CN109976380A - 基于卡尔曼滤波估计的隔离度辨识校正方法及系统 - Google Patents
基于卡尔曼滤波估计的隔离度辨识校正方法及系统 Download PDFInfo
- Publication number
- CN109976380A CN109976380A CN201910251508.1A CN201910251508A CN109976380A CN 109976380 A CN109976380 A CN 109976380A CN 201910251508 A CN201910251508 A CN 201910251508A CN 109976380 A CN109976380 A CN 109976380A
- Authority
- CN
- China
- Prior art keywords
- sight
- line
- angular
- target seeker
- rate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000002955 isolation Methods 0.000 title claims abstract description 76
- 230000001133 acceleration Effects 0.000 claims abstract description 56
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000012937 correction Methods 0.000 claims abstract description 13
- 239000000284 extract Substances 0.000 claims abstract description 11
- 238000001914 filtration Methods 0.000 claims description 43
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 230000000007 visual effect Effects 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 11
- 238000013016 damping Methods 0.000 claims description 9
- 230000004069 differentiation Effects 0.000 claims description 6
- 230000008901 benefit Effects 0.000 claims description 5
- 230000002452 interceptive effect Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003071 parasitic effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000007630 basic procedure Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000314 lubricant Substances 0.000 description 1
- 238000010010 raising Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/107—Simultaneous control of position or course in three dimensions specially adapted for missiles
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Aiming, Guidance, Guns With A Light Source, Armor, Camouflage, And Targets (AREA)
Abstract
本发明提供了一种基于卡尔曼滤波估计的隔离度辨识校正方法及系统,该方法包括将干扰力矩的影响视为干扰角加速度,采用线性卡尔曼滤波估计干扰角加速度,通过干扰角加速度获得附加视线角速度,由导引头中提取的视线角速度中去除附加视线角速度,完成隔离度补偿。本发明中隔离度补偿方案不需要关注干扰力矩模型的具体形式,降低了隔离度在线辨识校正的时间;采用线性卡尔曼滤波可准确估计出干扰力矩的影响即干扰角加速度,从而减小了隔离导致的提取制导信号的误差。
Description
技术领域
本发明属于导弹控制领域,涉及隔离度在线辨识校正,特别涉及一种基于卡尔曼滤波估计的隔离度辨识校正方法及系统。
背景技术
以精确制导武器为主的现代战场对导引头的精度提出较高要求,需要导引头在完成目标的自主识别跟踪的情况下,提供高精度的视线角速度信息。导引头作为对空拦截导弹的核心分系统,其探测、制导性能直接决定着导弹的拦截精度。
