جهت یابی حاملان فراصوتی
ترجمه نشده

جهت یابی حاملان فراصوتی

عنوان فارسی مقاله: فیلترسازی کالمن بدون بو قوی با تشخیص خطای اندازه گیری برای یکپارچه سازی محکم سیستم جهت یابی اینرسی / سیستم ماهواره ای جهت یابی جهانی (INS/GNSS) جفت شده در جهت یابی حاملان فراصوتی
عنوان انگلیسی مقاله: Robust Unscented Kalman Filtering With Measurement Error Detection for Tightly Coupled INS/GNSS Integration in Hypersonic Vehicle Navigation
مجله/کنفرانس: دسترسی – IEEE Access
رشته های تحصیلی مرتبط: مهندسی کامپیوتر
گرایش های تحصیلی مرتبط: معماری سیستم های کامپیوتری
کلمات کلیدی فارسی: یکپارچه سازی سیستم جهت یابی اینرسی / سیستم ماهواره ای جهت یابی جهانی (INS/GNSS)، فیلتر کالمن بدون بو قوی، خطاهای اندازه گیری، جهت یابی حاملان فراصوتی
کلمات کلیدی انگلیسی: INS/GNSS integration, robust unscented Kalman filter, measurement errors, hypersonic vehicle navigation
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: Scopus – Master Journals List – JCR
شناسه دیجیتال (DOI): https://doi.org/10.1109/ACCESS.2019.2948317
دانشگاه: School of Automation, Northwestern Polytechnical University, Xi’an 710072, China
ناشر: آی تریپل ای - IEEE
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2019
ایمپکت فاکتور: 4.641 در سال 2018
شاخص H_index: 56 در سال 2019
شاخص SJR: 0.609 در سال 2018
شناسه ISSN: 2169-3536
شاخص Quartile (چارک): Q2 در سال 2018
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 13
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: بله
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
کد محصول: E13884
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست انگلیسی مطالب

Abstract


I. Introduction


II. Tightly Coupled INS/GNSS Integration


III. Innovation Orthogonality Based Robust UKF


IV. Simulations and Results


V. Conclusion


Authors


Figures


References

نمونه متن انگلیسی مقاله

Abstract


Due to the high maneuverability of a hypersonic vehicle, the measurements for tightly coupled INS/GNSS (inertial navigation system/global navigation satellite system) integration system inevitably involve errors. The typical measurement errors include outliers in pseudorange observations and non-Gaussian noise distribution. This paper focuses on the nonlinear state estimation problem in hypersonic vehicle navigation. It presents a new innovation orthogonality-based robust unscented Kalman filter (IO-RUKF) to resist the disturbance of measurement errors on navigation performance. This IO-RUKF detects measurement errors by use of the hypothesis test theory. Subsequently, it introduces a defined robust factor to inflate the covariance of predicted measurement and further rescale the Kalman gain such that the measurements in error are less weighted to ensure the filtering robustness against measurement errors. The proposed IO-RUKF can not only correct the UKF sensitivity to measurement errors, but also avoids the loss of accuracy for state estimation in the absence of measurement errors. The efficacy and superiority of the proposed IO-RUKF have been verified through simulations and comparison analysis.


Introduction


Hypersonic vehicle refers to a vehicle at the speed of Mach 5 or above. Due to the merits such as large flight envelope, high maneuverability and speedy global reach, hypersonic vehicle has received great attention in the recent years in both aeronautic and astronautic fields for various civil and military applications [1], [2]. As the ‘‘eye’’ of a hypersonic vehicle, the navigation system is the primary element of the overall vehicle flight control system (navigation, guidance and control system). The position, speed and attitude information provided by the navigation system is directly related to the accuracy and reliability of the vehicle guidance and control loop [3]. Nowadays, the INS/GNSS (inertial navigation system/global navigation satellite system) integration has been a widely used navigation technique for hypersonic vehicles [4], [5]. The integration of INS and GNSS overcomes the limitations of both standalone systems, i.e., the growth of navigation errors with time for INS as well as the typical low update rate of GNSS measurements. Thus, it can provide a superior performance comparing to either INS or GNSS [6]–[۸]. The integration of INS and GNSS can be classified into two categories [9]–[۱۱]. One is the loosely coupled integration which employ the velocity and position estimations solved by GNSS to assist INS. This method is simple in principle and easy to implement. However, the number of observable GNSS satellites frequently drops to below four due to high maneuverability, leading to the poor stability and reliability.

  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

جهت یابی حاملان فراصوتی
نوشته های مرتبط
مقالات جدید
نماد اعتماد الکترونیکی
پیوندها