本發(fā)明涉及火星大氣進(jìn)入段多傳感器信息融合的技術(shù)領(lǐng)域，具體涉及一種基于協(xié)方差交叉融合的火星進(jìn)入段分布式自主導(dǎo)航方法，可用于提高火星大氣進(jìn)入段自主導(dǎo)航的精度和容錯(cuò)能力。

背景技術(shù)：

在火星大氣進(jìn)入段，火星探測器面臨著峰值過載、高溫高熱等惡劣的環(huán)境，探測器被安裝在防護(hù)罩內(nèi)，導(dǎo)致大量的導(dǎo)航敏感器無法工作，僅僅依靠慣性測量單元(簡記為IMU)進(jìn)行自主導(dǎo)航，導(dǎo)航的精度難以滿足未來火星探測的要求?；诨鹦谴髿膺M(jìn)入段可依靠甚高頻無線電進(jìn)行通信的研究，學(xué)者們提出IMU和無線電測距的組合導(dǎo)航方案，為探測器在進(jìn)入段的自主導(dǎo)航提供了額外的信息，提高了探測器的自主導(dǎo)航精度。但是，上述組合導(dǎo)航方法是集中式濾波的組合導(dǎo)航系統(tǒng)，面臨著計(jì)算負(fù)擔(dān)重、容錯(cuò)能力差等問題，而且不能保證濾波器的實(shí)時(shí)性。再者，由于探測器與火星在軌信標(biāo)或表面信標(biāo)之間的甚高頻無線電通信會(huì)存在被探測器周圍的等離子鞘減弱甚至信號丟失的情況，會(huì)使集中式濾波的容錯(cuò)能力進(jìn)一步降低。因此，針對火星大氣進(jìn)入段的組合導(dǎo)航，選用合適的導(dǎo)航濾波方法對導(dǎo)航敏感器進(jìn)行信息融合，提高計(jì)算的靈活性，減少計(jì)算量，增強(qiáng)容錯(cuò)能力是亟待解決的問題。

相對于集中式濾波，分布式(或稱為分散化)濾波利用信息分配原則來消除各子狀態(tài)估計(jì)的相關(guān)性，具有計(jì)算量小、設(shè)計(jì)靈活、容錯(cuò)性能好等特點(diǎn)。協(xié)方差交叉融合算法是基于局部估值和保守誤差方差的凸組合，有效地避免了狀態(tài)估計(jì)的發(fā)散，具有較好的一致性，能保證濾波狀態(tài)估計(jì)的信息融合具有較高的精度。本發(fā)明采用分布式濾波的結(jié)構(gòu)，在各個(gè)子濾波器中采用擴(kuò)展卡爾曼濾波(簡記為EKF)濾波算法，然后利用協(xié)方差交叉融合算法對各個(gè)子濾波器進(jìn)行信息融合以及反饋，構(gòu)造一種分布式容錯(cuò)濾波方法，用于提高火星大氣進(jìn)入段的自主導(dǎo)航精度和容錯(cuò)能力。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明解決了現(xiàn)有火星大氣進(jìn)入段組合導(dǎo)航的非線性自主導(dǎo)航濾波算法無法消除有色噪聲影響導(dǎo)航精度和容錯(cuò)能力較差的技術(shù)問題，本發(fā)明提出一種基于協(xié)方差交叉融合的火星進(jìn)入段分布式自主導(dǎo)航方法，在各個(gè)子濾波器中采用擴(kuò)展卡爾曼濾波濾波算法，利用協(xié)方差交叉融合算法對各個(gè)子濾波器進(jìn)行信息融合和反饋，考慮了導(dǎo)航系統(tǒng)模型中的有色噪聲問題和多傳感器容錯(cuò)信息融合的問題，有效地提高了火星大氣進(jìn)入段對探測器的自主導(dǎo)航精度，同時(shí)也提高了自主導(dǎo)航的容錯(cuò)能力。