导引头为驾驶仪的控制提供视线角及视线角速度指令(本发明中视线角是指弹目视线角;视线角速度是指弹目视线角速度),进而影响弹体姿态运动。作为描述弹体姿态与导引头特性耦合的隔离度成为了导引头与制导控制系统结合的重要指标。导引头隔离度代表了对弹体扰动的隔离性能,其主要由干扰力矩(包括弹簧力矩、库仑力矩和粘滞阻尼力矩)产生。其中,弹簧力矩是指稳定平台框架相对于弹体发生相对运动时,导线由于拉扯而发生变形,进而产生弹簧力矩对框架的运动产生阻碍;库伦力矩是一种非线性干扰力矩,由导引头平台相对弹体的转动方向来决定;粘滞阻尼力矩与导引头平台链接部件的润滑剂的粘性有关,它与导引头平台相对弹体的转动角速度成正比。隔离度越大则导引头隔离弹体扰动的能力越低。由于干扰力矩引起的隔离度对导引头的输出产生严重的影响,为了减小其影响,降低寄生回路引起的脱靶量,隔离度的抑制技术成为了导引头的重要研究方向。
平台导引头如图1所示,其与捷联导引头是导引头的两种常用类型。由于隔离度问题是稳定平台固然存在的,技术人员对隔离度抑制进行了研究。目前,从机械工艺角度出发,有通过采用导线柔滑提高装配精度等手段(徐娇,王江,宋韬,胡宽容.基于扰动观测器的导引头隔离度抑制方法研究[J].兵工学报,2014,11(5):1790-1798.)。从控制系统设计角度出发,可以提高稳定回路带宽或者干扰力矩估计补偿的方式减隔离度幅值。但是,由于受到导引头力矩电机、角速率陀螺等硬件限制,稳定回路带宽不能设计无限大,一般为15Hz~30Hz。Yu.S(Simulation Study on A Friction Compensation Method for TheInertial Platform Based on The Disturbance Observer[J].Proceedings of TheInstitution of Mechanical Engineers Part G-Journal of Aerospace Engineering,2008,222(3):341-346.)、Ying Wang(Robust Controller Based on FrictionCompensation and Disturbance Observer for A Motion Platform Driven by ALinear Motor[J].Proceedings of The Institution of Mechanical Engineers,Part1:Journal of Systems and Control Engineering,2006,220:33-39.)和Chun-Liang Lin(Adaptive Feedforward Control for Disturbance Torque Rejection in SeekerStabilizing Loop[J].IEEE Transactions on Control Systems Technology,2001,9(1):108-121.)则是基于干扰力矩模型,对干扰力矩系数进行估计,从而利用干扰力矩模型对视线角速度进行补偿,但是由于估计和补偿算法较为复杂,其所需的估计时间较长,在导弹末导时间较短时,很难达到效果。
由于上述原因,本发明人对现有的隔离度抑制问题做了深入研究,以期待设计出一种能够解决上述问题的,算法简单、辩证校正耗时短、可有效降低导弹脱靶量的隔离度辩证校正方法。
发明内容
为了克服上述问题,本发明人进行了锐意研究,为了实现导引头隔离度在线补偿问题,并结合引起导引头隔离的干扰力矩为高度非线性不确定因素,故而提出采用基于稳定回路模型的卡尔曼滤波估计干扰角加速度,根据导引头动力学模型估计出由干扰角加速度导致的附加视线角速度,并通过附加视线角速度对导引头视线角速度输出信号进行补偿,得到估计的视线角速度,完成隔离度辨识校正流程。通过仿真分析不同制导信号提取点的补偿方法,验证了该估计补偿方案的有效性,为隔离度在线估计补偿提供技术储备,从而完成本发明。
具体来说,本发明的目的在于提供以下技术方案:
(1)一种隔离度辨识校正方法,该方法包括将干扰力矩的影响视为干扰角加速度,采用线性卡尔曼滤波估计干扰角加速度,通过干扰角加速度获得附加视线角速度,由导引头中提取的视线角速度中去除附加视线角速度,完成隔离度补偿。
具体地,该方法包括以下步骤:
步骤1),基于导引头稳定回路模型,建立卡尔曼滤波状态方程和卡尔曼滤波量测方程,获得卡尔曼滤波参数以作为线性卡尔曼滤波算法中的输入;
步骤2),根据输入的电机指令信号UΔ和角速率陀螺输出信号采用线性卡尔曼滤波估计出干扰力矩引起的干扰角加速度然后根据导引头动力学模型估计出由干扰力矩导致的附加视线角速度,最后再对导引头视线角速度输出信号进行补偿,得到估计的视线角速度。
在一种优选的实施方式中,步骤1)中,卡尔曼滤波器状态变量为式(1.1):
其中,为稳定回路输出的弹目视线角速度;为干扰角加速度;为导引头在角速率陀螺处提取的弹目视线角速度;为弹目视线角加速度。
卡尔曼滤波状态方程可表述为式(1.5):
其中,K2表示稳定回路等效增益;J表示电机转动惯量;ξgy表示角速度陀螺动力学阻尼系数;ωgy表示速度陀螺动力学自然频率;w为高斯白噪声。
在一种优选的实施方式中,步骤1)中,选取导引头平台角速率陀螺输出的视线角速度作为线性卡尔曼滤波的输入,卡尔曼滤波量测方程为式(1.13):
Z=HX+v (1.13)
