EP1020699B1 - Flugkörper - Google Patents

Flugkörper Download PDF

Info

Publication number
EP1020699B1
EP1020699B1 EP99124091A EP99124091A EP1020699B1 EP 1020699 B1 EP1020699 B1 EP 1020699B1 EP 99124091 A EP99124091 A EP 99124091A EP 99124091 A EP99124091 A EP 99124091A EP 1020699 B1 EP1020699 B1 EP 1020699B1
Authority
EP
European Patent Office
Prior art keywords
missile
missile according
sensors
reconfiguration
monitoring
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.)
Expired - Lifetime
Application number
EP99124091A
Other languages
English (en)
French (fr)
Other versions
EP1020699A1 (de
Inventor
Uwe Dr. Krogmann
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Diehl BGT Defence GmbH and Co KG
Original Assignee
Diehl BGT Defence GmbH and Co KG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Diehl BGT Defence GmbH and Co KG filed Critical Diehl BGT Defence GmbH and Co KG
Publication of EP1020699A1 publication Critical patent/EP1020699A1/de
Application granted granted Critical
Publication of EP1020699B1 publication Critical patent/EP1020699B1/de
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F41—WEAPONS
    • F41F—APPARATUS FOR LAUNCHING PROJECTILES OR MISSILES FROM BARRELS, e.g. CANNONS; LAUNCHERS FOR ROCKETS OR TORPEDOES; HARPOON GUNS
    • F41F3/00—Rocket or torpedo launchers
    • F41F3/04—Rocket or torpedo launchers for rockets
    • F41F3/055—Umbilical connecting means
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F41—WEAPONS
    • F41G—WEAPON SIGHTS; AIMING
    • F41G7/00—Direction control systems for self-propelled missiles
    • F41G7/20—Direction control systems for self-propelled missiles based on continuous observation of target position
    • F41G7/22—Homing guidance systems
    • F41G7/2246—Active homing systems, i.e. comprising both a transmitter and a receiver
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F42—AMMUNITION; BLASTING
    • F42B—EXPLOSIVE CHARGES, e.g. FOR BLASTING, FIREWORKS, AMMUNITION
    • F42B15/00—Self-propelled projectiles or missiles, e.g. rockets; Guided missiles
    • F42B15/01—Arrangements thereon for guidance or control
    • F42B15/04—Arrangements thereon for guidance or control using wire, e.g. for guiding ground-to-ground rockets

Definitions

  • Electrodes may be sensors, signal processing means or actuators.
  • the term “elements” should also include information that is essential to the function of the missile.
  • agents which are e.g. to increase the safety of manned aircraft during their relatively long-term use per se, used for a different purpose, namely to increase the above-defined "availability" of missiles that certainly do not require such measures during their brief deployment would.
  • a high reliability and availability of the missile is achieved by fault tolerance.
  • a fault-tolerant system has the ability to fully perform its specified function even in the event of hardware or software failure.
  • error subsumes: faults in the hardware and software, resulting errors in the information world (“errors”) and, finally, resulting failures or malfunctions in the system (“ failures ").
  • a “fault” can be a defect in a sensor.
  • the fault leads to a false signal ("error").
  • error leads to a malfunction of the missile.
  • Embodiments of the invention are the subject of the dependent claims.
  • Fig.1 10 denotes a missile.
  • the missile 10 includes a seeker head 12 in its nose.
  • the nose has a Radar Radiation Permeable Tip (RADOME) 14 and an Infrared Radiation Permeable Window 16.
  • Behind the radiotransparent tip 14 are an X-band passive array sensor 18 and a K-band phased array sensor 20.
  • the X-band passive array sensor 18 is connected to associated tracking circuitry 22.
  • the K-band phased array sensor 20 is connected to associated tracking electronics 24.
  • the infrared sensor 26 is followed by an associated tracking electronics unit 28.
  • the tracking electronics 22, 24, and 28 receive data from a strapdown finder and navigation signal processor 30.
