CN110597056B - 用于高炮火控系统的大闭环校射控制方法 - Google Patents

Abstract

本发明公开了一种用于高炮火控系统的大闭环校射控制方法，获取目标位置信息，估算其运动参数；建立目标运动模型，求解命中点，进而确定对应的射击诸元；进行弹丸射击实验，获取弹丸射击后的脱靶量信息；根据脱靶量信息进行模型类型识别，建立脱靶量模型，运用卡尔曼滤波预测修正量，进行射击诸元校正。本发明在现有技术基础上加入了脱靶量信息识别环节，建立更加适合的脱靶量数学模型，有助于提高高炮的射击精度。

Description

用于高炮火控系统的大闭环校射控制方法

技术领域

本发明涉及武器系统控制技术，具体涉及一种用于高炮火控系统的大闭环校射控制方法。

背景技术

世界各国都十分重视对空防御，重视强大、现代化的防控体系的建设，我国也不例外。我国的近程防空反导武器体系以高炮为主、高炮与防空导弹混编为辅。目前大闭环的实现是通过对脱靶量建模来校正射击误差，但是为了降低系统的复杂度和增强系统的实时性，是对脱靶量整体作简单建模，这样高炮在射击中的射击误差仍然很大，射击精度和毁伤效力也低。

发明内容

本发明的目的是提供了一种高炮火控系统大闭环校射的控制方法，能够通过识别脱靶量信息建立合适的脱靶量模型，从而有效地提高高炮射击精度，减少炮弹的使用也能达到毁伤的作用。

实现本发明目的的技术解决方案为：一种用于高炮火控系统的大闭环校射控制方法，包括如下步骤：

步骤1、获取目标位置信息，估算其运动参数；

步骤2、建立目标运动模型，求解命中点，进而确定对应的射击诸元；

步骤3、进行弹丸射击实验，获取弹丸射击后的脱靶量信息；

步骤4、根据脱靶量信息进行模型类型识别，建立脱靶量模型，运用卡尔曼滤波预测修正量，进行射击诸元校正。

本发明与现有技术相比，其显著优点为：本发明在现有技术基础上加入了脱靶量信息识别环节，建立更加适合的脱靶量数学模型，有助于提高高炮的射击精度。

附图说明

图1为本发明大闭环校射控制方法的原理图。

图2为本发明射击诸元求解的流程图。

图3为本发明命中解算迭代算法的流程图。

图4为本发明模型识别图。

图5为本发明脱靶量误差预测的流程图。

图6为采用一阶预测模型的脱靶量仿真结果图。

图7为采用二阶预测模型的脱靶量仿真结果图。

图8为采用三阶预测模型的脱靶量仿真结果图。

具体实施方式

下面结合附图和具体实施例进一步说明本发明方案。

步骤1、测量装置通过雷达装置测量目标的位置信息，利用目标位置信息估算其运动参数。

步骤1-1、在目标进入雷达测量范围后，测量装置测量目标位置信息，包括高低角、方位角、斜距离，火控计算机把这些信息存储起来，方便接下来使用。

步骤1-2、通过坐标转换算法，将高低角、方位角、斜距离转化为空间直角坐标系下的位置参数，即x、y、z坐标，再通过滤波算法估计出目标运动参数，即速度，并将这些参数发送给火控计算机。

步骤2、火控计算机在接收储存上述信息后，使用命中解算算法得到射击诸元，控制电机按此射击诸元射击。如图2所示，具体包括以下步骤：

步骤2-1、通常火控计算机得到目标位置信息和运动参数后，将目标假设为匀速直线运动，建立目标运动模型，如下：

其中，x₀,y₀,h₀分别为目标在空间直角坐标系下的坐标信息，v_x,v_y,v_h为空间直角坐标系下各个方向的运动速度；

步骤2-2、利用高炮射表拟合成飞行时间函数，自变量为水平距离d和高度h：

t＝t_f(d,h)

其中，

步骤2-3、计算射击诸元：

通过联立目标运动假定模型函数和飞行时间函数，运用迭代法来求解命中点和弹丸的飞行时间，如图3所示。先设定飞行时间迭代初值tf0和迭代门限值，首次求解命中点可以选取航捷径点对应的飞行时间为初值，如果不是首次求解命中点，可以选取上一时刻的迭代终值，迭代门限值为k，运用目标运动假定模型不断得到斜距d和高度h，代入射表得到飞行时间值tf1，如果tf0与tf1之差大于k，则令tf0为tf1继续迭代，直到tf0与tf1之差小于等于k或者n＝10结束，得到命中点(x_q,y_q,h_q)后，进一步求解射击诸元，存储起来：

其中，β、ε为方位角射击诸元和高低角射击诸元，Δβ(d_q,h_q)为偏流，a_Δ(d_q,h_q)为对应的跳角，通过查阅修正量射表获得。

步骤3、进行弹丸射击实验，在弹丸射出去后，通过雷达或者光电测量装置获取一系列脱靶量信息，包含高低角脱靶量和方位角脱靶量，发送给火控计算机存储下来。

步骤4、获得脱靶量信息后，运用EVIEWS软件对脱靶量信息进行识别，从而确立脱靶量模型，将脱靶量序列输入到火控计算机确定射击诸元误差修正量，以修正下一时刻的射击诸元。具体包括以下步骤：