其中,v为量测噪声;X为卡尔曼滤波器状态变量;量测矩阵H为H=[0 0 1 0]T。
在一种优选的实施方式中,步骤1)中还包括卡尔曼滤波初值装订步骤:卡尔曼滤波器状态变量的初始值写为式(1.16):
式(1.16)中,表示弹目视线角速度初值的估测值。
在一种优选的实施方式中,步骤2)中,当由稳定回路指令处提取视线角速度时,根据式(2.1)导引头动力学模型估计出由干扰力矩引起的角加速度导致的附加视线角速度再对导引头视线角速度输出信号进行补偿;
当由角速度陀螺处提取视线角速度时,根据式(2.2)导引头动力学模型估计出由干扰力矩引起的角加速度导致的附加视线角速度再对导引头视线角速度输出信号进行补偿;
其中,K1表示跟踪回路等效增益;K2表示稳定回路等效增益;kg表示角速率陀螺等效增益;s表示微分环节。
(2)一种隔离度辨识校正系统,该系统将干扰力矩的影响视为干扰角加速度,采用线性卡尔曼滤波估计干扰角加速度,通过干扰角加速度获得附加视线角速度,由导引头中提取的视线角速度中去除附加视线角速度,完成隔离度补偿;
优选地,该系统包括:
参数提取模块,用于获得估计出干扰角加速度的相关参数,包括作为线性卡尔曼滤波算法输入的卡尔曼滤波参数,电机指令信号UΔ和角速率陀螺输出信号
干扰角加速度获取模块,根据参数提取模块获得的相关参数,采用线性卡尔曼滤波算法估计出干扰角加速度
视线角速度补偿模块,根据干扰角加速度和导引头动力学模型估计出由干扰力矩导致的附加视线角速度,再对导引头视线角速度输出信号进行补偿,得到估计的视线角速度。
本发明提供的基于卡尔曼滤波估计的隔离度辨识校正方法及系统,所具有的有益效果包括:
本发明中方法不需要关注干扰力矩模型的具体形式,只需要较为稳定的准确的动力学模型即可实施,降低了隔离度在线辨识校正的时间;采用线性卡尔曼滤波可准确估计出干扰力矩的影响即干扰角加速度,从而减小了隔离导致的提取制导信号的误差,通过仿真分析不同制导信号提取点的补偿方法,验证了该估计补偿方案的有效性,为隔离度在线估计补偿提供了技术储备。
附图说明
图1示出平台导引头结构简图;
图2a示出跟踪回路和稳定回路结构示意图;图2b示出导引头稳定回路结构示意图;
图3示出隔离度补偿方案示意图;
图4a示出正弦扰动及扰动估计对比图,图4b示出有色噪声扰动及扰动估计对比图;
图5示出弹目视线角速度干扰角加速度为正弦扰动1o/s2时,对视线角速度进行补偿结果图;
图6示出弹目标视线角速度时,分别添加如图4所示的正弦扰动和有色噪声扰动时,对视线角速度进行补偿结果图;
图7示出实施例2中在粘滞阻尼力矩干扰下的估计结果;
图8示出实施例2中在弹簧力矩干扰下的估计结果;
图9示出在粘滞阻尼力矩干扰时,隔离度在线补偿的脱靶量随末制导飞行时间的变化曲线;
图10示出在弹簧力矩干扰时,隔离度在线补偿的脱靶量随末制导飞行时间的变化曲线。
具体实施方式
下面通过附图和实施例对本发明进一步详细说明。通过这些说明,本发明的特点和优点将变得更为清楚明确。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
由于导引头隔离度的存在,使得导引头输出视线角速度由变为即在弹体姿态扰动下输出了与弹体姿态相关的附加视线角速度或者说导引头输出视线角速度中增加了干扰力矩引起的附加视线角速度而合成的视线角速度进一步通过制导律和自动驾驶仪对弹体飞行状态产生影响,从而形成了由隔离度引起的制导控制系统的隔离度寄生回路。作为制导控制系统的内回路,其稳定性必然对制导控制产生显著的影响,隔离度在线辨识校正极为必要。
目前国内外对隔离度在线辨识校正的研究较少,其主要是因为导引头隔离度干扰力矩模型是高度非线性、模型不确定的。目前较为成熟的非线性滤波算法,如UKF(无损卡尔曼滤波,unscented Kalman Filter)、CKF(容积卡尔曼滤波,Cubature Kalman Filter)等,计算量相对较大,如果在弹上实时对隔离度进行辨识校正时,所需机时较长的,而末制导精度受末制导飞行时间的影响显著。
为此,本发明人经过大量研究,提供了一种基于卡尔曼滤波估计的隔离度辨识校正方法即隔离度补偿方法,该方法包括将干扰力矩的影响视为干扰角加速度,采用线性卡尔曼滤波估计干扰角加速度,通过干扰角加速度获得附加视线角速度,由导引头中提取的视线角速度中去除附加视线角速度,完成隔离度补偿。
具体地,所述方法包括以下步骤:
步骤1),基于导引头稳定回路模型,建立卡尔曼滤波状态方程和卡尔曼滤波量测方程,获得卡尔曼滤波参数以作为线性卡尔曼滤波算法中的输入;
步骤2),根据输入的电机指令信号UΔ和角速率陀螺输出信号采用线性卡尔曼滤波估计出干扰力矩引起的干扰角加速度然后根据导引头动力学模型估计出由干扰力矩导致的附加视线角速度,最后再对导引头视线角速度输出信号进行补偿,得到估计的视线角速度。
在本发明步骤1)中,卡尔曼滤波状态方程建立部分:
本发明人研究发现,当采用存在干扰力矩模型的估计模型时,卡尔曼滤波状态方程和卡尔曼滤波量测方程均为非线性,且需要建立完整的干扰力矩模型。当忽略干扰力矩具体模型,将干扰力矩的影响视为干扰角加速度,如图2(a)所示,卡尔曼滤波状状态方程可描述为包含有电机模型、角速度陀螺模型的线性状态方程,即采用图2(b)模型建立估计模型。