為了解決上述技術(shù)問題，本發(fā)明的技術(shù)方案是：一種基于協(xié)方差交叉融合的火星進(jìn)入段分布式自主導(dǎo)航方法，其特征在于，步驟如下：

步驟一：建立火星大氣進(jìn)入段導(dǎo)航系統(tǒng)的三自由度動(dòng)力學(xué)模型：設(shè)火星大氣進(jìn)入段的大氣層相對火星靜止，狀態(tài)向量取為r,v,γ,θ,λ,ψ分別表示探測器的高度、速度、飛行路徑角、經(jīng)度、緯度和航向角，b_a為慣性測量單元IMU中加速度計(jì)的常值漂移；建立火星大氣進(jìn)入段的三自由度動(dòng)力學(xué)模型：

其中，g(r)＝μ/r²為火星重力加速度，μ為火星的重力加速度常數(shù)，w(t)為零均值的高斯白噪聲，t表示時(shí)間；

步驟二：建立火星大氣進(jìn)入段的量測模型：采用分布式導(dǎo)航濾波算法將IMU和探測器與一個(gè)信標(biāo)的距離作為一個(gè)子系統(tǒng)，共有三個(gè)子導(dǎo)航系統(tǒng)，則相應(yīng)的火星大氣進(jìn)入段的三個(gè)量測方程為：

其中，h₁(·)、h₂(·)、h₃(·)分別表示三個(gè)子導(dǎo)航系統(tǒng)的非線性量測函數(shù)，v₁(t)、v₂(t)和v₃(t)分別為三個(gè)子導(dǎo)航系統(tǒng)的量測噪聲，R₁表示火星探測器與表面信標(biāo)1之間的距離，R₂表示火星探測器與表面信標(biāo)2之間的距離，R₃表示火星探測器與在軌信標(biāo)之間的距離，a^v為IMU輸出的速度系下三個(gè)軸向加速度；η_a為IMU測量信息的量測噪聲向量，ξ_R1、ξ_R2和ξ_R3分別為雙向測距的量測噪聲向量；η_a、ξ_R1、ξ_R2和ξ_R3為零均值的高斯白噪聲；

其中，火星探測器與火星在軌信標(biāo)或火星表面信標(biāo)之間在火星質(zhì)心慣性系下的距離：

其中，r_l表示火星探測器的坐標(biāo)，r_i(i＝1,2,3)分別表示火星表面信標(biāo)1、火星表面信標(biāo)2、火星在軌信標(biāo)的坐標(biāo)；

步驟三：建立分布式容錯(cuò)自主導(dǎo)航系統(tǒng)：三個(gè)量測方程結(jié)合動(dòng)力學(xué)模型建立子濾波器分別進(jìn)行狀態(tài)估計(jì)，然后在信息融合器中采用協(xié)方差交叉融合算法對探測器的狀態(tài)進(jìn)行信息融合輸出狀態(tài)估計(jì)值，并反饋到導(dǎo)航系統(tǒng)中進(jìn)行時(shí)間更新；

步驟四：離散和線性化分布式容錯(cuò)自主導(dǎo)航系統(tǒng)的三自由度動(dòng)力學(xué)模型和量測模型：對三自由度動(dòng)力學(xué)模型和三個(gè)量測方程分別進(jìn)行離散化：

x_k+1＝F(x_k)+w_k，

z_ik＝h_i(x_k)+v_ik,i＝1,2,3；

其中，x_k(k＝1,2,3,…)表示k時(shí)刻的示狀態(tài)值，F(xiàn)(x_k)為f(x(t),t)離散后的非線性狀態(tài)函數(shù)，h_i(x_k)為h_i(x(t),t)離散后的非線性量測函數(shù)，w_k和v_ik互不相關(guān)，w_k的方差矩陣為Q_k，v_ik的方差矩陣為R_ik；