步骤4-1、将脱靶量序列输入到EVIEWS软件，判别脱靶量模型。如图4所示，左半部分为序列的自相关与偏自相关分析图，Autocorrelation表示自相关，Partialcorrelation表示偏自相关；右半部分包含5列数据，第一列为滞后期，AC为自相关系数r_k,PAC为偏自相关系数φ_kk，Q-Stat为Q统计量，Prob为相伴概率。从图中可以看出，在滞后期为5的时候，后面的偏自相关系数基本为零，所以确定模型参数为五阶。考虑到射击时机的重要性，反应时间不宜过长，脱靶量模型主要为三种类型：一阶、二阶以及三阶模型，再高的阶次模型比较复杂，计算量比较大，三阶已经足够。将确定好的模型阶数传给火控计算机，选取合适的脱靶量模型。

步骤4-2、建立脱靶量数学模型：

其中：X_r(k)＝(x_r(k),x_r(k-1),…,x_r(k-N+1))^T,X(k)＝(X_r ^T(k),x_q(k))^T，v(k)是脱靶量测量误差，var(w(k))＝R1，var(v(k))＝R2，R1表示状态过程方差，即脱靶量序列方差，R2表示测量装置精度方差，a为系统误差，x_q(k)表示射击误差中的强相关误差，x_r(k)表示射击误差中的弱相关误差可修正的部分，η(k)表示射击误差中不相关误差x_b(k)和脱靶量测量误差v(k)的叠加，w(k)表示脱靶量模型误差，x(k)表示脱靶量测量值，Φ表示状态转移系数，Γ表示模型误差系数，Φ、Γ的值与脱靶模型的阶数N相关；

(1)当N＝1时，脱靶量的一阶预测模型，即表示k时刻脱靶量只与前一个时刻相关。

Φ＝φ₁₁＝r₁

(2)当N＝2时，脱靶量的二阶预测模型，即表示k时刻脱靶量只与前两个时刻相关。

(3)当N＝3时，脱靶量的三阶预测模型，即表示k时刻脱靶量只与前三个时刻相关。

相关系数确定运用公式：

其中，x_t为t时刻样本值，n为样本容量，k为滞后间隔，

为样本均值。

步骤4-3、如图5所示，火控计算机通过卡尔曼预测算法得到下一时刻的脱靶量修正量，存储下来，具体方法如下：

卡尔曼滤波首先对状态进行预测：

其中，

为k-1时刻的状态估计值，

为k时刻的状态预测值，其相应的预测协方差为：

P(k|k-1)＝Φ(k)P(k-1|k-1)Φ^T(k)+Γ(k)R1Γ^T(k)

随后卡尔曼滤波结合了量测信息与预测信息再次更新了状态信息，基于最小方差的原则实现状态更新:

K(k)＝P(k|k-1)H^T(k)[H(k)P(k|k-1)H^T(k)+R2]^-1

P(k|k)＝[I-K(k)H(k)]P(k|k-1)

其中，K(k)为基于最小方差原则获得的增益矩阵，

为更新后的状态值，P(k|k)为更新过后的状态协方差，求取该协方差的目的主要是为了给下一次更新使用，等到已知脱靶量序列更新结束用对应的状态转移阵乘以相应的状态估计值得到预测值。

卡尔曼滤波算法的初值设定非常重要，初值设定决定了估计值的收敛时间，这时间越短越好，为保证一经测出k≥N个脱靶量就能立即给出递推初值的最佳估计，递推初值应为：

(1)当N＝1时，

(2)当N＝2时，

(3)当N＝3时，

步骤4.4、脱靶量修正：

将预测的脱靶量误差叠加到对应射击诸元上，即将对应时刻的预测脱靶量z＝x_q(k)+x_r(k)修正到k时刻的命中解算的到的射击诸元上。

实施例

为了验证本发明方案的有效性，以直线变加速航路为例，进行如下仿真实验，航路参数如下：

x₀＝-3000m；y₀＝800m；h₀＝500m；

vx₀＝100m/s；vy₀＝80m/s；vh₀＝0m/s；

ax₀＝10m/s²；ay₀＝0m/s²；ah₀＝0m/s²；

其中(x₀,y₀,h₀)为目标的初始位置，(vx₀,vy₀,vh₀)为目标的初始速度，(ax₀,ay₀,ah₀)为目标的初始加速度，没有注明变化表示目标此后一直按照这样的速度、加速度运动。

采用三种模型预测脱靶量，仿真结果如图6-8所示，预测误差统计特性如表1所示。

表1预测误差表

结果表明，在三阶情况下的校射效果是最好的，与模型识别结果相吻合。

Claims (3)

