[发明专利]一种对深空探测自主导航滤波算法的评估方法

摘要

本发明公开了一种对深空探测自主导航滤波算法的评估方法，先分别采用EKF、UKF、UPF三种导航滤波算法时对获取的导航数据进行处理，分别获取到对应导航滤波算法下的精度、可用性、连续性、实时性、稳定性等性能参数指标的评估值，综合评估模块再结合性能参数指标的评估值对深空探测自主导航滤波算法进行评估，这样综合评估模块不仅能够科学、精确地分配各种性能参数指标间的相对权重，而且还能准确的评估深空探测自主导航滤波算法，适用于当今深空探测技术领域发展的需要。

主权项

一种对深空探测自主导航滤波算法的评估方法，其特征在于，包括以下步骤：(1)、深空探测自主导航滤波算法采用EKF滤波时，对获取得到的导航数据进行处理计算探测器在第i个采样点的位置差值ep(i)：ex(i)＝Sat_p(x,i)‑sat_p(x,i)；ey(i)＝Sat_p(y,i)‑sat_p(y,i)；ez(i)＝Sat_p(z,i)‑sat_p(z,i)；$\mathrm{ep}\left(i\right)=\sqrt{(\mathrm{ex}{\left(i\right)}^2+\mathrm{ey}{\left(i\right)}^2+\mathrm{ez}{\left(i\right)}^2)};$其中，i＝1,2,…,k，k表示采样点的个数，Sat_p(x,i)、Sat_p(y,i)、Sat_p(z,i)分别表示探测器在x、y、z三方向上的位置观测值，sat_p(x,i)、sat_p(y,i)、sat_p(z,i)分别表示探测器在x、y、z三个方向上，位置的滤波优化值，ex(i)、ey(i)、ez(i)分别表示探测器在x、y、z三个方向上位置的差值；计算探测器在第i个采样点的速度差值ev(i)：evx(i)＝Sat_v(x,i)‑sat_v(x,i)；evy(i)＝Sat_v(y,i)‑sat_v(y,i)；ezv(i)＝Sat_v(z,i)‑sat_v(z,i)；$\mathrm{ev}\left(i\right)=\sqrt{(\mathrm{evx}{\left(i\right)}^2+\mathrm{evy}{\left(i\right)}^2+\mathrm{evz}{\left(i\right)}^2)};$其中，Sat_v(x,i)、Sat_v(y,i)、Sat_v(z,i)分别表示探测器在x、y、z三方向上的速度观测值，sat_v(x,i)、sat_v(y,i)、sat_v(z,i)分别表示探测器在x、y、z三个方向上，速度的滤波优化值，evx(i)、evy(i)、evz(i)分别表示探测器在x、y、z三个方向上速度的差值；(2)、获取EKF滤波时参数指标的评估值(2.1)、利用前向均方差计算EKF滤波时精度评估值计算探测器在第i采样点时刻对应EKF滤波的位置精度：$R_p=\sqrt{\frac{1}{i}\underset{i=1}{\overset{i}{\mathrm{\Σ}}}\mathrm{ep}{\left(i\right)}^2}$计算探测器在第i采样点时刻对应EKF滤波的速度精度：$R_v=\sqrt{\frac{1}{i}\underset{i=1}{\overset{i}{\mathrm{\Σ}}}\mathrm{ev}\left(i\right)}$(2.2)、计算EKF滤波时可用性评估值将探测器在第i个采样点的位置差值ep(i)与预设的阈值M₁比较，当ep(i)＜M₁时，则可用次数sum_a加1，如果ep(i)≥M₁，则可用次数sum_a保持不变，直到所有采样点比较完；从而计算出EKF滤波时可用性评估值K_s为：$K\_s=\frac{\mathrm{sum}\_a}{k};$(2.3)、计算EKF滤波时连续性评估值计算探测器在相邻采样点间的位置差值c(i)：c(i)＝|ep(i)‑ep(i‑1)|在第i个采样点时刻，将得到的c(i)与预设的阀值M₂比较，如果c(i)＜M₂，则连续次数sum加1，如果c(i)≥M₂，则连续次数sum保持不变，直到所有采样点比较完；从而计算出EKF滤波时连续性评估值P为：(2.4)、计算EKF滤波时实时性评估值EKF导航滤波程序运行时间记为t₀，EKF导航滤波程序运行结束时间记为t₁，则EKF滤波时实时性评估值T为：T＝t₁‑t₀(2.5)、通过计算EKF滤波的信噪比确定EKF滤波时稳定性评估值SNR＝S/N其中，S表示EKF