图2(a)中示出的导引头模型中包含跟踪回路和稳定回路,跟踪回路起到准确跟踪的作用,稳定回路起到空间稳定作用。图2(a)和图2(b)中符号,qt表示真实的弹目视线角;qs表示导引头在角速率陀螺处提取的弹目视线角;表示干扰力矩产生的附加弹目视线加速度即干扰角加速度;K1表示跟踪回路等效增益;K2表示稳定回路等效增益;UΔ表示稳定回路控制电压;s表示微分环节;J表示电机转动惯量;ε表示导引头视线误差角;ξgy表示角速度陀螺动力学阻尼系数;ωgy表示表示速度陀螺动力学自然频率;kg表示角速率陀螺等效增益。
根据图2(b)导引头稳定回路模型所示,选取滤波器状态变量为式(1.1):
其中,为稳定回路输出的弹目视线角速度;为干扰角加速度;为导引头在角速率陀螺处提取的弹目视线角速度;为导引头在角速率陀螺处提取的弹目视线角加速度。上述四个变量通过运行构建后的线性卡尔曼滤波算法均可得到,通过干扰角加速度进行后续隔离度辨识校正。
导引头稳定平台的稳定回路控制主要是通过控制电机,稳定回路控制电压UΔ为可知量,作为卡尔曼滤波系统的输入量如(1.2):
U=[UΔ] (1.2)
由于导引头控制系统稳定回路的干扰驱动为噪声干扰,则:
其中,w为高斯白噪声,设功率谱密度σw=0.01o/s2。由此可建立卡尔曼滤波状态方程为式(1.4):
其中,G表示连续系统噪声驱动矩阵。
式(1.4)卡尔曼滤波状态方程可表述为式(1.5):
其中,状态矩阵A可表述为式(1.6):
控制矩阵B可表述为式(1.7):
将状态矩阵A根据泰勒展开求取状态转移矩阵Φ(t):
其中t表示时间。
并且取离散步长为TS,则离散后的状态转移矩阵为式(1.9):
式(1.9)中,TS表示卡尔曼滤波离散步长;ξgy表示角速度陀螺动力学阻尼系数;ωgy表示表示速度陀螺动力学自然频率。
系统噪声的功率谱阵为式(1.10):
则根据式(1.8)和式(1.10),系统噪声离散阵为:
式(1.10)和式(1.11)中Swat表示系统噪声的功率谱(根据实际系统给定的)。
式(1.9)和式(1.11)作为线性卡尔曼滤波算法中的输入。
其中,线性卡尔曼滤波算法基本流程如下:
设随机系统线性离散模型为
其中,Xk为离散系统状态量;Zk为离散系统观测量;Hk为观测矩阵,表征了状态量到观测量之间的对应关系;Wk、Vk分别为系统过程噪声和量测噪声向量;Φk+1,k为状态转移矩阵,通过系统状态矩阵离散化求得;Γk为离散系统噪声驱动矩阵。此外,下角标k表示离散状态下第k步的值。
一个离散周期内卡尔曼滤波算法的全部流程包括以下步骤:
第一步,进行状态预测:
Xk+1/k=Φk+1,kXk
同时,估计误差协方差矩阵
其中,Pk+1/k为估计的误差协方差矩阵,Pk为上一步得到的误差协方差矩阵(初始值人为给定),Qk为系统噪声方差阵,上角标T表示矩阵转置。
第二步,首先计算卡尔曼滤波增益
其中,Rk+1为量测噪声方差阵。
第三步,进行状态信息校正
Xk+1=Xk+1/k+Kk+1(Zk+1-Hk+1Xk+1/k)
同时更新估计误差协方差矩阵
Pk=(I-KkHk)Pk+1/k
其中,I表单位矩阵。
以上即为一个离散周期内卡尔曼滤波算法的全部流程。
本发明步骤1)中,卡尔曼滤波量测方程建立部分:
由于导引头稳定平台作为空间稳定装置,在稳定平台的内框(稳定平台至少配备有转轴相互垂直的内框和外框,使得稳定平台能够绕内框和外框的转轴进行俯仰和偏航方向上的运动)上安装的感受稳定平台在惯性空间旋转角速度的速率陀螺输出即为当前状态下的视线角速度选取导引头平台角速率陀螺输出的视线角速度作为系统量测量,作为线性卡尔曼滤波的输入。
量测方程式为(1.13):
Z=HX+v (1.13)
其中,v为量测噪声。量测矩阵为式(1.14):
H=[0 0 1 0]T (1.14)
对量测噪声进行离散化,得式(1.15):
式(1.15)中,σ为相关噪声的标准差;表示量测噪声的标准差;得到的Rk表示量测噪声矩阵,用于表征真实系统量测误差大小。卡尔曼滤波量测方程中的Z、H和Rk作为卡尔曼滤波算法中的输入,用于干扰角加速度的计算。
本发明步骤1)中,还包括卡尔曼滤波初值装订步骤。
卡尔曼滤波器状态变量的初始值可以根据导弹发射瞬间导引头的初始状态进行装订。初始状态导引头相对于惯性空间静止,故而视线角速度为0,视线角为根据探测雷达解算出初的空间视线角。卡尔曼滤波器状态变量的初始值写为式(1.16):
式(1.16)中,表示弹目视线角速度初始值的估测值。
本发明中步骤2),隔离度补偿。
导引头隔离度模型的不确定性是由其干扰力矩不确定性带来的,故而采用线性卡尔曼滤波估计的方式不用考虑干扰力矩模型的具体表述形式,根据输入的电机指令信号UΔ和角速率陀螺输出信号估计出干扰力矩引起的角加速度然后根据(式(2.1)和/或式(2.2)所示)导引头动力学模型估计出由干扰力矩引起的角加速度导致的附加视线角速度(和/或),最后再对导引头视线角速度输出信号(和/或)进行补偿,得到估计的视线角速度(和/或),补偿方案如图3所示。
作为跟踪探测系统,导引头需要向导弹上控制系统提供视线角速度使其按照预定的制导律控制导弹飞向目标。目前工程上认为平台导引头稳定回路带宽很宽,导引头的输出视线角速度既可以从稳定回路指令处(C点)提取也可以从角速度陀螺处(S点)提取,之前的工程实践隔离度的考察仅局限于某一信号提取点进行。
