LS-SVM增强的惯导/GNSS组合导航故障检测与容错策略

本文主要探讨了在惯性导航系统/全球导航卫星系统（INS/GNSS）组合导航中，针对传统残差χ²检验方法在处理小幅值突变故障和缓变故障时效率不足的问题，提出了一种创新的故障检测与容错策略。最小二乘支持向量机（LS-SVM）被应用到这一解决方案中，以增强系统的鲁棒性和性能。 首先，LS-SVM辅助方法的核心在于构建一个双重阈值检测机制。这种方法通过对观测数据进行实时监控，当数据质量受到轻微或逐渐变化的故障影响时，传统的χ²检验可能无法准确识别。LS-SVM则能有效地预测和评估残差值，这些预测值被用来替代卡尔曼滤波器中的残差，从而自适应地调整滤波增益矩阵。这种调整有助于减少因漏报故障（漏警）导致的状态估计误差，提高导航系统的稳定性和精度。 通过仿真研究，与传统的χ²检验法相比，LS-SVM辅助方法显著降低了对小幅值突变故障和缓变故障的漏警率。对于前者，改进方法可以降低至少25%的漏警率，而对于后者，效果更为显著，降低的漏警率超过了15%。同时，当故障发生时，使用LS-SVM辅助的方法能够显著提高滤波精度，提升故障期间的状态估计准确度，优化了整个导航系统的性能。 本文的研究成果对于提高INS/GNSS组合导航系统的可靠性、鲁棒性和故障容忍能力具有重要意义，尤其是在军事和航空航天等领域，对于保证系统在复杂环境下的稳定运行具有实际价值。关键词包括：惯性导航/全球导航卫星系统组合导航、故障检测与容错、小额值故障、缓变故障以及最小二乘支持向量机。此研究成果不仅对当前的导航技术有理论贡献，也为未来相关领域的研究和发展提供了新的思考方向。