線性化離散后的動(dòng)力學(xué)模型：將離散后的非線性狀態(tài)函數(shù)F(x_k)圍繞估計(jì)值按泰勒級數(shù)展開到一階項(xiàng)，得相應(yīng)的線性動(dòng)力學(xué)方程：

x_k+1＝Φ_kx_k+u_k+w_k

且：

其中，Φ_k為狀態(tài)轉(zhuǎn)移矩陣，為估計(jì)值的后驗(yàn)狀態(tài)值；

線性化離散后的量測模型：將三個(gè)非線性離散函數(shù)h_i(x_k)圍繞預(yù)測估計(jì)值按泰勒級數(shù)展開到一階項(xiàng)，得相應(yīng)的線性量測方程：

z_ik＝H_ikx_k+y_ik+v_ik,(i＝1,2,3)；

且

其中，為估計(jì)值的先驗(yàn)狀態(tài)值，y_ik為量測控制項(xiàng)；

步驟五：建立基于EKF導(dǎo)航濾波算法的子濾波器：采用EKF濾波算法實(shí)現(xiàn)對子導(dǎo)航系統(tǒng)的探測器的狀態(tài)估計(jì)，得到子濾波器的探測器的高度r、速度v、飛行路徑角γ、經(jīng)度θ、緯度λ、航向角ψ、狀態(tài)估計(jì)和誤差方差矩陣

步驟六：建立基于協(xié)方差交叉融合算法的信息融合器：基于三個(gè)狀態(tài)估計(jì)以及相應(yīng)的誤差方差矩陣采用協(xié)方差交叉融合算法進(jìn)行信息融合得到第k+1步的狀態(tài)估計(jì)和估計(jì)誤差方差矩陣P_CI,k+1，然后再將得到的和P_CI,k+1傳遞給三個(gè)子濾波器對其狀態(tài)和誤差方差矩陣進(jìn)行更新。

所述探測器的阻力加速度D和升力加速度L分別表示為：

其中，C_D為阻力系數(shù)，C_L為升力系數(shù)，S為探測器的參考面積，m為探測器的質(zhì)量，為動(dòng)壓，ρ是火星進(jìn)入段的大氣密度，相應(yīng)的指數(shù)大氣密度模型為：

式中ρ₀是火星進(jìn)入段大氣的標(biāo)稱密度，r₀為火星的徑向基準(zhǔn)位置，h_s為火星大氣的定標(biāo)高度。

所述IMU輸出的速度系下三個(gè)軸向加速度a^v表示為；

a^v＝[-D -D·L/D·sinφ D·L/D·cosφ]^T。

所述步驟五中EKF濾波算法的步驟為：

選取狀態(tài)估計(jì)和誤差方差矩陣的初始值分別為和P₀；

由第k步的狀態(tài)估計(jì)值和誤差方差矩陣可知，第k+1步的預(yù)測狀態(tài)估計(jì)為

第k+1步的預(yù)測誤差方差矩陣為：

其次，第k+1步的濾波增益矩陣K_k為

最后，第k+1步的狀態(tài)估計(jì)為

第k+1步的估計(jì)誤差方差矩陣為

其中，I表示單位矩陣。

所述步驟六中協(xié)方差交叉融合算法的步驟為：

其中，三個(gè)加權(quán)系數(shù)ω₁,ω₂,ω₃>0，滿足ω₁+ω₂+ω₃＝1，且由下式?jīng)Q定：

其中，||·||_F表示Frobenius范數(shù)。

所述按泰勒級數(shù)展開到一階項(xiàng)的方法是：針對一個(gè)無窮可微的函數(shù)f(x)，泰勒級數(shù)展開到一階項(xiàng)為：

f(x)＝f(a)+f′(a)(x-a)，

其中，f′(a)表示函數(shù)f(x)在點(diǎn)x＝a處的一階導(dǎo)數(shù)。

與傳統(tǒng)的集中式導(dǎo)航濾波方法相比，本發(fā)明采用容錯(cuò)能力較強(qiáng)的分布式信息融合的方式進(jìn)行自主導(dǎo)航，有利于提高無線電通信的利用效率，減少了自主導(dǎo)航濾波的計(jì)算量，提高了火星大氣進(jìn)入段自主導(dǎo)航系統(tǒng)的容錯(cuò)能力，增強(qiáng)了導(dǎo)航濾波的穩(wěn)定性，有效地提高了火星大氣進(jìn)入段對探測器的自主導(dǎo)航精度。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明火星大氣進(jìn)入段的組合導(dǎo)航方案。