本发明中,对两种输出视线角速度的提取点进行研究,根据式(2.1)和式(2.2)分别得到由C点和S点提取视线角速度时的附加视线角速度和然后再对C点和S点提取的视线角速度和进行补偿,分别得到由C点和S点提取视线角速度时估计的视线角速度和
由上述补偿流程可知,本发明采用的隔离度辨识校正方法并不需要关注干扰力矩模型的具体形式,只需要较为稳定的准确的动力学模型即可实施。
本发明的另一方面在于,提供一种隔离度辨识校正系统,该系统将干扰力矩的影响视为干扰角加速度,采用线性卡尔曼滤波估计干扰角加速度,通过干扰角加速度获得附加视线角速度,由导引头中提取的视线角速度中去除附加视线角速度,完成隔离度补偿。
在一种优选的实施方式中,该系统包括参数提取模块、干扰角加速度获取模块和视线角速度补偿模块,其中,
参数提取模块,用于获得估计出干扰角加速度的相关参数,包括作为线性卡尔曼滤波算法输入的卡尔曼滤波参数,电机指令信号UΔ和角速率陀螺输出信号
干扰角加速度获取模块,根据参数提取模块获得的相关参数采用线性卡尔曼滤波算法估计出干扰角加速度
视线角速度补偿模块,根据干扰角加速度和导引头动力学模型估计出由干扰力矩导致的附加视线角速度,再对导引头视线角速度输出信号进行补偿,得到估计的视线角速度。
在一种优选的实施方式中,当由稳定回路指令处提取视线角速度时,视线角速度补偿模块根据式(2.1)导引头动力学模型估计出由干扰力矩引起的角加速度导致的附加视线角速度再对导引头视线角速度输出信号进行补偿;
当由角速度陀螺处提取视线角速度时,视线角速度补偿模块根据式(2.2)导引头动力学模型估计出由干扰力矩引起的角加速度导致的附加视线角速度再对导引头视线角速度输出信号进行补偿;
其中,K1表示跟踪回路等效增益;K2表示稳定回路等效增益;kg表示角速率陀螺等效增益;s表示微分环节。
实验例
实验例1
本实验例1旨在通过仿真实验验证本申请提供的基于卡尔曼滤波估计得隔离辨识度校正方法能够对干扰角加速度进行准确估计,对导引头视线角速度输出信号进行有效补偿;具体来说:
分别添加如图4所示的正弦扰动(图4a)和有色噪声扰动(图4b)时,进行估计补偿。通过图4可知,本发明方法的线性卡尔曼滤波可准确估计到干扰角加速度,与干扰角加速度真实值吻合。
当取真实弹目视线角速度干扰角加速度为正弦扰动1o/s2时,对视线角速度进行补偿,结果如图5所示。从图中仿真结果可以看到,在未进行视线角速度补偿时,由干扰带来的视线角速度误差幅值超过0.005°/s,而采用视线角速度补偿后,上述误差幅值基本趋近于0。
在真实弹目视线角速度时,分别添加如图4所示的正弦扰动和有色噪声扰动时,进行估计补偿。当采用正弦扰动作为输入的干扰角加速度时,分别从C点和S点提取时的估计效果图6a和图6b所示,由于从C点提取时导引头的滤波效应,其实现角速度噪声较少,信号较为平滑,而从S点提取时受到速率陀螺噪声的影响较大。当采用有色噪声作为干扰角加速度的输入时,分别从C点和S点提取时的估计效果如图6c和图6d所示,其基本特性与采用正弦信号相同。故而,采用线性卡尔曼滤波能够实现干扰力矩的估计,通过补偿基本可使隔离度降低1/10。
实验例2
导引头隔离度是由于导引头所受到的粘滞阻尼力矩、弹簧力矩等引起了导引头平台对弹体运动的不完全隔离。但是在理论分析和导引头半实物仿真测试已经明确可知,导引头所受到的干扰并不是某一确定的干扰因素导致,故而在此采用卡尔曼滤波技术对干扰力矩引起的附加视线角速度进行估计,从而减小隔离导致的提取制导信号的误差。
本实验例2旨在通过仿真实验验证本申请提供的基于卡尔曼滤波估计得隔离辨识度校正方法能够有效改善脱靶量。
选取典型导弹飞行参数,有效导航比N=4、弹目相对速度Vc=450m/s、导弹飞行速度Vm=300m/s、导弹攻角时间常数Tα=0.3s、自动驾驶仪时间常数Ta=0.1s、滤波器时间常数TF=0.1s、末制导时间常数Tg=0.5s;导引头参数K1=10(K1表示跟踪回路等效增益)、K2/J=120、(K2稳定回路等效增益,J表示电机转动惯量)kg=1(角速率陀螺等效增益)、ξgy=0.7(角速度陀螺动力学阻尼系数)、ωgy=80Hz(ωgy表示表示速度陀螺动力学自然频率)。
采用线性卡尔曼滤波对干扰力矩进行估计、对隔离度产生的附加视线角速进行估计补偿,得到如图7所示在粘滞阻尼力矩干扰下的估计值。
在弹簧力矩干扰下的估计值如图8所示。
在速度指向偏差θv=10°的影响下,隔离度在线补偿的脱靶量随末制导飞行时间的变化曲线如图9和图10所示。
图9为当存在粘滞阻尼力矩干扰时,在速度矢量偏差影响下,从不同制导信号提取点提取视线角速度,有无补偿的情况下脱靶量随末制导飞行时间的变化曲线。由图9可知,当不存在导引头隔离度时,制导系统脱靶量在10倍的制导时间常数时(Tgo=10Tg=5s)基本能够收敛到0;当存在粘滞阻尼力矩隔离度时,从S点和C点提取制导信号均导致了寄生回路的失稳,使得制导系统脱靶量无法收敛;在采用线性卡尔曼滤波对隔离度进行估计补偿后,脱靶量的收敛趋势基本同没有隔离度问题时一致。
图10为当存在弹簧力矩干扰时,在速度矢量偏差影响下,从不同制导信号提取点提取视线角速度,有无补偿的情况下脱靶量随末制导飞行时间的变化曲线。由图10可知,当不存在导引头隔离度时,制导系统脱靶量在10倍的制导时间常数时(Tgo=10Tg=5s)也能够收敛到0;当存隔离度时,从S点和C点提取制导信号均导致了脱靶量的增加,在采用线性卡尔曼滤波对隔离度进行估计补偿后,脱靶量均能够有效改善。
