eVTOL飞行器冗余捷联惯性导航信息融合研究

胡青春; 黄思; 陈兴彬; 张宁; 苏庆鹏

doi:10.12141/j.issn.1000-565X.230696

华南理工大学学报(自然科学版) >

2024 , Vol. 52 >Issue 10: 1 - 8

DOI: https://doi.org/10.12141/j.issn.1000-565X.230696

电子、通信与自动控制

eVTOL飞行器冗余捷联惯性导航信息融合研究

胡青春 ,
黄思 ,
陈兴彬 ,
张宁 ,
苏庆鹏

展开

^1.华南理工大学机械与汽车工程学院, 广东广州 510640
^2.广东省生产力促进中心, 广东广州 510700
^3.广州汽车集团股份有限公司汽车工程研究院, 广东广州 511434

胡青春（1963—），男，博士，教授，主要从事机械设计、制造及自动化研究。E-mail： huqc@scut.edu.cn

陈兴彬（1986—），男，博士，高级工程师，主要从事传动机构设计、结构动力学、减速器性能、机器视觉检测、疲劳寿命预测研究。E-mail： cxb19862003@163.com

收稿日期: 2023-11-06

网络出版日期: 2024-03-22

基金资助

国家自然科学基金青年科学基金资助项目(52105148)

收起

Research on Redundant Strapdown Inertial Navigation Information Fusion for eVTOL Aircraft

HU Qingchun ,
HUANG Si ,
CHEN Xingbin ,
ZHANG Ning ,
SU Qingpeng

Expand

^1.School of Mechanical and Automotive Engineering，South China University of Technology，Guangzhou 510640，Guangdong，China
^2.Guangdong Productivity Promotion Center，Guangzhou 510700，Guangdong，China
^3.Automotive Engineering Institute，Guangzhou Automobile Group Co. ，Ltd. ，Guangzhou 511434，Guangdong，China

Received date: 2023-11-06

Online published: 2024-03-22

Supported by

the National Natural Science Foundation of China for Youths(52105148)

Fold

摘要

电动垂直起降（eVTOL）飞行器的运用，作为一种未来城市交通的潜在解决方案，具有缓解城市交通拥堵和提高空中交通效率的巨大潜力。在其常用的导航系统中，通常采用组合导航和传感器余度技术来提高系统可靠性与安全性。然而，在当前导航系统的传感器余度技术中，冗余传感器只起到备份数据的作用，导致测量数据的信息利用率不高。为解决这一问题，文中以三余度的捷联惯性导航系统（SINS）和全球导航卫星系统（GNSS）的组合导航系统为研究对象，提出了一种基于二阶互差分和惯性传感器（IMU）冗余信息的陀螺仪噪声实时估计方法，推导了在二余度和三余度情况下陀螺仪噪声估计的递推式；在获得陀螺仪的噪声估计值后，采用自适应扩展卡尔曼滤波方法将SINS和GNSS的导航信息进行融合，以提高组合导航系统的准确性和鲁棒性。通过对SINS/GNSS组合导航系统进行仿真和真实跑车实验，结果表明：文中方法能够准确估计陀螺仪噪声；相较于传统融合方法，引入陀螺仪噪声实时估计后，组合导航系统的导航精度和抗干扰能力得到了提高，具有实际的工程意义。

关键词： 组合导航; 余度技术; 噪声估计; 二阶互差分

本文引用格式

胡青春 , 黄思 , 陈兴彬 , 张宁 , 苏庆鹏 . eVTOL飞行器冗余捷联惯性导航信息融合研究[J]. 华南理工大学学报(自然科学版), 2024 , 52(10) : 1 -8 . DOI: 10.12141/j.issn.1000-565X.230696

Abstract

As a potential solution for future urban transportation, the using of electric vertical takeoff and landing (eVTOL) aircraft, has great potential to alleviate urban traffic congestion and improve air traffic efficiency. In its commonly used navigation systems, integrated navigation and sensor redundancy technology are usually used to improve system reliability and safety. However, in the current sensor redundancy technology of navigation systems, redundant sensors only serve as data backup, resulting in insufficient information utilization of measurement data. To address this issue, this paper took the integrated navigation system of a triple redundant strapdown inertial navigation system (SINS) and a global navigation satellite system (GNSS) as the research object and proposed a real-time estimation method for gyroscope noise based on second-order differencing and redundant information of the inertial measurement unit (IMU). It derived recursive expressions for gyroscope noise estimation in the case of two and three redundancies. After obtaining the estimated noise value of the gyroscope, the navigation information of SINS and GNSS was fused to improve the accuracy and robustness of the integrated navigation system. Through simulation and real sports car tests on the SINS/GNSS integrated navigation system, the results show that the method proposed in this paper can accurately estimate gyroscope noise. Compared with traditional fusion methods, the navigation accuracy and anti-interference ability of the combined navigation system are improved after introducing the real-time estimation of gyroscope noise, which has practical engineering significance.