圖2為本發(fā)明的流程圖。

圖3為本發(fā)明分布式容錯(cuò)濾波的結(jié)構(gòu)圖。

圖4為本發(fā)明分布式容錯(cuò)濾波與集中式濾波的誤差對比圖。

圖5為本發(fā)明一個(gè)信標(biāo)出現(xiàn)故障時(shí)分布式容錯(cuò)濾波的誤差圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有付出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

如圖2和圖3所示，一種基于協(xié)方差交叉融合的火星進(jìn)入段分布式自主導(dǎo)航方法，它包括以下六個(gè)步驟：

步驟一、建立火星大氣進(jìn)入段導(dǎo)航系統(tǒng)的動(dòng)力學(xué)模型。

在火星大氣進(jìn)入段，探測器被看成無動(dòng)力的質(zhì)點(diǎn)。忽略火星的自轉(zhuǎn)，同時(shí)設(shè)火星大氣進(jìn)入段的大氣層相對火星靜止。狀態(tài)向量取為建立火星大氣進(jìn)入段的三自由度動(dòng)力學(xué)模型：

其中，t表示時(shí)間，r,v,γ,θ,λ,ψ分別表示探測器的高度、速度、飛行路徑角、經(jīng)度、緯度和航向角，b_a為慣性測量單元(簡記為IMU)中加速度計(jì)的常值漂移，g(r)＝μ/r²為火星重力加速度，μ為火星的重力加速度常數(shù)，w(t)為零均值的高斯白噪聲，D和L分別表示為探測器的阻力加速度和升力加速度，且：

式中，C_D為阻力系數(shù)，C_L為升力系數(shù)，S為探測器的參考面積，m為探測器的質(zhì)量，為動(dòng)壓，ρ是火星進(jìn)入段的大氣密度，相應(yīng)的指數(shù)大氣密度模型為：

式中，ρ₀是火星進(jìn)入段大氣的標(biāo)稱密度，r₀為火星的徑向基準(zhǔn)位置，h_s為火星大氣的定標(biāo)高度。

其中，步驟一中的參數(shù)值分別為：火星的重力加速度μ＝42828.29×10⁹m³/s²，火星的徑向基準(zhǔn)位置r₀＝3437.2km，火星大氣的定標(biāo)高度h_s＝7.5km。

其中，本發(fā)明的驗(yàn)證中升阻比L/D＝C_L/C_D、彈道系數(shù)B＝C_DS/m和標(biāo)稱大氣密度ρ₀的參考值和估計(jì)值如表1所示。

表1驗(yàn)證中的參數(shù)值和估計(jì)值

步驟二、建立火星大氣進(jìn)入段的量測模型。

本發(fā)明以火星探測器的IMU提供的加速度、以及探測器與火星在軌信標(biāo)或火星表面信標(biāo)之間的距離信息作為火星探測器進(jìn)入段自主導(dǎo)航的量測信息。為了減少計(jì)算量，增強(qiáng)導(dǎo)航系統(tǒng)的容錯(cuò)性能，采用分布式導(dǎo)航濾波算法將IMU和探測器與一個(gè)信標(biāo)的距離作為一個(gè)子系統(tǒng)，共有三個(gè)子導(dǎo)航系統(tǒng)，則相應(yīng)的火星大氣進(jìn)入段的三個(gè)量測方程為