以上结合了优选的实施方式对本发明进行了说明,不过这些实施方式仅是范例性的,仅起到说明性的作用。在此基础上,可以对本发明进行多种替换和改进,这些均落入本发明的保护范围内。
Claims (10)
1.一种隔离度辨识校正方法,其特征在于,该方法包括将干扰力矩的影响视为干扰角加速度,采用线性卡尔曼滤波估计干扰角加速度,通过干扰角加速度获得附加视线角速度,由导引头中提取的视线角速度中去除附加视线角速度,完成隔离度补偿。
2.根据权利要求1所述的隔离度辨识校正方法,其特征在于,所述方法具体包括以下步骤:
步骤1),基于导引头稳定回路模型,建立卡尔曼滤波状态方程和卡尔曼滤波量测方程,获得卡尔曼滤波参数以作为线性卡尔曼滤波算法中的输入;
步骤2),根据输入的电机指令信号UΔ和角速率陀螺输出信号采用线性卡尔曼滤波算法估计出干扰力矩引起的干扰角加速度然后根据导引头动力学模型估计出由干扰力矩导致的附加视线角速度,最后再对导引头视线角速度输出信号进行补偿,得到估计的视线角速度。
3.根据权利要求2所述的隔离度辨识校正方法,其特征在于,步骤1)中,卡尔曼滤波器状态变量为式(1.1):
其中,为稳定回路输出的弹目视线角速度;为干扰角加速度;为导引头在角速率陀螺处提取的弹目视线角速度;为导引头在角速率陀螺处提取的弹目视线角加速度。
4.根据权利要求2所述的隔离度辨识校正方法,其特征在于,步骤1)中,卡尔曼滤波状态方程可表述为式(1.5):
其中,K2表示稳定回路等效增益;J表示电机转动惯量;ξgy表示角速度陀螺动力学阻尼系数;ωgy表示速度陀螺动力学自然频率;w为高斯白噪声。
5.根据权利要求2所述的隔离度辨识校正方法,其特征在于,选取导引头平台角速率陀螺输出的视线角速度作为线性卡尔曼滤波的输入,卡尔曼滤波量测方程为式(1.13):
Z=HX+v (1.13)
其中,v为量测噪声;X为卡尔曼滤波器状态变量;量测矩阵H为H=[0 0 1 0]T。
6.根据权利要求2所述的隔离度辨识校正方法,其特征在于,步骤1)中还包括卡尔曼滤波初值装订步骤:卡尔曼滤波器状态变量的初始值写为式(1.16):
式(1.16)中,表示弹目视线角速度角度初始估测值。
7.根据权利要求2所述的隔离度辨识校正方法,其特征在于,步骤2)中,当由稳定回路指令处提取视线角速度时,根据式(2.1)导引头动力学模型估计出由干扰力矩引起的角加速度导致的附加视线角速度再对导引头视线角速度输出信号进行补偿;
其中,K1表示跟踪回路等效增益;K2表示稳定回路等效增益;kg表示角速率陀螺等效增益;s表示微分环节。
8.根据权利要求2所述的隔离度辨识校正方法,其特征在于,步骤2)中,当由角速度陀螺处提取视线角速度时,根据式(2.2)导引头动力学模型估计出由干扰力矩引起的角加速度导致的附加视线角速度再对导引头视线角速度输出信号进行补偿;
其中,K1表示跟踪回路等效增益;K2表示稳定回路等效增益;kg表示角速率陀螺等效增益;s表示微分环节。
9.一种隔离度辨识校正系统,其特征在于,该系统将干扰力矩的影响视为干扰角加速度,采用线性卡尔曼滤波估计干扰角加速度,通过干扰角加速度获得附加视线角速度,由导引头中提取的视线角速度中去除附加视线角速度,完成隔离度补偿;
优选地,该系统包括:
参数提取模块,用于获得估计出干扰角加速度的相关参数,包括作为线性卡尔曼滤波算法输入的卡尔曼滤波参数,电机指令信号UΔ和角速率陀螺输出信号
干扰角加速度获取模块,根据参数提取模块获得的相关参数,采用线性卡尔曼滤波算法估计出干扰角加速度
视线角速度补偿模块,根据干扰角加速度和导引头动力学模型估计出由干扰力矩导致的附加视线角速度,再对导引头视线角速度输出信号进行补偿,得到估计的视线角速度。
10.根据权利要求9所述的隔离度辨识校正系统,其特征在于,当由稳定回路指令处提取视线角速度时,视线角速度补偿模块根据式(2.1)导引头动力学模型估计出由干扰力矩引起的角加速度导致的附加视线角速度再对导引头视线角速度输出信号进行补偿;
当由角速度陀螺处提取视线角速度时,视线角速度补偿模块根据式(2.2)导引头动力学模型估计出由干扰力矩引起的角加速度导致的附加视线角速度再对导引头视线角速度输出信号进行补偿;
其中,K1表示跟踪回路等效增益;K2表示稳定回路等效增益;kg表示角速率陀螺等效增益;s表示微分环节。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910251508.1A CN109976380A (zh) | 2019-03-29 | 2019-03-29 | 基于卡尔曼滤波估计的隔离度辨识校正方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910251508.1A CN109976380A (zh) | 2019-03-29 | 2019-03-29 | 基于卡尔曼滤波估计的隔离度辨识校正方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109976380A true CN109976380A (zh) | 2019-07-05 |
Family
