第1章 绪论
　　1.1 应用背景及研究意义
　　近年来，随着科技的发展，惯性导航系统 (inertial navigation system，INS)被广泛应用于近地飞行器、载人飞船、远洋航行等领域。其通过陀螺仪测量载体的角速度信息，加速度计测量载体的加速度信息，根据牛顿运动定律积分解算得到载体的姿态、速度与位置[1]。由于INS具有不与外界数据交互即可获知自身导航参数的特点，因此不易受到外界电磁干扰的影响，且不易被探测到，是一种具备自主性与隐蔽性，对环境具有高度适应性的导航系统[2]。捷联式惯性导航系统 (strapdown inertial navigation system， SINS)直接将惯性测量单元 (inertial measurement unit，IMU)与载体固连，通过导航计算机采集数据并进行数值积分，从而求解出载体的姿态、速度、位置信息[3]。与平台式惯性导航(简称惯导)系统相比，SINS具有成本低、质量轻、初始对准时间短、便于利用多余惯性器件实现冗余配置技术等优点，逐步成为惯性导航系统发展的主流。
　　惯性导航系统具备自主运作性与高度隐蔽性的特点，因此其经常应用于航空、航天等军事领域。由于工作环境的特殊性，惯性导航系统需要具有高精度与高可靠性[4]。若精度与可靠性无法满足要求，可能造成非常严重的事故。美国曾经针对土星1号运载火箭的故障开展分析，结果表明60%的故障源自制导与控制系统。惯性导航系统作为导航控制系统的核心器件之一，其精度与可靠性决定了系统能否顺利完成导航任务[5]，而IMU易受到元器件老化和恶劣工况等影响，导航功能无法保证[6]。
　　提升IMU的精度与可靠性通常有两种方案：**种方案为提升惯性传感器自身的精度；第二种方案为构建冗余惯性导航系统。**种方案由于制造工艺、设计水准、组成原理、技术水平等客观因素限制，精度与可靠性无法在短时间内得到改善，难以满足日益增长的任务需求。第二种方案采用冗余配置技术，通过增加一定数量的惯性器件或建立由多套惯性测量组合(简称惯组)构成的惯性导航系统以提升系统导航能力。冗余配置技术分为系统级冗余技术与器件级冗余技术，系统级冗余技术通过建立成套备份系统的方式提高了惯性导航系统的可靠性，但由于系统级冗余技术的制造成本较高，且多套系统间需要考虑对准及时间戳对齐的问题，惯性导航系统的复杂程度较高。器件级冗余技术通过增加惯性传感器数目的方式以建立冗余惯性导航系统，在减小惯导系统体积、降低成本等方面更有优势[7-8]。
　　由器件级冗余技术构成的冗余捷联惯组将多个惯性传感器按照一定的配置方式进行正交或斜置安装，得到多个轴向的测量值，并根据安装矩阵反映的投影关系将测量数据融合至载体坐标系正交三轴，经过惯性解算后得到载体的姿态、速度、位置信息。例如，典型的德尔塔4 (Delta Ⅳ)火箭的冗余惯性飞行控制组件 (redundant inertial flight control assembly，RIFCA)，RIFCA传感器模块如图1-1所示。
　　器件级冗余捷联惯组复杂度低，占用空间小，因此具有较高的研究价值。但器件级冗余技术配置方案集中于已知仪表个数的配置方法研究，并未解决任意传感器数目下如何确定满足精度昀优评价准则的配置方案问题。此外，器件级冗余捷联惯组存在非正交安装情况，非正交器件的安装误差无法用传统针对正交惯组的十二位置法进行标定，因此需要构建针对非正交器件的误差模型并研究新的标定方法。现有的故障诊断技术主要针对硬性故障，而传统方法对于慢漂故障的检测存在高延时的问题，因此需要构建基于智能方法的慢漂故障检测方法。冗余捷联惯组的同质数据融合方法能够在信号级层面上降低随机游走对导航系统的影响，但是在不依赖外部数据的情况下依旧存在误差累积的问题，因此需要在同质数据融合与异质数据融合层面上进行冗余捷联惯组信息融合技术研究。
　　图1-1 RIFCA传感器模块
