計(jì)輸出。

式(32)不易計(jì)算，定義偽相對(duì)速度U：

對(duì)式(33)兩端進(jìn)行微分：

相對(duì)位置微分方程為：

式(31)(34)和(35)構(gòu)成相對(duì)導(dǎo)航微分方程，通過(guò)微分方程的數(shù)值求解方法即可獲得子節(jié)點(diǎn)相對(duì)于主節(jié)點(diǎn)的運(yùn)動(dòng)關(guān)系。

2.2 誤差估計(jì)與補(bǔ)償

相對(duì)慣性導(dǎo)航算法會(huì)受子節(jié)點(diǎn)IMU 安裝誤差、傳感器噪聲等很多因素的影響，如果不進(jìn)行誤差補(bǔ)償，導(dǎo)航結(jié)果會(huì)很快發(fā)散，因此需要建立相對(duì)導(dǎo)航誤差模型。

根據(jù)相對(duì)姿態(tài)微分方程，考慮陀螺噪聲ε影響，可得相對(duì)姿態(tài)誤差方程：

根據(jù)偽相對(duì)速度微分誤差，考慮加速度計(jì)噪聲?影響，可得偽相對(duì)速度誤差方程為：

相對(duì)位置誤差的變化率為相對(duì)速度誤差，相對(duì)位置誤差方程為：

式(36)(37)和(38)構(gòu)成相對(duì)導(dǎo)航誤差方程。

狀態(tài)空間方程可寫(xiě)為：

式中，F(xiàn)為系統(tǒng)矩陣，G為噪聲激勵(lì)矩陣，α為系統(tǒng)噪聲。

考慮相對(duì)姿態(tài)誤差、相對(duì)速度誤差、相對(duì)位置誤差以及陀螺、加速度計(jì)常值漂移的影響，此時(shí)15 維狀態(tài)向量為：

系統(tǒng)矩陣F為：

噪聲激勵(lì)矩陣G為：

系統(tǒng)噪聲α為：

相對(duì)慣性導(dǎo)航的解算過(guò)程沒(méi)有任何外界參考信息，因而給量測(cè)值的選擇帶來(lái)一定困難。但是考慮到機(jī)翼形狀的約束，選用相對(duì)位置誤差δ R作為量測(cè)量。

量測(cè)方程可寫(xiě)為：

式中，H為觀測(cè)矩陣，β為量測(cè)噪聲。

觀測(cè)矩陣H為：

如圖3所示，表示由相對(duì)導(dǎo)航算法計(jì)算的相對(duì)位置；R表示主、子節(jié)點(diǎn)間的實(shí)際相對(duì)位置；L表示標(biāo)稱(chēng)相對(duì)位置；表示撓曲位移，即子節(jié)點(diǎn)在機(jī)翼變形的影響下，偏離了其標(biāo)稱(chēng)位置的撓曲位移向量。根據(jù)幾何關(guān)系，δR可表示為：

圖3 相對(duì)位置誤差幾何示意圖Fig.3 Geometric diagram of relative position error

考慮撓曲角與撓曲位移的約束關(guān)系，建立約束模型，如圖4所示。根據(jù)圖中幾何關(guān)系，可得：

圖4 撓曲位移與撓曲角關(guān)系圖Fig.4 Relationship between flexure displacement and flexure angle

式中，μf,y由相對(duì)姿態(tài)計(jì)算值和標(biāo)稱(chēng)值相減所得，表示桿臂在x軸上的分量。

卡爾曼濾波模型分為時(shí)間更新和量測(cè)更新[18]：

1）時(shí)間更新：

2）量測(cè)更新：

式中，K(k)表示濾波增益，表示量測(cè)噪聲的協(xié)方差，X(k) 表示估計(jì)值，P(k) 表示估計(jì)值的誤差協(xié)方差。

使用卡爾曼濾波器估計(jì)出的X(k)對(duì)相對(duì)導(dǎo)航解算值進(jìn)行反饋校正，完成高精度的局部相對(duì)運(yùn)動(dòng)估計(jì)。

算法總體框架見(jiàn)圖5。

圖5 基于容錯(cuò)慣性網(wǎng)絡(luò)的相對(duì)導(dǎo)航方法流程圖Fig.5 Flow chart of relative navigation method based on fault-tolerant inertial network

3 仿真實(shí)驗(yàn)與分析

仿真條件：飛機(jī)搭載一個(gè)主慣導(dǎo)、四個(gè)子慣導(dǎo)，構(gòu)成了一主、四子的慣性網(wǎng)絡(luò)，四個(gè)子慣導(dǎo)在主慣坐標(biāo)系下的安裝位置分別為1 m、2 m、3 m、4 m 處，分別為子節(jié)點(diǎn)1、2、3、4。機(jī)翼低頻撓曲為0.01 Hz，在子慣4 處最大撓曲位移為160 mm，高頻撓曲為20 Hz、25 Hz 和30 Hz，幅值分別為1 mm、0.5 mm和0.5 mm。傳感器采樣時(shí)間設(shè)置為0.01 s，濾波器解算頻率為50 Hz，傳感器參數(shù)見(jiàn)表1，飛行軌跡見(jiàn)圖6。