ID=67081704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910251508.1A Pending CN109976380A (zh) | 2019-03-29 | 2019-03-29 | 基于卡尔曼滤波估计的隔离度辨识校正方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109976380A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110658839A (zh) * | 2019-10-08 | 2020-01-07 | 西北工业大学 | 一种基于虚拟光轴的捷联导引头制导信息提取方法 |
CN110716541A (zh) * | 2019-10-08 | 2020-01-21 | 西北工业大学 | 一种基于虚拟光轴的捷联导引头自抗扰非线性控制方法 |
CN111443726A (zh) * | 2020-03-02 | 2020-07-24 | 北京空天技术研究所 | 基于飞行试验数据的弹道重构方法 |
CN114186595A (zh) * | 2021-12-14 | 2022-03-15 | 哈尔滨工业大学 | 时变结构参数识别方法、存储介质及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103822636A (zh) * | 2014-03-18 | 2014-05-28 | 中国航天时代电子公司 | 一种空对地制导武器捷联寻的视线重构方法 |
CN104111078A (zh) * | 2014-04-29 | 2014-10-22 | 北京理工大学 | 消除全捷联导引头制导回路刻度尺系数误差的装置和方法 |
CN104124522A (zh) * | 2014-07-18 | 2014-10-29 | 广州中海达卫星导航技术股份有限公司 | 一种小型化四馈点测量型天线装置 |
CN105157705A (zh) * | 2015-07-07 | 2015-12-16 | 西安电子工程研究所 | 一种半捷联雷达导引头视线角速度提取方法 |
CN109085554A (zh) * | 2018-08-30 | 2018-12-25 | 衡阳市衡山科学城科技创新研究院有限公司 | 一种主动雷达导引头视线角零位误差估计方法及装置 |
WO2019032430A1 (en) * | 2017-08-07 | 2019-02-14 | Apre Instruments, Inc. | MEASURING THE POSITION OF OBJECTS IN SPACE |
-
2019
- 2019-03-29 CN CN201910251508.1A patent/CN109976380A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103822636A (zh) * | 2014-03-18 | 2014-05-28 | 中国航天时代电子公司 | 一种空对地制导武器捷联寻的视线重构方法 |
CN104111078A (zh) * | 2014-04-29 | 2014-10-22 | 北京理工大学 | 消除全捷联导引头制导回路刻度尺系数误差的装置和方法 |
CN104124522A (zh) * | 2014-07-18 | 2014-10-29 | 广州中海达卫星导航技术股份有限公司 | 一种小型化四馈点测量型天线装置 |
CN105157705A (zh) * | 2015-07-07 | 2015-12-16 | 西安电子工程研究所 | 一种半捷联雷达导引头视线角速度提取方法 |
WO2019032430A1 (en) * | 2017-08-07 | 2019-02-14 | Apre Instruments, Inc. | MEASURING THE POSITION OF OBJECTS IN SPACE |
CN109085554A (zh) * | 2018-08-30 | 2018-12-25 | 衡阳市衡山科学城科技创新研究院有限公司 | 一种主动雷达导引头视线角零位误差估计方法及装置 |
Non-Patent Citations (3)
Title |
---|
SHIXIANG LIU,等: "An on-line compensation method for the disturbance rejection rate of seekers", 《OPTIK》 * |
张文渊,等: "多约束制导律与导引头隔离度制导匹配性研究", 《兵工学报》 * |
杨阳,等: "基于无迹卡尔曼滤波的捷联导引头视线角速率估计方法", 《兵器装备工程学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110658839A (zh) * | 2019-10-08 | 2020-01-07 | 西北工业大学 | 一种基于虚拟光轴的捷联导引头制导信息提取方法 |
CN110716541A (zh) * | 2019-10-08 | 2020-01-21 | 西北工业大学 | 一种基于虚拟光轴的捷联导引头自抗扰非线性控制方法 |
CN110716541B (zh) * | 2019-10-08 | 2023-03-10 | 西北工业大学 | 一种基于虚拟光轴的捷联导引头自抗扰非线性控制方法 |
