一种固定翼无人机双冗余组合导航系统的制作方法

1.本实用新型属于无人机应用技术领域，具体涉及一种固定翼无人机双冗余组合导航系统。


背景技术：

2.随着科学技术的发展，小型固定翼的应用范围越来越广泛，例如在大范围的航测，侦查，以及长线路的道路巡检。在军事领域如巡飞器，训练用的靶机等等都有着很好的应用。随着对作业的要求提高，对固定翼飞行器的安全与稳定性也有了更高的要求。
3.本实用新型提出了双冗余组合导航系统用于提高导航系统的稳定性，避免由于单一传感器组故障导致飞行事故。


技术实现要素：

4.本实用新型所为了解决背景技术中存在的技术问题，目的在于提供了一种固定翼无人机双冗余组合导航系统。
5.为了解决技术问题，本实用新型的技术方案是：
6.一种固定翼无人机双冗余组合导航系统，包括：第一传感器组、第二传感器组和处理器；所述第一传感器组和第二传感器组同时信号连接所述处理器；
7.所述第一传感器组采集第一状态信息并发送至处理器；所述第二传感器组采集第二状态信息并发送至处理器中；第一状态信息和第二状态信息指：固定翼无人机的姿态，速度，位置，以及风速估计信息，通过使用主从两套传感器的布局和配置，保证了传感器的可靠性以及增加了组合导航系统的可靠性，避免了由于单一传感器故障导致导航系统估计错误。
8.所述第一传感器组，包括：第一惯性测量元件imu、第一指南针、第一气压计、第一gnss和第一空速计；
9.所述第一惯性测量元件imu、第一指南针、第一气压计、第一gnss和第一空速计同时连接所述处理器；
10.所述第二传感器组，包括：第二惯性测量元件imu、第二指南针、第二气压计、第二gnss和第二空速计；
11.所述第二惯性测量元件imu、第二指南针、第二气压计、第二gnss和第二空速计同时连接所述处理器；
12.所述处理器对所述第一状态信息和第二状态信息进行处理。
13.进一步，所述处理器的型号为stm32f427。
14.进一步，所述第一惯性测量元件imu和第二惯性测量元件imu均通过所述处理器的spi1总线与所述处理器进行连接，所述第一惯性测量元件imu通过处理器的引脚88进行片选，所述第二惯性测量元件imu通过处理器的引脚57进行片选。
15.进一步，所述第一气压计和所述第二气压计均通过所述处理器的spi2总线与所述
处理器进行连接，所述第一气压计通过处理器的引脚58进行片选，所述第二气压计通过处理器的引脚86进行片选。
16.进一步，所述第一空速计挂在所述处理器的can1总线上与处理器进行连接；所述第二空速计挂在所述处理器的can2总线上与处理器进行连接。
17.进一步，所述第一指南针和第一gnss均挂在所述处理器的can1总线上与处理器进行连接；所述第二指南针、第二gnss均挂在所述处理器的can2总线上与处理器进行连接。
18.进一步，所述处理器中内置序贯kalman滤波模块，使用了序贯kalman滤波的融合方式，使得系统的计算量大幅度减少，相比标准kalman滤波，计算量大幅减少，特别适合机载嵌入式平台。
19.与现有技术相比，本实用新型的优点在于：
20.对固定翼无人机组合导航系统进行了建模，并且使用了序贯kalman滤波，可以得到固定翼无人机的姿态，速度，位置，以及风速估计，使得固定翼无人机实时获取自身的状态信息，为控制系统和制导系统提供了基础；通过使用主从两套传感器的布局和配置，保证了传感器的可靠性以及增加了组合导航系统的可靠性，避免了由于单一传感器故障导致导航系统估计错误；使用了序贯kalman滤波的融合方式，使得系统的计算量大幅度减少，相比标准kalman滤波，计算量大幅减少，特别适合机载嵌入式平台。
附图说明
21.图1、本实用新型一种固定翼无人机双冗余组合导航系统的电路图；
22.图2、本实用新型一种固定翼无人机双冗余组合导航系统的kalman滤波数据流示意图；
23.图3、本实用新型一种固定翼无人机双冗余组合导航系统的数据流向示意图；
24.图4、本实用新型一种固定翼无人机双冗余组合导航系统的数据采集示意图；
25.图5、本实用新型一种固定翼无人机双冗余组合导航系统的故障诊断示意图。
具体实施方式
26.下面结合实施例描述本实用新型具体实施方式：
27.需要说明的是，本说明书所示意的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本实用新型可实施的限定条件，任何结构的修饰、比例关系的改变或大小的调整，在不影响本实用新型所能产生的功效及所能达成的目的下，均应仍落在本实用新型所揭示的技术内容能涵盖的范围内。
28.同时，本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语，亦仅为便于叙述的明了，而非用以限定本实用新型可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本实用新型可实施的范畴。
29.实施例一：
30.如图1所示，一种固定翼无人机双冗余组合导航系统，包括：第一传感器组、第二传感器组和处理器；所述第一传感器组和第二传感器组同时信号连接所述处理器；
31.所述第一传感器组采集第一状态信息并发送至处理器；所述第二传感器组采集第二状态信息并发送至处理器中；第一状态信息和第二状态信息指：固定翼无人机的姿态，速
度，位置，以及风速估计信息，通过使用主从两套传感器的布局和配置，保证了传感器的可靠性以及增加了组合导航系统的可靠性，避免了由于单一传感器故障导致导航系统估计错误。
