基于高斯过程回归的组合导航系统故障检测新方法

对于集成导航系统，每个传感器子系统的故障检测的正确性和快速性都会影响导航的准确性。 本文提出了一种基于高斯过程回归（GPR）的导航系统故障检测新方法。 首先使用A.GPR模型预测卡尔曼滤波器的创新性。 为了避免局部优化，采用了粒子群算法为GPR模型寻找最优的超参数。 故障检测功能（FDF）的值具有明显的跳跃性。当发生故障时，它由预测的创新，卡尔曼滤波器的实际创新及其方差组成。 可以通过将FDF值与预定义的阈值进行比较来检测故障。 为了验证其有效性，该方法被用于SINS / GPS /里程表组合导航系统中。 比较实验证实，与残差卡方检验相比，该方法可以更快地检测出渐进式故障。 因此，采用该方法的导航系统输出更加准确，可靠性大大提高。