CN108073742B - 基于改进粒子滤波算法的拦截导弹末段飞行状态估计方法 - Google Patents

Abstract

本发明提供一种基于改进粒子滤波算法的拦截导弹末段飞行状态估计方法，包括：根据拦截导弹的运动特性建立拦截导弹末制导运动模型；根据导引头获取的测量距离和角度信息建立飞航导弹导引头对拦截导弹的测量模型；选择观测值的协方差作为重要性密度函数，采用基于高斯核密度的正则方法改进重要性密度函数；相对于传统的常速、常加速模型，拦截导弹的运动模型增加了制导控制环节，突出体现拦截导弹的拦截特性，模型的精确性有利于粒子滤波精度的提高。

Description

基于改进粒子滤波算法的拦截导弹末段飞行状态估计方法

技术领域

本发明涉及导弹攻防对抗建模与武器装备体系作战效能分析与评估领域，尤其涉及一种基于改进粒子滤波算法的拦截导弹末段飞行状态估计方法。

背景技术

机动突防可以减少飞行器对隐身、低空、远程发射的技术需求等，各国研究学者对其相关的策略设计、制导、控制等关键技术展开热烈讨论与深入研究。现有研究均是基于拦截导弹飞行信息可精确获取的前提下完成，尽管微分对策的方法实现了拦截参数未知时的突防制导指令求解，但由于微分对策存在过于保守的缺点导致机动突防所需的能量消耗较大，不利于工程实现。

状态估计属于滤波问题，现有研究成果包括卡尔曼滤波KF、扩展卡尔曼滤波EKF、无迹卡尔曼滤波UKF、粒子滤波PF。KF由于结构简单易于实现，最早应用于目标跟踪中，但仅适用于线性高斯系统的滤波。为扩展KF在非线性系统的应用，EKF法通过泰勒级数展开法将非线性系统进行线性化改进，以解决非线性滤波问题，通常仅选择一阶EKF以降低计算量，但易导致精度较差且易发散。

粒子滤波是N.J.Gordon基于贝叶斯理论和蒙特卡洛采样提出的，为解决非线性非高斯问题而产生，且滤波性能卓越。其主要思想是使用带权值的随机粒子近似前一时刻的系统后验概率密度，在状态转移模型的基础上预测当前时刻的状态先验概率密度，并采用当前时刻的观测值修正当前时刻状态的后验密度。粒子滤波为解决非线性、非高斯滤波问题提供了有效的方法，但重要性密度函数的选取和重采样方案的设计是粒子滤波的两大难题，制约了滤波的精度及收敛性。

发明内容

在下文中给出关于本发明的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分，也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。

为解决上述问题，本发明提出一种基于改进粒子滤波算法的拦截导弹末段飞行状态估计方法。

一种基于改进粒子滤波算法的拦截导弹末段飞行状态估计方法，包括：

根据拦截导弹的运动特性建立拦截导弹末制导运动模型；

根据导引头获取的测量距离和角度信息建立飞航导弹导引头对拦截导弹的测量模型；

选择观测值的协方差作为重要性密度函数，采用基于高斯核密度的正则方法改进重要性密度函数。

本发明提供的基于改进粒子滤波算法的拦截导弹末段飞行状态估计方法，相对于传统的常速、常加速模型，拦截导弹的运动模型增加了制导控制环节，突出体现拦截导弹的拦截特性，模型的精确性有利于粒子滤波精度的提高。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的基于改进粒子滤波算法的拦截导弹末段飞行状态估计方法一种实施例的流程图。

图2为本发明提供的基于改进粒子滤波算法的拦截导弹末段飞行状态估计方法中计算攻角和侧滑角的流程图。

图3为本发明提供的基于改进粒子滤波算法的拦截导弹末段飞行状态估计方法中粒子滤波算法流程图。

具体实施方式

下面参照附图来说明本发明的实施例。在本发明的一个附图或一种实施方式中描述的元素和特征可以与一个或者更多个其他附图或实施方式中示出的元素和特征相结合。应当注意，为了清楚目的，附图和说明中省略了与本发明无关的、本领域普通技术人员已知的部件和处理的表示和描述。

参考图1，本实施例提供一种基于改进粒子滤波算法的拦截导弹末段飞行状态估计方法，包括：

步骤S101，根据拦截导弹的运动特性建立拦截导弹末制导运动模型；

步骤S102，根据导引头获取的测量距离和角度信息建立飞航导弹导引头对拦截导弹的测量模型；

步骤S103，选择观测值的协方差作为重要性密度函数，采用基于高斯核密度的正则方法改进重要性密度函数。

精确的系统模型是参数辨识和跟踪预测的重要保障，因此，先通过分析拦截导弹在末制导段的工作原理，以装备主动雷达导引头并采用比例导引律的拦截导弹为例，建立同时含有飞行特性和控制特性的拦截导弹末制导运动模型。

由于此模型的状态除与自身参数有关，还受飞航导弹的运动影响，因此，其非线性较强。

进一步地，拦截导弹末制导运动模型如下：

其中，[x y z v θ ψ_c m]^T分别表示拦截弹的位置在三个方向的分量、速度、弹道倾角、弹道偏角及导弹质量；P为拦截弹的推力，假设末制导段推力为常值；I_s为推进剂的比冲；F_xv,F_yv,F_zv为拦截弹速度系下的气动力。