　　1.2 研究现状
　　1.2.1 冗余捷联惯组安装配置研究现状
　　工程常用的冗余捷联惯组以四传感器、五传感器、六传感器为主[10]，其中四传感器冗余系统体积昀小、成本昀低，六传感器冗余系统中单一传感器对系统可靠性贡献昀大。因此，四传感器冗余系统与六传感器冗余系统成为研究和应用昀广泛的器件级冗余惯性导航系统[11]。美国EOS-AQUA卫星采用了四表锥形配置的冗余系统[12-13]；法国iXblue公司Astrix型号的冗余系统采用了四传感器配置技术；美国Litton公司设计了正四面体冗余捷联惯组[14]。除了由单一传感器组合而成的冗余配置技术以外，阵列式冗余技术也能够应用于捷联惯性导航系统。其中前者的冗余配置方案的惯组质心重合于载体重心，而后者的阵列式冗余配置方案中每套惯组质心不重合。国内外学术研究中，Martin等[15]提出了基于改**行阵列的冗余配置方案，增强了IMU的精度与可靠性。Skog等[16]提出了由18个IMU阵列组成的冗余系统，并对其进行性能评估。瑞士联邦理工学院的Adrian研制出由三组IMU斜置安装的多面体框架结构式冗余捷联惯组，提升了INS/GPS组合导航系统的集成性能[17]。李雪莲等[18]提出了一种九表斜置冗余设计方案，提升了冗余系统的可靠性。梁海波[19]提出了三组IMU非正交安装的锥形配置方案。李荣冰等[20]设计了一种非正交微机电系统(micro-electro-mechanical system，MEMS)，降低了载体随机扰动对导航性能的影响[21]。
　　不同的冗余配置方案对导航性能提升的作用不一致，因此需要确定冗余传感器的昀优配置方案。冗余惯性导航系统具备单表故障情况下依旧能够保证基本导航功能的特点，因此可靠性以及故障检测与隔离能力是衡量不同配置方案的重要评价准则。Jin等[22]根据平均故障时间间隔建立可靠性准则，分析了不同配置方案的可靠性。Cheng等[23]对陀螺仪的冗余配置方案进行了进一步研究，在分析了正交配置方案、斜置配置方案和圆锥配置方案可靠性的基础上，提出了对称斜置配置方案，同时提出了一种新的陀螺仪正交旋转冗余配置方案，并验证了该方案在可靠性上的优势[24]。Harrison等[25]于 1977年提出了故障检测与隔离 (fault detection and isolation，FDI)的参数指标，为器件级冗余捷联惯组的配置方案提供了理论依据。戴晓强[26]根据所提出的FDI评价准则，对不同的配置方案进行评估与比较，总结出昀优配置方案。Cheng等[27-28]改进了冗余惯性导航系统的故障检测算法，提出了基于交互多模型的广义似然比法，并将其应用于四传感器与六传感器配置方案。除FDI评价准则外，精度评价准则衡量了不同冗余配置方案的导航精度。Shim等[29]提出了基于昀小二乘估计的冗余惯性导航系统的精度昀优评价准则，保证冗余导航系统的姿态、速度、位置误差昀小。Xue等[30]提出了基于几何精度因子 (geometric dilution of precision，GDOP)的冗余捷联惯组评价准则，详细推导了传感器安装角度与GDOP的关系，同时分析了传感器组噪声相关条件对冗余惯性导航系统精度的影响[31]。
　　综上所述，通过上述冗余捷联惯组配置方案的研究现状分析可知，配置方案主要有由单一传感器组合而成的斜置方案、正交方案，以及由多套惯组构成的阵列式冗余配置方案。同时，FDI评价准则与精度评价准则用于衡量不同冗余惯性导航系统的性能优劣，进而选出昀优配置方案。但是之前的研究主要集中在已知传感器个数的配置方法研究，通过穷举法列出不同配置并利用评价准则进行评判，并未研究任意传感器数目下的昀优配置方案确定方法，因此本书将针对该问题进行研究。
　　1.2.2 冗余捷联惯组误差标定研究现状
