0 引言

    在我國現(xiàn)階段,，飛機精密進(jìn)近與著陸引導(dǎo)的過程中應(yīng)用最廣泛的保護(hù)措施為儀表著陸系統(tǒng)（Instrument Landing System,，ILS），該系統(tǒng)能保證在惡劣環(huán)境中進(jìn)行進(jìn)近和著陸工作的飛行器的安全,，但也存在作用距離有限,、易受地形遮擋影響等缺點,。慣性導(dǎo)航系統(tǒng)（Inertial Navigation System，INS）又存在誤差隨著時間的增加而慢慢累積這一劣勢,。而目前國內(nèi)GBAS著陸系統(tǒng)（GBAS Landing System,，GLS）正處在不斷完善的過程中，GBAS能提供水平,、垂直偏差引導(dǎo)等進(jìn)近服務(wù),，同時還具備Ⅱ、Ⅲ類精密進(jìn)近,、機場場面滑行引導(dǎo)等功能^[1],。

    現(xiàn)有的導(dǎo)航系統(tǒng)出現(xiàn)誤差的原因之一，就是由于現(xiàn)實環(huán)境中被觀測目標(biāo)的運動具有不確定性,，使得傳統(tǒng)的非線性濾波算法難以得到較好的濾波精度,。而BP神經(jīng)網(wǎng)絡(luò)（Back Propagation Neural Network）具有實現(xiàn)任意的從m維輸入到n維輸出的非線性映射能力^[2]，因此可以利用BP神經(jīng)網(wǎng)絡(luò)對傳統(tǒng)的濾波算法進(jìn)行修正,，進(jìn)而提高其濾波精度,。

    根據(jù)上述的分析，本文提出一種組合導(dǎo)航算法,，將INS分別與ILS和GLS相結(jié)合,，利用其輸出位置信息之間的差值作為量測值，使用BP神經(jīng)網(wǎng)絡(luò)改進(jìn)的無跡卡爾曼濾波器（Unscented Kalman Filter,，UKF）修正濾波誤差,，修正后將其補償?shù)経KF的濾波的估計值上作為新的狀態(tài)值輸出，通過最優(yōu)加權(quán)的方法得到系統(tǒng)的全局最優(yōu)估計值,，從而減小誤差,，提高進(jìn)近著陸引導(dǎo)的精度。

1 進(jìn)近著陸系統(tǒng)誤差模型

1.1 ILS

    ILS系統(tǒng)能夠在環(huán)境條件惡劣的情況下提供正確的進(jìn)近著陸引導(dǎo)信息^[3],。ILS系統(tǒng)包括3個分系統(tǒng)：下滑信標(biāo)（Glide Slope，GS）,、航向信標(biāo)（Localizer,，LOC）和指點信標(biāo)（Marker Beacon，MB）,。

    ILS輻射場是一個由90 Hz和150 Hz音頻信號調(diào)制的載波,，進(jìn)場飛機通過比較兩個音頻信號的調(diào)制度差(DDM)得到航向信息及下滑信息。下滑道信息如圖1所示,。

    ILS的系統(tǒng)誤差模型如下：

1.2 INS

    INS系統(tǒng)是使用加速度計,、陀螺儀等慣性敏感器（Inertial Sensors）來測量載體的線運動和角運動，通過積分來計算載體的運動狀態(tài)^[4-5],。INS的誤差模型如下：

    INS的姿態(tài)誤差模型為：

    INS的位置誤差模型為：

式中：L,、λ,、h分別為緯、經(jīng),、高度,；v_x、v_y,、v_z分別為導(dǎo)航坐標(biāo)系中的東,、北、天向速度,。

1.3 GLS

    GLS是一種基于GBAS的進(jìn)近引導(dǎo)及著陸系統(tǒng),。其優(yōu)點在于可以實現(xiàn)多跑道覆蓋，多類型航空器混合運行,，運行效率高,、成本低等。GLS在進(jìn)近過程中通過VHF數(shù)據(jù)廣播電臺便可靈活確定飛行器的航路航跡^[6],。