参考图2，计算所需的等效攻角α_c和侧滑角β_c，由拦截弹的指令加速度a_{y_cmd},a_{z_cmd}决定。

假设拦截弹采用真比例导引法，则指令加速度为：

其中，K为比例系数；

分别为相对速度、视线高低角角速度、视线方位角角速度，由拦截导弹制导计算机根据导引头的探测信息R,q_ε,q_β计算得到。

自动驾驶仪根据指令加速度由牛顿迭代算法获得指令攻角α_cmd和侧滑角β_cmd，并在简化的二阶舵环节后形成实际等效攻角α_c和侧滑角β_c。

因此，改进拦截弹的飞行状态方程为：

进一步地，将惯性系下视线矢量转到速度系下，得到：

则速度系下的飞航导弹测量模型如下：

其中，R_v、q_εv、q_βv分别为速度系下拦截弹与飞航导弹的相对距离、视线的高低角和方位角；ΔR、Δq_ε、Δq_β为拦截导弹导引头的测量噪声特性。

进一步地，参考图3，选择观测值的协方差作为重要性密度函数，采用基于高斯核密度的正则方法改进重要性密度函数，包括：

依次计算每个粒子i第k次观测矢量与实际观测值的偏差，记

设其权重

并进行归一化

计算粒子估计状态值X_estimate(i)的协方差矩阵S，并由A'A＝S求解A阵；

定义后验粒子的范围及更新步长：

X_reg(1)＝min(X_estimate(i))-std(X_estimate(i))

X_reg(N_reg)＝max(X_estimate(i))+std(X_estimate(i))

dX＝(X_reg(N_reg)-X_reg(1))/(N_reg-1)；

更新后验粒子：X_reg(i)＝X_reg(i-1)+dX

定义高斯核密度：

定义阈值：

normX_ij＝norm(A^-1*(X_reg(j)-X_estimate(i)))；

其中，j＝1,...,N_reg，i＝1,...,N_p；

当阈值小于高斯核密度时，更新后验概率密度：

归一化后验概率密度：

根据后验概率密度进行重采样。

对采样粒子进行粗糙化：

x'_resample＝x_resample+N(0,σ²)；

其中，σ由前一时刻N_p个粒子估计的系统状态X_estimate决定：

E＝(max(X_estimate)-min(X_estimate))/2

k为调整系数，k∈(0,1)。

本发明提供的基于改进粒子滤波算法的拦截导弹末段飞行状态估计方法，相对于传统的常速、常加速模型，拦截导弹的运动模型增加了制导控制环节，突出体现拦截导弹的拦截特性，模型的精确性有利于粒子滤波精度的提高。采用正则粒子滤波法从连续近似分布中采样，使粒子多位于后验概率分布的中部，从而实现粒子权值变化趋于稳定。通过粗糙化重采样粒子，实现增加重采样粒子多样性的功能，改进的粒子滤波可以很好地抑制“粒子衰竭”现象的发生。

虽然已经详细说明了本发明及其优点，但是应当理解在不超出由所附的权利要求所限定的本发明的精神和范围的情况下可以进行各种改变、替代和变换。而且，本申请的范围不仅限于说明书所描述的过程、设备、手段、方法和步骤的具体实施例。本领域内的普通技术人员从本发明的公开内容将容易理解，根据本发明可以使用执行与在此所述的相应实施例基本相同的功能或者获得与其基本相同的结果的、现有和将来要被开发的过程、设备、手段、方法或者步骤。因此，所附的权利要求旨在它们的范围内包括这样的过程、设备、手段、方法或者步骤。

Claims (1)

1.一种基于改进粒子滤波算法的拦截导弹末段飞行状态估计方法，其特征在于，包括：

根据拦截导弹的运动特性建立拦截导弹末制导运动模型；

所述拦截导弹末制导运动模型如下：

其中，[x y z v θ ψ_c m]^T分别表示拦截弹的位置在三个方向的分量、速度、弹道倾角、弹道偏角及导弹质量；P为拦截弹的推力，假设末制导段推力为常值；I_s为推进剂的比冲；F_xv,F_yv,F_zv为拦截弹速度系下的气动力；

自动驾驶仪根据指令加速度由牛顿迭代算法获得指令攻角α_cmd和侧滑角β_cmd，并在简化的二阶舵环节后形成实际等效攻角α_c和侧滑角β_c；

因此，改进拦截弹的飞行状态方程为：

根据导引头获取的测量距离和角度信息建立飞航导弹导引头对拦截导弹的测量模型；

将惯性系下视线矢量转到速度系下，得到：

速度系下的飞航导弹测量模型如下：

其中，R_v、q_εv、q_βv分别为速度系下拦截弹与飞航导弹的相对距离、视线的高低角和方位角；ΔR、Δq_ε、Δq_β为拦截导弹导引头的测量噪声特性；

选择观测值的协方差作为重要性密度函数，采用基于高斯核密度的正则方法改进重要性密度函数；步骤包括：

依次计算每个粒子i第k次观测矢量与实际观测值的偏差，记

设其权重

并进行归一化

计算粒子估计状态值X_estimate(i)的协方差矩阵S，并由A'A＝S求解A阵；

定义后验粒子的范围及更新步长：

X_reg(1)＝min(X_estimate(i))-std(X_estimate(i))

X_reg(N_reg)＝max(X_estimate(i))+std(X_estimate(i))

dX＝(X_reg(N_reg)-X_reg(1))/(N_reg-1)；

更新后验粒子：X_reg(i)＝X_reg(i-1)+dX

定义高斯核密度：

定义阈值：

normX_ij＝norm(A^-1*(X_reg(j)-X_estimate(i)))；

其中，j＝1,...,N_reg，i＝1,...,N_p；

当阈值小于高斯核密度时，更新后验概率密度：

归一化后验概率密度：

根据后验概率密度进行重采样；

对采样粒子进行粗糙化：

x'_resample＝x_resample+N(0,σ²)；其中，σ由前一时刻N_p个粒子估计的系统状态X_estimate决定：

E＝(max(X_estimate)-min(X_estimate))/2

k为调整系数，k∈(0,1)。

Images