董進(jìn)龍，莫波

(北京理工大學(xué) 宇航學(xué)院，北京100081)

0 引言

微機(jī)電系統(tǒng)(MEMS)慣性器件具有價格低廉、使用簡單以及抗過載能力強(qiáng)的優(yōu)點，因此被廣泛應(yīng)用在低成本的彈藥系統(tǒng)中。但是，由于精度偏低、零偏穩(wěn)定性較差、對環(huán)境的敏感度較大，使MEMS 器件在純慣性導(dǎo)航系統(tǒng)(INS)中的應(yīng)用受到很大的限制。隨著常規(guī)彈藥的制導(dǎo)化，MEMS-INS 成為首選的彈上測姿系統(tǒng)，如果與全球?qū)Ш叫l(wèi)星系統(tǒng)(GNSS)構(gòu)成組合導(dǎo)航系統(tǒng)，形成優(yōu)勢互補(bǔ)，則能夠?qū)崿F(xiàn)常規(guī)無控彈藥的低成本制導(dǎo)化。

MEMS-INS 與GNSS 這種優(yōu)勢互補(bǔ)需要一個前提條件:組合導(dǎo)航系統(tǒng)的狀態(tài)必須是可觀的。只有滿足這個條件，才能夠利用組合導(dǎo)航系統(tǒng)估計出相應(yīng)的偏差，并進(jìn)行補(bǔ)償。因此，分析MEMS-INS/GNSS 組合導(dǎo)航系統(tǒng)在不同條件下的最優(yōu)估計性能，能夠有效地指導(dǎo)組合導(dǎo)航系統(tǒng)的最優(yōu)設(shè)計。

當(dāng)前，線性系統(tǒng)的可觀性分析有多種方法。對于非隨機(jī)系統(tǒng)，一般根據(jù)系統(tǒng)的可觀性矩陣或者系統(tǒng)的Gramian 矩陣的特性來判斷系統(tǒng)是否完全可觀?；诖祟愒戆l(fā)展出了:基于可觀性矩陣或Gramian 矩陣的特征值以及特征向量來判斷狀態(tài)的可觀性［1］;對于線性時變系統(tǒng)，利用分段線性定常系統(tǒng)(PWCS)原理，通過系統(tǒng)總可觀性矩陣(TOM)或者提取可觀性矩陣(SOM)，來分析系統(tǒng)在整個時間段上的可觀性［2］，或者采用簡化的方法，分析系統(tǒng)在特定時間段上的局部可觀性［3］;將可觀性矩陣進(jìn)行奇異值分解，然后根據(jù)奇異值的大小來判斷相應(yīng)狀態(tài)的可觀性［4-6］。施桂國等［7］利用奇異值法對巡航導(dǎo)彈的慣性/地磁匹配組合導(dǎo)航系統(tǒng)進(jìn)行了可觀性分析。文獻(xiàn)［8 -9］則在上述方法基礎(chǔ)上將系統(tǒng)在特定時段內(nèi)看作定常系統(tǒng)，分析系統(tǒng)的局部可觀性，并在奇異值方法的基礎(chǔ)上定義了可觀性矩陣的條件數(shù)來進(jìn)一步表征系統(tǒng)的可觀測程度。相對于系統(tǒng)在整個時域上的可觀性，文獻(xiàn)［10 -12］則在瞬時可觀性概念的基礎(chǔ)上，具體分析了捷聯(lián)慣導(dǎo)系統(tǒng)(SINS)/全球定位系統(tǒng)(GPS)組合導(dǎo)航系統(tǒng)在不同機(jī)動情況下的可觀性。

另外，還可以利用隨機(jī)系統(tǒng)可觀性分析方法來判斷系統(tǒng)的可觀性，其中包括:以系統(tǒng)狀態(tài)誤差方差陣為研究對象，計算矩陣的特征值和特征向量，然后根據(jù)特征值的大小以及特征向量來判斷相應(yīng)狀態(tài)的隨機(jī)可觀測程度［13-14］;此外，利用系統(tǒng)矩陣和噪聲協(xié)方差矩陣構(gòu)成隨機(jī)系統(tǒng)的Riccati 方程，然后根據(jù)噪聲方差有界原則，來判斷狀態(tài)的可觀性［15］。而文獻(xiàn)［16］則利用系統(tǒng)初始的誤差協(xié)方差矩陣和系統(tǒng)矩陣構(gòu)成協(xié)方差矩陣，將其進(jìn)行奇異值分解，來分析系統(tǒng)在各個子空間上的可觀性。

有一部分學(xué)者利用系統(tǒng)矩陣的特征值、特征向量以及測量矩陣構(gòu)成系統(tǒng)的可觀性因子，用于分析系統(tǒng)各個狀態(tài)的可觀性。

對于非線性系統(tǒng)，利用局部線性化的方法，分析系統(tǒng)的線性可觀性。針對某些特定的非線性系統(tǒng)，例如INS-GPS 組合導(dǎo)航系統(tǒng)，一些學(xué)者從系統(tǒng)可觀性的定義出發(fā)，結(jié)合特定的工作條件，來分析系統(tǒng)的全局可觀性［17］。

本文考慮到噪聲特性對最優(yōu)估計的影響也是通過系統(tǒng)結(jié)構(gòu)進(jìn)行傳播的，因此，暫不考慮系統(tǒng)噪聲的影響，以遠(yuǎn)程制導(dǎo)火箭彈為研究對象，建立了MEMS-INS/GNSS 松組合系統(tǒng)。利用線性系統(tǒng)的可觀性分析方法，分析了火箭彈的姿態(tài)誤差在3 種典型彈道下的可觀性，并通過仿真驗證結(jié)果的正確性。

1 MEMS-INS/GNSS 反饋式松組合導(dǎo)航系統(tǒng)的建立

采用最常用的INS/GNSS 松組合系統(tǒng)結(jié)構(gòu)，建立具有15 個偏差狀態(tài)的卡爾曼濾波(KF)系統(tǒng)［18］，狀態(tài)變量選取如下:

由于MEMS-INS 系統(tǒng)的慣性器件精度較低，其姿態(tài)、速度以及位置誤差會迅速發(fā)散，因此，有必要采用反饋式組合導(dǎo)航結(jié)構(gòu)，定期對慣導(dǎo)的姿態(tài)誤差、導(dǎo)航誤差以及傳感器誤差進(jìn)行修正，以確保短時間內(nèi)慣導(dǎo)獨立工作的精度，同時，也能夠有效地抑制由于濾波器狀態(tài)增大而引起的截斷誤差和系統(tǒng)建模誤差，防止濾波發(fā)散。反饋濾波系統(tǒng)的結(jié)構(gòu)如圖1 所示。

圖1 具有狀態(tài)反饋結(jié)構(gòu)的卡爾曼濾波系統(tǒng)Fig.1 Kalman Filter system with state feedback

離散系統(tǒng)基本KF 方程如(1)式所示，

根據(jù)最優(yōu)估計理論以及反饋系統(tǒng)原理，卡爾曼濾波器輸出的最優(yōu)估計值在反饋到MEMS-INS 系統(tǒng)之后，在進(jìn)行下一次濾波計算之前，應(yīng)該將濾波器狀態(tài)置為0，以保證卡爾曼濾波器的最優(yōu)性。因此，具有MEMS-INS 狀態(tài)反饋結(jié)構(gòu)的MEMS-INS/GNSS 組合導(dǎo)航KF 系統(tǒng)方程如(2)式所示，

從理論上來講，反饋式KF 更能符合誤差為小量的假設(shè)，濾波性能要優(yōu)于輸出校正KF. 但是，在工程應(yīng)用中，實際系統(tǒng)都是離散時變系統(tǒng)，濾波結(jié)果會受到濾波步長以及濾波時刻系統(tǒng)模型的精度影響，濾波偏差必然存在。對于狀態(tài)反饋式KF 組合導(dǎo)航系統(tǒng)，錯誤的濾波結(jié)果會直接傳播到慣導(dǎo)系統(tǒng)中，在最壞情況下，會使閉環(huán)回路不再滿足負(fù)反饋的條件，導(dǎo)致系統(tǒng)發(fā)散。而輸出校正式KF 的濾波結(jié)果不會直接影響慣導(dǎo)系統(tǒng)，系統(tǒng)建模誤差就不會傳播到慣導(dǎo)系統(tǒng)中。因此，從這上述觀點出發(fā)，當(dāng)系統(tǒng)建模誤差較大時，輸出校正式KF 往往比反饋式KF更加可靠。實際上，造成上述問題的原因主要有以下兩點:

1)離散時變系統(tǒng)在濾波時刻的系統(tǒng)矩陣Φk，k+1只能代表當(dāng)前時刻的系統(tǒng)參數(shù)，如果系統(tǒng)參數(shù)在兩個時刻之間出現(xiàn)了短時突變(如飛行器的短時機(jī)動)，濾波系統(tǒng)的模型與實際系統(tǒng)就出現(xiàn)了差異，從而使最優(yōu)估計出現(xiàn)誤差;

2)當(dāng)某些系統(tǒng)狀態(tài)的可觀性較差時，這些狀態(tài)的最優(yōu)估計結(jié)果就會在很大程度上取決于模型中的噪聲特性以及建模誤差，當(dāng)噪聲模型與實際噪聲特性存在較大誤差時，不可觀狀態(tài)的最優(yōu)估計結(jié)果就會存在較大的誤差。

因此，對于離散時變系統(tǒng)，在應(yīng)用狀態(tài)反饋式KF 時，應(yīng)合理選擇濾波步長，同時，有必要分析無噪聲系統(tǒng)的可觀性，根據(jù)狀態(tài)可觀性分析結(jié)果，適當(dāng)?shù)母淖兎答伣Y(jié)構(gòu)，只反饋那些可觀性好的狀態(tài)，保證反饋系統(tǒng)的穩(wěn)定性。

2 火箭彈組合導(dǎo)航系統(tǒng)可觀性分析

2.1 系統(tǒng)可觀測性分析的奇異值分解法

對于離散時變線性系統(tǒng)，采用PWCS 原理，將系統(tǒng)進(jìn)行適當(dāng)?shù)姆侄翁幚?，計算每個段上的系統(tǒng)可觀性矩陣，這樣就能夠得到系統(tǒng)的總觀測性矩陣，從而得到每個時刻的系統(tǒng)狀態(tài)的可觀性。下面介紹一種基于系統(tǒng)可觀性矩陣的奇異值分解的可觀性分析方法。

系統(tǒng)狀態(tài)X(k)的維數(shù)為n，觀測量Y(k)的維數(shù)為m，系統(tǒng)的可觀性矩陣為

則有

式中:Y 表示從零時刻開始所有的觀測值組成的mk維列向量，Rk的奇異值分解可表示為

式中:U =［u1，u2，…，umk］是mk ×mk 維正交矩陣;V=［v1，v2，…，vn］是n × n 維正交矩陣;Σ =是mk × n 階矩 陣，其 中，S =diag(σ1，σ2，…，σn)是Rk的奇異值與0 組成的對角矩陣，σ1≥σ2≥…≥σr＞σr+1=…=σn=0，其中，大于0 的σi為Rk的奇異值。將(6)式代入(5)式并進(jìn)行變換得

設(shè)Y' =UTY，X'(0)=VTX(0)，分別表示觀測量和初始狀態(tài)的單位正交變換，則有

可見，可觀性矩陣的奇異值實際上表征了初始狀態(tài)到測量輸出的傳遞增益。將(8)式寫成標(biāo)量形式如(9)式所示:

當(dāng)σi較大時，相應(yīng)的狀態(tài)x'i(0)就能夠以較大的增益?zhèn)鬟f到測量值，使測量值中能夠包含較多的關(guān)于x'i(0)的信息，為x'i(0)的觀測提供了有利的條件，即相應(yīng)狀態(tài)的可觀性好。反之，如果σi較小甚至為0，狀態(tài)x'i(0)的信息無法有效傳遞到測量值中，自然就無法從測量值中觀測出相應(yīng)的初始狀態(tài)，即相應(yīng)的狀態(tài)可觀性較弱或者不可觀。

隨著干部網(wǎng)絡(luò)教育日漸發(fā)展壯大，學(xué)員人數(shù)增多，資源需求變大，技術(shù)要求更高，獨立的干部網(wǎng)絡(luò)教育部門很難兼顧所有工作，與第三方服務(wù)合作有助于更高效、更專業(yè)地開展工作。例如上海干部在線學(xué)習(xí)城就充分利用上海的信息服務(wù)行業(yè)，開展干部網(wǎng)絡(luò)教育的外包服務(wù)工作，以課程制作為例，年度課程建設(shè)工作分為規(guī)劃方創(chuàng)建計劃、干教處組織審核、制作方制作課程、審核方審核課程、上線前干教處組織終審，再最終發(fā)布并運維課程，整個過程與投標(biāo)并認(rèn)證后的第三方服務(wù)單位開展緊密的合作，最終也取得了很好的效果。

因此，奇異值的大小能夠有效地反應(yīng)系統(tǒng)狀態(tài)的可觀性。奇異值越大，相應(yīng)的狀態(tài)(狀態(tài)的線性組合)可觀性越好。

然而，在很多情況下，奇異值直接表征的是系統(tǒng)狀態(tài)線性組合的可觀性，而無法直接表示系統(tǒng)中某個具體狀態(tài)的可觀性。根據(jù)前面的定義萬德鈞等［4］、劉百奇等［5-6］提出，將vi中的最大的元素所對應(yīng)的系統(tǒng)狀態(tài)xk(k∈［1，2，…，n］)與σi形成對應(yīng)關(guān)系，用σi直接表征xk的可觀性。這實際上是一種近似的做法，當(dāng)vi中最大的元素遠(yuǎn)大于其他元素時，這種方法具有很好的近似程度。但是，當(dāng)vi中的最大元素的優(yōu)勢不明顯時，這種做法的合理性應(yīng)該值得商榷。

實際上，對于很多不完全可觀系統(tǒng)，通過正交變換，某個系統(tǒng)狀態(tài)信息可能同時映射到可觀性好的方向和可觀性不好的方向。這里借鑒概率分布理論，假設(shè)狀態(tài)xk(k∈［1，2，…，n］)的信息分別按照不同的概率μki(i∈［1，2，…，n］)映射到以X'(0)為基的狀態(tài)空間中，即

這里用狀態(tài)的范數(shù)(模)表示狀態(tài)信息，概率μki滿足(11)式:

根據(jù)(9)式，狀態(tài)xk的子信息的可觀性與σi直接相關(guān)。因此，利用概率分布的平均值思想，用奇異值表征的狀態(tài)xk的可觀性就可以表示如下:

這樣，通過~σk的大小就可以衡量狀態(tài)xk的可觀性。根據(jù)可觀性矩陣的奇異值與可觀性的關(guān)系，那些等效奇異值較大的狀態(tài)對應(yīng)的可觀性較好，反之可觀性較差。

2.2 彈載MEMS-INS 加GNSS 的組合效能分析

傳統(tǒng)的炮射火箭彈均飛行在拋物彈道下，根據(jù)發(fā)動機(jī)的工作狀態(tài)，可將彈道分為兩個階段:主動段和被動段;同時，根據(jù)制導(dǎo)與控制系統(tǒng)的作用，將火箭彈的飛行劃分為有控和無控兩種狀態(tài)。下面利用2.1 節(jié)推導(dǎo)的基于等效奇異值的可觀性分析方法，對某型炮射火箭彈無控和有控的典型彈道進(jìn)行可觀性分析。

搭載MEMS-INS/GNSS 組合導(dǎo)航系統(tǒng)的制導(dǎo)火箭彈，姿態(tài)測量精度往往是影響火箭彈制導(dǎo)精度的主要因素。因此，本文以火箭彈的姿態(tài)角為研究對象，分析在不同彈道條件下，3 個姿態(tài)角(滾轉(zhuǎn)角γ、俯仰角?、方位角ψ)的可觀性。

前文在地理坐標(biāo)系下，組建了以東、北、天失準(zhǔn)角等作為狀態(tài)的KF 系統(tǒng)。顯然，這里的天向失準(zhǔn)角φU與方位角誤差Δψ 具有小角度下的等效關(guān)系。因此，只要分析天向失準(zhǔn)角的可觀測特性，就能夠知道方位角的可觀性。另外，為了能夠直觀地研究滾轉(zhuǎn)角和俯仰角的可觀特性，必須將上述的KF 方程進(jìn)行結(jié)構(gòu)變換，在其他狀態(tài)變量不變的條件下，在準(zhǔn)彈體坐標(biāo)系下建立失準(zhǔn)角狀態(tài)方程。本文中，準(zhǔn)彈體坐標(biāo)系選取方式如下:坐標(biāo)原點O 在導(dǎo)彈質(zhì)心上，x 軸為彈體縱軸，指向彈頭方向為正，y 軸在鉛垂面內(nèi)，與x 軸垂直，向上為正，z 軸與另外兩軸構(gòu)成右手坐標(biāo)系。變換后的KF 狀態(tài)變量如下:

這樣，x 軸失準(zhǔn)角φx與滾轉(zhuǎn)角誤差Δγ 具有小角度下的等效關(guān)系，z 軸失準(zhǔn)角φz與俯仰角誤差Δ? 具有小角度下的等效關(guān)系。這樣，通過分析上述兩種形式的KF 系統(tǒng)狀態(tài)的可觀性，就能夠直接得到3 個姿態(tài)角的可觀性。

可觀性是系統(tǒng)在整個時域上的特性，表征的是系統(tǒng)利用包括當(dāng)前時刻在內(nèi)的所有已知觀測值，估計初始狀態(tài)的能力。由于系統(tǒng)參數(shù)在整個彈道上具有慢變的特性，所以在組合時間點，將系統(tǒng)參數(shù)凍結(jié)，視為線性定常系統(tǒng)，然后單獨分析此段的可觀性。這樣就等同于將系統(tǒng)的初始時刻按照濾波節(jié)奏不斷地進(jìn)行順延，只分析當(dāng)前濾波時段的可觀性。這種處理方式對于狀態(tài)反饋式組合導(dǎo)航系統(tǒng)來講具有合理性。

3 種典型彈道分別為無控彈道、俯仰機(jī)動彈道和偏航機(jī)動彈道。有控彈道的機(jī)動時間段均在10 ～24 s 之間，機(jī)動過程的橫向過載曲線如圖2 所示。利用等效奇異值法分析得到的3 個姿態(tài)角誤差Δγ、Δ?、Δψ 在不同彈道條件下的可觀性如下:

1)滾轉(zhuǎn)角誤差Δγ 的可觀性如圖3 所示，從中可以看出，在彈體沒有發(fā)生機(jī)動時，Δγ 的等效奇異值很小，接近于0，因此，在這些情況下Δγ 是不可觀的，如果不考慮噪聲的影響，卡爾曼濾波器不能正確估計出Δγ. 當(dāng)載體產(chǎn)生機(jī)動時，隨著法向過載的增大，Δγ 的可觀性明顯增大，從理論上來講，這些時段卡爾曼濾波器應(yīng)該能夠?qū)Ζう?進(jìn)行正確的估計。