32.所述第一传感器组，包括：第一惯性测量元件imu、第一指南针、第一气压计、第一gnss和第一空速计；
33.所述第一惯性测量元件imu、第一指南针、第一气压计、第一gnss和第一空速计同时连接所述处理器；
34.所述第二传感器组，包括：第二惯性测量元件imu、第二指南针、第二气压计、第二gnss和第二空速计；
35.所述第二惯性测量元件imu、第二指南针、第二气压计、第二gnss和第二空速计同时连接所述处理器；
36.所述处理器对所述第一状态信息和第二状态信息进行处理。
37.进一步，所述处理器的型号为stm32f427。
38.进一步，所述第一惯性测量元件imu和第二惯性测量元件imu均通过所述处理器的spi1总线与所述处理器进行连接，所述第一惯性测量元件imu通过处理器的引脚88进行片选，所述第二惯性测量元件imu通过处理器的引脚57进行片选。
39.进一步，所述第一气压计和所述第二气压计均通过所述处理器的spi2总线与所述处理器进行连接，所述第一气压计通过处理器的引脚58进行片选，所述第二气压计通过处理器的引脚86进行片选。
40.进一步，所述第一空速计挂在所述处理器的can1总线上与处理器进行连接；所述第二空速计挂在所述处理器的can2总线上与处理器进行连接。
41.进一步，所述第一指南针和第一gnss均挂在所述处理器的can1总线上与处理器进行连接；所述第二指南针、第二gnss均挂在所述处理器的can2总线上与处理器进行连接。
42.进一步，所述处理器中内置序贯kalman滤波模块，使用了序贯kalman滤波的融合方式，使得系统的计算量大幅度减少，相比标准kalman滤波，计算量大幅减少，特别适合机载嵌入式平台。
43.实施例二：
44.本实施例二应用于实施例一，一种固定翼无人机双冗余组合导航系统，实施例的具体实施步骤分为如下几个部分：
45.(1)传感器布局与配置；
46.(2)传感器数据采集；
47.(3)传感器故障诊断与隔离
48.(4)序贯kalman滤波组合导航算法。
49.如附图3所示，我们对所用到的关键传感器进行了布局和配置；配置完毕后通过stm32处理器对所有传感器进行采集并进行低通滤波处理，以使得数据平滑；处理完毕后再进一步的对采集到的数据进行故障诊断与隔离；经过故障诊断与隔离后的数据进入到18维序贯kalman滤波以得到估计结果。为了实现固定翼无人机双冗余组合导航系统，我们对系统的关键传感器进行了布局和配置，以此来提高固定翼无人机安全稳定性。本系统中用到的关键传感器如表-1所示：
50.表-1关键传感器布局与配置
51.序号传感器类型数量备注1imu(惯性测量元件)2不同型号2指南针2不同型号3气压计2不同型号4gnss2不同型号5空速计2不同型号
52.imu：主要用于测量固定翼无人机的三轴角速率和三轴加速度，用于确定无人机的姿态信息，两个imu安装位置差30
°
；
53.指南针：主要用于测量地磁，结合当地磁偏角可以用于确定无人机的航向信息,两个指南针平行放置；
54.气压计：主要用于测量海拔高度，经过处理可以用于确定无人机相对起飞点的高度，两个指南针平行放置；
55.gnss：主要用来测量无人机的三维速度和位置，如果需要可进行如下配置一个普通gnss，一个rtk；有时候rtk可以加装配置双天线，用于航向测量，这样能给固定翼的航向多一个备份；
56.空速计：主要用来测量空速，空速计测量固定翼无人机的空速，两个空速计平行放置。
57.在完成传感器的布局和配置后，使用一个数据采集线程用以采集传感器数据，采集完成数据后更新传感器更新标志位，以此来通知其他的线程。处理器实用stm32系列进行数据采集。采集示意图如图4所示，数据采集完毕可获取最新的数据。
58.对每一个传感器都进行健康监测，如发现其中一个出现问题，需立马切换到另一个传感器，示意图如图5所示。双冗余传感器健康检测算法处理，另外为了增加系统的鲁棒性，避免误差较大的量测对滤波器造成不利的影响，需要实时对量测进行一致性检测。进行ekf滤波时，只有量测通过一致性检测，滤波器协方差矩阵通过正定性检测才可利用该量测对滤波器状态进行修正，只要有一个检测未通过，均不可利用该量测对滤波器状态进行修正，只进行状态预测与状态误差协方差矩阵预测，并且这种情况需要把协方差矩阵中相应的行列重置，以保证状态能重新进行估计，不影响滤波效果。
59.与标准的kalman滤波相比，增益计算公式设计到矩阵的求逆运算，当量测的维数较高时，计算量很大，序贯滤波是一种将高维数更新降低为低维数量测更新的方法，能有效的降低矩阵的求逆运算，并且能大幅度降低计算量。序贯 kalman滤波的具体实施过程也可通过示意图如图2所示。先进行状态预测以及误差协方差矩阵预测，当第n个子量测进行更新时，根据子量测值以及测量值测量噪声进行滤波器增益计算，状态更新以及协方差矩阵更新。
60.系统的数据流向如图3所示，根据步骤1的传感器的布局和配置进行数据采集，数据采集完毕后对传感器进行故障诊断，而后执行步骤5的序贯kalman滤波。
61.上面对本实用新型优选实施方式作了详细说明，但是本实用新型不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本实用新型宗旨的前提下做出各种变化。
62.不脱离本实用新型的构思和范围可以做出许多其他改变和改型。应当理解，本实用新型不限于特定的实施方式，本实用新型的范围由所附权利要求限定。