本文介绍了一种针对系统干扰分布阵未知的GPS/SINS故障诊断算法，该算法旨在解决在系统模型存在不确定性且受到未知输入扰动的情况下，如何进行有效的故障诊断。GPS/SINS（全球定位系统/捷联惯性导航系统）是现代导航技术中的关键组成部分，其性能直接影响到系统的准确性和可靠性。在实际应用中，由于环境因素、设备误差等多种因素，系统常常会受到未知扰动，这些扰动可能会影响系统的正常运行，甚至导致故障。
传统的故障诊断方法通常假设系统扰动分布阵已知，但这种假设在很多情况下并不成立。钱华明等人提出的新算法——MEP—UIO（模型误差预测—未知输入观测器）故障诊断观测器，克服了这一局限。MEP—UIO观测器设计考虑了系统模型的不确定性，不再依赖于对未知扰动分布阵的先验信息，提高了诊断的鲁棒性。
该算法的核心在于利用凸二次规划最优化原理来构造一个关于未知扰动分布阵的目标函数。通过优化这个目标函数，可以求得满足最小化目标的未知输入扰动分布阵的最优估计。同时，该算法还提供了设计状态估计误差方差最小的故障诊断系统增益阵的方法，以进一步提高诊断精度。
仿真结果证实，与传统的卡尔曼滤波相比，MEP—UIO故障诊断观测器设计算法在精度上有显著提升，证明了该故障诊断算法的有效性。该算法对于GPS/SINS系统在复杂环境下的故障检测和隔离具有重要意义，能够提高系统的稳定性和可靠性。
关键词：故障诊断、组合导航、鲁棒性、干扰估计。该研究对于GPS/SINS系统的健康管理和维护提供了理论支持，对于导航系统的设计和优化具有重要的参考价值。