  • the strapdown seeker and navigation signal processor 30 receives data from an inertial measurement unit and satellite navigation, represented by a block 32.
  • the proper movements of the missile are taken into account in the signals of the "strapdown" sensors.
  • navigation data are obtained, ie data on the position and possibly speed of the missile.
  • the outputs of the tracking electronics 22, 24 and 28 are connected to means 34 for sensor fusion. Become through the sensor fusion Get seeker signals based on the signals from multiple sensors. These seeker signals are applied to a flight control signal processor 36.
  • the flight guidance signal processor 36 also receives data from the strapdown finder and navigation signal processor 30.
  • signals from a data transmission unit 38 may be applied to the flight guidance signal processor 36.
  • the flight guidance signal processing 36 is in data exchange with a missile-side mission unit 40.
  • the flight guidance signal processing 36 effects flight guidance in the marching phase and in the final phase.
  • the flight guidance signal processing provides commands to an advanced autopilot 42.
  • the autopilot 42 may continue to receive data from the communication unit 38.
  • the autopilot 42 provides commanding commands for the actuation of control surfaces and for the thrust at outputs 44 and 46, respectively a circuit 48 is provided, which is acted upon by data of the means 34 for sensor fusion and by which a seeker-based ignition command is generated, which is connected via an output 50 to a warhead of the missile 10 is before firing via an interface 52 and a feed cable 54 with connected to the missile 10 carrying carrier aircraft, which is shown in Figure 1 by a block 56 in the left part of the figure.
  • the interface 52 communicates with the missile side mission unit 40, the signal processing 30, the flight guidance signal processing 36 and the autopilot 42 in data exchange.
  • the carrier aircraft 56 also has sensors represented by blocks 58, 60, 62, 64, 66 and 68, eg a radar 58, a forward infrared sensor FLIR 62 or sensors for satellite or inertial navigation GPS / INS 68.
  • the sensors are switched to a mission avionics 70 of the carrier aircraft 56. Based on the sensor signals, a target is identified, identified and tracked.
  • the missionary avionics provides data to mission planning means 72, namely means for the fire control solution and the tactical dynamics.
  • the mission avionics 70 provides data about the location, type and movement of the target.
  • the mission planning resources 72 provide data on how to tackle this goal. Via the interface 52 in the launcher, the mission avionics 70 receives information from the missile 10, which already provides information with its sensors while it still hangs in the launcher of the carrier aircraft.
  • the mission avionics 70 and the mission planning means 72 may continue to communicate wirelessly with the missile in two directions via data transmission 38.
  • Block 74 symbolizes other contributors, e.g. a command center or other friendly aircraft through which a target can be made.
  • the "target by a third party" is symbolized by the block 76 in FIG.
  • the target can be transmitted via data transmission 38 to the missile 10 or to the carrier aircraft 56.
  • the sensors of the missile can be subdivided into sensors for measuring the self-propelled state of the missile and sensors for target detection and target tracking.
  • the self-motion of the missile is detected with inertial sensors for measuring acceleration and rotational speed. Furthermore, satellite navigation systems such as GPS ("Global Positioning System”) are used in some cases for accurate positioning. This is the element 32 in Fig.1.
  • GPS Global Positioning System
  • Searchers preferably image-resolving viewfinders whose signals are subjected to image processing, serve for target detection and target tracking. These are e.g. image-processing radar seekers such as element 18 in FIG. 1 or infrared seekers such as element 26 in FIG.
  • the viewfinders can work passively or actively. In the case of an infrared finder, a distance measurement in the final phase can also take place by means of a laser.
  • Fault tolerance is achieved by redundancy of sensors. If errors occur in the sensors, which can be detected and identified as a result of redundancy, the sensors are reconfigured: the signals from defective sensors are ignored and the required information is obtained from the signals of other sensors and possibly combinations of such signals.
  • the inertial sensors are multiplied.
  • the degradation behavior "fail-operational" ie a functionality even after failure of any Sensors, each with a minimum of five (instead of three otherwise) rotational rate and acceleration sensors, which are arranged in a special geometry to the missile axes.