式中，h₁(·)、h₂(·)、h₃(·)分別表示三個(gè)子導(dǎo)航系統(tǒng)的非線性量測函數(shù)，v₁(t)、v₂(t)和v₃(t)分別為三個(gè)子導(dǎo)航系統(tǒng)的量測噪聲，R₁、R₂和R₃分別表示火星探測器與表面信標(biāo)1、表面信標(biāo)2和在軌信標(biāo)之間的距離，η_a為IMU測量信息的量測噪聲向量，為零均值的高斯白噪聲，ξ_R1，ξ_R2和ξ_R3分別為雙向測距的量測噪聲向量,均為零均值的高斯白噪聲；a^v為IMU輸出的速度系下三個(gè)軸向加速度，且：

a^v＝[-D -D·L/D·sinφ D·L/D·cosφ]^T (8)。

其中，火星探測器與火星在軌信標(biāo)或火星表面信標(biāo)之間通過雙向無線電通信，可以獲得二者在火星質(zhì)心慣性系下的距離(雙向無線電通信測距示意圖參見圖1)：

式中，r_l表示火星探測器的坐標(biāo)，r_i(i＝1,2,3)分別表示火星表面信標(biāo)1、火星表面信標(biāo)2、火星在軌信標(biāo)的坐標(biāo)。

其中，本發(fā)明驗(yàn)證中選擇兩個(gè)火星在軌信標(biāo)和一個(gè)火星表面固定信標(biāo)，相應(yīng)的信標(biāo)的初始位置和速度分別如表2所示。

表2在軌信標(biāo)和固定信標(biāo)的初始位置和速度

本發(fā)明驗(yàn)證中量測IMU的三個(gè)軸向加速度常值漂移b_a取為[0.3cos(t/100) 0.3cos(t/200) 0.3sin(t/100)]^Tm/s2。

步驟三、建立分布式容錯(cuò)自主導(dǎo)航系統(tǒng)。

火星大氣進(jìn)入段的自主導(dǎo)航方案中有火星表面信標(biāo)、火星在軌信標(biāo)1和火星在軌信標(biāo)2三個(gè)信標(biāo)與火星探測器進(jìn)行無線電通信，分別提供三個(gè)距離信息z_i(i＝1,2,3)。為了減少導(dǎo)航濾波的計(jì)算量，提高自主導(dǎo)航系統(tǒng)的容錯(cuò)性能力，對三組量測信息結(jié)合動(dòng)力學(xué)模型建立子濾波器分別狀態(tài)估計(jì)得狀態(tài)估計(jì)值和誤差方差矩陣然后再在信息融合器中采用協(xié)方差交叉融合算法對探測器的狀態(tài)進(jìn)行信息融合得狀態(tài)估計(jì)值和誤差方差矩陣P_CI，輸出狀態(tài)估計(jì)值誤差方差矩陣P_CI以及相應(yīng)的系數(shù)ω_i(i＝1,2,3)反饋到導(dǎo)航系統(tǒng)中進(jìn)行時(shí)間更新。相應(yīng)的分布式容錯(cuò)自主導(dǎo)航系統(tǒng)結(jié)構(gòu)圖參見圖3。

步驟四、離散和線性化分布式容錯(cuò)自主導(dǎo)航系統(tǒng)的三自由度動(dòng)力學(xué)模型和量測模型。

對上述動(dòng)力學(xué)模型(1)和量測模型(5)～(7)分別進(jìn)行離散化，得到：

x_k+1＝F(x_k)+w_k (10)

z_ik＝h_i(x_k)+v_ik,i＝1,2,3 (11)，

式中，x_k(k＝1,2,3,…)表示k時(shí)刻的示狀態(tài)值，F(xiàn)(x_k)為f(x(t),t)離散后的非線性狀態(tài)函數(shù)，h_i(x_k)(i＝1,2,3)為h_i(x(t),t)離散后的非線性量測函數(shù)，w_k和v_ik(i＝1,2,3)互不相關(guān)，w_k的方差矩陣為Q_k，v_ik的方差矩陣為R_ik，v_ik(i＝1,2,3)之間的相關(guān)性未知。