CN111443726A (zh) * | 2020-03-02 | 2020-07-24 | 北京空天技术研究所 | 基于飞行试验数据的弹道重构方法 |
CN111443726B (zh) * | 2020-03-02 | 2023-08-15 | 北京空天技术研究所 | 基于飞行试验数据的弹道重构方法 |
CN114186595A (zh) * | 2021-12-14 | 2022-03-15 | 哈尔滨工业大学 | 时变结构参数识别方法、存储介质及设备 |
CN114186595B (zh) * | 2021-12-14 | 2023-12-01 | 哈尔滨工业大学 | 时变结构参数识别方法、存储介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109976380A (zh) | 基于卡尔曼滤波估计的隔离度辨识校正方法及系统 | |
CN108759845A (zh) | 一种基于低成本多传感器组合导航的优化方法 | |
US8606435B2 (en) | Method and a system for estimating a trajectory of a moving body | |
CN108153323B (zh) | 一种高空无人飞行器高精度再入制导方法 | |
Bezick et al. | Inertial navigation for guided missile systems | |
CN107844128B (zh) | 一种基于复合比例导引的高超声速飞行器巡航段制导方法 | |
CN109445449B (zh) | 一种高亚音速无人机超低空飞行控制系统及方法 | |
CN109443342A (zh) | 新型自适应卡尔曼无人机姿态解算方法 | |
CN103017765A (zh) | 应用于微机械组合导航系统的偏航角修正方法和修正装置 | |
CN108073742B (zh) | 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 | |
Niermeyer et al. | Open-loop quadrotor flight dynamics identification in frequency domain via closed-loop flight testing | |
CN115248038B (zh) | 一种发射系下的sins/bds组合导航工程算法 | |
CN103486904B (zh) | 一种简易制导弹药的拟速度追踪制导方法 | |
CN106802143A (zh) | 一种基于惯性仪器和迭代滤波算法的船体形变角测量方法 | |
CN113359856B (zh) | 一种无人机指定航向目标点导引方法及系统 | |
CN116719239A (zh) | 一种迹向欠驱动卫星不完全信息追逃博弈控制方法 | |
Gao et al. | A real-time estimation method of roll angle and angular rate based on geomagnetic information | |
Kim et al. | Guidance and control system design for impact angle control of guided bombs | |
CN109084772A (zh) | 一种基于无迹卡尔曼的视线转率提取方法及系统 | |
Huang et al. | Radar tracking for hypersonic glide vehicle based on aerodynamic model | |
Hong et al. | Compensation of parasitic effect in homing loop with strapdown seeker via PID control | |
de Celis et al. | Neural Network-Based Controller For Terminal Guidance Applied In Short-Range Rockets | |
Vaddi et al. | Target state estimation for integrated guidance-control of missiles | |
Zhang et al. | The ballistic missile tracking method using dynamic model | |
Dongsheng et al. | Research on modeling and simulation for pitch/roll two-axis strapdown stabilization platform |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190705 |
|
RJ01 | Rejection of invention patent application after publication |