1.用于高炮火控系统的大闭环校射控制方法，其特征在于，包括如下步骤：

步骤1、获取目标位置信息，估算其运动参数；

步骤2、建立目标运动模型，求解命中点，进而确定对应的射击诸元；

步骤3、进行弹丸射击实验，获取弹丸射击后的脱靶量信息；

步骤4、根据脱靶量信息进行模型类型识别，建立脱靶量模型，运用卡尔曼滤波预测修正量，进行射击诸元校正；

步骤2的具体过程为：

步骤2-1、将目标假设为匀速直线运动，建立目标运动模型，如下：

其中，x₀,y₀,h₀分别为目标在空间直角坐标系下的坐标信息，v_x,v_y,v_h为空间直角坐标系下各个方向的运动速度；

步骤2-2、利用高炮射表拟合成飞行时间函数：

t＝t_f(d,h)

其中，

为水平距离，h为高度；

步骤2-3、计算射击诸元：

联立目标运动假定模型函数和飞行时间函数，运用迭代法来求解命中点和弹丸的飞行时间，再根据命中点(x_q,y_q,h_q)求解射击诸元：

其中，β、ε为方位角射击诸元和高低角射击诸元，Δβ(d_q,h_q)为偏流，a(d_q,h_q)为对应的跳角，通过查阅修正量射表获得；

步骤4的具体过程为：

步骤4-1、确定脱靶量模型类型：

使用EVIEWS软件对脱靶量信息进行识别，从而确定脱靶量模型类型，考虑到射击时机的重要性，反应时间不宜过长，脱靶量模型主要为三种类型：一阶、二阶以及三阶模型，再高的阶次模型比较复杂，计算量比较大，三阶已经足够；

步骤4-2、建立脱靶量数学模型：

其中：X_r(k)＝(x_r(k),x_r(k-1),…,x_r(k-N+1))^T,

v(k)是脱靶量测量误差，var(w(k))＝R1，var(v(k))＝R2，R1表示状态过程方差，即脱靶量序列方差，R2表示测量装置精度方差，a为系统误差，x_q(k)表示射击误差中的强相关误差，x_r(k)表示射击误差中的弱相关误差可修正的部分，η(k)表示射击误差中不相关误差x_b(k)和脱靶量测量误差v(k)的叠加，w(k)表示脱靶量模型误差，x(k)表示脱靶量测量值，Φ表示状态转移系数，Γ表示模型误差系数，Φ、Γ的值与脱靶模型的阶数N相关；

(1)当N＝1时，脱靶量的一阶预测模型，即表示k时刻脱靶量只与前一个时刻相关：

Φ＝φ₁₁＝r₁

(2)当N＝2时，脱靶量的二阶预测模型，即表示k时刻脱靶量只与前两个时刻相关；

(3)当N＝3时，脱靶量的三阶预测模型，即表示k时刻脱靶量只与前三个时刻相关；

其中r₁、r₂、r₃表示相关系数，确定公式为：

其中，n为样本容量，k为滞后间隔，

为样本均值；

步骤4-3、通过卡尔曼预测算法，预测下一时刻脱靶量修正量：

卡尔曼滤波首先对状态进行预测：

其中，

为k-1时刻的状态估计值，

为k时刻的状态预测值，其相应的预测协方差为：

P(k|k-1)＝Φ(k)P(k-1|k-1)Φ^T(k)+Γ(k)R1Γ^T(k)

随后卡尔曼滤波结合了量测信息与预测信息再次更新了状态信息，基于最小方差的原则实现状态更新:

K(k)＝P(k|k-1)H^T(k)[H(k)P(k|k-1)H^T(k)+R2]^-1

P(k|k)＝[I-K(k)H(k)]P(k|k-1)

其中，K(k)为基于最小方差原则获得的增益矩阵，

为更新后的状态值，P(k|k)为更新过后的状态协方差，求取该协方差的目的主要是为了给下一次更新使用，等到已知脱靶量序列更新结束用对应的状态转移阵乘以相应的状态估计值得到预测值；

步骤4.4、脱靶量修正：

将预测的脱靶量误差叠加到对应射击诸元上，即将对应时刻的预测脱靶量z＝x_q(k)+x_r(k)修正到k时刻的命中解算的到的射击诸元上；

卡尔曼滤波算法的初值设定决定了估计值的收敛时间，为保证一经测出k≥N个脱靶量就能立即给出递推初值的最佳估计，递推初值为：

(1)当N＝1时，

(2)当N＝2时，

(3)当N＝3时，

2.根据权利要求1所述的用于高炮火控系统的 大闭环校射控制方法，其特征在于，步骤1的具体过程为：

测量目标的括高低角、方位角、斜距离，通过坐标转换算法将其转化为空间直角坐标系下的坐标信息，再通过滤波算法估计出目标运动速度。

3.根据权利要求1所述的用于高炮火控系统的 大闭环校射控制方法，其特征在于，步骤3中，获取的脱靶量信息包括方位角脱靶量和高低角脱靶量信息。

Images