Критерии селективного выбора наиболее достоверного источника информации в измерительных комплексах
Авторы: Радюкин А.Ю., Масленников А.Л.
Опубликовано в выпуске: #5(161)/2025
Раздел: Авиационная и ракетно-космическая техника | Рубрика: Динамика, баллистика, управление движением летательных аппаратов
Рассмотрены критерии селективного выбора наиболее достоверного источника информации о состоянии летательного аппарата в составе измерительного комплекса. Используется тестовая математическая модель измерительного комплекса, состоящая из основанных на различных физических принципах функционирования измерительных систем трех типов, формирующих различный набор оцениваемых элементов вектора состояния летательного аппарата. Комплексирование информации о состоянии объекта осуществляется федеративным фильтром Калмана. В качестве критериев выбора наиболее достоверного источника информации о состоянии летательного аппарата рассматриваются нормы ковариационных матриц ошибок оценивания, формируемые локальными фильтрами Калмана, а также дисперсии измерений каждого оцениваемого элемента вектора состояния объекта в отдельности всеми измерительными средствами. Результаты моделирования показывают принципиальную применимость каждого из рассмотренных критериев к выбору наиболее достоверного источника информации.
EDN JQVLVZ
Литература
[1] Hall D.L., Llinas J. An introduction to multisensory data fusion. Proceedings of the IEEE, 1997, vol. 85, no. 1, pp. 6–23.
[2] Жегалов С.Н., Масленников А.Л. Применение метода DBSCAN для кластеризации отметок координат динамических объектов, формируемых несколькими источниками информации. Авиакосмическое приборостроение, 2025, № 2, с. 31–39. DOI: 10.25791/aviakosmos.2.2025.1461
[3] Barreto-Cubero A.J., Gómez-Espinosa A., Escobedo Cabello J.A., Cuan-Urquizo E., Cruz-Ramírez S.R. Sensor data fusion for a mobile robot using neural networks. Sensors, 2022, vol. 22, iss. 1, 305. https://doi.org/10.3390/s22010305
[4] Crisan D., Doucet A. A survey of convergence results on particle filtering methods for practitioners. IEEE Transactions on Signal Processing, 2002, vol. 50, no. 3, pp. 736–746.
[5] Welch G., Bishop G. An introduction to the Kalman filter. In Pract., 2006, vol. 7, no. 1, pp. 1–16.
[6] Stover J., Hall D., Gibson R. A fuzzy-logic architecture for autonomous multisensor data fusion. IEEE Transactions on Industrial Electronics, 1996, vol. 43, no. 3, pp. 403–410.
[7] Cui-Xia L., Wei-Ming L., Zi-Nan F. GPS/ TDOA Hybrid Location Algorithm Based on Federal Kalman Filter. J. of Convergence Information Technology, 2010, vol. 5, no. 7, pp. 42–48.
[8] Даниленко Н.В., Масленников А.Л., Долгова Ю.С. Селективный механизм решения задачи ориентации с реализацией на одноплатном компьютере Raspberry Pi. Авиакосмическое приборостроение, 2025, № 1, с. 32–43. DOI: 10.25791/aviakosmos.1.2025.1455
[9] Безмен П.А. Комплексирование данных системы управления мобильным роботом с использованием расширенного фильтра Калмана. Известия Юго-Западного государственного университета, 2019, т. 23, № 2, с. 53–64. DOI: 10.21869/2223-1560-2019-23-2-53-64
[10] Sorenson H.W. Least-Squares estimation: from Gauss to Kalman. IEEE Spectrum, July 1970, vol. 7, pp. 63–68.
[11] Цыганкова И.С., Масленников А.Л. Комплексирование навигационной информации ГНСС по нескольким информационным источникам. Journal of Advanced Research in Technical Science, 2020, вып. 19, с. 66–70. DOI: 10.26160/2474-5901-2020-19-66-70
[12] Завьялов Р.А., Масленников А.Л. О методах прогноза траектории движения подвижного объекта в схеме комплексирования навигационной информации от ГНСС. Материалы 8-й научно-практической конференции памяти О.В. Успенского: сборник докладов. В.А. Сорокин, ред. Москва, Издательский дом Академии имени Н.Е. Жуковского, 2022, с. 132–136.