CN110597056B - 用于高炮火控系统的大闭环校射控制方法 - Google Patents
用于高炮火控系统的大闭环校射控制方法 Download PDFInfo
- Publication number
- CN110597056B CN110597056B CN201910759993.3A CN201910759993A CN110597056B CN 110597056 B CN110597056 B CN 110597056B CN 201910759993 A CN201910759993 A CN 201910759993A CN 110597056 B CN110597056 B CN 110597056B
- Authority
- CN
- China
- Prior art keywords
- model
- miss distance
- miss
- target
- information
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Aiming, Guidance, Guns With A Light Source, Armor, Camouflage, And Targets (AREA)
- Radar Systems Or Details Thereof (AREA)
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
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,vx,vy,vh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=tf(d,h)
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(xq,yq,hq)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(dq,hq)为偏流,aΔ(dq,hq)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rk,PAC为偏自相关系数φkk,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:Xr(k)=(xr(k),xr(k-1),…,xr(k-N+1))T,X(k)=(Xr T(k),xq(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,xq(k)表示射击误差中的强相关误差,xr(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xb(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:
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:
P(k|k-1)=Φ(k)P(k-1|k-1)ΦT(k)+Γ(k)R1ΓT(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)HT(k)[H(k)P(k|k-1)HT(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=xq(k)+xr(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,vx,vy,vh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=tf(d,h)
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(xq,yq,hq)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(dq,hq)为偏流,a(dq,hq)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:Xr(k)=(xr(k),xr(k-1),…,xr(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,xq(k)表示射击误差中的强相关误差,xr(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xb(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:
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:
P(k|k-1)=Φ(k)P(k-1|k-1)ΦT(k)+Γ(k)R1ΓT(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)HT(k)[H(k)P(k|k-1)HT(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=xq(k)+xr(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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910759993.3A CN110597056B (zh) | 2019-08-16 | 2019-08-16 | 用于高炮火控系统的大闭环校射控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910759993.3A CN110597056B (zh) | 2019-08-16 | 2019-08-16 | 用于高炮火控系统的大闭环校射控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110597056A CN110597056A (zh) | 2019-12-20 |
CN110597056B true CN110597056B (zh) | 2022-06-28 |
Family
ID=68854459
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910759993.3A Active CN110597056B (zh) | 2019-08-16 | 2019-08-16 | 用于高炮火控系统的大闭环校射控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110597056B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111191359B (zh) * | 2019-12-24 | 2021-03-23 | 中国人民解放军海军工程大学 | 防空导弹空间杀伤区模型构建和射击诸元解算方法 |
CN112416651B (zh) * | 2020-10-27 | 2024-05-31 | 北京航天时代激光导航技术有限责任公司 | 一种多平台通用的惯组诸元可靠性存储及校验方法 |
CN112414209B (zh) * | 2020-11-20 | 2022-09-30 | 杜博军 | 用于火炮跳角获取的弹丸坐标测试方法及装置 |
CN112346485B (zh) * | 2020-12-24 | 2021-05-25 | 华中光电技术研究所(中国船舶重工集团公司第七一七研究所) | 一种光电跟踪控制方法、系统、电子设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201229404Y (zh) * | 2008-03-06 | 2009-04-29 | 陕西老枪靶业有限公司 | 空中移动目标脱靶量快速评价系统 |
CN105549387A (zh) * | 2015-12-07 | 2016-05-04 | 北京航空航天大学 | 一种助推段广义标控脱靶量解析制导方法 |
CN107807529A (zh) * | 2017-11-27 | 2018-03-16 | 西安交通大学 | 一种非线性系统脱靶量分析方法 |
CN107817679A (zh) * | 2016-08-24 | 2018-03-20 | 南京理工大学 | 基于红外与可见光融合跟踪的舰船水炮控制系统及方法 |
CN107908926A (zh) * | 2017-11-29 | 2018-04-13 | 中国人民解放军63850部队 | 一种射弹散布具有相关性的高炮毁伤概率确定方法 |
CN108709510A (zh) * | 2018-02-13 | 2018-10-26 | 中北大学 | 一种基于脉冲阴影成像的激光靶弹丸脱靶量测量校准方法 |
CN110095990A (zh) * | 2019-06-10 | 2019-08-06 | 西北工业大学 | 一种飞行器末端直接力脉宽调制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9557405B2 (en) * | 2014-08-12 | 2017-01-31 | Bae Systems Information And Electronic Systems Integration Inc. | Tracking projectile trajectory with multiple sensors |
-
2019
- 2019-08-16 CN CN201910759993.3A patent/CN110597056B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201229404Y (zh) * | 2008-03-06 | 2009-04-29 | 陕西老枪靶业有限公司 | 空中移动目标脱靶量快速评价系统 |
CN105549387A (zh) * | 2015-12-07 | 2016-05-04 | 北京航空航天大学 | 一种助推段广义标控脱靶量解析制导方法 |
CN107817679A (zh) * | 2016-08-24 | 2018-03-20 | 南京理工大学 | 基于红外与可见光融合跟踪的舰船水炮控制系统及方法 |
CN107807529A (zh) * | 2017-11-27 | 2018-03-16 | 西安交通大学 | 一种非线性系统脱靶量分析方法 |
CN107908926A (zh) * | 2017-11-29 | 2018-04-13 | 中国人民解放军63850部队 | 一种射弹散布具有相关性的高炮毁伤概率确定方法 |
CN108709510A (zh) * | 2018-02-13 | 2018-10-26 | 中北大学 | 一种基于脉冲阴影成像的激光靶弹丸脱靶量测量校准方法 |
CN110095990A (zh) * | 2019-06-10 | 2019-08-06 | 西北工业大学 | 一种飞行器末端直接力脉宽调制方法 |
Non-Patent Citations (1)
Title |
---|
基于虚拟脱靶量预测的准闭环校射方法;吴映锋;《基于虚拟脱靶量预测的准闭环校射方法》;20160331;第41卷(第3期);第101-106页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110597056A (zh) | 2019-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110597056B (zh) | 用于高炮火控系统的大闭环校射控制方法 | |
CN109472418B (zh) | 基于卡尔曼滤波的机动目标状态预测优化方法 | |
CN112613532B (zh) | 基于雷达与循环神经网络补全红外融合的动目标跟踪方法 | |
CN109033493B (zh) | 基于无迹卡尔曼滤波的辨识高速旋转弹气动参数滤波方法 | |
CN110058222B (zh) | 一种基于传感器选择的双层粒子滤波检测前跟踪方法 | |
CN110738275A (zh) | 基于ut-phd的多传感器序贯融合跟踪方法 | |
CN111912295A (zh) | 一种弹道落点预测系统 | |
US4856733A (en) | Method and arrangement for determining passage through an apogee | |
CN114567288B (zh) | 基于变分贝叶斯的分布协同非线性系统状态估计方法 | |
CN109557567B (zh) | 一种改进型吉布斯采样的北斗卫星选择方法 | |
CN111693051B (zh) | 一种基于光电传感器的多目标数据关联方法 | |
CN106871905B (zh) | 一种非理想条件下高斯滤波替代框架组合导航方法 | |
CN116929143B (zh) | 基于数字孪生的防空装备射击边界试验系统及方法 | |
CN111539131A (zh) | 射击诸元解算方法、解算器和自行高炮 | |
CN109655057B (zh) | 一种六推无人机加速器测量值的滤波优化方法及其系统 | |
CN116911004A (zh) | 一种基于神经网络的弹道落点修正方法 | |
CN112784506B (zh) | 一种基于变结构多模型的再入机动弹道目标跟踪算法 | |
CN109376364A (zh) | 基于扩展卡尔曼滤波的高速旋转弹气动参数辨识方法 | |
CN111043914B (zh) | 应用于捷联导引头的弹目视线角速率获取方法及系统 | |
CN114488104A (zh) | 基于交互一致性的天波超视距雷达目标跟踪方法 | |
CN114519262A (zh) | 基于改进gm(1,1)模型的空中目标威胁预测方法 | |
CN113626983B (zh) | 基于状态方程递推预测高炮射弹脱靶量的方法 | |
CN117092610B (zh) | 基于长短脉冲组合设计的反向扩展卡尔曼弹道外推方法 | |
CN113177349A (zh) | 火炮发射系统装置ma-bp神经网络的稳定性评估预测方法 | |
CN117889868B (zh) | 一种融合红外导引头信息的导弹位置精确估计方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |