DE3644002A1 - Zielverfolgungssystem - Google Patents
ZielverfolgungssystemInfo
- Publication number
- DE3644002A1 DE3644002A1 DE19863644002 DE3644002A DE3644002A1 DE 3644002 A1 DE3644002 A1 DE 3644002A1 DE 19863644002 DE19863644002 DE 19863644002 DE 3644002 A DE3644002 A DE 3644002A DE 3644002 A1 DE3644002 A1 DE 3644002A1
- Authority
- DE
- Germany
- Prior art keywords
- target
- servo
- signals
- sensors
- sensor
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F41—WEAPONS
- F41G—WEAPON SIGHTS; AIMING
- F41G5/00—Elevating or traversing control systems for guns
- F41G5/08—Ground-based tracking-systems for aerial targets
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/66—Radar-tracking systems; Analogous systems
- G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
Description
Die Erfindung betrifft ein Zielverfolgungssystem
gemäß dem Oberbegriff des Patentanspruchs 1.
Solche Zielverfolgungssysteme werden vor allem zur
zeitlich-räumlichen Vermessung und Extrapolation der
Flugbahnen von zivilen und militärischen Flugobjekten
innerhalb der Atmosphäre benötigt. Die verfolgten
bzw. vermessenen Objekte können sich aber auch im
Weltraum bewegen, oder auf der Erdoberfläche, auf dem
Land oder auf dem Wasser und sogar unter Wasser.
Bei den zivilen Anwendungen geht es zumeist darum,
die Kollision zweier Objekte (z. B. Verkehrsflugzeuge)
zu vermeiden. Bei den militärischen Anwendungen hingegen
geht es zumeist darum, die Kollision zweier
Objekte (z. B. Geschoß und Ziel) herbei zu führen.
Zu diesem Zweck müssen die Objekte möglichst genau
und zuverlässig verfolgt und vermessen werden, denn
die Extrapolation einer Flugbahn kann nicht besser
sein als ihre Verfolgung und Vermessung. Deshalb
verwendet man oft mehrere Sensoren mit gemeinsamem
oder zumindest überlappendem Meßbereich zur Verfolgung
und Vermessung eines einzigen Objekts bzw.
Ziels. Fortan sei vorausgesetzt, daß pro Zielverfolgungs
system nur ein Ziel zu verfolgen ist, und daß
die (Gehäuse bzw. Antennen der) Sensoren eines Ziel
verfolgungssystems mechanisch starr miteinander so
verbunden sind, daß die Mittelachsen ihrer Meßbereiche
(fortan Visierlinien genannt) parallel zueinander
liegen.
Verfolgung bedeutet, daß die Sensoren bzw. ihre
Antennen durch ein Servosystem so bewegt werden, daß
das Ziel sich möglichst dauernd in ihrem Meßbereich
befindet. Nur so kann das Ziel bzw. seine Flugbahn
gut vermessen werden, und nur so kann es hinwiederum
gut verfolgt werden. Somit hängen Verfolgung und
Vermessung in ihrer Qualität wechselseitig voneinander
ab.
Die Sensoren empfangen meistens elektromagnetische
Wellen mit einer Wellenlänge zwischen 10-7m und 10-1m.
Es werden aber auch akustische Wellen verwendet, vor
allem unter Wasser. Die Meßbereiche der Sensoren
sind meistens schlank und ihre Mittel-Achse sei als
Visierlinie allen Sensoren gemeinsam, weil der Abstand
bzw. die Parallaxe der Sensoren vernachlässigbar klein
ist gegenüber der Zieldistanz d.
Distanzsensoren messen die Distanz d zwischen Sensor
und Ziel zumeist anhand der Laufzeit der Wellen vom
Sensor zum Ziel und zurück. Sie müssen deshalb aktiv
sein, d. h. die Wellen selber aussenden.
Winkelsensoren hingegen messen die winkelmäßige Ablage
a des Ziels von ihrer Visierlinie und können auch passiv
sein, d. h. Wellen empfangen, die von fremden Quellen
ausgehen. Das Verhältnis der Wellenlänge zur Größe der
Antenne, welche die Wellen empfängt und ev. auch aussendet,
hat großen Einfluß auf die Schlankheit des
Meßbereichs bzw. die Richtwirkung der Sensoren und damit
insbesondere auf die Genauigkeit der Winkelsensoren. Die
Richtwirkung wird auch benötigt, um den Energiebedarf der
aktiven Sensoren klein zu halten. Das bedeutet, vor allem
bei langen Wellen, daß schwere Antennen bzw. ihre
Visierlinie bzw. Achse dem Ziel präzis nachgeführt
werden müssen. Die Ungenauigkeit dieser Nachführung wird
oft auch Verfolgungsfehler genannt und beeinträchtigt die
Genauigkeit der Sensoren, das wiederum den Verfolgungs
fehler vergrößert usw.
Ein Zielverfolgungssystem nach dem Oberbegriff des
Patentanspruches 1 bzw. 4 gehört zum Stand der Technik
der älteren EP-A 02 07 521 der Anmelderin. Nach
diesem Grundprinzip wird erreicht, daß das Ziel (genauer
gesagt: der Rückstrahlschwerpunkt des Zieles) genau
vermessen und benachbarte Ziele oder das Ziel und
sein Spiegelbild sauber auseinander gehalten werden
können. Dabei ist wichtig, daß die Signale der Sensoren
so verarbeitet und dem Servosystem zugeführt werden,
daß dieses die gemeinsame Visierlinie der Sensoren
möglichst zuverlässig und genau auf das Ziel gerichtet
hält. Insbesondere soll die Wahrscheinlichkeit maximal
werden, daß das Ziel sich dauernd im Meßbereich der
Sensoren befindet, daß also die bisherigen Meßwerte
der Sensoren das Servosystem so steuern, daß kein
zukünftiger Meßwert durch Verfolgungsfehler verloren
geht. Dabei kann auch noch die Belastung des Servo
systems (z. B. Abnutzung, Erwärmung usw.) mitberück
sichtigt und minimiert werden.
Aufgabe der Erfindung ist es, ein im Sinne dieses
Grundprinzips optimales Zielverfolgungssystem mit
maximaler Verfolgungssicherheit und minimaler Servo
belastung zu schaffen.
Diese Aufgabe wird ausgehend von dem genannten Grundprinzip
durch die in den Kennzeichnungsteilen der
Patentansprüche 1 und 4 angegebenen Weiterbildungen
gelöst, wobei die Weiterbildung nach Patentanspruch 1
von der Bildung eines kombinierten Ablagesignales
durch Vergleich der Winkelablagesignale ausgeht und
die Weiterbildung nach Patentanspruch 4 von einer
Mischung sämtlicher Winkelablagesignale.
Ausgestaltungen dieser Weiterbildungen sind in den
Unteransprüchen 2 und 3 bzw. 5 ff. gekennzeichnet.
Vor allem für die Verfolgung von Flugzielen sind viele
Zielverfolgungssysteme vorbekannt.
Die meisten Zielverfolgungssysteme benutzen als Winkel
sensoren Radar (radio detection and ranging),
Fernsehen, Flir (forward looking infra red)
und Laser (light amplification by stimulated
emission of radiation) und als Distanzsensoren
Radar und Laser. Dabei sind Radar und Laser aktiv, Fernsehen
und Flir hingegen passiv. Bei Radar und Laser ist oft
ein Distanzsensor mit einem Winkelsensor eng kombiniert,
dergestalt, daß der Winkelsensor Wellen empfängt, die vom
Distanzsensor ausgesendet (und empfangen) werden.
Wenn vorbekannte Zielverfolgungssysteme mehrere (Winkel-)
Sensoren einsetzen, so steuert zumeist nur einer
davon mit seinen Signalen das Servosystem, nämlich derjenige,
der gerade die besten Signale zu liefern
scheint. Die übrigen Sensoren werden weggeschaltet,
obwohl ihre Signale nicht wertlos, sondern nur (vermutlich)
schlechter sind. Die vorliegende Erfindung hingegen
verwertet dauernd alle Signale aller Sensoren so,
daß ihr Informationsgehalt maximal ausgenützt wird.
Die Signale d der Distanzsensoren sind meistens einwertig
bzw. skalar, die Signale a der Winkelsensoren hingegen
mindestens zweiwertig und somit vektoriell. Zusammen
beschreiben d und a die drei Dimensionen des Raumes. Ist
das Signal a eines Winkelsensors zweiwertig, so können
die beiden Werte unabhängig voneinander sein, z. B. dann,
wenn der Winkelsensor die Ablage des Ziels von der Visier
linie in zwei Richtungen mißt, die senkrecht zueinander
stehen. Seitenwinkel und Höhenwinkel z. B. sind
zwei voneinander unabhängige Werte eines Winkelsensor-
Signals. Enthält das Winkelsensor-Signal a mehr als zwei
Werte, so sind diese voneinander abhängig, was aber
selten vorkommt.
Distanz- und Winkelsensoren zusammen messen die Position
des Ziels relativ zu einem sensorfesten Polarkoordinaten
system, welches durch den Winkel-Sensorservo winkel
mäßig dem Ziel nachgeführt wird. Das die Bewegung des
Ziels (und des Servos) (relativ zu einem inertiellen
Koordinatensystem) den Gesetzen der Newtonschen Mechanik
gehorcht, läßt sie sich in einem inertiellen Koordinatensystem
(Inertialsystem) besonders einfach beschreiben.
Diese inertielle bzw. absolute Bewegung
des Ziels im Inertialsystem setzt sich zusammen aus der
Relativbewegung des Ziels zum sensorfesten Polarkoordinaten
system und der Bewegung dieses Polarkoordinatensystems
relativ zum Inertialsystem. Letztere Bewegung wird
(vor allem positionsmäßig) durch Lagesensoren gemessen.
Dazu gehören die Winkel-Sensorservo-Coder, welche das
Codersignal c erzeugen, das eine Messung (zumindest) der
Position der Drehachsen des Winkel-Sensorservos relativ
zueinander bzw. relativ zu einer Plattform darstellt.
Das genügt, wenn der Winkel-Sensorservo auf einer
Plattform ruht, die sich (nur) inertiell bewegt. Das ist
aber, genau genommen, nie der Fall. Oft ist die
Plattform auf einem Fahrzeug montiert, z. B. einem Flugzeug
oder Panzer oder Überwasserschiff oder Unterseeboot.
Auch unser Planet bewegt sich nicht (nur) inertiell,
sondern er dreht sich um die Achse, die seine
Pole verbindet. Sind die nichtinertiellen Bewegungen der
Plattform wesentlich, so müssen sie auch durch Lagesensoren
gemessen werden, z. B. durch eine sogenannte Referenz
anlage. Systemtheoretisch empfiehlt sich die Annahme,
daß die Bewegung der Plattform durch einen
(imaginären) "Plattform-Servo" erzeugt werde, der nur
durch unbekannte Zufalls-Signale gesteuert wird. Im
Gegensatz dazu wird der eigentliche Sensorservo (direkt
oder indirekt) durch die Sensorsignale d, a und c
gesteuert. Dabei muß der Sensorservo zwischen den
Bewegungen der Plattform und des Ziels so vermitteln, daß
die Visierlinie der Sensoren dauernd auf das Ziel gerichtet
bleibt. Schließlich kann man "Plattformservo"
und Sensorservo gedanklich zu einem Gesamtservo zusammen
fassen, von dem die Motoren der "unteren" Drehachsen
durch Zufallsignale und jene der "oberen" Drehachsen
durch Sensorsignale gesteuert werden, während die Position
aller Drehachsen durch Lagesensoren gemessen
wird. Diese Lagesensorsignale (auch jede der Referenz
anlage) seien im (vektoriellen) Lagesensorsignal
c zusammengefaßt. Andererseits seien die Signale d
und a der Distanz- und Winkelsensoren als Zielsensor
signale bezeichnet. Fortan ist unter (Winkel-) Sensor
servo auch ein Gesamtservo im obigen Sinn zu
verstehen.
Die meisten Zielverfolgungssysteme enthalten einen
zweiachsigen Winkel-Sensorservo. Dann ist der Winkel
zwischen den beiden durch Zielsensorsignale gesteuerten
Drehachsen fest, und jeder Position der Visierlinie
entspricht genau je eine Position der beiden
Drehachsen, außer wenn eine Drehachse parallel zur
Visierlinie liegt. Oft stehen die beiden Drehachsen
senkrecht aufeinander. Dann ermöglicht z. B. die erste
Drehachse eine Bewegung in der Seite und die zweite
eine Bewegung in der Höhe. Bei mehr als zwei Drehachsen
bilden nur benachbarte Drehachsen einen festen
Winkel, und jeder Position der Visierlinie entsprechen
unendlich viele Kombinationen von Positionen der
Drehachsen.
Nachfolgend wird die Erfindung anhand der Fig. 1 bis
6 beschrieben:
Fig. 1 ist das Schaltschema des Grundprinzips des
Standes der Technik und zeigt einen Distanzsensor
D 1, einen Winkelsensor W 1, einen Sensorservo Ss,
einen Zielestimator Ze, einen Servoestimator Se und
einen Regler R. Diese sind untereinander verbunden
durch die Messung d 1 der Zieldistanz, die Messung a 1
der Winkelablage des Ziels, die Messung c des Servo-
Bewegungszustandes, die Schätzung des Servo-Bewegungs
zustandes, die Schätzung ez des Zielbewegungszu
standes und das Regelsignal r.
Fig. 2 ist eine Weiterbildung des Grundprinzips. Es
kommen der Winkelsensor W 2 und das Überwachungssystem
U sowie die Signale u, el, Vz und Vs hinzu.
Außerdem werden die Ablagesignale a 1 und a 2 nicht
nur in den Zielestimator Ze eingeführt, sondern auch
in den Sensorservo Ss und den Servoestimator Se.
Fig. 3 ist eine weitere Weiterentwiclung, die nun nicht
mehr zum Stand der Technik, sondern zur Erfindung
gehört. Es kommen der Winkelsensor W 3 und die Multi
plikatoren M 1 und M 2 sowie die Signale m 1 und m 2
hinzu, welch letztere anstelle von a 1 und a 2 in Ss
und Se eingeführt werden.
Fig. 4 ist eine Ausgestaltung von Fig. 3. Es kommen
der Distanzsensor D 2 und der Multiplikator M 3 sowie
die Signale z 1, z 2, z 3, s 1, s 2, s 3 und m 3 hinzu.
Fig. 5 zeigt eine Feuereinheit, bestehend aus einem
Zielverfolgungssystem mit Zielsensoren (oben) und
einem Treffpunktverfolgungssystem mit Effektoren
(unten).
Fig. 6 illustriert die Qualität der Erfindung gemäß
Anspruch 1 bis 3.
In Fig. 1 ist der Servoestimator Se im wesentlichen
ein Modell der Bewegung des Winkel-Sensorservos Ss.
Der Ausgang es des Modells Se ist sein Bewegungszustand
und somit eine Schätzung des Bewegungszustands
des Originals Ss. Der Bewegungszustand enthält alle
Informationen, um mit Hilfe der Differentialgleichung
des Systems Ss bzw. Se alle zukünftigen Bewegungszustände
berechnen zu können, falls keine unerwarteten
bzw. unbekannten Störungen (z. B. Windkräfte an der
Antenne) auftreten. Das Regelsignal r ist keine
unbekannte Störung, sondern eine wohlbekannte Größe,
deren Einfluß (auf die Drehachse des eigentlichen
Sensorservos) bei der Integration der Differential
gleichung genau berücksichtigt werden kann.
Der Bewegungszustand es kann z. B. Position, Geschwindigkeit,
Beschleunigung usw. aller Motoren bzw. Drehachsen
darstellen und enthält somit auch eine Schätzung
des Codersignals c, denn dieses ist eine Messung
zumindest der Position oder allgemeiner des Bewegungs
zustandes der Drehachsen. Das Codersignal c
kann nur dann dauernd mit seiner Schätzung aus es
übereinstimmen, wenn der Bewegungszustand es des
Modells vollständig mit jenem des Originals überein
stimmt, wenn also der Schätzfehler s der Schätzung
es verschwindet. Allfällige Abweichungen (Residuen)
bei dieser Beobachtung des Codersignals c werden
verwendet, um die entsprechenden Fehler s zu korrigieren.
Die Theorie des (Extended-) Kalman-Bucy-Filters beschreibt,
wie man diese Korrektur gestalten muß, damit
die Varianz Vs = E[s · s′] des Schätzfehlers s
minimal und somit der Servoestimator Se optimal
wird, unter Berücksichtigung stochastischer Einflüsse
wie z. B. der Meßfehler des Codersignals c und der
Windkräfte an der Antenne usw. Dabei bedeutet der
Operator E die Erwartungswertbildung und der Operator
′ die Transposition. Mit andern Worten: jede andere
Schätzung führt zu einer Schätzfehlervarianz, welche von
Vs substrahiert eine negativ semidefinite Varianzdifferenz
ergibt. Dabei ist allerdings die Varianz Vs kein
Skalar, wie sich das an sich für eine Kostenfunktion gehört.
Aber die Kopplung der Elemente des Schätzfehlervektors s
bewirkt, daß kein Diagonal-Element der Matrix Vs
minimal sein kann, ohne daß es alle andern auch sind.
Somit kann irgendein Diagonalelement von Vs oder auch
ihre Spur Vs = E[s′ · s] als Kostenfunktion betrachtet werden.
Der Algorithmus bzw. die Struktur des (Extended-)
Kalman-Bucy-Filters läßt sich durch wohldefinierte
algebraische Transformationen, die in der Literatur
vielfach beschrieben sind, aus der stochastischen
(und nichtlinearen) Differentialgleichung des zu
beobachtenden Systems (hier des Winkel-Sensorservos
Ss) herleiten. Für lineare statt nichtlineare Systeme
genügt das gewöhnlich Kalman-Bucy-Filter als Spezial
fall des Extended-Kalman-Bucy-Filters. Für deterministische
statt stochastische Systeme genügt der
Luenberger-Beobachter als Spezialfall des Kalman-
Bucy-Filters. Für Digitalrechner eignet sich das
zeitdiskrete Kalman-Filter und für Analog-Rechner das
zeitkontinuierliche Bucy-Filter. Anwendungen des
(Extended-) Kalmann-Filters finden sich z. B. in der
Patentschrift US 43 20 287 sowie auf den Seiten 482
bis 489 der IEEE Transactions on Aerospace and Elec
tronic Systems, Vol. AES-17, No. 4, July 1981.
So wie der Servoestimator Se den Bewegungszustand des
Servos Ss schätzt, der Zielestimator Ze
den Bewegungszustand des Ziels. Als Beobachtung
verwendet der Zielestimator Ze aber nicht das Codersignal
c allein, sondern c kombiniert mit dem Signal a 1
des Winkelsensors W 1 (→ Richtung zum Ziel) und ergänzt
durch das Signal d 1 des Distanzsensors D 1 (→
Distanz zum Ziel). Auch der Zielestimator Ze ist
somit ein Modell, nämlich der Bewegung des Ziels, und
ez ist eine Schätzung des Bewegungszustandes
des Ziels, also z. B. seiner Position, Geschwindigkeit,
Beschleunigung usw. Auch die Schätzung ez
hat einen Fehler z und dieser eine Varianz Vz =
E[z · z′].
Beide Modelle bzw. Estimatoren Ze und Se können z. B.
in einem Analog- oder Digitalrechner realisiert
werden. Sie sind aber nicht einfach Differentiatoren,
sondern mehr, nämlich Optimalfilter, deren Ausgänge
ez und es nicht korreliert sind mit ihren Fehlern
z und s. Andernfalls könnte eine solche Korrelation
benutzt werden, um die Fehler teilweise zu korrigieren
und damit zu verkleinern. Außerdem können Ze und
Se z. B. durch Auswertung der Varianz ihrer Residuen
auch adaptiv werden, indem diese Varianz z. B. Rück
schlüsse auf die Meßfehlervarianz der Sensorsignale
und dadurch die Entdeckung von Sensorstörungen usw.
erlaubt. Diese Beispiele von Adaptivität werden vorzugs
weise ergänzt oder ersetzt durch eine direkte
Bestimmung der Meßfehlervarianz und Funktionsgüte
der (Ziel-) Sensoren anhand einer Korrelation jedes
Sensorsignals mit jedem andern. Diese Sensordaten-
Korrelation wird nicht anschließend, sondern später
beschrieben.
Nun soll der Regler R mit seinem Regelsignal r sowohl
den Sensorservo Ss als auch dessen Modell Se so steuern,
daß die Diskrepanz der Zustände ez bzw.
es der Zielestimators Ze bzw. des Servoestimators Se
klein wird. Was hier das Wort "klein" genau bedeutet,
wird später beschrieben.
Brauchbare Lösungen dieser Aufgabe wären als lineare
Zustandsregelung vorbekannt, wenn die Differential
gleichungen des Ziels sowie des Servosystems Ss und
somit auch des Zielestimators Ze sowie des Servoesti
mators Se linear (siehe z. B. das Buch "Zustands
regelung" von P. Hippe und Ch. Wurmthaler im
Springer-Verlag 1985). Diese Voraussetzung ist aber
in Wirklichkeit kaum erfüllt und zwar aus den folgenden
Gründen:
Flugziele gehorchen des Gesetzen der Aerodynamik und
Flugmechanik. Diese sind bestenfalls in einem flug
zeugfesten Koordinatensystem linear und werden sowohl
durch die Transformation in ein kartesisches Iner
tialsystem als auch durch die Weiter-Transformation
in das polare Koordinatensystem des Servoestimators
Se nichtlinear.
Auch das Servosystem Ss ist spürbar nichtlinear, wenn
gleichzeitig mehr als eine Drehachse bewegt wird und
wenn das Quadrat der Drehgeschwindigkeit der Drehachsen
vergleichbar ist mit der maximalen Drehbeschleunigung
der gesteuerten Drehachsen. Beispielsweise
ist die Bewegung einer Oberlafette relativ zur
Unterlafette nicht inertiell, wenn die Unterlafette
sich dreht und somit kein Intertialsystem tragen kann,
es sei denn, daß die Plattform sich genau gegenläufig
dreht.
Das Problem der Nichtlinearität läßt sich auf drei
Arten anpacken:
- 1. Die nichtlinearen Terme der Differential-Gleichung werden vernachlässigt oder als "Rauschen" stochastisch modelliert.
- 2. Lokale Linearisierung
- 3. Globale Linearisierung
Die erste Art befriedigt kaum.
Die 2. Art ist seit langem bekannt. Sie führt z. B.
vom gewöhnlichen Kalman-Filter zum Extended-Kalman-
Filter. Sie mach die Differentialgleichung zwar
linear, aber auch zeitabhängig, falls der Arbeits
punkt dem Zustand nachgeführt wird. Dafür ist sie bei
allen Systemen mit differenzierbaren Systemfunktionen
anwendbar.
Die 3. Art ist seit kurzem bekannt und wird z. B. im
NASA Technical Memorandum 84 295 vom Oktober 1982
beim Autopiloten eines Helikopters angewendet, dabei
aber nicht als "globare Linearisierung" bezeichnet,
sondern als "linearizing the system over its opera
tional envelope by transforming the state and control".
Sie macht eine zeitunabhängige Differentialgleichung
nicht zeitabhängig und kann sogar eine
zeitabhängige Differentialgleichung zeitunabhängig
werden lassen. Dafür kann sie nur bei relativ wenigen
Systemen mit speziellen Eigenschaften angewendet
werden. Dazu gehören glücklicherweise die Servosysteme
(auf inertieller Plattform), deren Teil als starre
Körper betrachtet werden dürfen, welche drehbar
ineinander gelagert sind, wobei jede solche Drehachse
durch transformierbare Signale gesteuert ist. (Außerdem
dürfen Ziel und Sensor keine wesentlichen
Kräfte aufeinander ausüben, was auch für die Entkopplung
ihrer Differentialgleichungen notwendig ist.)
Nachfolgend sei vorausgesetzt, daß die Differential
gleichungen des Zielestimators Ze und insbesondere
des Servoestimators Se linear oder im obigen Sinne
linearisiert seien. Dann ist der Ausgang es des Servo
estimators Se eine lineare Funktion seines Eingangs
r. Der Ausgang ez des Zielestimators Ze hängt nur
dann via Sensorservo Ss und Codersignal c von r ab,
wenn diese Abhängigkeit ungenau durch das Sensorsignal
a 1 kompensiert wird. Ist diese Ungenauigkeit inexistent
oder linear, so hängt auch die Zustands-
Differenz ez - es linear von r ab. Sie kann als
scheinbarer Verfolgungsfehler im weiteren Sinn
betrachtet werden.
Fortan sei als scheinbarer Verfolgungsfehler e nur
der scheinbare Verfolgungsfehler im engeren Sinn
bezeichnet. Er enthält nur die Differenz der (Winkel-)
Positionen von ez und es, nicht aber jene der
Geschwindigkeit, Beschleunigung usw. Der wirkliche
Verfolgungsfehler ê = e + unterscheidet sich vom
scheinbaren Verfolgungsfehler e durch den unbekannten
Schätzfehler . Dieser setzt sich zusammen aus den
Schätzfehlern (im engeren Sinn aus) z und s. Somit
können wir die Schätzfehlervarianzmatrix V = E[ · ′]
berechnen durch Extrapolation der (gekoppelten) Matrix-
Riccati-Gleichungen des Zielestimators Ze und des
Servoestimators Se, welche ausgehen von den Schätz
fehlervarianzmatrizen Vz und Vs zum gegenwärtigen
Zeitpunkt t, wie sie als Nebenprodukte des Kalman-
Bucy-Filter-Algorithmus anfallen.
Dabei sollen die Vektoren r, e und nicht nur die
Werte im gegenwärtigen Zeitpunkt t enthalten, sondern
alle Werte von der Gegenwart t bis zur Zukunft t + T.
Von den Werten von r werden allerdings nur jene
wirklich an Ss und Se ausgegeben, welche im Zeitraum
von der Gegenwart t bis zur Zukunft t + Δ t liegen,
wenn im Zeitpunkt t + Δ t die nächsten Meßwerte a 1,
d 1 und/oder c eintreffen, denn dann wird r neu
berechnet, damit die neue Information der neuen Meßwerte
sofort in die Servosteuerung einfließt. Die Zeitgrenze
T wird so groß gewählt, daß eine weitere Vergrößerung
von T keinen wesentlichen Einfluß mehr hat
auf jene Werte des Regelsignals r, die voraussichtlich
an Ss und Se ausgegeben werden, was natürlich auch davon
abhängt, ob erwartete Meßwerte wirklich eintreffen,
oder ob sie (z. B. infolge von Sensorstörungen oder
Verfolgungsfehlern) ausfallen.
Zur Berechnung von r gehen wir nun davon aus, daß e
eine lineare Funktion von r ist:
e = F · r + eo (1)
Die Matrix F und den Vektor eo gewinnen wir durch Inte
gration der Differentialgleichungen von Ze und Se, wobei
eo von den Anfangsbedingungen ez und es abhängt.
Ist der Schätzfehler mittelwertfrei und Gauß-verteilt,
so ist die Wahrscheinlichkeit pe, daß der wirkliche
Verfolgungsfehler ê zwischen ê und ê + dê liegt
pe = exp[-(ê - e)′ · V -1 · (ê - e)/2] · [(2 · π) n · det(V)] -1/2 · dê (2)
wenn dê infinitesimal klein ist und ê genau n Elemente
enthält, wobei det (V) die Determinante der Varianzmatrix
V des Schätzfehlers = ê -e darstellt.
Die Wahrscheinlichkeit, daß der wirkliche Verfolgungs
fehler ê (auch beim Sensor mit dem engsten Meß
bereich) zu keinem Meßwertverlust führt, sei
Ps = exp(-ê′ · A -1 · ê/2) (3)
Dabei stellt die positiv definite Matrix A ein Maß dar
für die (winkelmäßigen) Ausdehnungen von Ziel und
Meßbereich und ihre relative Lage bezüglich Distanz und
Apektwinkel sowie die Verteilung des Aspektwinkels und
seiner Geschwindigkeit.
Damit wird die Wahrscheinlichkeit P, daß (beim Sensor
mit dem engsten Meßbereich) überhaupt kein wirklicher
Verfolgungsfehler ê zu einem Meßwertverlust führt
Für feste Matrizen A und V wird der scheinbare Verfolgungs
fehler e klein und die Wahrscheinlichkeit P maximal,
wenn die quadratische Form
Q = e′ · (A + V) -1 · e = (F · r + eo)′ · (A + V) -1 · (F · r + eo) (5)
minimal wird, wenn also
r = re = - [F′ · (A + V) -1 · F]-1 · F′ · (A + V) -1 · eo (6)
wird. (Unter Umständen läßt sich Q auch dann minimalisieren,
wenn e nicht wie in Gleichung (1) eine lineare
Funktion von r ist.)
Die Belastung des Sensorservos Ss durch seine Ansteuerung
mit r läßt sich berücksichtigen, indem man Q aus
Gleichung (5) erweitert zu -
Q = e′ · (A + V) -1 · e + b′ · C · b (7)
Dabei sei die Belastung b - ähnlich wie der scheinbare
Verfolgungsfehler e - eine lineare Funktion des
Regelsignals r, nämlich
b = B · r + bo (8)
während die Gewichtsmatrix C vorzugsweise aufgefaßt und
vorgegeben wird als Varianzmatrix einer besonders unerwünschten
Art der Belastung b, (z. B. weil diese Struktur-
Resonanzen anregt), bzw. als Inverse der Varianzmatrix
einer besonders harmlosen Art, bzw. als Mischung von
beidem. Damit wird Q minimal für
r = rb = - [F′ · (A + V) -1 · F + B′ · C · B] -1 · [F′ · (A + V) -1 · eo + B′ · C · bo] (9)
Das ist die für Zielverfolgungssysteme sinnvollste Art,
die Verfolgungsfehler ê klein zu halten. Die entsprechende
maximale Verfolgungssicherheit läßt sich aus den
Gleichungen (9), (1) und (4) berechnen und die Servobe
lastung aus Gleichung (8).
Man beachte, daß diese Lösung des Problems der Sensor
servo-Steuerung auch unter instationären Bedingungen
optimal ist, also insbesondere auch in der kritischen
Phase kurz nach der Erfassung des Ziels durch das Ziel
verfolgungssystem, wenn das Ziel erstmals durch mindestens
einen Sensor vermessen wurde. Um diese Phase möglichst
sicher zu überstehen, empfiehlt es sich, den
Servoestimator Se schon vorher zu betreiben, damit wenigstens
er im Zeitpunkt der Erfassung schon eingeschwungen
ist, was bedeutet, daß sein Ausgang es eine
gute Schätzung des Bewegungszustandes des Sensorservos
Ss darstellt, daß also seine Schätzfehlervarianzmatrix
Vs klein ist.
Damit ist das Grundprinzip des Standes der Technik
und ein Teil der Erfindung beschrieben. Nun folgt die
Beschreibung von Weiterbildungen:
Fig. 2 zeigt gegenüber Fig. 1 folgende Erweiterungen:
- - Der Zielestimator Ze und der Servoestimator Se liefern die Varianzen Vz und Vs ihrer Schätzfehler z und s an den Regler R, damit dieser daraus die Varianz V der Gleichungen (2), (4), (5), (6) und (7) berechnen kann.
- - Der Zielestimator Ze liefert einen Schätzwert e 1 der Zieldistanz oder allgemeiner des Distanz-Bewegungszu standes des Ziels zurück an den Distanzsensor D 1, um diesem die distanzmäßige Verfolgung und Vermessung des Ziels zu erleichtern. Radargeräte z. B. enthalten eine elektronische Entfernungsfolgeeinheit (auch Distanz servo genannt), welche das Entfernungstor so dem Zielecho nachsteuert, daß nur solche Störsignale wirksam werden können, welche ungefähr die gleiche Zieldistanz bzw. Signallaufzeit aufweisen bzw. vortäuschen wie das Zielecho. Dieser Distanzservo wird nun nicht nur von den Distanzablagesignalen, sondern auch von e 1 gesteuert.
- - Zur Erhöhung der Redundanz der Zielvermessung bzw. der Genauigkeit und Sicherheit der Zielverfolgung wird der Winkelsensor W 1 mit seinem Ablagesignal a 1 ergänzt durch einen zweiten Winkelsensor W 2, der das gleiche Ziel vermißt wie W 1, weil ihre beiden Visierlinien parallel sind. Deshalb unterscheiden sich die beiden Ablagesignale a 1 und a 2 nur um die Sensorfehler ã 1 und ã 2. Das Kalmanfilter des Zielestimators Ze kann ohne weiteres beliebig viele Sensorsignale (z. B. a 1, a 2 usw.) zeitlich parallel und mit minimaler Schätzfehlervarianz Vz auswerten.
- - Solange die gemeinsame Visierlinie der Zielsensoren D 1, W 1 und W 2 nicht auf ein Ziel gerichtet ist, werden die Sensorservo Ss und der Servoestimator Se durch das Signal u des Überwachungsgeräts U gesteuert, welches z. B. ein Zielsuchsystem oder ein weiteres, räumlich entferntes Zielverfolgungssystem sein kann. Wenn U ein Ziel entdeckt hat oder verfolgt, steuert u die gemeinsame Visierlinie von D 1, W 1 und W 2 gegen dieses Ziel. Während diesem Ein schwingvorgang schätzt der Servoestimator Se bereits den Bewegungszustand es des Sensorservos Ss, was am Ende des Einschwingvorgangs dem Regler R die Erfassung des Ziels erleichtert, weil dann nur noch der Bewegungszustand ez des Ziels unbekannt bzw. mit einem großen Schätzfehler z behaftet ist, dessen Varianz ebenfalls von U an Ze bzw. R abgegeben werden kann, was allerdings in Fig. 2 nicht dargestellt ist.
- - Ein besonders wesentliches Merkmal der Erfindung liegt darin, daß die Ablagesignale a 1 und a 2 der Winkelsensoren W 1 und W 2 nicht nur dem Zielestimator Ze zugeführt werden, sondern auch direkt und gleichermaßen den Sensorservo Ss und den Servo estimator Se steuern, was dem Zustandsregler R bekannt ist. Bei der Berechnung des (zukünftigen) scheinbaren Verfolgungsfehlers e bzw. der Matrix F und des Vektors eo in Gleichung (1) verwendet der Regler R aber nicht die ihm (noch) unbekannten Ablage signale a 1 und a 2, sondern deren Schätzwerte, d. h. den (gegenwärtigen) scheinbaren Verfolgungsfehler e, den er aufgrund der Schätzungen ez und es kennt. Der direkte Einfluß von W 1 und W 2 auf Ss und Se (statt nur indirekt über Ze und R) bringt vor allem dann Vorteile, wenn die Signale a 1 und a 2 nur kleine Fehler ã 1 und ã 2 aufweisen und bei ihrer Verarbeitung durch Ze und R zeitlich stark verzögert werden. Weil nämlich (im Gegensatz zu Fig. 1) der scheinbare Verfolgungs fehler e durch a 1 und a 2 direkt und unverzögert verkleinert wird, können Ze und R sich darauf beschränken, den Einfluß der Fehler ã 1 und ã 2 nachträglich zu korrigieren. Somit wird nicht mehr das ganze Signal a 1 bzw. a 2 durch Ze und R verzögert, sondern nur noch die Korrektur seiner Fehler ã 1 bzw. ã 2. Dadurch wird die Verfolgung genauer und sicherer.
Wie im einzelnen a 1 und a 2 auf Ss und Se wirken, ist
dabei unwesentlich. Wesentlich ist nur, daß a 1 und
a 2 vorwiegend günstig wirken, denn allfällige Fehler
werden anschließend via Ze und R korrigiert, wobei
Ze als Filter wirkt, das sich von ã 1 und ã 2 und
weiteren Fehlern wie z. B. nicht täuschen läßt, sodaß
sich ihr Einfluß auf Ss und Se in einer Differenz
ez - es niederschlägt, die dann durch R
abgebaut wird. Das gilt natürlich nicht nur für 2
Ablagesignale a 1 und a 2, sondern für beliebig viele
Ablagesignale ai, i = 1, 2, 3, ...
Weitere Merkmale der Erfindung liegen in der Art, wie
die Ablagesignale ai auf den Sensorservo Ss und den Servo
estimator Se wirken. Beispielsweise werden die ai zu
einem gewichteten Mittel as kombiniert, welches dann Ss
und Se so steuert, als ob nur ein Winkelsensor Ws mit
dem Ablagesignal as vorhanden wäre. Diese Art wird
später genauer beschrieben. Sie funktioniert gemäß den
Gleichungen (1) bis (9) optimal, solange keine
unerwartete Störung der Sensoren Wi plötzlich große
Fehler ãi erzeugt, welche Ss kurzzeitig vom Ziel
wegdrängen, bis Ze und R die Störung (z. B. Spiegel
effekt) erkannt und korrigiert haben. Damit solche
plötzlichen Fehler ãi trotz dem direkten Einfluß
der Ablagesignale ai auf den Sersorservo Ss keine
Verfolgungsfehler bewirken, wird as nicht als gewichtetes
Mittel der ai, sondern wie folgt bestimmt:
Zunächst werden alle ai ausgeschieden, deren Betrag-Quadrat (ai′ · ai) so klein ist, daß man mit großer Sicherheit annehmen darf, daß der entsprechende Winkelsensor Wi überhaupt kein Zielecho empfängt, z. B. weil er völlig ausgefallen ist, oder weil sich das Ziel außerhalb seiner Reichweite befindet. Der Erwartungswert dieses Betrag-Quadrates bzw. die Varianz des Betrages (ai′ · ai) 1/2 ist gleich der Spur der Varianzmatrix Vai des Ablagesignals ai, falls die Komponenten von ai bzw. die entsprechenden Koordinatenachsen senkrecht aufeinander stehen, d. h. gleich der Summe der Diagonalelemente dieser Matrix, welche eine Teilmatrix der Varianzmatrix Va aller Ablage signale ist. Die Bestimmung von Va wird später beschrieben. Sind alle Komponenten von ai (z. B. Seitenwinkel und Lagewinkel) mittelwertfrei, unkorreliert und nach Gauß verteilt und alle Diagonalelemente von Vai (unabhängig von der Richtung der Komponenten von ai) gleich, so ist der Betrag (ai′ · ai) 1/2 von ai nach Rayleigh verteilt. Dann läßt sich einfach und in wohlbekannter Weise die Wahrscheinlichkeit berechnen, mit der das Ablagesignal ai fälschlicherweise ausgeschieden wird, weil rein zufälligerweise sein Betrag kleiner als eine vorgegebene Grenze ist. Ebenso läßt sich die Wahrscheinlichkeit berechenen, mit der ai fälschlicherweise nicht ausgeschieden wird, weil das Rest-Rauschen diese vorgegebene Grenze überschreitet. Hierauf wird vorzugsweise diese Grenze so gewählt, daß beide Wahrscheinlichkeiten klein sind.
Zunächst werden alle ai ausgeschieden, deren Betrag-Quadrat (ai′ · ai) so klein ist, daß man mit großer Sicherheit annehmen darf, daß der entsprechende Winkelsensor Wi überhaupt kein Zielecho empfängt, z. B. weil er völlig ausgefallen ist, oder weil sich das Ziel außerhalb seiner Reichweite befindet. Der Erwartungswert dieses Betrag-Quadrates bzw. die Varianz des Betrages (ai′ · ai) 1/2 ist gleich der Spur der Varianzmatrix Vai des Ablagesignals ai, falls die Komponenten von ai bzw. die entsprechenden Koordinatenachsen senkrecht aufeinander stehen, d. h. gleich der Summe der Diagonalelemente dieser Matrix, welche eine Teilmatrix der Varianzmatrix Va aller Ablage signale ist. Die Bestimmung von Va wird später beschrieben. Sind alle Komponenten von ai (z. B. Seitenwinkel und Lagewinkel) mittelwertfrei, unkorreliert und nach Gauß verteilt und alle Diagonalelemente von Vai (unabhängig von der Richtung der Komponenten von ai) gleich, so ist der Betrag (ai′ · ai) 1/2 von ai nach Rayleigh verteilt. Dann läßt sich einfach und in wohlbekannter Weise die Wahrscheinlichkeit berechnen, mit der das Ablagesignal ai fälschlicherweise ausgeschieden wird, weil rein zufälligerweise sein Betrag kleiner als eine vorgegebene Grenze ist. Ebenso läßt sich die Wahrscheinlichkeit berechenen, mit der ai fälschlicherweise nicht ausgeschieden wird, weil das Rest-Rauschen diese vorgegebene Grenze überschreitet. Hierauf wird vorzugsweise diese Grenze so gewählt, daß beide Wahrscheinlichkeiten klein sind.
Sollte trotzdem einmal ai fälschlicherweise ausgeschieden
werden, so hat das schlimmstenfalls zur Folge, daß der
Verfolgungsfehler etwas zunimmt, wodurch der Betrag
(ai′ · ai) 1/2 von ai größer wird, sodaß ai nicht mehr
länger ausgeschieden wird. Stehen Status-Signale des
Sensors Wi zur Verfügung, so können auch diese anstelle
des Betrags von ai als Ausscheidungskriterium verwendet
werden.
Außerdem wird vorzugsweise ein Ablagesignal ai auch dann
ausgeschieden, wenn das Quadrat von mindestens einer der
Komponenten des Sensorresiduums ai - e, d. h. der
Differenz ãi - des Meßfehlers ãi und des Schätzfehlers
des scheinbaren Verfolgungsfehlers e im gegenwärtigen
Zeitpunkt t mindestens z. B. 9 mal größer ist als
die Varianz dieser Komponente. Diese Varianz
läßt sich berechnen als Summe der entsprechenden
Diagnoalelemente der Varianzmatrizen ai von ãi und V
von , falls ãi nicht korreliert ist mit , was insbesondere
dann zutrifft, wenn die Fehler ãi und i aller
Sensoren weder zeitlich noch untereinander korreliert
sind, denn hängt nur von früheren, nicht aber von den
gegenwärtigen Werten der Sensorfehler ãi und i ab.
Die Berechnung der Varianzmatrix V von wurde bereits
beschrieben. Die Varianzmatrix ai von ãi ist eine
Teilmatrix der Varianzmatrix a aller Winkelsensorfehler,
deren Berechnung später beschrieben wird. Die Schätzung
ai - e ist deshalb gleich ihrem Fehler ãi - , weil
die wahren Werte âi und ê gleich sind und ihre Differenz
âi - ê somit verschwindet. Ist die erwähnte Komponente
von ai - e eine mittelwertfreie und gaussverteilte Zufalls
variable und treten keine außergewöhnlichen Störungen
auf, so ist der Absolutbetrag dieser Komponente mit
99,73%iger Wahrscheinlichkeit kleiner als das 3-fache
der Wurzel aus ihrer Varianz. Somit wird ai nur mit
0,27%iger Wahrscheinlichkeit zu Unrecht wegen der erwähnten
und nur scheinbar kritischen Komponente ausgeschieden.
Als Alternative ist es auch denkbar, nicht das
ganze Signal ai auszuscheiden, sondern nur seine kritische(n)
Komponente(n).
Wurden alle Winkelablagesignale ai ausgeschieden, so wird
das Ablagesignal as gleich dem scheinbaren Verfolgungsfehler
e gesetzt. Mit dieser Memosteuerung folgt der
Winkel-Sensorservo Ss aus dem Gedächtnis des Zielestimators
Ze der wahrscheinlichsten Flugbahn des Ziels solange,
bis wieder vernünftige Ablagesignale ai auftreten
oder bis das Überwachungssystem U ein neues Ziel oder
von neuem das alte Ziel zuweist.
Wurden nicht alle Ablagesignale ai ausgeschieden, so
wird von den verbleibenden Ablagesignalen ai, nach
Koordinaten getrennt, die jeweils absolut kleinste
Signalkomponente zur entsprechenden Komponente des
Steuersignals as gemacht. Das kann z. B. geschehen
durch eine entsprechende diskrete Steuerung der Elemente
der Matrizen Mi, welche später beschrieben
werden. Es kann aber auch durch Schaltmittel mit
Schaltlogik realisiert werden.
Damit ist as mit großer Wahrscheinlichkeit frei von
plötzlichen großen Sprüngen einzelner Sensoren,
denn diese Störungen bewirken mit großer Wahrscheinlichkeit
nicht absolut kleine, sondern absolut große
Signalkomponenten.
Beispielsweise ist der minimale Fehler ã 1 des skalaren
Signals a 1 = â 1 + ã 1 mit Wahrscheinlichkeit
Pa = arc cos [-(1 + 4 · q²)-1/2]/π (9a)
absolut kleiner als der minimale Fehler ã 2 des
skalaren Signals a 2 = â 2 + ã 2, falls a 1 absolut
kleiner als a 2 und â 1 = â 2 sowie a 12 = 0 ist und
alle erwähnten Signale mittelwertfrei und gauß
verteilt sind, wobei der Varianzquotient
q² = (Va 11-a 11)/(a 11+a 22]=(Va 22-a 22)/(a 11+a 22) (9b)
beträgt. Die Berechnung der skalaren Elemente Va 11, Va 12,
a 11, a 22 und a 12 der Varianzmatrizen Va und wird
anschließend beschrieben. Fig. 6 stellt die
Wahrscheinlichkeit Pa, daß das absolut kleinere Signal
auch das genauere Signal ist, als Funktion des Quotienten
q dar und zeigt was folgt:
Pa < 1/2 für alle q: Das beschriebene Auswahlverfahren ist
immer besser als eine rein zufällige Auswahl.
Pa → 1/2 für q → ∞: Für kleine Meßfehler ã und/oder
große Ablage â ist das beschriebene Auswahlverfahren
fast gleich unsicher wie eine rein zufällige Auswahl, was
aber nicht stört, weil beide Signale a 1 und a 2 gut sind,
sodaß es keine Rolle spielt, welches Signal gewählt
wird.
Pa → 1 für q → 0: Ist der wahre Verfolgungsfehler â
klein, und wird mindestens einer der beiden Sensoren
gestört, z. B. durch Spiegeleffekt, so wählt das
beschriebene Verfahren fast sicher das bessere Signal aus.
Wesentlich an der vorliegenden Erfindung ist, daß der
Sensorservo Ss und der Servoestimator Se vom gleichen
Steuersignal as in gleicher Weise beeinflußt werden,
während der Zielestimator Ze nicht as verwendet, sondern
die nicht ausgeschiedenen Signale ai einzeln, aber
parallel und gleichzeitig verarbeitet.
Während as für Se ein deterministisches, d. h. genau
bekanntes Steuersignal darstellt, sind die ai zusammen
mit dem Codersignal c für Ze Messungen der Zielposition,
welche durch die stochastischen, d. h. nicht einzeln
bekannten Meßfehler ãi und verfälscht werden.
Erfindungsgemäß wird die Varianz dieser Meßfehler und
die Funktionsgüte der Sensoren laufend ermittelt, z. B.
durch Auswertung der Residuenvarianz des Ziel
estimators Ze, was aber einen beträchtlichen theore
tischen und rechnerischen Aufwand erfordert,
insbesondere dann, wenn man zwischen den Meßfehlern
ãi der Zielsensorsignale ai einerseits und dem
Meßfehler des Codersignals c andererseits unter
scheiden will. Deshalb wird nachfolgend eine besonders
einfache und umfassende Methode zur direkten
Bestimmung der Meßfehlervarianz und sonstiger Eigenschaften
insbesondere der Zielsensoren durch Vergleich
von jedem Signal mit jedem andern beschrieben,
welche als "Sensordatenkorrelation" bezeichnet sei:
Zunächst seien alle Vektoren ai in einen einzigen
Vektor a zusammengefaßt:
Dabei sei
â 1 = â 2 = ... = âi = --- = ê (11)
der wahre Verfolgungsfehler, den ein idealer Zielsensor
messen würde. Damit läßt sich Gleichung (11)
auch so schreiben:
G · â = 0 (12)
wobei beispielsweise
wobei beispielsweise
ist, falls jeder Vektor âi genau 2 Komponenten (z. B.
für Seitenwinkel und Höhenwinkel) hat.
Diese Wahl der Gleichungsmatrix G ist aber nur eine
von unendlich vielen Möglichkeiten. Im allgemeinsten
Fall muß G lediglich die Bedingung G · H = 0 erfüllen
und maximalen Rang haben, wenn â = H · ê ist, wobei ê
der wahre Verfolgungsfehler im gegenwärtigen Zeitpunkt
t ist und H die Meßmatrix der (Ziel-) Sensoren.
Bei m = max(i) Ablagesignalen mit je 2 Komponenten hat
G genau 2 · m Kolonnen und 2 · (m-1) Zeilen und den Rang
2 · (m-1). Wenn man beide Seiten von Gleichungen (12) mit
â′ nachmultipliziert und den Erwartungswert bildet,
erhält man
E[G · â · â′] = G · E[â · â′] = G · a = 0 (14)
Ist der Fehler ã varianzminimal, d. h. nicht mit dem
wahren Wert â korrelliert (und sind a, â und ã mittel
wertfrei), so gilt zwischen ihren Varianzen Va, a und
a folgende Beziehung:
Va = E[a · a′] = E[(â + ã) · (â + ã)′]
= E[â · â′ + ã · ã′ + â · ã′ + ã · â′]
= E[â · â′] + E[ã · ã′] = a + a = Va (15)
Damit wird Gleichung (14) zu
G · (Va -a) = 0 (16)
Darin ist die Signal-Varianz Va bekannt, denn sie
kann aus den bekannten Ablagesignalen ai bzw. a
berechnet werden. Von der Signalfehlervarianz
a wissen wir zunächst, daß sie
symmetrisch ist. Somit sind von ihren 4 · m² Elementen
deren
ms = m · (2 · m + 1) (17)
zunächst unbekannt. Davon werden jedoch alle bis auf
mf = 3 · m (18)
Elemente gleich Null, wenn wir annehmen dürfen, daß
Signalfehler, die von verschiedenen Sensoren stammen,
nicht korreliert sind, was z. B. dann einigermaßen
zutrifft, wenn verschiedene Radargeräte mit
verschiedenen Trägerfrequenzen arbeiten.
Sind auch verschiedene Koordinaten bzw. Komponenten
bezüglich ihrer Fehler nicht korreliert (was z. B. bei
kugelsymmetrischen Zielen zutreffen mag), so bleiben
nur noch
mk = 2 · m (19)
Unbekannte zurück, nämlich die eigentlichen Meßfehler
varianzen der m Sensoren in ihren beiden Koordinaten
(z. B. Seitenwinkel und Höhenwinkel).
Andererseits enthält die Matrix-Gleichung (16)
mu = 4 · m · (m - 1) (20)
skalare Gleichungen für die erwähnten Unbekannten.
Deshalb kann man es sich meistens leisten, weitere
mr = 2 · (m -1) (21)
Unbekannte einzuführen, nämlich die relativen Kennlinien-
Steilheiten der Sensoren, welche dann in Gleichung
(13) die Diagonalelemente von G mit dem Wert 1
ersetzen. Zum Beispiel folgt aus der Bedingung
mf + mr = mu (22)
die quadratische Gleichung
4 · m² - 9 · m + 2 = 0 (23)
mit den beiden Lösungen
m = 2 und m = 1/4 (24)
von denen die zweite Lösung kleiner als 1 und deshalb
bedeutungslos ist.
Somit könnte man durch vollständige Korrelation aller
4 Winkelsignale von nur 2 Radargeräten mit verschiedener
Trägerfrequenz auch bei nicht-kugelsymmetrischem Ziel nicht
nur alle Varianzen und Kovarianzen der Meßfehler berechnen,
sondern auch noch die Steilheiten der Kennlinien vergleichen,
wenn alle mu = 8 Gleichungen voneinander unabhängig
wären. Aber wegen einer Abhängigkeit zwischen diesen Gleichungen
kann eine der mf + mr = 8 Unbekannten nicht bestimmt
werden, vorzugsweise die relative Kennliniensteilheit der
beiden Radargeräte im Seitenwinkel, weil dieser weniger vom
Spiegeleffekt betroffen ist als der Höhenwinkel. Hingegen
liefert der Vergleich von 3 Radargeräten oder andern Sensoren
mit unkorrelierten Meßfehlern einen massiven Überschuß
an unabhängigen Gleichungen.
Will man die Kennliniensteilheiten von Zielsensoren mit
den genauer bekannten Kennliniensteilheiten von Lagesensoren
vergleichen und damit eichen, so erzeuge man durch entsprechende
spezielle Steuersignale r oder as für den Sensorservo
Ss künstlich hochfrequente Verfolgungsfehler âi bzw. Sensor
signale ai und verwende als Pseudo-Sensorsignal den scheinbaren
Verfolgungsfehler e. Der Zielestimator Ze filtert dann
jene Meßfehler heraus, die durch falsche Kennliniensteilheiten
der Zielsensoren bewirkt werden (soweit diese Meßfehler
den Voraussetzungen über die Zieldynamik widersprechen),
sodaß durch die Auswertung der Sensorsignale-Varianzen
Va richtige Kennliniensteilheiten reproduziert, falsche
hingegen korrigiert werden. Dabei darf natürlich die Amplitude
der künstlichen Verfolgungsfehler die Verfolgungs
sicherheit nicht unzulässig verkleinern. Diese Amplitude
kann auch verschwinden, falls die natürlichen Verfolgungs
fehler sich durch ihre Dynamik genügend klar von echten
Zielbewegungen unterscheiden lassen.
Auf diese Weise kann man z. B. auch Spiegeleffekte detektieren,
allerdings verzögert um die Beobachtungsdauer, welche
man für die Bestimmung der Signalvarianz Va benötigt. Auch
kann man die Varianz des Schätzfehlers des scheinbaren
Verfolgungsfehlers e bzw. der entsprechenden
Schätzungen aus ez und es von Zielestimator Ze und
Servoestimator Se überwachen.
Wenn mehrere erfindungsgemäße Zielverfolgungssysteme
von verschiedenen Standorten aus dasselbe Ziel verfolgen
und miteinander kommunizieren, werden vorzugsweise auch
ihre Sensordaten alle miteinander verglichen und
vorzugsweise korreliert.
Da aber diese Zielsensoren nicht mehr eine einzige gemeinsame
Visierlinie haben, sondern eine Visierlinie pro
Zielverfolgungssystem, muß der Vektor a in Gleichung
(10) nicht nur die Signale ai aller Winkelsensoren enthalten,
sondern auch die Signale di aller Distanzsensoren und
die Signale c aller Lagesensoren, die letzten beiden soweit
nötig lokal linearisiert. Der Arbeitspunkt dieser lokalen
Linearisierung ist an sich frei wählbar, entspricht aber
vorzugsweise dem Arbeitspunkt der entsprechenden Servoesti
matoren Se bzw. Zielestimatoren Ze, falls diese ebenfalls
lokal liniarisiert wurden oder würden. Durch Koordinaten
transformationen zwischen den verschiedenen Sensoren werden
die Elemente der Matrix G in Gleichung (13) zu entsprechenden
reellen Zahlen, wobei nicht mehr die Einsen, wohl aber
bei redundanten Sensoren weiterhin die Nullen dominieren.
Insbesondere entsteht eine Abhängigkeit zwischen den Winkel
ablagesignalen ai des einen Zielverfolgungssystems und den
Distanzsignalen di eines andern Zielverfolgungssystems, weil
ihre Visierlinien sich im Ziel kreuzen. Diese Abhängigkeit
eröffnet die Möglichkeit, - vorübergehend oder dauernd -
aktive Distanzsensoren Di durch passive Winkelsensoren Wi zu
ersetzen, was für die elektronische Kriegführung vorteilhaft
ist. Der Verzicht auf redundante Sensorsignale verursacht
bei einem Zielestimator Ze vom Typus des (Extended-) Kalman-
Bucy-Filters keine nennenswerten Probleme. Bei der Sensordaten
korrelation werden ausgefallene Signale vorzugsweise
durch ihre Schätzwerte ersetzt, also insbesondere die Distanz
signale di durch den Positionsteil der Schätzwerte ei.
Dabei wird allerdings (wie auch beim Ersatz des Winkelsensor-
Signals ai bzw. a durch den scheinbaren Verfolgungsfehler
e bzw. H · e) als entsprechendes Element der Fehlervarianz
matrix a nicht die Meßfehlervarianz, sondern die Schätzfehler
varianz bzw. ein zeitliches Mittel dieser beiden
geschätzt.
Zur Illustration der Sensordatenkorrelation seien nun
noch 4 besonders einfache Beispiele durchgerechnet.
Diese Beispiele können allerdings nur das Prinzip der
Methode erhellen, nicht aber ihre ganze Kraft, denn
diese zeigt sich erst beim Vergleich einer großen
Zahl 2 · m von Sensorsignal-Komponenten, weil die Zahl
mf, mk und/oder mr der Unbekannten linear mit m
wächst, die Zahl mu der skalaren Gleichungen hingegen
quadratisch mit m.
Das erste Beispiel betrifft die skalaren Signale a 1
und a 2 zweier Sensoren mit bekannten Kennliniensteil
heiten in einer einzigen Koordinaten, also z. B. den
Höhenwinkel a 1 bzw. a 2 zweier Radargeräte mit ver
schiedenen Trägerfrequenzen. Somit lautet die Gleichung
(16):
Va 11-a 11-Va 12 = 0 und Va 12-Va 22+a 22 = 0 (25)
wegen G = [1-1] und a 12 = a 21 = 0 (26)
Somit betragen die gesuchten Meßfehlervarianzen
a11 = Va 11 - Va 12 und a 22 = Va 22 - Va 12 (27)
Beispielsweise verschwinden a 11 und a 22, wenn a 1
und a 2 identische sind, während z. B. a 11 gleich Va 11
wird, wenn a 1 und a 2 völlig unabhängig sind, was
aber bedeutet, daß ihre wahren Werte â 1 = â 2 = ê
verschwinden, daß also der Sensorservo Ss das Ziel
genau verfolgt, was aber in Wirklichkeit nicht möglich
und gemäß der Erfindung auch nicht nötig ist.
Herkömmlicherweise würde man fordern, daß
der 2. Sensor genau, d. h. seine Meßfehlervarianz
a 22 = 0 sei, und man würde den Meßfehler ã 1 des
1. Sensors berechnen als 1 = a 1 - a 2.
Hierauf würde man die Meßfehlervarianz a 11 des
1. Sensors berechnen als a 11 = E[ã 1²]. In der Tat ist
E[ã 1²] = E[(a 1-a 2)²] = E[a 1²+a 2²-2 · a 1 · a 2]
= a 11+a 22 = Va 11 + Va 22 -2 · Va 12 (28)
Somit führen die herkömmliche und die erfindungsgemäße
Fehler-Varianz-Bestimmung zum selben Resultat,
nur darf bei der Erfindung auch der zweite Sensor
beliebig ungenau sein.
Für das zweite Beispiel wird die Zahl der Radargeräte
von 2 auf 3 erhöht. Im folgenden Rechenschema ist
rechts oben die Matrix Va - a dargestellt und links
unten die Matrix G mit den beiden relativen
Kennliniensteilheiten k und l. Die Matrix N rechts
unten ist gleich Null.
Die 6 Elemente der Matrix N liefern die folgenden 6
skalaren Gleichungen für die 5 Unbekannten k, l,
a 11, a 22 und a 33:
Hier sagen die Gleichungen N 12 und N 22 dasselbe aus,
weshalb nicht 6, sondern nur 5 Unbekannte berechnet
werden konnten. Man beachte, daß nur lineare
Gleichungen aufgelöst werden mußten, obwohl die
Gleichungen N 11 und N 22 an sich quadratisch sind, weil
darin die Produkte k · a 11 bzw. 1 · a 22 der Unbekannten
k, l, a 11 und a 22 auftreten.
Im dritten Beispiel werden wieder nur 2 Radargeräte
oder andere Sensoren miteinander verglichen, dafür aber
nicht nur im Höhenwinkel λ, sondern auch im Seitenwinkel
α. Die 4 Komponenten a 1 bis a 4 des Sensorsignals a
seien a 1 = α 1, a 2 = λ 1, a 3 = α 2 und a 4 = λ 2.
ã 1 sei mit ã 2 korreliert, nicht aber mit ã 3 und ã 4.
Ebenso sei ã 3 mit ã 4 korreliert, nicht aber mit ã 1 und
ã 2. Das ergibt folgendes Rechenschema:
Die Matrix G enthält als einzige Unbekannte die relative
Kennliniensteilheit k λ zwischen dem Höhenwinkel des
1. und des 2. Sensors. Die mu = 8 Gleichungen für die 7
Unbekannten lauten:
Auch hier konnten infolge einer Abhängigkeit zwischen
den Gleichungen N 12, N 21, N 14 und N 23 nur 7 statt 8
Unbekannte berechnet werden.
Für das vierte Beispiel wird die Zahl der Sensoren von
2 wiederum auf 3 erhöht. Eines dieser zweiwertigen
Sensorsignale kann auch ein Pseudo-Sensorsignal sein,
hier also eine zweiwertige Schätzung e des wahren
Verfolgungsfehlers ê.
Im obigen Rechenschema sind die Elemente der Matrix Va-a
nur noch durch ihre Indizes bezeichnet. Dem 1. Sensor entsprechen
die Indizes 1 und 2, dem 2. Sensor die Indizes
3 und 4 und dem 3. Sensor die Indizes 5 und 6, je für
Seitenwinkel α und Lagewinkel λ. Die Matrix G enthält als
mr = 4 Unbekannte die relativen Kennliniensteilheiten k
zwischen Sensor 1 und 2 sowie l zwischen Sensor 2 und 3.
Damit ergeben sich die folgenden mu = 24 Gleichungen für
die mf + mr = 6 + 4 = 10 Unbekannten:
Hier übersteigt nun die Zahl der unabhängigen Gleichungen
jene der Unbekannten massiv, so daß sie vorzugs
weise nach bekannten Methoden ausgeglichen werden,
z. B. durch Regression nach Gauß oder durch die Methode
der "Total Least Squares" nach Pearson, welche hier
noch besser geeignet, aber in der Literatur weniger
bekannt ist. Stattdessen kann man auch stichprobenweise
kontrollieren, wie gut Meßfehler verschiedener
Sensoren wirklich unkorreliert sind, indem man
einige der entsprechenden Elemente der
Meßfehlervarianz a nicht gleich Null setzt, sondern
berechnet. Das empfiehlt sich besonders für die
Korrelation der Fehler eines allfälligen
Pseudo-Sensorsignals e mit den Fehlern ã der übrigen
Sensorsignale a und ist sogar unerläßlich, wenn die ã
zeitlich korreliert sind.
Sollen die aus der Ablagesignalvarianz Va berechneten
Resultate sofort benutzt werden, so darf Va nicht erst
nach unendlich langer Zeit vorliegen, wie das beim
Erwartungswert-Operator E an sich vorausgesetzt ist.
Deshalb wird nachfolgend als weiteres Merkmal der Erfindung
ein Varianzestimator Ve beschrieben, mit dem Va
in möglichst kurzer Beobachtungszeit möglichst genau
bestimmt werden kann.
Dieser Varianzestimator Ve ist vorzugsweise ein Kalman-Bucy-
Filter, dessen Zustandsvariablen die Elemente Vakl von
Va sind. Das zeitliche Verhalten dieser Elemente wird be
schrieben durch die Matrix-Riccati-Differentialgleichung
des Zielverfolgungssystems, insbesondere des Zielestimators
Ze und des Servoestimators Se. Diese Riccati-Gleichung
ist an sich eine deterministische Gleichung für die
deterministischen Variablen Vakl, welche Eigenschaften der
stochastischen Signale a beschreiben. Erfindungsgemäß
werden nun aber die Elemente Vakl nicht mehr als deterministische
Variablen, sondern ebenfalls als stochastische
Signale behandelt, welche also nicht nur deterministischen,
sondern auch stochastischen (d. h. zufälligen) zeitlichen
Änderungen unterliegen. Diese zufälligen Änderungen
werden in bekannter Weise als Zusatz zur Riccati-Gleichung
modelliert. Daraus entsteht eine stochastische Diffe
rentialgleichung, welche über wohlbekannte algebraische
Transformationen zum Varianzestimator Ve führt. Dieser
ist allerdings viel komplizierter als der Ziel
estimator Ze und der Servoestimator Se und sollte deshalb
mit den bekannten Methoden der Modell-Reduktion vereinfacht
werden. Wenn diese Vereinfachung nicht allzu weit
geht, erlaubt der Varianzestimator Ve die Schätzung der
Varianz Va von stochastischen Signalen a, welche zwar
ergodisch, nicht aber stationär sein müssen.
Als Beobachtung bzw. Messung der Zustandsvariablen Vakl
des Varianzestimators Ve dient das Produkt ak · al der beiden
entsprechenden skalaren Elemente ak und al des Ablage
vektors a gemäß Gleichung (10). Der Beobachtungsfehler
bzw. Meßfehler fkl der Beobachtung ak · al ist ihre Abweichung
fkl = ak · al - Vakl (29)
Die Kovarianz von fkl mit einer andern Beobachtung fmn ist
Vfklmn = E[(ak · al - Vakl) · (am · an - Vamn)]
= E[ak · al · am · an + Vakl · Vamn - ak · al · Vamn - am · an · Vak
= E[ak · al · am · an]-Vakl · Vamn
= Vamk · Vanl + Vaml · Vank = Vfklmn (30)
wenn die 4 Ablagen ak, al, am und an Gauß-verteilt
und mittelwertfrei sind, weil dann ihr 4. Moment
E[ak · al · am · an] = Vakl · Vamn + Vamk · Vanl + Vaml · Vank (31)
ist (während fkl und fmn nicht Gauß-verteilt sind).
Die Varianz (statt Kovarianz) von fkl ergibt sich aus
dem Spezialfall k = m und l = n. Zwar sind die Varianzen
in Gleichung (30) nicht bekannt, sondern gesucht,
aber der Varianzestimator Ve selber liefert
Schätzwerte dafür, ebenso wie die Varianz der Schätzfehler
dieser Varianzen, woraus man durch partielle
Differentiation der Unbekannten von Gleichung (16)
nach (den Elementen von) Va und Multiplikation mit
(den Elementen von) Vf 1/2 die Genauigkeit der Bestimmung
dieser Unbekannten berechnen kann.
Damit sind jene Ausgestaltungen der Erfindung beschrieben,
welche sich anhand der Fig. 2 erklären
lassen. Nun folgt die Beschreibung von weiteren
Ausgestaltungen.
Fig. 3 zeigt folgende Weiterbildungen:
Fig. 3 zeigt folgende Weiterbildungen:
- - Ein weiterer Winkelsensor W 3 gibt sein Signal a 3 an den Zielestimator Ze ab. Wie bereits mehrfach erwähnt, kann die Zahl der Sensoren beliebig groß sein.
- - Die Winkelsensoren W 1 und W 2 geben nicht mehr ihre Signale a 1 und a 2 an den Servo Ss und den Servo estimator Se ab, sondern die Produkte m 1 = M 1 · a 1 und m 2 = M 2 · a 2. Die Matrizen M 1 und M 2 können als Multiplikator z. B. eine Drehung und/oder eine Wichtung bewirken. Eine Drehung des Vektors ai wird dann notwendig, wenn die Komponenten von ai - d. h. l die Meß- Richtungen des Sensors Wi - nicht parallele sind zu den Relativ-Bewegungen von Ziel und Sensor, die durch die Drehachsen des Servos Ss bewirkt werden, insbesondere dann, wenn die Zahl der Komponenten nicht gleich der Zahl der Drehachsen ist. Eine Wichtung der Vektoren ai wird dann notwendig, wenn die Sensoren Wi sich in ihrer Qualität stark unterscheiden: Je schlechter der Sensor, desto geringer sein Gewicht. Somit ist in Fig. 3 der Sensor W 3 besonders schlecht, denn er hat das Gewicht Null.
- - Die Schätzung es bzw. die Messung c des Bewegungs zustandes des Sensorservos Ss wird nicht nur an den Regler R bzw. den Zielestimator Ze abgegeben, sondern auch an das Überwachungsgerät U, damit dieses (anstelle von R) den Servo Ss stabilisieren kann, falls dieser an sich instabil ist, z. B. weil er keine Tachos hat, welche seine Geschwindigkeit messen.
Fig. 4 zeigt gegenüber Fig. 3 folgende weitere
Ausgestaltungen:
- - Ein weiterer Distanzsensor D 2 gibt sein Signal d 2 an den Zielestimator Ze ab und empfängt von diesem die Steuerhilfe e 2. Wie bereits mehrfach erwähnt, kann die Zahl der Sensoren beliebig groß sein. Normalerweise sind alle Steuerhilfen ei gleich. Hingegen kann jeder Distanzservo sein Distanztor unabhängig von den andern bewegen, während die Visierlinien der Winkelsensoren alle parallel sind.
- - Der Servo Ss und der Servoestimator Se werden von den Winkelsensoren Wi nur noch via Multiplikator Mi angesteuert.
- - Die Werte der Matrizen Mi werden in den Regler R eingeführt, damit dieser aus dem scheinbaren Verfolgungs fehler e als Schätzung der Ablagesignale ai seine Schätzung der gewichteten Ablagesignale mi = Mi · ai berechnen kann.
- - Jeder Multiplikator Mi kann vom Servoestimator Se über ein Steuersignal si verändert werden. Das ist besonders dann sinnvoll, wenn der Servo Ss mehr als 2 durch Zielsensorsignale gesteuerte Dreh achsen aufweist. Je nachdem, wie diese zueinander stehen, sollten sie anders angesteuert werden. Zum Beispiel sollte eine Drehachse nicht gegen einen ihrer beiden Anschläge bewegt werden, wenn sie sich schon in dessen Nähe befindet. Ähnlich wie ein solcher Anschlag sollte auch eine Singularität gemieden werden, welche sich dadurch auszeichnet, daß die Visierlinie der Zielsensoren parallel zu einer gesteuerten Drehachse liegt. Vor allem aber sollte eine vorgegebene Bewegung der Visierlinie der Sensoren durch jene Kombination von Bewegungen der gesteuerten Drehachsen realisiert werden, welche den Servo Ss möglichst wenig belastet. Das kann nun nicht mehr nur indirekt über das Regelsignal r, sondern via die Steuersignale si auch direkt über die Sensorsignale mi erreicht werden.
- - Jeder Multiplikator Mi kann auch vom Zielestimator
Ze über ein Steuersignal zi verändert werden. Das
ist besonders dann sinnvoll, wenn Ze adaptiv die
Qualität der Sensoren Wi bestimmt, wie das bereits
beschrieben wurde. Die optimalen Gewichte Mi können
analytisch so berechnet werden, daß die entsprechende
Zielfunktion Q in Gleichung (7) nicht nur in
Funktion von r, sondern auch in Funktion der Mi
minimal wird. Allerdings läßt sich diese Berechnung
wegen ihrer Komplexität kaum ohne Computer-Algebra
(z. B. Macsyma) bewältigen. Deshalb wird vorzugs
weise ein einfacherer Weg beschritten. Er sei
hier an einem Beispiel dargestellt, welches davon
ausgeht, daß das Steuersignal
für den Sensorservo Ss und den Servoestimator Se eine
Schätzung des wahren Verfolgungsfehlers ê im gegen
wärtigen Zeitpunkt t sein soll. Die entsprechende
Schätzung = H · = J · a (33)des wahren Sensorsignals
â = H · ê (34)(welches von idealen Sensoren gemessen würde) soll wie â der GleichungG · = G · H · = 0 · G · H · = G · â (35)genügen und aus dem aktuellen Sensorsignal a durch Multiplikation mit der Matrix J hervorgehen, welche die Eigenschaft hat, daß der Schätzfehler å in der Gleichungå = -â = J · a - â (36)nicht korreliert mit a und deshalb minimal ist. Andernfalls könnte diese Korrelation benutzt werden, um â zu verbessern und å zu verkleinern.
Weil die Gleichung (35) für beliebige Vektoren ê und
â gilt, muß G · H = 0 sein. Sowohl G als auch H sollen
maximalen Rang haben. Das bedeutet insbesondere, daß
H genau 2 Kolonnen hat, und daß diese voneinander
unabhängig sind. Wenn Elemente von G relative Kenn
liniensteilheiten enthalten, so gilt das auch für H
und umgekehrt.
Nachmultiplizieren beider Seiten der Gleichung (36)
mit a′ und Erwartungswertbildung führt zu
E[å · a′] = E[J · a · a′ - â · a′] = E[J · a · a′ - â · â′ - â · ã′] = 0 (37)
Da schon in Gleichung (15) vorausgesetzt wurde,
daß â nicht mit ã korreliert ist, wird
E[J · a · a′] = J · Va = E[â · â′] = a (38)
und somit
J = a · Va -1 = (Va - a) · Va -1 = I - a · Va-1 (39)
Damit wird wegen Gleichung (14)
G · = G · J · a = G · a · Va -1 · a = 0 (40)
wie in Gleichung (35) gefordert. Deshalb läßt sich
as = = H $ · = (H′ · H) -1 · H′ · (I - a · Va -1) · a = M · a (41)
so berechnen, daß der Vektor -H · nur durch
Ungenauigkeiten ungleich Null wird, und daß sein
Betrag dank der Verwendung der Moore-Penrose-Pseudo
inversen H $ = (H′ H) -1 · H′ von H minimal ist.
Damit wird der Servo Ss so gesteuert, als ob der
wahre Verfolgungsfehler wäre und von idealen
Zielsensoren gemessen würden. Hat Ss mehr als 2 durch
Zielsensorsignale gesteuerte Drehachsen, deren genaue
Positionen durch den Vektor êl beschrieben werden,
wobei
ê = L · êl (42)
ist, so wird as vorzugsweise so auf diese Drehachsen
aufgeteilt, daß das entsprechende Steuersignal
al = L $ · as = L′ · (L · L′) -1 · M · a (43)
beträgt. Dann garantiert die Moore-Penrose-Pseudoinverse
L $ = L′ · (L · L′) -1 von L, daß der Betrag
(al′ · al) 1/2 des Vektors al minimal wird.
Ob dadurch auch die Servobelastung minimal wird,
hängt von den Eigenschaften des Servos Ss ab, wie sie
in Gleichung (7) und (8) beschrieben werden. Außerdem
ist die Moore-Penrose-Pseudoinverse auch dann
nicht anwendbar, wenn al durch andere Vorschriften
festgelegt ist, beispielsweise durch die Notwendigkeit,
einen Anschlag der Drehachsen oder eine Singularität
zu meiden, oder durch Vorschriften bezüglich
der Drehlage einer Radarantenne relativ zu einer
Spiegelebene, wie das bei der Cross-Feed-Methode zur
Vermeidung des Spiegeleffektes notwendig ist.
Dann muß L′ · (L · L′) -1 durch eine andere Pseudoinverse
L $ von L ersetzt werden, welche die erwähnten Vor
schriften sowie die Bedingung
L · L $ · L = L (44)
erfüllt, also z. B. durch
L $ = L′ · (L · L′) -1 + [L′ · (L · L′) -1 · L - I] · Y (45)
wobei die sonst beliebige Matrix Y dafür sorgt, daß
die erwähnten Vorschriften erfüllt sind und daß die
Servobelastung minimal ist.
In diesem Sinne enthält die Matrix M bzw. L $ · M gemäß Gleichung
(32), (41) und (43) Teilmatrizen Mi, welche mit Hilfe
der Sensordatenkorrelation die Sensorsignale ai sinnvoll
gewichten, sodaß nur noch der Schätzfehler å auf
dem Umweg über den Zielestimator Ze und den Regler R
abgebaut werden muß. Seine Varianz a ist gemäß den
Gleichungen (36) und (39)
a = E[å · å′] = E[â - J · a) · (â - J · a)′]
= E[â · â′ + J · a · a′ · J′ - J · a · â′ - â · a′ · J′]
= a + J · Va · J′ -J · a - a · J′
= a - a · Va -1 · a = a - a · Va -1 · a a (46)
und verschwindet dann, wenn für zwei beliebige
Test-Vektoren x # 0 und y gilt, daß a · x = 0 oder
a · x = Va · (x + y) und a · y = 0 ist. Ist a nicht singulär,
sondern regulär, weil kein Sensor ideal ist,
so muß a = Va - a = 0 sein, damit a verschwindet.
Diese Aussagen gelten auch dual, d. h., wenn man a
durch a ersetzt und umgekehrt, nur ist a wegen
Gleichung (14) immer singulär. Nach Gleichung (39)
wird J = 0 = M für a = Va, wenn also die Sensoren
nur rauschen, und J = I = Einheitsmatrix für a = Va,
d. h. für ideale Sensoren.
Leitet man a formal nach J ab, wie wenn Gleichung
(46) skalar wäre und setzt dieses Differential gleich
Null, so erhält man ebenfalls Gleichung (39), welche
tatsächlich die optimale Schätzmatrix J darstellt,
denn jede andere Schätzmatrix führt zu einer Schätz
fehlervarianz, die von a subtrahiert eine negativ
semidefinite Varianzdifferenz ergibt. Insbesondere
ist a -a = a · Va -1 · a positiv semidefinit, was
garantiert, daß die Schätzung nicht schlechter ist
als die Messung a und nur bei idealen Sensoren gleich
schlecht bzw. gleich gut.
Damit wird die Varianz e des Schätzfehlers
= - ê = H $ · - H $ · â = H $ · å (47)
von bzw. as
e = E[ · ′] = E[H $ · å · å′ · H $ ′] = H · a · H $ ′ (48)
Hardwaremäßig können die als Matrizen Mi beschriebenen
Multiplikatoren Mi beispielsweise durch je ein
Motorpotentiometer pro Element der Matrix Mi und je
einen Summenverstärker pro Element des Vektors mi
realisiert werden. Daneben sind auch noch viele andere
Realisierungen in Hardware und/oder Software denkbar,
vorzugsweise jedoch Hardware-Realisierungen in
Analog-Technik, weil diese die Sensorsignale ai nicht
verzögern.
Damit ist die Erfindung beschrieben, soweit sie die
Verfolgung (des Schwerpunktes) eines Zieles betrifft,
welches aus Materie besteht. Man kann aber auch ein
immaterielles Ziel verfolgen, insbesondere den Treffpunkt,
durch den die Rohrachse einer Kanone gehen muß,
damit ihre Geschoße mit einem materiellen Ziel kollidieren
(Anspruch 14). Nachfolgend wird als Treffpunkt
verfolgungssystem ein spezielles Zielverfolgungs
system bezeichnet, welches als Ziel einen Treffpunkt
verfolgt und anstelle von Zielsensoren einen Effektor
trägt und zwar vorzugsweise mindestens eine Maschinen
kanone, wobei die Rohrachsen dieser Kanonen durch den
Treffpunkt gehen sollen, so, wie die Visierlinien der
Zielsensoren eines gewöhnlichen Zielverfolgungssystems
durch den Schwerpunkt des materiellen Ziels gehen
sollen.
Eine solche Kanone unterscheidet sich von einem aktiven
Zielsensor dadurch, daß sie nicht Photonenpakete ver
schießt, sondern Geschoße. Während die Photonen
schnell und geradlinig fliegen, bewegen sich die
Geschoße langsam, und sie werden von der Erdanziehung
abgelenkt. Deshalb liegt der Treffpunkt oberhalb des
Kollisionspunktes, in welchem die Geschoße mit dem
(materiellen) Ziel kollidieren. Den Kollisionspunkt kann
man berechnen durch Extrapolation der Zielflugbahn um
die Flugzeit der Geschoße. Der Abstand zwischen Kolli
sionspunkt und Treffpunkt wird durch die Ballistik der
Geschoße bestimmt. Der Vorhalt als Abstand zwischen
Treffpunkt und Zielschwerpunkt läßt sich nach bekannten
Methoden berechnen. Diese Berechnung geschieht vorzugsweise
im Treffpunktverfolgungssystem aufgrund der
Schätzung ez des Bewegungszustandes des Schwerpunktes
des materiellen Zieles durch mindestens ein gewöhnliches
Zielverfolgungssystem und ergibt eine Schätzung ez*
des Bewegungszustandes des Treffpunktes. Mit anderen
Worten: das Treffpunktverfolgungssystem (*) im unteren
Teil der Fig. 5 geht aus einem Zielverfolgungssystem
(*) nach Anspruch 8 dadurch hervor, daß der Ziel
estimator durch einen Vorhaltrechner Zv*, die Ziel
sensoren durch Effektoren und die Sensorsignale durch
die Schätzung ez ersetzt sowie die Matrizen Mi alle
gleich Null gesetzt werden. Letzteres ist deshalb notwendig,
weil die Geschoße im Gegensatz zu den Photonen
paketen nicht am Ziel reflektiert werden und deshalb
keine Information über die Position des Ziels zurückbringen.
Der Vorhaltrechner Zv* extrapoliert die Schätzung ez und
ihre Fehlervarianz Vz um die Geschoßflugzeit unter
Berücksichtigung der Ballistik und des Wetters und gibt
die Resultate ez* und Vz* an den Regler R* ab.
Bei der Optimierung der Steuerung des Effektorservos Ss*
durch den Regler R* taucht folgendes Problem auf: Bei
einem gewöhnlichen Zielverfolgungssystem interessiert
eine erste Wahrscheinlichkeit P gemäß Gleichung (4),
daß alle Photonenpakete das Ziel treffen. Bei einem
Treffpunktverfolgungssystem hingegen interessiert zumeist
eine zweite Wahrscheinlichkeit, daß mindestens
ein Geschoß das Ziel trifft. Diese zweite Wahrscheinlichkeit
läßt sich kaum wirtschaftlich berechnen und
maximieren, es sei denn näherungsweise für stationären
Betrieb. Die Voraussetzung des stationären Betriebs ist
beim Schießen mit Maschinenkanonen zumeist gut erfüllt,
weil andernfalls nicht geschossen wird, weil beide
Treffwahrscheinlichkeiten zu klein wären. Vorzugsweise
wird jedoch die viel einfacher zu berechnende erste
Wahrscheinlichkeit, daß alle Geschoße treffen, maximiert,
weil zwar nicht die Höhen, wohl aber die Lagen
der Maxima der beiden Wahrscheinlichkeiten einander nahe
sind.
Symbolliste
aGesamt-Vektor aller Vektoren ai, aj usw. Schätzung des wahren Wertes â von a å= â - = Schätzfehler von aiMessung der Ablage zwischen den Positionen
des Ziels und des Servos Ss durch Wi ak k-te skalare Komponenten von a al l-te skalare Komponente von a am m-te skalare Komponente von a an n-te skalare Komponenten von a asSteuersignal aus den ai bzw. mi für Ss und Se AMatrix der Ausdehnungen von Ziel und MeßbereichbBelastung von Ss durch r boBelastung von Ss für r = 0BMatrix der linearen Abhängigkeit von b von r cCodersignal, Messung des Bewegungszustands von Ss CMatrix der quadratischen Abhängigkeit von Q von b diMessung der Zieldistanz durch Di
Dii-ter Distanzsensor
escheinbarer Verfolgungsfehler ez - es
Schätzung des wahren Wertes ê von e
= ê - = Schätzfehler von
eoscheinbarer Verfolgungsfehler
eiSchätzung des Zieldistanz-Bewegungszustandes für Di
êlwahre Position der Drehachsen von Ss
esSchätzung des Bewegungszustandes von Ss
ezSchätzung des Bewegungszustandes des Ziels
EOperator der Erwartungswertbildung
fklBeobachtungsfehler der Kovarianz von ak und al
FMatrix der linearen Abhängigkeit von e von r
GMatrix der linearen Abhängigkeit der â
HMatrix der linearen Abhängigkeit von â von ê
iSensorzähler
JMatrix der linearen Abhängigkeit von as von a
krelative Kennliniensteilheit
k αrelative Kennliniensteilheit im Seitenwinkel
k λrelative Kennliniensteilheit im Höhenwinkel
lrelative Kennliniensteilheit
l arelative Kennliniensteilheit im Seitenwinkel
l λrelative Kennliniensteilheit im Höhenwinkel
LMatrix der linearen Abhängigkeit von ê von êl
mMaximum von i für Winkelsensoren
MGesamtmatrix aller Teilmatrizen Mi
mfZahl der unbekannten von a für
unkorrelierte ã
mkZahl der Diagonalelemente von a
msZahl der unbekannten Elemente von a für
korrelierte ã
mrZahl der relativen Kennlinien-Steilheiten
der Winkel-Sensoren
muZahl der Gleichungen für die Elemente von a
mi= Mi · ai = gedrehtes bzw. gewichtetes Sensor
signal für Ss und Se
MiMultiplikator bzw. Matrix für Drehung bzw.
Wichtung der ai
nZahl der Elemente von e, ê und
NNullmatrix
PVerfolgungswahrscheinlichkeit ohne Kenntnis von ê
PaWahrscheinlichkeit der besten Signalauswahl
peWahrscheinlichkeitsdichte von ê
PsVerfolgungswahrscheinlichkeit mit Kenntnis von ê
qWurzel aus dem Varianzquotienten q²
QQuadratische Form für P und mit b
r (Zustands-) Regelsignal
R (Zustands-) Regler
SeEstimator des Bewegungszustands 01764 00070 552 001000280000000200012000285910165300040 0002003644002 00004 01645von Ss siSteuersignal von Se für Mi SsWinkel-Sensorservo tZeit TZeitgrenze für die Maximierung von P uAusgangssignal von U UÜberwachungsgerät, z. B. Suchradar VVarianz von VaVarianz von a aVarianz von â aVarianz von ã aVarianz von å VaiTeilmatrix der Matrix Va aiTeilmatrix der Matrix a VeVarianzestimator VfklmnKovarianz von fkl und fmn VsVarianz von s VzVarianz von z Wi i-ter Winkelsensor xTest-Vektor yTest-Vektor YVerteil-Matrix ziSteuersignal von Ze für Mi ZeEstimator des Bewegungszustands des Zieles ZvVorhaltrechner αSeitenwinkel λHöhenwinkel ∧wahrer Wert ∼Fehler $Pseudo-Inversion
R (Zustands-) Regler
SeEstimator des Bewegungszustands 01764 00070 552 001000280000000200012000285910165300040 0002003644002 00004 01645von Ss siSteuersignal von Se für Mi SsWinkel-Sensorservo tZeit TZeitgrenze für die Maximierung von P uAusgangssignal von U UÜberwachungsgerät, z. B. Suchradar VVarianz von VaVarianz von a aVarianz von â aVarianz von ã aVarianz von å VaiTeilmatrix der Matrix Va aiTeilmatrix der Matrix a VeVarianzestimator VfklmnKovarianz von fkl und fmn VsVarianz von s VzVarianz von z Wi i-ter Winkelsensor xTest-Vektor yTest-Vektor YVerteil-Matrix ziSteuersignal von Ze für Mi ZeEstimator des Bewegungszustands des Zieles ZvVorhaltrechner αSeitenwinkel λHöhenwinkel ∧wahrer Wert ∼Fehler $Pseudo-Inversion
Claims (14)
1. Zielverfolgungssystem, das mindestens einen Distanz
sensor (D) und mindestens zwei Winkelsensoren (W)
und einen mindestens zwei Drehachsen aufweisenden
Winkelsensor-Servo (Ss) aufweist zur dauernden
Ausrichtung der zu einer gemeinsamen Visierlinie
parallel gerichteten Visierlinie der Sensoren
auf das Ziel, und bei dem Codersignale (c) des
Winkelsensor-Servos (Ss) und Stellsignale (r) für
den Winkelsensor-Servo (Ss) in einem ersten, die
Winkelsensor-Servo-Bewegung abbildenden Modell
zu ersten Schätzwerten (es) verarbeitet werden,
und daß die Distanzsignale (d) des Distanzsensors
und die Winkelsignale (a) des Winkelsensors mit
den Codersignalen (c) des Winkelsensor-Servos (Ss)
in einem anderen, die Zielobjekt-Bewegung abbildenden
Modell zu zweiten Schätzwerten (ez) verarbeitet
werden, wobei die Schätzwerte in einem Zielestimator
(Ze) und einem Servoestimator (Se) gebildet werden
und ein Zustandsregler (R) die beiden Schätzwerte
(es und ez) zu einem Regelsignal (r) verarbeitet,
um damit den Winkelsensor-Servo (Ss) und den Servo
estimator (Se) gleichartig so zu steuern, daß die
beiden Zustandsschätzungen möglichst genau gleich
sind und bleiben,
dadurch gekennzeichnet, daß sämtliche Winkel-Ablage
signale (ai) dauernd miteinander verglichen werden
und ein kombiniertes Ablagesignal (as) gebildet
wird, dessen Komponenten aus den Komponenten der
Ablagesignale (ai) ausgewählt sind.
2. Zielverfolgungssystem nach Anspruch 1, dadurch
gekennzeichnet, daß jede Komponente des Ablagesignales
(as) - sofern sie die Bedingung, daß ihr Quadrat
des Sensorresiduums viel größer ist als ihre Varianz -
ausgewählt wird nach der Regel: die kleinste Komponente
aller gleichartigen Komponenten der Ablagesignale
(ai) wird benutzt, falls der Betrag des betreffenden
Ablagesignals (ai) einen bestimmten Mindestwert
nicht unterschreitet oder Null ist.
3. Zielverfolgungssystem nach Anspruch 1 oder 2, dadurch
gekennzeichnet, daß das gebildete kombinierte Ablage
signal (as) nicht dem Zielestimator (Ze), hingegen
sowohl dem Servoestimator (Se) als auch dem Winkel
sensor-Servo (Ss) zugeführt wird.
4. Zielverfolgungssystem, das mindestens einen Distanz
sensor (D) und mindestens zwei Winkelsensoren (W)
und einen mindestens zwei Drehachsen aufweisenden
Winkelsensor-Servo (Ss) aufweist zur dauernden
Ausrichtung der zu einer gemeinsamen Visierlinie
parallel gerichteten Visierlinien der Sensoren
auf das Ziel, und bei dem Codersignale (c) des
Winkelsensor-Servos (Ss) und Stellsignale (r) für
den Winkelsensor-Servo (Ss) in einem ersten, die
Winkelsensor-Servo-Bewegung abbildenden Modell
zu ersten Schätzwerten (es) verarbeitet werden,
und daß die Distanzsignale (d) des Distanzsensors
und die Winkelsignale (a) des Winkelsensors mit
den Codersignalen (c) des Winkelsensor-Servos (Ss)
in einem anderen, die Zielobjekt-Bewegung abbildenden
Modell zu zweiten Schätzwerten (ez) verarbeitet
werden, wobei die Schätzwerte in einem Zielestimator
(Ze) und einem Servoestimator (Se) gebildet werden
und ein Zustandsregler (R) die beiden Schätzwerte
(es und ez) zu einem Regelsignal (r) verarbeitet,
um damit den Winkelsensor-Servo (Ss) und den Servo
estimator (Se) gleichartig so zu steuern, daß die
beiden Zustandsschätzungen möglichst genau gleich
sind und bleiben,
gekennzeichnet durch mindestens einen Multiplikator,
der zwischen dem Sensor (Wi) und dem Servoestimator
(Se) einerseits und dem Sensor (Wi) und dem Sensor
servo (Ss) andererseits angeordnet ist und der
das Winkelsensor-Signal (ai, i = 1, 2, 3,...) mit
einer Matrix (Mi, i = 1, 2, 3,...) multipliziert,
so daß das Produkt (mi = Mi · ai) anstelle des Winkel
sensor-Signals (ai) an den Winkelsensor-Servo (Ss)
und den Servoestimator (Se) abgegeben wird.
5. Zielverfolgungssystem nach Anspruch 4, dadurch
gekennzeichnet, daß der Zielestimator (Ze) mindestens
eine der Matrizen (Mi) via ein entsprechendes Steuer
signal (zi) verändern kann.
6. Zielverfolgungssystem nach Anspruch 4 oder 5, dadurch
gekennzeichnet, daß der Servoestimator (Se) alle
Matrizen (Mi) via entsprechende Steuer-Signale
(si) verändern kann.
7. Zielverfolgungssystem nach einem der Ansprüche
4 bis 6, dadurch gekennzeichnet, daß der Regler (R)
den Winkelsensor-Servo (Ss) unter Berücksichtigung
von dessen Belastbarkeit sowie gleichartig den
Servoestimator (Se) so steuert, daß die Wahrscheinlichkeit
maximal ist, daß das Ziel nie den Meßbereich
der Sensoren verläßt, wobei die Annahme über die
Ausdehnung des Ziels von der Varianz der Meßfehler
der Sensoren abhängt.
8. Zielverfolgungssystem nach einem der Ansprüche
4 bis 7, dadurch gekennzeichnet, daß dem Regler (R)
die Werte der Matrizen (Mi) übermittelt werden.
9. Zielverfolgungssystem nach einem der Ansprüche
4 bis 8, dadurch gekennzeichnet, daß der Ziel
estimator (Ze) durch Vergleich aller Winkel-Ablage
signale (ai) die Varianz ihrer Fehler und die Funktions
güte der Winkelsensoren (Wi, i = 1, 2, 3,...)
laufend bestimmt und für seine eigene Adaptivität
sowie für die Steuerung der Multiplikatoren (Mi)
verwendet.
10. Zielverfolgungssystem nach Anspruch 9, dadurch
gekennzeichnet, daß die Winkelablagesignale (ai)
durch eine Korrelation verglichen werden, welche
eine Schätzung ihrer Varianzen und Kovarianzen
ist, welche als Zustandsvariablen eines Varianz
estimators in der Gestalt eines Kalman-Bucy-Filters
bestimmt werden, welches die Matrix-Riccati-Differential
gleichungen des Zielestimators (Ze) und des
Servoestimators (Se) stochastisch modelliert.
11. Zielverfolgungssystem nach einem der Ansprüche
9 oder 10, dadurch gekennzeichnet, daß zur Einrichtung
der Steilheit der Kennlinien der Winkelsensoren (Wi)
hochfrequente Verfolgungsfehler künstlich erzeugt
werden, und daß der scheinbare Verfolgungsfehler
wie ein Winkelsensorsignal mit den übrigen Winkel
sensorsignalen verglichen wird.
12. Zielverfolgungssystem nach einem der Ansprüche
9 oder 10, dadurch gekennzeichnet, daß beim Betrieb
von mehreren Zielverfolgungssystemen, welche miteinander
kommunizieren und dasselbe Ziel verfolgen,
mindestens ein Zielestimator (Ze) die Signale
(ai, di) aller Zielsensoren und die Signale (c)
aller Lagesensoren miteinander vergleicht.
13. Zielverfolgungssystem nach Anspruch 12, dadurch
gekennzeichnet, daß nur passive Zielsensoren zum
Einsatz kommen.
14. Anwendung von mindestens einem der Zielverfolgungssysteme
nach einem der Ansprüche 1 bis 13 auf
eine Feuereinheit mit einem Treffpunkverfolgungs
system, dadurch gekennzeichnet, daß das Treffpunkt
verfolgungssystem aus einem Zielverfolgungssystem
nach Anspruch 8 besteht, wobei die Zielsensoren
durch Effektoren und der Zielestimator durch einen
Vorhaltrechner gebildet und die Matrizen (Mi)
alle gleich Null sind.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19863644002 DE3644002A1 (de) | 1986-12-22 | 1986-12-22 | Zielverfolgungssystem |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19863644002 DE3644002A1 (de) | 1986-12-22 | 1986-12-22 | Zielverfolgungssystem |
Publications (1)
Publication Number | Publication Date |
---|---|
DE3644002A1 true DE3644002A1 (de) | 1988-06-30 |
Family
ID=6316935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE19863644002 Withdrawn DE3644002A1 (de) | 1986-12-22 | 1986-12-22 | Zielverfolgungssystem |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE3644002A1 (de) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0350998A1 (de) * | 1988-07-12 | 1990-01-17 | Hollandse Signaalapparaten B.V. | Ziel-Detektor |
EP0362914A2 (de) * | 1988-09-16 | 1990-04-11 | Hollandse Signaalapparaten B.V. | Überwachungsradar |
US7248206B1 (en) * | 2005-06-10 | 2007-07-24 | Lockheed Martin Corporation | Instantaneous multisensor angular bias autoregistration |
CN114035186A (zh) * | 2021-10-18 | 2022-02-11 | 北京航天华腾科技有限公司 | 一种目标方位跟踪指示系统及方法 |
CN114740467A (zh) * | 2022-04-27 | 2022-07-12 | 电子科技大学 | 基于幅度点迹的集群目标跟踪及数量、轮廓动态估计方法 |
-
1986
- 1986-12-22 DE DE19863644002 patent/DE3644002A1/de not_active Withdrawn
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0350998A1 (de) * | 1988-07-12 | 1990-01-17 | Hollandse Signaalapparaten B.V. | Ziel-Detektor |
US4975705A (en) * | 1988-07-12 | 1990-12-04 | Hollandse Signaalapparaten B.V. | Target detector |
EP0362914A2 (de) * | 1988-09-16 | 1990-04-11 | Hollandse Signaalapparaten B.V. | Überwachungsradar |
EP0362914A3 (en) * | 1988-09-16 | 1990-07-18 | Hollandse Signaalapparaten B.V. | Surveillance radar |
US7248206B1 (en) * | 2005-06-10 | 2007-07-24 | Lockheed Martin Corporation | Instantaneous multisensor angular bias autoregistration |
CN114035186A (zh) * | 2021-10-18 | 2022-02-11 | 北京航天华腾科技有限公司 | 一种目标方位跟踪指示系统及方法 |
CN114035186B (zh) * | 2021-10-18 | 2022-06-28 | 北京航天华腾科技有限公司 | 一种目标方位跟踪指示系统及方法 |
CN114740467A (zh) * | 2022-04-27 | 2022-07-12 | 电子科技大学 | 基于幅度点迹的集群目标跟踪及数量、轮廓动态估计方法 |
CN114740467B (zh) * | 2022-04-27 | 2023-05-26 | 电子科技大学 | 基于幅度点迹的集群目标跟踪及数量、轮廓动态估计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP0276454B1 (de) | Zielverfolgungssystem | |
DE1936820C1 (de) | Zielverfolgungsgerät für Luftfahrzeuge | |
DE60302379T2 (de) | Radarverarbeitungssystem und Verfahren zur Erkennung und Überwachung von Zielen | |
DE1941692B2 (de) | Feuerleitanlage | |
DE2802492A1 (de) | Zielverfolgungssystem | |
EP0314721B1 (de) | Ausrichtverfahren für eine feuerleiteinrichtung und feuerleiteinrichtung zur durchführung des verfahrens | |
EP1079198B1 (de) | Verfahren zur Bestimmung der Relativbewegung zwischen Flugkörper und Ziel | |
EP1848953B1 (de) | Verfahren zur ermittlung einer feuerleitlösung | |
EP1129944A1 (de) | Zustandsgrössen eines sich bewegenden Körpers ( Docking, Rendezvous ) mit drei Retroreflektoren und Zustandsbeobachter ( Luenberger ) | |
DE2750128C2 (de) | ||
DE3644002A1 (de) | Zielverfolgungssystem | |
DE3442598A1 (de) | Leitsystem | |
WO1990008936A1 (de) | Verfahren und vorrichtung zur verbesserung der treffgenauigkeit | |
DE19645556A1 (de) | Vorrichtung zur Erzeugung von Lenksignalen für zielverfolgende Flugkörper | |
EP1020699B1 (de) | Flugkörper | |
DE4218599C2 (de) | Navigations- und Führungssystem für autonome, mobile Roboter | |
DE2325355B2 (de) | Verfahren zur Zielsteuerung eines Flugkörpers | |
EP0207521B1 (de) | Zielvermessungssystem | |
DE10341893B4 (de) | Verfahren zur Verringerung des Dopplerzentroids bei einem kohärenten impuls-Radarsystem sowie Verwendung des Verfahrens | |
EP3428580A1 (de) | Inertialsensorsystem für flugkörper und verfahren zur flugphasenabhängigen inertialsensormessung | |
EP3428578B1 (de) | Inertialsensorsystem für flugkörper | |
DE102020000711B4 (de) | Verfahren zur Ermittlung von Positionsinformationen für einen Effektor, Effektor, Rechnereinheit und Waffensystem | |
DE3642767B3 (de) | Winkelverfolgungsradarsystem | |
EP1014028B1 (de) | Lenk,- Navigations- und Regelsystem für Flugkörper | |
EP0401693B1 (de) | Verfahren zum Verbessern der Treffergenauigkeit eines gesteuerten Flugkörpers |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
8139 | Disposal/non-payment of the annual fee |