圖6 飛行軌跡Fig.6 Flight trajectory

表1 傳感器參數(shù)Tab.1 Sensor parameters

選用相對(duì)位置的均方根誤差RMSE 作為衡量相對(duì)位置誤差的指標(biāo)。相對(duì)位置的均方根誤差RMSE 定義為：

同理，相對(duì)姿態(tài)的均方根誤差RMSE 定義為：

為驗(yàn)證所提的分布式容錯(cuò)相對(duì)導(dǎo)航方法的優(yōu)越性，設(shè)計(jì)兩組仿真實(shí)驗(yàn)。

第一組仿真實(shí)驗(yàn)，傳感器無(wú)故障下，對(duì)單節(jié)點(diǎn)方法和分布式方法進(jìn)行對(duì)比，單節(jié)點(diǎn)表示使用一主、一子進(jìn)行主子相對(duì)導(dǎo)航解算，分布式表示使用一主、四子進(jìn)行分布式相對(duì)導(dǎo)航解算。圖7-8 為子節(jié)點(diǎn)1 的相對(duì)導(dǎo)航結(jié)果，由圖中可以看出，分布式的相對(duì)位置誤差和相對(duì)姿態(tài)明顯小于單節(jié)點(diǎn)。

圖7 相對(duì)位置誤差對(duì)比（單節(jié)點(diǎn)和分布式）Fig.7 Relative position error (single node and distributed)

圖8 相對(duì)姿態(tài)誤差對(duì)比（單節(jié)點(diǎn)和分布式）Fig.8 Relative attitude error (single node and distributed)

400 s-500 s 期間的性能統(tǒng)計(jì)見(jiàn)表2-3，從表中可以看出，采用單節(jié)點(diǎn)方法，x、y、z三個(gè)方向的相對(duì)位置估計(jì)精度分別為 0.1412 mm、0.1493 mm、0.3062 mm，三個(gè)方向的相對(duì)姿態(tài)估計(jì)精度分別為1.2234'、0.8104'、4.3565'。采用分布式方法，x、y、z三個(gè)方向的相對(duì)位置估計(jì)精度分別為0.0600 mm、0.0563 mm、0.2658 mm，三個(gè)方向的相對(duì)姿態(tài)估計(jì)精度分別為0.2976'、0.2568'、0.9989'。相對(duì)于單節(jié)點(diǎn)，分布式提高了相對(duì)姿態(tài)和相對(duì)位置的估計(jì)精度，體現(xiàn)了分布式方法的優(yōu)越性。

表2 相對(duì)位置性能統(tǒng)計(jì)Tab.2 Performance of relative position

表3 相對(duì)姿態(tài)性能統(tǒng)計(jì)Tab.3 Performance of relative attitude

第二組仿真實(shí)驗(yàn)，在傳感器故障情況下，對(duì)比未加入容錯(cuò)的分布式方法和分布式容錯(cuò)方法。在400 s-500 s 向y軸陀螺注入10 倍噪聲幅值的故障，圖9-10 為相對(duì)導(dǎo)航結(jié)果。由圖中可以看出，未加入容錯(cuò)的分布式方法受故障的影響很大，在故障發(fā)生期間，出現(xiàn)了較大的誤差，而分布式容錯(cuò)方法對(duì)傳感器的故障起到了很好的容錯(cuò)效果。400 s-500 s 期間的性能統(tǒng)計(jì)見(jiàn)表4-5，從表中可以看出，采用分布式方法，x、y、z三個(gè)方向的相對(duì)位置估計(jì)精度分別為5.1075 mm、0.4877 mm、5.5251 mm，三個(gè)方向的相對(duì)姿態(tài)估計(jì)精度分別為9.3637'、29.8118'、50.7981'。采用分布式容錯(cuò)方法，x、y、z三個(gè)方向的相對(duì)位置估計(jì)精度分別為 0.0646 mm、0.0634 mm、0.7377 mm，三個(gè)方向的相對(duì)姿態(tài)估計(jì)精度分別為0.3376'、0.2412'、1.2178'?？梢钥闯鲈诠收习l(fā)生時(shí)，相對(duì)于分布式，所提的分布式容錯(cuò)方法改善了相對(duì)姿態(tài)和相對(duì)位置的估計(jì)精度，未加入容錯(cuò)的分布式方法精度大大降低。

表4 相對(duì)位置性能統(tǒng)計(jì)Tab.4 Performance of relative position

圖9 相對(duì)位置誤差對(duì)比（分布式和分布式容錯(cuò)）Fig.9 Relative position error (distributed and distributed fault tolerance)

圖10 相對(duì)姿態(tài)誤差對(duì)比（分布式和分布式容錯(cuò)）Fig.10 Relative attitude error (distributed and distributed fault tolerance)

表5 相對(duì)姿態(tài)性能統(tǒng)計(jì)Tab.5 Performance of relative attitude

綜上，仿真結(jié)果表明了本文所提方法的有效性。本文方法充分發(fā)揮慣性網(wǎng)絡(luò)的優(yōu)勢(shì)，提供了一種機(jī)翼?yè)锨冃蜗路植际饺蒎e(cuò)相對(duì)導(dǎo)航方法，實(shí)現(xiàn)了機(jī)翼?yè)锨冃我约皞鞲衅鞴收舷碌母呔认鄬?duì)運(yùn)動(dòng)估計(jì)。

4 結(jié)論

本文建立了撓曲變形下多節(jié)點(diǎn)間的動(dòng)態(tài)轉(zhuǎn)換關(guān)系模型，構(gòu)成冗余測(cè)量信息，設(shè)計(jì)了基于廣義似然比檢測(cè)的最小二乘融合方法，提高了慣性測(cè)量數(shù)據(jù)的可靠性和精度。構(gòu)建的分布式容錯(cuò)相對(duì)導(dǎo)航系統(tǒng)將撓曲變形下廣義似然比檢測(cè)和相對(duì)運(yùn)動(dòng)估計(jì)進(jìn)行結(jié)合，在慣性傳感器故障情況下，使慣性網(wǎng)絡(luò)幾乎不受故障的影響，改善了相對(duì)姿態(tài)和相對(duì)位置的估計(jì)精度。未來(lái)工作中，將進(jìn)一步把所提方法用于半物理實(shí)驗(yàn)或?qū)嶏w實(shí)驗(yàn)。