По всем вопросам звоните:

+7 495 274-22-22

УДК: 512. 876.5 DOI:10.33920/pro-02-2511-04

Робастное комплексирование навигационных измерений БПЛА

Юдачев С.С. канд. техн. наук, доцент, МГТУ им. Н.Э. Баумана, 105005, Москва, ул. 2-я Бауманская, д. 5
Варламова А.П. Е-mail: anastasiavarlamow4@yandex.ru, МГТУ им. Н.Э. Баумана, 105005, Москва, ул. 2-я Бауманская, д. 5
Гордиенко Д.А. Е-mail: gordienkodmitrij722@gmail.com, МГТУ им. Н.Э. Баумана, 105005, Москва, ул. 2-я Бауманская, д. 5
Полханова В.И. Е-mail: valeriapolkhanova@gmail.com, МГТУ им. Н.Э. Баумана, 105005, Москва, ул. 2-я Бауманская, д. 5

В статье рассматривается задача повышения надежности навигационных систем беспилотных летательных аппаратов (БПЛА) путем разработки и применения робастного алгоритма комплексирования измерений на основе обобщенного метода наименьших модулей (ОМНМ). Предлагаемый подход позволяет эффективно парировать отказы датчиков и сводить к минимуму влияние аномальных погрешностей измерения, что особенно важно в условиях нештатных ситуаций, таких как потеря сигнала или наличие значительного шума. Проведено численное моделирование, демонстрирующее преимущества робастного фильтра перед классическим фильтром Калмана в условиях отклонения характеристик системы от номинальных. Результаты подтверждают высокую эффективность алгоритма при обработке неполных и зашумлённых данных. Программное обеспечение и математические выдержки находятся в свободном доступе в интернете, что позволяет любому желающему произвести аналогичную работу и убедиться в корректности полученных нами выводов.

Литература:

1. Босов, А.В., Панков, А.Р. Робастное рекуррентное оценивание процессов в стохастических системах // АиТ. — 1992. — № 9. — C. 102–110.

2. Гусев, А.И. Ковариационные свойства фильтра Калмана. — М.: Автоматика и телемеханика, 2010. — № 8. — С. 12–18.

3. Дьяков, А.В. Моделирование фильтрации с помощью фильтра Калмана в MATLAB. — Тула: Научные записи Тульского государственного университета, 2012. — Т. 2. — С. 45–50.

4. Калман, Р.Э. Новый подход к линейным фильтрам и предсказательным задачам. — М.: Транзакции ASME, 1960. — С. 35–45.

5. Кузнецов, С.Я. Методы оценки состояния систем с шумовыми воздействиями. — М.: Научное обозрение, 2011. — Т. 8, № 4. — С. 102–106.

6. Ларин, А.В., Николаев И.Е. Основы теории фильтрации. — М.: Издательство Научного мира, 2018. — 275 с.

7. Miller, A.B., Miller, B.M. Tracking of the UAV trajectory on the basis of bearing-only observations // 53rd IEEE Conf. on Decision and Control. Los Angeles, CA. 2014.P. 4178–4184.

8. Попов, В.В. Применение фильтра Калмана для оценки состояния динамических систем. — СПб.: Вестник Петербургского университета, 2013. — Т. 1, № 12. — С. 34–39.

9. Salychev, O.S. Mems-based Inertial Navigation: Expectations and Reality. M.: Bauman Moscow State Technical University, 2012.

10. Сидоров, И.П. Фильтры Калмана и их применение в системах управления. — М.: Известия высших учебных заведений. Приборостроение, 2019. — Т. 62, № 3. — С. 25–30.

Для решения навигационной проблемы на борту БПЛА установлены навигационные датчики. Современные датчики обладают достаточной точностью приземления для выполнения посадки маломаневренных объектов, к которым относятся БПЛА класса Medium-Altitude LongEndurance (MALE) [1–8]. Такими датчиками, например, являются корректируемый спутниковый навигационный приемник в совокупности с баровысотомером или радиовысотомером. Однако предположение о том, что все датчики навигационной системы надежны, является слишком оптимистичным, и его применение может привести к аварийной посадке и потере БПЛА, поскольку практический опыт показывает, что навигационные системы не обладают бесконечной надежностью и подвержены различным внешним воздействиям. Это то, что объясняет специфику робастного решения навигационной задачи, которую можно разделить на две подзадачи [3, 8]:

1. Определение текущих навигационных параметров БПЛА с использованием оптимальной обработки измерений от всех бортовых навигационных датчиков.

2. Обнаружение и изоляция отказов датчиков при навигации с помощью усеченной конфигурации навигационных датчиков.

Учитывая эти факты, построение алгоритмов для интегрированных навигационных систем на основе фильтра Калмана может снизить надежность всей системы, если не предусмотреть специальных процедур для решения задачи выявления сбоев. [10]

Рассмотрим один из вариантов алгоритма комплексирования, позволяющий решить обе задачи, на примере определения текущей высоты полета по трем видам измерений:

• геометрическая высота над поверхностью измеряется радиовысотомерами;

• барометрическая высота измеряется датчиками статического давления;

• высота над земным эллипсоидом измеряется с помощью спутниковых систем.

Геометрическая высота является кратчайшим расстоянием от поверхности, над которой осуществляется полет, до антенны радиовысотомера.

Барометрическая высота представляет собой измерение статического давления, которое пересчитывается в высоту в соответствии со стандартной моделью атмосферы по формуле (1) [9]:

Для Цитирования:
Юдачев С.С., Варламова А.П., Гордиенко Д.А., Полханова В.И., Робастное комплексирование навигационных измерений БПЛА. Главный механик. 2025;11.
Полная версия статьи доступна подписчикам журнала
Язык статьи:
Действия с выбранными: