王进达 鲁浩 程海彬 李群生

摘要：針对传统PCA-ELM（主元分析-极限学习机）算法分类效果稳定性差和准确率不高等问题，结合弹载组合导航系统卡尔曼滤波器，提出一种改进PCA-ELM故障检测方法。首先，分析了PCA算法负载矩阵与卡尔曼滤波新息协方差矩阵的关系，构造新的权系数矩阵，并引入极限学习机对权系数矩阵进行参数优化，将参数优化后的负载矩阵进行故障分析。最后，将该算法首次应用于弹载组合导航系统。仿真实验表明，在检测斜坡型故障方面，检测速度和检测正确率均优于传统PCA，MSS（多子集分离法）及AIME（自主完好性外推法）算法。

关键词：神经网络;PCA-ELM;卡尔曼滤波;组合导航;故障检测;智能化

中图分类号：TJ760;TP18文献标识码：A文章编号：1673-5048（2019）01-0089-06[SQ0]

0引言

弹载组合导航系统故障检测因其实时性、可靠性要求较高，是目前导航领域的研究热点[1]。其研究方法目前主要集中在三个方面：基于人工智能检测方法、基于滤波器检测方法和基于数据驱动的检测方法。基于人工智能检测方法如对神经网络[2]、遗传算法[3]等进行改进，基于滤波器检测方法如强跟踪滤波[4]、联邦滤波[5]等，基于数据驱动检测方法如状态卡方检验[6]、多子集分离法（MSS，MultiSubsetSeparation）[7]、自主完好性外推法（AIME，AutonomousIntegrityMonitoringExtrapolation）[8]等。

而这些方法都存在不同程度的缺陷，基于人工智能方法的主要缺陷在于计算复杂度较高，实际应用效果较差;基于滤波器方法是在导航滤波器的基础上改进而来，严重依赖滤波器的稳定性，而基于数据驱动方法应用较多，但相比之下故障误判率较高。……