  • the rotation rate sensors can be optical rotation rate sensors. It is also possible to use micro-mechanical sensors (EP 0 686 830 B1) for rotation rates and accelerations. The additional effort for the redundancy is thereby relatively low, so that it is outweighed even with loss objects such as missiles by increasing the availability and lower maintenance.
  • Satellite navigation systems may be multi-channel (multi-channel) GPS systems so that redundant position information is also available from the satellite navigation system that can be used to monitor and select the currently most favorable channels.
  • motion information can also be obtained from the signals of the infrared and radar sensors.
  • FIG. 2 schematically shows the monitoring of the functionally important elements of the missile 10.
  • 80 generally designates the device for detecting and identifying faults and for reconfiguring the elements of the missile 10 (FDIR).
  • Monitored are sensors, represented by a block 82, the information and data processing represented by a block 84 and the actuators, represented by a block 86.
  • a block 88 symbolizes a built-in test procedure (BIT), by which the physical function of the individual components is checked. It is checked, for example, whether a motor winding of a gyro receives power. Subsequently, the test is for errors by the FDIR.
  • BIT built-in test procedure
  • inference and status means 90 "If the signal from sensor A is detected as faulty, discard the signal from sensor A and process only the signals from sensors B and C". Status: failure of sensor A.
  • the built-in test procedure can additionally show that sensor X is not receiving power. This also gives a status signal: "Failure of Sensor X, working with sensor Y, which provides similar information. "The status signals are applied to the missile mission unit 40.
  • FIG. 3 schematically shows the structure of the FDIR device 80 for error detection, identification and reconfiguration.
  • 90A to 90N sensors of the missile 10 are designated, whose signals or data are applied to the device 80.
  • the connection is represented by double arrows.
  • the FDIR device 80 effects monitoring of the hardware and subsystems of the missile 10. This is represented by block 92. This is done once by "voting" and plausibility checks: If a sensor is designed to be triple-redundant and one measured value deviates significantly from the measured values of the other two, then this deviating measured value is considered to be incorrect. It counts the majority. A plausibility check checks whether a received measured value is physically meaningful. This type of monitoring is shown in FIG. 3 by a block 94. Furthermore, the built-in test procedures (BIT), which are represented by a block 88. This is a way of checking the hardware and subsystems.
  • BIT built-in test procedures
  • a block 98 Another type of hardware and subsystem verification is represented by a block 98.
  • the signals are checked for the occurrence of errors by means of knowledge, model, pattern or parity-based processing.
  • the errors are detected and identified. This is shown in Fig. 3 by block 100 (FDI).
  • effectors and actuators 108 are actuated. Again, the transfer of information takes place in two directions, which indicated by a double arrow. The function of the effectors and actuators is monitored in the manner described by the FDIR device.
  • Block 110 represents the communication of FDIR device 80 e.g. with the missile mission unit 40, this communication also being in two directions.
  • Block 112 symbolizes the human / machine interface.
  • 90 generally designate the sensors of the missile.
  • These sensors include redundant inertial sensors 114, a multi-channel receiver for satellite navigation (multichannel GPS with 6 -10 channels) 116, and infrared and radar sensors 118.
  • the multi-channel GPS provides redundant GPS information that can be used to monitor and select the currently most affordable GPS channels.
  • the infrared and radar sensors 118 also provide motion information.
  • Block 120 represents the formation of location and velocity data, which are collectively obtained from the GPS data and the data from the inertial sensors. It can be a Kalman filter or a State Dependent Riccati Equation (SDRE) filter that optimally integrates GPS and inertial data. The output of this block is the measured (not the calculated) covariance signals of the Kalman filter or SDRE filter.
  • SDRE State Dependent Riccati Equation
  • the output signals of the sensors 114, 116 and 118 are applied in a measurement vector m to an array 122 of neural networks 124 and 126.
  • the measuring vector m comprises the output signals of the sensors 114, 116, 118.