Key words： integrated navigation; redundancy technology; noise estimation; second-order-mutual-difference algorithm

参考文献

1	ZAID A A， BELMEKKI B E Y， ALOUINI M S ． eVTOL communications and networking in UAM：requirements，key enablers，and challenges［J］． IEEE Communications Magazine， 2023， 61（ 8）： 154- 160.
2	廖小罕，屈文秋，徐晨晨，等．城市空中交通及其新型基础设施低空公共航路研究综述［J］．航空学报， 2023， 44（ 24）： 28521/1- 26.
	LIAO Xiaohan， QU Wenqiu， XU Chenchen， et al ． A review of urban air mobility and its new infrastructure low-altitude public routes［J］． Acta Aeronautica et Astronautica Sinica， 2023， 44（ 24）： 28521/1- 26.
3	GARROW L A， GERMAN B J， LEONARD C E ． Urban air mobility：a comprehensive review and comparative analysis with autonomous and electric ground transportation for informing future research［J］． Transportation Research Part C：Emerging Technologies， 2021， 132： 103377/1- 31.
4	刘巨江，谭郁松．基于安全性的电动垂直起降飞行器飞控系统架构设计［J］．重庆大学学报， 2024， 47（ 5）： 67- 75.
	LIU Jujiang， TAN Yusong ． Architecture design of flight control system for electric vertical takeoff and landing aircraft based on safety analysis［J］． Journal of Chongqing University， 2024， 47（ 5）： 67- 75.
5	ATIA M M， WASLANDER S L ． Map-aided adaptive GNSS/IMU sensor fusion scheme for robust urban navigation［J］． Measurement， 2019， 131： 615- 627.
6	向民志，柴洪洲，黄紫如，等．附加TDCP约束的无人船载GNSS/MEMS组合导航方法［J］．中国惯性技术学报， 2023， 31（ 4）： 366- 374.
	XIANG Minzhi， CHAI Hongzhou， HUANG Ziru， et al ． GNSS/MEMS integrated navigation method for unmanned surface vehicle with TDCP constraints［J］． Journal of Chinese Inertial Technology， 2023， 31（ 4）： 366- 374.
7	DU B， SHI Z， SONG J， et al ． A fault-tolerant data fusion method of MEMS redundant gyro system based on weighted distributed Kalman filtering［J］． Micromachines， 2019， 10（ 5）： 278/1- 20.
8	TORENS C， VOLKERT A， BECKER D， et al ． HorizonUAM：safety and security considerations for urban air mobility［C］∥ Proceedings of AIAA Aviation 2021 Forum． Reston： AIAA， 2021： 3199/1- 13.
9	乔文超，王红雨，王鸿东．基于BP神经网络的无人机IMU多传感器冗余的补偿算法［J］．电子测量与仪器学报， 2020， 34（ 12）： 19- 28.
	QIAO Wenchao， WANG Hongyu， WANG Hongdong ． Compensation algorithm for UAV IMU multi-sensor redundancy based on BP neural network［J］． Journal of Electronic Measurement and Instrument， 2020， 34（ 12）： 19- 28.
10	WANG S， ZHAN X， ZHAI Y， et al ． Enhancing navigation integrity for urban air mobility with redundant inertial sensors［J］． Aerospace Science and Technology， 2022， 126： 107631/1- 13.
11	HUANG H， ZHANG H， JIANG L ． An optimal fusion method of multiple inertial measurement units based on measurement noise variance estimation［J］． IEEE Sensors Journal， 2023， 23（ 3）： 2693- 2706.
12	PATEL U N， FARUQUE I A ． Multi-IMU based alternate navigation frameworks：performance & comparison for UAS［J］． IEEE Access， 2022， 10： 17565- 17577.
13	PATEL U N， FARUQUE I A ． Sensor fusion to improve state estimate accuracy using multiple inertial measurement units［C］∥ Proceedings of 2021 IEEE International Symposium on Inertial Sensors and Systems. Kailua-Kona： IEEE， 2021： 9430484/1- 4.
14	马龙，刘宇哲，代超璠，等．组网冗余MEMS惯性传感器网络优化配置与融合处理方法［J］．系统工程与电子技术， 2020， 42（ 11）： 2591- 2599.
	MA Long， LIU Yuzhe， DAI Chaofan， et al ． Networking redundant MEMS inertial sensor network optimal configuration and fusion processing method［J］． Systems Engineering and Electronics， 2020， 42（ 11）： 2591- 2599.
15	FAIZULLIN M， FERRER G ． Best axes composition extended：multiple gyroscopes and accelerometers data fusion to reduce systematic error［J］． Robotics and Autonomous Systems， 2023， 160： 104316/1- 9.
16	严恭敏，翁浚．捷联惯导算法与组合导航原理［M］．西安：西北工业大学出版社， 2019.
17	严恭敏，邓瑀．传统组合导航中的实用Kalman滤波技术评述［J］．导航定位与授时， 2020， 7（ 2）： 50- 64.
	YAN Gong-min， DENG Yu ． Review on practical Kalman filtering techniques in traditional integrated navigation system［J］． Navigation Positioning and Timing， 2020， 7（ 2）： 50- 64.
18	TANG H， ZHANG T， NIU X， et al ． Impact of the Earth rotation compensation on MEMS-IMU preintegration of factor graph optimization［J］． IEEE Sensors Journal， 2022， 22（ 17）： 17194- 17204.

Options

文章导航

模态框（Modal）标题

摘要

本文引用格式

Abstract

参考文献