圖2 有俯仰或者偏航機(jī)動時的橫向加速度Fig.2 The acceleration curve during pitch or yaw maneuvering

圖3 用等效奇異值表示的Δγ 的可觀性變化曲線Fig.3 The observability curves of Δγ

2)俯仰角誤差Δ? 的可觀性如圖4 所示，從中可以看出，Δ? 在飛行全程都有較大的等效奇異值，俯仰機(jī)動會在一定程度上增大Δ? 的可觀程度。由于炮射火箭彈的彈道特性，在飛行全程，加速度主要分布在彈體縱軸上，通過分析圖4 中的曲線，Δ? 的可觀性基本上與軸向加速度呈正比。

圖4 用等效奇異值表示的Δ? 的可觀性變化曲線Fig.4 The observability curves of Δ?

3)方位角誤差Δψ 的可觀性如圖5 所示，Δψ的可觀性基本上與Δ? 類似，偏航機(jī)動會增加Δψ的可觀測程度，而俯仰機(jī)動對Δψ 的影響則與彈體俯仰角存在一定的關(guān)系。

圖5 用等效奇異值表示的Δψ 的可觀性變化曲線Fig.5 The observability curves of Δψ

從以上的分析可以發(fā)現(xiàn)，垂直于Euler 角方向的加速度越大，相應(yīng)的Euler 角偏差的可觀性也就越好。

3 仿真分析

利用上述3 種彈道，進(jìn)行組合導(dǎo)航分析，通過在相應(yīng)的姿態(tài)角上人為施加一定的偏差，然后，考察組合系統(tǒng)對姿態(tài)偏差的估計情況，仿真條件如下:

無控飛行彈道的總時間為106.8 s，有控飛行比無控飛行時間短1 s，彈體機(jī)動的時間段為10 ～22 s.主動段持續(xù)時間為4.5 s，不進(jìn)行組合導(dǎo)航解算。在5 s 時刻，分別在相應(yīng)的姿態(tài)上人為加入5°的姿態(tài)角誤差，從5.1 s 開始進(jìn)行組合導(dǎo)航，每0.1 s 一個節(jié)拍，卡爾曼濾波器進(jìn)行測量更新，然后，將所有狀態(tài)的最優(yōu)估計值反饋到MEMS-INS 系統(tǒng)中進(jìn)行校正。3 種彈道條件下的姿態(tài)角誤差濾波結(jié)果如下:

1)滾轉(zhuǎn)角偏差Δγ 在不同彈道下的濾波結(jié)果如圖6 所示，從圖中可以發(fā)現(xiàn)，在彈體沒有機(jī)動時Δγ 幾乎不收斂，當(dāng)彈體開始機(jī)動時，Δγ 則能迅速收斂。這與前面分析的滾轉(zhuǎn)角誤差的可觀性是一致的。

圖6 3 種彈道下Δγ 的最優(yōu)估計結(jié)果Fig.6 Δγ curves in three trajectories

2)俯仰角誤差Δ? 在不同彈道下的濾波結(jié)果如圖7 所示。Δ? 在組合開始的幾個節(jié)拍內(nèi)迅速收斂。在前面分析Δ? 的可觀性時發(fā)現(xiàn)，由于彈道初始段軸向加速度較大，Δ? 的可觀性較好，當(dāng)彈體軸向加速度減小時，Δ? 的可觀性也開始變差。同時，在最初的迅速收斂之后，Δ? 又開始緩慢變大，這與系統(tǒng)建模的誤差也有一定的關(guān)系。當(dāng)彈體有俯仰機(jī)動時，Δ? 的發(fā)散會得到抑制(如圖7 中點劃線所示)。

圖7 3 種彈道下Δ? 的最優(yōu)估計結(jié)果Fig.7 Δ? curves in three trajectories

3)方位角誤差Δψ 在不同彈道下的濾波結(jié)果如圖8 所示。與Δ? 類似，Δψ 很快收斂，但是卻出現(xiàn)了類似于控制系統(tǒng)中的超調(diào)現(xiàn)象。另外，在仿真中發(fā)現(xiàn)，當(dāng)Δψ 快速收斂過程中，Δγ 會增大，增大的速度與Δψ 收斂的速度呈正比。也就是說，在只存在軸向加速度的情況下，Δψ 的估計會帶來Δγ 的錯誤估計。這是因為，在這種情況下不存在法向加速度，Δγ 本身的可觀性較弱，同時，在仿真中，方位角誤差收斂時，俯仰角為35°左右，此時，滾轉(zhuǎn)角與方位角存在動態(tài)耦合，Δψ 的變化會引起Δγ 的錯誤估計。這種現(xiàn)象如圖9 所示，從圖中可以發(fā)現(xiàn)，如果彈體發(fā)生機(jī)動，則由于錯誤估計導(dǎo)致的滾轉(zhuǎn)角偏差會收斂，這與之前分析的滾轉(zhuǎn)角可觀性規(guī)律相符。

圖8 3 種彈道下Δψ 的最優(yōu)估計結(jié)果Fig.8 Δψ curves in three trajectories

圖9 由于角度動態(tài)耦合引起的Δγ 的錯誤估計Fig.9 Fault estimation of Δγ caused by coupling with azimuth

4 結(jié)論

在奇異值法分析可觀性的基礎(chǔ)上，定義了狀態(tài)等效奇異值這一概念，來作為系統(tǒng)狀態(tài)可觀性的度量標(biāo)準(zhǔn)。應(yīng)用此方法，重點分析了炮射火箭彈的姿態(tài)角誤差在典型彈道下的可觀性變化趨勢，仿真結(jié)果與可觀性的分析結(jié)果具有一致性。

通過分析以及仿真，對于炮射火箭彈飛行時姿態(tài)角誤差的可觀性，可得到如下結(jié)論:俯仰角誤差的可觀性主要受軸向過載的影響，軸向過載越大，可觀性越好;方位角誤差的可觀性則與彈體的水平過載直接相關(guān)，水平過載越大，可觀性越好;滾轉(zhuǎn)角誤差則只與彈體的法向過載相關(guān)，法向過載越大，可觀性越好。最后得到一致結(jié)論:垂直于Euler 角方向的加速度越大，相應(yīng)的Euler 角偏差的可觀性越好。

References)

［1］Maessen D C，Gill E K A. Relative state estimation and observability analysis for formation flying satellites［J］. Journal of Guidance，Control，and Dynamics，2012，35(1):312 -326.

［2］Meskin G，Itzhack B. Observability analysis of piece-wise constant systems［J］. IEEE Transactions on Aerospace and Electronic System，1992，28(4):1056 -1075.

［3］Kong Xingwei，Guo Meifeng，Dong Jingxin. An improved PWCS approach on observability analysis of linear time-varying system［C］∥Proceedings of 2009 Chinese Control and Decision Conference. Guilin，China:IEEE，2009，761 -765.

［4］萬德鈞，房建成. 慣性導(dǎo)航初始對準(zhǔn)［M］. 南京:東南大學(xué)出版社，1998.WAN De-jun，F(xiàn)ANG Jian-cheng. Initial alignment of inertial navigation［M］. Nanjing:Southeast University Press，1998. (in Chinese)

［5］劉百奇，房建成. 一種基于可觀測度分析的SINS/GPS 自適應(yīng)反饋濾波校正新方法［J］. 航空學(xué)報，2008，29(2):430 -435.LIU Bai-qi，F(xiàn)ANG Jian-cheng. A new adaptive feedback Kalman filter based on observability analysis for SINS/GPS［J］. Acta Aeronautica et Astronautica Sinica，2008，29(2):430 - 435.(in Chinese)

［6］劉百奇，房建成. 一種基于可觀測度分析的SINS/GPS 空中對準(zhǔn)新方法［J］. 系統(tǒng)仿真學(xué)報，2008，20(16):4302 - 4305，4348.LIU Bai-qi，F(xiàn)ANG Jian-cheng. Novel in-flight alignment based on observability analysis for SINS/GPS［J］. Journal of System Simulations，2008，20(16):4302 -4305，4348. (in Chinese)

［7］施桂國，周軍，葛致磊. 基于無跡卡爾曼濾波的巡航導(dǎo)彈地磁自主導(dǎo)航方法［J］. 兵工學(xué)報，2008，29(9):1088 -1093.SHI Gui-guo，ZHOU Jun，GE Zhi-lei. Geomagnetic autonomous navigation technology of cruise missile based on the unscented Kalman filter［J］. Acta Armamentarii，2008，29(9):1088 -1093.(in Chinese)

［8］宋峰，張奕群. 星光大氣折射觀測導(dǎo)航方法可觀性研究［J］.現(xiàn)代防御技術(shù)，2012，40(2):65 -70，81.SONG Feng，ZHANG Yi-qun.Research on observability of navigation approach using starlight refraction measurements［J］. Modern Defence Technology，2012，40(2):65 -70，81. (in Chinese)

［9］Feng Zhihua，Jiang Weiwei. Research of rapid transfer alignment and observability analysis［C］∥2nd International Conference on Intelligent Control and Information Processing (ICICIP). Harbin，China:IEEE，2011:204 -207.

［10］Lu Hongqian，Li Mingming. Observability of Geomagnetism/GPS/SINS integration during maneuvers［C］∥2011 3rd International Conference on Advanced Computer Control (ICACC 2011). Shanghai，China:IEEE，2011:604 -609.

［11］LIU Zhiping，YU Fan. Observability analysis and simulation of integrated navigation system during maneuver［C］∥The 30th Chinese Control Conference. Yantai，China:Shandon University and Yantai University，2011:3679 -3682.

［12］Sinpyo Hong，Man Hyung Lee. Observability of error states in GPS/INS Integration［J］. IEEE Transactions on Vehicular Technology，2005，54(2):731 -743.

［13］蘆佳振，張春熹，彥廷洋. 應(yīng)用卡爾曼濾波的線性系統(tǒng)可觀測度實時估計算法［J］. 宇航學(xué)報，2009，30(3):982 -987.LU Jia-zhen，ZHANG Chun-xi，YAN Ting-yang. A real time estimation method of degree of observability for linear system using Kalman filter［J］. Journal of Astronautics，2009，30(3):982 -987. (in Chinese)

［14］Li Maodeng，Wang Dayi. Study on the observability analysis based on the trace of error convariance matrix for spacecraft autonomous navigation［C］∥10th IEEE International Conference on Control and Automation (ICCA). Hangzhou，China:IEEE，2013:95 -98.

［15］Bageshwar V L，Demoz G E，Garrard W L，et al. A stochastic observability test for discrete-time Kalman filters［J］. Journal of Guidance，Control，and Dynamics，2009，32(4):1356 -1370.

［16］Sinpyo Hong，Ho-Hwan Chun. Observability measures and their application to GPS/INS［J］. IEEE Transactions on Vehicular Technology，2008，57(1):97 -106.

［17］Tang Yonggang，Wu Yuanxin，Wu Wenqi. INS/GPS integration:global observability analysis［J］. IEEE Transactions on Vehicular Technology，2009，58(3):1129 -1142.

［18］Titerton D H，Weston J L. Strapdown inertial navigation technology［M］. 2nd ed. UK:The Institution of Electrical Engineers，2006.