　　标定指以系统辨识及参数估计为理论基础，对传感器的器件误差进行估计并补偿的一种手段[32]。在惯性器件标定中，*先需要对待标定系统进行误差建模，其次研究并选取合适的参数估计算法对待估计误差参数进行辨识，昀后将估计误差参数补偿至原始数据以实现导航精度的提升。面向捷联惯导系统的标定方法主要分为离线标定法与在线标定法[33]：离线标定法借助实验室的高精度转台对器件误差进行估计[34]，通过对比IMU的测量数据与转台的基础转速，对传感器的确定性误差进行标定[35]；在线标定法则借助于全球导航卫星系统 (global navigation satellite system，GNSS)或星敏感器等外部传感器提供的导航信息，与惯性解算得到的姿态、速度、位置数据构建残差，以残差信息作为测量量实现对器件误差的估计[36]。在线标定法降低了对高精度转台的依赖，适用于载体在飞行过程中的标定[37]。考虑到载体在飞行过程中存在其确定性误差与地面离线标定结果不一致的情况，在线标定法正逐渐成为主流研究方向。Lu等[38]利用星敏感器作为外部导航信息，采用卡尔曼滤波(Kalmanfilter，KF)对标度因数误差、安装误差、零偏和星敏感器安装误差进行标定。Nie等[39]提出了一种基于星敏感器的光纤陀螺仪误差分离方法，利用星敏感器的转速和姿态四元数补偿陀螺仪的器件误差。Lu等[40]根据星敏感器提供的姿态矩阵，针对陀螺仪和加速度计的偏置估计提出一种新的解析方法。Yuan等[41-42]以星敏感器为姿态参考，对随机游走进行分析，并对陀螺仪的系统噪声进行量化。
　　随着冗余捷联惯导系统中传感器数目的增加，配置结构趋于复杂化，传感器的误差标定难度增加[43]。对于冗余捷联惯导系统的斜置传感器安装误差，其在特定的环境下具有更好的激励结果，因此误差模型的建立需同时考虑传感器自身参数、环境因素和使用条件[44]。梁晴[45]用高斯-马尔可夫过程表示安装误差，并给出不同主轴下的斜置轴安装误差模型。Cheng等[46]提出斜置传感器标定模型，并构建自适应扩展卡尔曼滤波对安装误差进行标定。Gao等[47]建立了环形激光陀螺仪的误差模型，通过旋转激励的方法对安装误差进行标定。
　　对于器件误差的标定，不同的激励方式对其估计结果存在影响。Lu等[38]针对在轨飞行器上的四传感器冗余系统，设计了昀优测量与次优测量的载体旋转方案，提升标定精度。Cho等[48]以三正交惯组为基础，设计了两轴转台的旋转序列以实现对斜置轴安装误差的高精度估计。
　　为降低对外部传感器的依赖，部分学者提出了以高精度惯组为基础的自标定方法[49-51]。Zhang等[52]提出了一种加速度计标度因数的自标定方法，该方法需要进行多自由度旋转。Gang等[53]提出了一种惯导系统发射前的自标定方法，其需要旋转到9个特定位置，并将高精度惯导系统信息传递给精度相对较低的惯导系统，实现自标定。Cheng等[54]构建了线性系统误差模型，采用自标定形式，利用卡尔曼滤波方法对安装误差进行标定。Tian等[55]针对捷联惯导系统的自标定问题，提出了斜置六轴冗余配置模式和可观测性优化分配方法，通过对多种构型进行多次计算来完成自标定。
　　针对在线标定方法的研究，部分学者设计出不同的滤波算法。Grewal等[56]研究出一套标定路径，利用姿态、速度、位置误差构建高维滤波器，实现对误差参数的估计。 Olli等[57]设计了一种基于更多测量信息的传感器标定方法，实现对陀螺仪与加速度计的高精度标定。 Poddar等[58]设计了一种基于容积卡尔曼滤波的陀螺仪标定方案，通过水平旋转对陀螺仪的器件误差进行激励。 Wu等[59]和 Nemec等[60]设计了一种实时处理均方差估计的自适应异构融合算法，通过融合磁强计的信息，并基于机器学习方法进行实时校准，实现载体飞行状态下的标定，消除对高精度转台的依赖。 Luken等[61]设计了基于决策树的多模态无迹卡尔曼滤波，通过对 IMU与磁强计构建残差以实现对器件误差的估计。