接著，將離散化后的動(dòng)力學(xué)模型和量測模型式(10)和式(11)的四個(gè)方程線性化。也就是將式(10)中的離散后的非線性狀態(tài)函數(shù)F(x_k)圍繞估計(jì)值按泰勒級數(shù)展開到一階項(xiàng)，可得相應(yīng)的線性動(dòng)力學(xué)方程：

x_k+1＝Φ_kx_k+u_k+w_k (12)

且：

其中，Φ_k為狀態(tài)轉(zhuǎn)移矩陣，為估計(jì)值的后驗(yàn)狀態(tài)值。

然后，將式(11)中的三個(gè)非線性離散函數(shù)h_i(x_k)(i＝1,2,3)圍繞預(yù)測估計(jì)值按泰勒級數(shù)展開到一階項(xiàng)，可得相應(yīng)的線性量測方程：

z_ik＝H_ikx_k+y_ik+v_ik,(i＝1,2,3) (15)

且：

其中，為估計(jì)值的先驗(yàn)狀態(tài)值，y_ik可以看作量測控制項(xiàng)。上述線性化動(dòng)力學(xué)方程和線性化量測方程中，u_k和y_ik可看作非隨機(jī)的外作用項(xiàng)。

其中，步驟四中“將式(10)中的F(x_k)圍繞估計(jì)值按泰勒級數(shù)展開到一階項(xiàng)”和“將式(11)中的三個(gè)非線性離散函數(shù)h_i(x_k)(i＝1,2,3)圍繞預(yù)測估計(jì)值按泰勒級數(shù)展開到一階項(xiàng)”中的泰勒級數(shù)展開到一階項(xiàng)的方法是：針對一個(gè)無窮可微的函數(shù)f(x)，泰勒級數(shù)展開到一階項(xiàng)為：

f(x)＝f(a)+f′(a)(x-a) (18)

式中，f′(a)表示函數(shù)f(x)在點(diǎn)x＝a處的一階導(dǎo)數(shù)。

步驟五、建立基于EKF導(dǎo)航濾波算法的子濾波器。

針對上述離散化后的非線性導(dǎo)航系統(tǒng)模型式(10)和式(11)，在子濾波器中采用經(jīng)典的EKF濾波算法實(shí)現(xiàn)對子導(dǎo)航系統(tǒng)的探測器的狀態(tài)估計(jì)。所采用的EKF濾波算法實(shí)現(xiàn)步驟為：

首先，選取狀態(tài)估計(jì)和誤差方差矩陣的初始值分別為和P₀。

接著，由第k步的狀態(tài)估計(jì)值和誤差方差矩陣可知，第k+1步預(yù)測狀態(tài)估計(jì)為

第k+1步的一步預(yù)測誤差方差矩陣為

其次，第k+1步的濾波增益矩陣K_k為

最后，第k+1步的狀態(tài)估計(jì)為

第k+1步的估計(jì)誤差方差矩陣為

其中，I表示單位矩陣。通過以上式(18)～式(22)共5步的循環(huán)可對火星探測器在子濾波器中的濾波狀態(tài)進(jìn)行實(shí)時(shí)估計(jì)，得到子濾波器的初步估計(jì)值，也即探測器的高度、速度、飛行路徑角、經(jīng)度、緯度和航向角，為下一步的協(xié)方差交叉融合提供狀態(tài)估計(jì)和誤差方差矩陣

步驟六、建立基于協(xié)方差交叉融合算法的信息融合器。

針對步驟五中子濾波器得到火星探測器的初步估計(jì)值，基于三個(gè)狀態(tài)估計(jì)以及相應(yīng)的誤差方差矩陣采用協(xié)方差交叉融合算法進(jìn)行信息融合得到第k+1步的狀態(tài)估計(jì)和估計(jì)誤差方差矩陣P_CI,k+1，然后再將得到的和P_CI,k+1傳遞給三個(gè)子濾波器對其狀態(tài)和誤差方差矩陣進(jìn)行更新。所采用的協(xié)方差交叉融合算法為：