    GLS系統(tǒng)工作時,，地面參考接收機的誤差(σ_pr-gnd(θ))利用偽距（Pseudo Range，PR）進(jìn)行校正^[7],。其表達(dá)式為：

2 基于BP神經(jīng)網(wǎng)絡(luò)的聯(lián)邦濾波算法

2.1 聯(lián)邦濾波器

    聯(lián)邦濾波器（Federated Filter）由1個全局濾波器和n個局部濾波器構(gòu)成,，具有計算量小、容錯性好等優(yōu)點^[8],，各個局部濾波器將各自的最優(yōu)估計輸送到全局濾波器中,，在全局濾波器內(nèi)進(jìn)行估計信息合成，從而得到全局最優(yōu)估計^[9],。其結(jié)構(gòu)圖如圖2所示,。

2.2 BP神經(jīng)網(wǎng)絡(luò)

    BP神經(jīng)網(wǎng)絡(luò)包含1個輸入層、n個隱含層,、1個輸出層三層結(jié)構(gòu),，如圖3所示。輸入信息通過神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,，最終達(dá)到系統(tǒng)輸出信息與期望輸出信息盡可能接近的目的,。

    BP神經(jīng)網(wǎng)絡(luò)的算法如下^[10-11]。假設(shè)三層神經(jīng)網(wǎng)絡(luò),，則傳遞函數(shù)f(x)為：

2.3 組合系統(tǒng)數(shù)學(xué)模型

2.3.1 系統(tǒng)狀態(tài)方程

    由于處于進(jìn)近著陸階段,，系統(tǒng)可忽略加速度計零偏、陀螺儀角速率偏移的干擾,，則INS系統(tǒng)狀態(tài)變量為：

2.3.2 子系統(tǒng)量測方程

    將ILS/INS組合導(dǎo)航系統(tǒng),、GLS/INS組合導(dǎo)航系統(tǒng)輸出位置信息之間的差值^[12-13]作為各自局部濾波器的量測值，則兩個局部濾波器的量測方程為：

2.4 分布式局部UKF濾波最優(yōu)估計

    每個濾波器使用UKF濾波算法更新狀態(tài)^[14]。

2.4.1 初始狀態(tài)的統(tǒng)計特性

2.4.2 狀態(tài)預(yù)測估計和狀態(tài)預(yù)測方差

    計算變換后的sigma點： 

2.4.3 預(yù)測量測和方差

    利用狀態(tài)預(yù)測值和協(xié)方差的結(jié)果,，按照上一個步驟中確定的采樣策略,，通過量測函數(shù)h(·)計算出變換后的sigma點：  

2.4.4 BP神經(jīng)網(wǎng)絡(luò)修正

    將式(29)變換為：

    在本文使用的BP神經(jīng)網(wǎng)絡(luò)中，網(wǎng)絡(luò)的最大迭代次數(shù)設(shè)為500,，學(xué)習(xí)率為0.01,，隱含層選取一層，系統(tǒng)訓(xùn)練采用L-M算法^[15],，trainlm型訓(xùn)練函數(shù),。

2.5 全局濾波最優(yōu)估計

3 仿真結(jié)果與分析

3.1 數(shù)據(jù)處理

    本文采用某航空公司的波音737-800型飛機的部分試驗數(shù)據(jù)。在該試驗中,，飛機由深圳飛往武夷山03號跑道,，其下降前的初始高度為6 000 m，初始位置的經(jīng)緯度為117.990°,、27.278°,，下滑角為5°。飛機的ILS進(jìn)近航圖如圖5所示,。

3.2 仿真結(jié)果分析

    圖6,、圖7為采用EKF、UKF及基于BP神經(jīng)網(wǎng)絡(luò)改進(jìn)UKF的融合方法所得到的位置誤差的均方根誤差（Root Mean Square Error,，RMSE）曲線,，由此可以看出基于BP神經(jīng)網(wǎng)絡(luò)改進(jìn)的UKF的RMSE值比EKF和UKF的都要小，意味著經(jīng)過BP神經(jīng)網(wǎng)絡(luò)改進(jìn)后UKF濾波算法可以得到更精確的導(dǎo)航精度,。

4 結(jié)論

    由于在著陸過程中,，ILS易受到自身缺陷及外界各種因素的干擾，導(dǎo)致著陸結(jié)果存在誤差,，進(jìn)而影響飛機著陸時的安全,。本文提出一種組合導(dǎo)航算法，將INS分別與ILS和GLS相結(jié)合,，利用其輸出位置信息之間的差值作為量測值,，使用BP神經(jīng)網(wǎng)絡(luò)改進(jìn)的UKF修正濾波誤差，修正后將其補償?shù)経KF的濾波的估計值上作為新的狀態(tài)值輸出,，通過最優(yōu)加權(quán)的方法得到系統(tǒng)的全局最優(yōu)估計值,，從而減小誤差，提高進(jìn)近著陸引導(dǎo)的精度,。

參考文獻(xiàn)

[1] 張光明.航空新技術(shù)系列報道[N].中國民航報，2012-07-18(004).

[2] 王莉娜,，楊劍,，孟慶強.消除局域分解端部效應(yīng)的BP神經(jīng)網(wǎng)絡(luò)閉合方法[J].電子技術(shù)應(yīng)用，2017，43(5)：127-130,，133.

[3] ICAO,，International standards and recommended practices，aeronautical telecommunications,，annex 10 to the convention on international civil aviation,，volume 1：radio navigation aids[S].Sixth Edition，2006.

[4] PETROVSKA O,，SHIKOSKA U R.Aircraft precision landing using integrated GPS/INS system[J].Transport Problems,，2013，8：17-25.

[5] Xian Zhiwen,，Hu Xiaoping,，Lian Junxiang.Robust innovation based adaptive kalman filter for INS/GPS land navigation[C].2013 Chinese Automation Congress.IEEE，2013：374-379.

[6] 陳明強,，張光明.GBAS在終端區(qū)的應(yīng)用[J].中國民航飛行學(xué)院學(xué)報,，2011，22（6）：22-25.

[7] SC-159,，DO-245A,，minimum aviation system performance standards for the local area augmentation system(LAAS)[S].RTCA，2004.

[8] 彭霞,，張彥軍,，崔平遠(yuǎn).聯(lián)邦卡爾曼濾波器與集中式濾波器的等價性[J].青島科技大學(xué)學(xué)報，2005,，26(2)：169-172.

[9] 錢華明,，丁凱雷，艷敏.聯(lián)邦濾波器及其在船舶組合導(dǎo)航中的應(yīng)用[J].船舶工程,，2007,，29（3）：18-21.

[10] 董長虹.Matlab神經(jīng)網(wǎng)絡(luò)與應(yīng)用(第2版)[M].北京：國防工業(yè)出版社，2007.

[11] 陳鑫鑫,，張復(fù)春,，郝雁中.神經(jīng)網(wǎng)絡(luò)輔助的GPS/INS組合導(dǎo)航濾波算法研究[J].電子技術(shù)應(yīng)用，2015,，41(5)：84-87.

[12] 李艷華,，房建成，賈志凱.INS/CNS/GPS組合導(dǎo)航系統(tǒng)仿真研究[J].中國慣性技術(shù)學(xué)報,，2002,，10(6)：6-11.

[13] 李四海，辛格,，付強文.基于INS/ILS/RA組合導(dǎo)航的自動著陸系統(tǒng)[J].中國慣性技術(shù)學(xué)報,，2012,，20(3)：311-314.

[14] 萬榮榮，李志宇,，徐義華.基于卡爾曼濾波的高穩(wěn)定度測溫系統(tǒng)設(shè)計[J].電子測量技術(shù),，2012，35(4)：29-41.

[15] 王元章,，吳春華,，周笛青，等.基于BP神經(jīng)網(wǎng)絡(luò)的光伏陣列故障診斷研究[J].電力系統(tǒng)保護(hù)與控制,，2013,，41(16)：108-114.

作者信息:

于  耕1，方鴻濤2

（1.沈陽航空航天大學(xué) 民用航空學(xué)院,，遼寧 沈陽110136,；2.沈陽航空航天大學(xué) 電子信息工程學(xué)院，遼寧 沈陽110136）