滤波处理外部设备输入的电子信号，N表示原信号中不存在的无规则额外信号；当对采用EKF滤波时获取得到的导航数据处理完成后，按照步骤(1)和步骤(2)的方法，继续处理采用UKF、UPF滤波时获取得到的导航数据，分别获取到UKF滤波和UPF滤波下参数指标的评估值；(3)、对深空探测自主导航滤波算法进行综合评估(3.1)、构造准则层判断矩阵根据9/9‑9/1标度层次分析法，综合评估模块构构造准则层判断矩阵A＝a_i'j'，且a_i'j'＞0,a_j'i'＝1/a_i'j'，其中，i',j'∈[1,5]，判断矩阵A是5个参数指标值映射出来的5×5的矩阵，a_i'j'表示映射的第i'个参数指标和映射的第j'个参数指标的重要性的比值，a_i'j'越大，第i'个参数指标较第j'个参数指标更重要；计算判断矩阵A的特征值和最大特征根：计算准则层判断矩阵A每一行比值的乘积M_i'$M_{i^{\′}}=\underset{j^{\′}=1}{\overset{5}{\mathrm{\Π}}}{a}_{i^{\′}{j}^{\′}}$计算M_i'的5次方根V_i'$V_{i^{\′}}=\sqrt[5]{M_{i^{\′}}}$对V_i'进行归一化，即：$F_{i^{\′}}=V_{i^{\′}}/{\mathrm{\Σ}}_{i^{\′}=1}^5{V}_{i^{\′}}$则特征向量F＝(F₁,F₂,…,F₅)^T；计算准则层判断矩阵A的最大特征根λ_max${\mathrm{\λ}}_{\max }=\underset{i^{\′}=1}{\overset{5}{\mathrm{\Σ}}}\frac{{(A\•F)}_{i^{\′}}}{{5F}_{i^{\′}}}$验证准则层判断矩阵A的一致性：计算准则层判断矩阵A的一致性比率C_R，其中，C_I为一致性检验指标，R_I＝1.12当C_R＜0.1时，该准则层判断矩阵A为一致矩阵，否则，返回步骤(3.1)调整a_i'j'的大小，使准则层判断矩阵A最终满足一致矩阵；(3.2)、将步骤(2)得到的评估值全部输入到综合评估模块，构造方案层判断矩阵B_j将导航滤波算法EKF、UKF、UPF在每一个相同参数指标下构造一个3×3判断矩阵B_j，j＝1,2,…,5表示参数指标的个数，且其中,判断矩阵B_j是第j个参数指标对应三种导航滤波算法映射出来的3×3的矩阵，表示在该参数指标下映射的第个导航滤波算法的评估值同映射的第个导航滤波算法的评估值的比值，越大，在该参数指标下，映射的第个导航滤波算法的效果越好；计算方案层判断矩阵B₁的特征值和最大特征根：计算方案层判断矩阵B₁每一行比值的乘积$N_{\tilde{i}}=\underset{\tilde{j}}{\overset{3}{\mathrm{\Π}}}{b}_{\tilde{i}\tilde{j}}$计算的3次方根$H_{\tilde{i}}=\sqrt[3]{N_{\tilde{i}}}$对进行归一化处理，即：$S_{\tilde{i}1}=H_{\tilde{i}}/{\mathrm{\Σ}}_{\tilde{i}=1}^3{H}_{\tilde{i}}$则特征向量SS₁＝(S₁₁,S₂₁,S₃₁)^T；计算判断矩阵的最大特征根λ_max1:${\mathrm{\λ}}_{\max 1}=\underset{\tilde{i}=1}{\overset{3}{\mathrm{\Σ}}}\frac{{(B_1\•{\mathrm{SS}}_1)}_{\tilde{i}}}{{3S}_{\widetilde{i1}}}$验证方案层判断矩阵B₁的一致性：计算方案层判断矩阵B₁的一致性比率C_R1，其中，C_I1为一致性检验指标，R_I1＝0.58当C_R1＜0.1时，该方案层判断矩阵B₁为一致矩阵，否则，返回步骤(3.2)调整的大小，使准则层判断矩阵B₁最终满足一致矩阵；同理，可以得到其他的方案层判断矩阵B₂～B₅的特征向量SS₂～SS₅和最大特征根λ_max2～λ_max5；用方案层判断矩阵B_j的所有特征向量SS₁～SS₅构造矩阵C＝(SS₁,SS₂,…,SS₅)。(3.3)、深空探测自主导航滤波算法的综合评估将步骤(3.2)求得的特征向量C与步骤(3.1)构造的矩阵F相乘，求出权值W，即：W＝C·F，分别计算出权值W中每一行对应的权值其中，表示滤波算法的个数，是矩阵C中第行、第j列个元素；对所有权值进行总排序，其权值最大项即为对应的导航滤波方法最好。