式中，三個(gè)系數(shù)ω₁,ω₂,ω₃>0，且滿足ω₁+ω₂+ω₃＝1，且由下式?jīng)Q定：

其中，||·||_F表示Frobenius范數(shù)，計(jì)算式為

本發(fā)明通過以上六個(gè)步驟，分別建立IMU和探測器與信標(biāo)距離的分布式容錯(cuò)自主導(dǎo)航的量測模型，然后利用EKF導(dǎo)航濾波算法對火星探測器的狀態(tài)進(jìn)行初步的估計(jì)，然后利用協(xié)方差交叉融合算法對火星探測器的狀態(tài)進(jìn)行融合，從而減少導(dǎo)航濾波的計(jì)算量，提高火星大氣進(jìn)入段自主導(dǎo)航系統(tǒng)的容錯(cuò)能力，并增強(qiáng)導(dǎo)航濾波的穩(wěn)定性，達(dá)到高效實(shí)時(shí)高精度估計(jì)火星探測器導(dǎo)航狀態(tài)的目的。

其中，本發(fā)明驗(yàn)證中需要對火星探測器的參數(shù)進(jìn)行初始化，相應(yīng)的探測器的參考值和估計(jì)值如表3所示。

表3探測器的參考值和估計(jì)值

本發(fā)明的分布式容錯(cuò)濾波與集中式EKF濾波的誤差對比圖4所示，本發(fā)明的一個(gè)信標(biāo)出現(xiàn)故障時(shí)分布式容錯(cuò)濾波誤差如圖5所示。從圖4可以看出，當(dāng)三個(gè)信標(biāo)都沒有故障時(shí)，本發(fā)明分布式容錯(cuò)導(dǎo)航濾波(簡記為DCIEKF)方法與集中式EKF導(dǎo)航濾波方法的誤差幾乎相當(dāng)。但是，當(dāng)其中一個(gè)信標(biāo)在250s-300s出現(xiàn)故障時(shí)，集中式EKF導(dǎo)航濾波方法已經(jīng)發(fā)散(圖中未表示出)，而本發(fā)明的分布式容錯(cuò)導(dǎo)航濾波方法由于缺乏一個(gè)導(dǎo)航信息，導(dǎo)致在250s-300s濾波誤差出現(xiàn)較大的波動(dòng)，但是整體上濾波效果還是可以接受的。由此可以看出，本發(fā)明的分布式容錯(cuò)導(dǎo)航濾波方法具有較高的精度和容錯(cuò)能力。

由于火星大氣進(jìn)入段的探測器面臨高溫高熱等惡劣的環(huán)境，探測器被包裹在防護(hù)罩內(nèi)，導(dǎo)致僅僅只有IMU一直工作?；诨鹦谴髿膺M(jìn)入段IMU可依靠甚高頻無線電進(jìn)行通信的研究，為火星探測器在進(jìn)入段的自主導(dǎo)航提供了額外的信息，有利于提高探測器的自主導(dǎo)航精度。但是，探測器與火星在軌信標(biāo)或火星表面信標(biāo)之間的甚高頻無線電通信也會(huì)存在被探測器周圍的等離子鞘減弱甚至信號丟失的情況，所以采用集中式導(dǎo)航有可能不能完全獲得相應(yīng)的導(dǎo)航信息，而且也浪費(fèi)了寶貴的計(jì)算機(jī)存儲(chǔ)空間。因此，本發(fā)明采用容錯(cuò)能力較強(qiáng)的分布式信息融合的方式進(jìn)行自主導(dǎo)航，有利于提高無線電通信的利用效率，達(dá)到提高火星探測器的自主導(dǎo)航精度。同時(shí)，本發(fā)明采用協(xié)方差交叉融合算法基于局部估值和保守誤差方差的凸組合，避免了狀態(tài)估計(jì)的發(fā)散，具有較好的一致性，保證了火星大氣進(jìn)入段的自主導(dǎo)航具有較高的精度和容錯(cuò)能力。

以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。