【基于GPS_SINS紧耦合系统的历史故障次优融合检测法】
GPS（全球定位系统）与SINS（ Strapdown Inertial Navigation System，捷联惯性导航系统）的紧耦合系统是现代导航技术中的重要组成部分，它结合了GPS的全球定位能力和SINS的连续导航功能，提供高精度和连续的定位、导航和时间同步服务。然而，由于系统复杂性和环境因素，GPS/SINS系统可能会出现各种故障，这些故障分为硬故障和软故障。硬故障通常导致系统完全失效，而软故障则可能导致系统性能逐渐降低，但不会立即中断服务。
文章提出了基于历史故障次优融合检测法，旨在增强GPS/SINS紧耦合系统对软故障的检测能力。传统的新息外推法在检测系统软故障时可能不够敏感，尤其是在故障程度较轻的情况下。因此，作者提出了一种新的方法，通过加权次优融合历史故障数据来构建检测统计量，以此提高故障检测的准确性和及时性。
历史故障次优融合算法的核心在于对过去发生的故障进行分析和学习，通过权重分配来综合考虑不同时间点的故障信息。权重的确定可以基于故障严重程度、发生频率等因素，确保关键故障信息在检测过程中得到重视。通过这种方法形成的检验统计量可以更有效地识别出微弱的软故障信号。
同时，为了解决历史故障次优融合算法易受异常值（野值）影响的问题，文章还引入了野值诊断方法。野值可能由测量误差、数据传输错误或其他非典型情况引起，它们可能干扰故障检测的准确性。野值诊断通过对数据进行异常检测和处理，确保检测统计量不受异常值的误导，从而提高故障检测的鲁棒性。
对比仿真结果证明了历史故障次优融合算法在面对少量故障时具有更好的软故障检测性能，特别是在故障程度轻微时，其优势更为明显。此外，该算法在处理野值方面表现出色，能有效减少野值对故障检测的影响，提高了系统的整体稳定性。
基于GPS/SINS紧耦合系统的历史故障次优融合检测法是一种增强系统可靠性和安全性的重要技术手段，尤其对于那些需要高精度、连续导航服务的应用场合，如导弹与航天运载技术等领域，这种故障检测方法有着广泛的应用前景和价值。通过不断优化和改进，该方法有望进一步提升GPS/SINS系统的故障诊断和自我修复能力，为复杂环境下的导航系统提供更强大的保障。