  • the error vector ⁇ may include jump or ramp-shaped as well as stochastic errors and continue to map total failures such as zero measurement signal or constant full scale deflection.
  • the measuring vector m is applied to the first neural network 124.
  • a separation of the useful signal m (x) and the error m ( ⁇ ) is performed by projecting the measuring vector m into the error space (parity space) orthogonal to the measuring space. This generates a feature or validation vector v .
  • the validation vector v is subject to errors. This is an error detection.
  • the feature vector v is applied to the second neural network 126.
  • This second neural network 126 effects the location of the error.
  • the second neural network 126 thus identifies the defective sensor or channel.
  • this neural network 126 has the function of a classifier related to the error space in which the feature vectors point to certain error clusters.
  • the networks 124 and 126 are provided with prior knowledge of an analytical solution to the problem of error detection and identification and then trained in a training phase either by simulation of the sensor array and typical errors or with the real sensor array 90 with simulated errors. It has been found that the networks 124 and 126 can detect and locate not only single errors but also simultaneous errors and short consecutive errors. Moreover, they detect and locate the disappearance of transient errors, e.g. As a result of strong maneuvers occur, so that the sensor assembly 90 can work self-regenerating.
  • Output of the second network 126 is a location, identification and classification vector. If necessary, this vector is supplied to a decision network 128 together with the feature vector v . This is illustrated by connections 130 and 132, respectively.
  • Decision network 128 is further provided with the output of Kalman filter or SDRE filter 120.
  • Kalman filter or SDRE filter 120 In the covariances of the measuring difference form both measurement errors and sensor failures. The progressions of these signals can therefore be usefully included in the decision as to whether and where errors have occurred.
  • Denoted 130 is a Kalman filter intended for initialization and calibration of the Missile Inertial System (MLS-IRS).
  • the Kalman filter processes information from the aircraft inertial system as well as the missile inertial system.
  • the covariance signals provided by the Kalman filter 130 are a measure of the function and momentary quality of the MLS-IRS missile inertial system. These covariance signals are also applied to the decision network 128 via connection 132.
  • Block 134 symbolizes rule-based heuristic knowledge about the sensors 114, 116, 118 and their interaction in the system. This is also switched to the decision network 128.
  • the decision network 128 includes a fuzzification layer 136 on the input side. This is followed by a control layer 138 and an inference layer 140. On the output side, a defuzzification layer 142 is provided. Decision network 128 provides a sensor status vector.
  • the task of the decision network is to extract from the analytic sympetome signals, e.g. identify the identification vector and rule-based heuristic knowledge of the sensors concerned and their interaction in the system with possible "faults" according to the type, location and time of occurrence. For this a uniform presentation of the symptoms is important. This is made possible by the fuzzy logic by uniformly representing both analytical and heuristic symptoms through membership functions to fuzzy sets for decision making.
  • the signals supplied to decision network 128 are stochastic variables with mean and variance.
  • An example of the time course of such a variable S is shown by curve 144 in the left part of FIG.
  • the variable S usually fluctuates around the Line 146 with the variance ⁇ .
  • ⁇ S the waveform shifts by ⁇ S on line 148.
  • the function 154 shows a ramp 156 which starts from the S value of the line 148 and from S max up constant "1" remains.
  • the functions intersect at a function value of 0.5.
  • the function 150 is associated with the linguistic variable "normal”, the function 152 with the linguistic variable "low” (fault) and the function 154 with the linguistic variable "increased”.
  • a particular value S of the variable leaves may then be assigned to a certain percentage, eg the linguistic variable "normal” and to a different percentage of the linguistic variable "low”.
  • FIG. 6 shows an example in which the increase or decrease of a symptom or feature forms a criterion for the occurrence of a "faults" and is described by introducing linguistic value ranges (fuzzy sets), wherein each of these value ranges is assigned a "membership function” is.
  • FIG. 6 shows the membership functions as degree ⁇ (S) of the membership of a value S to a range of values. ⁇ (S) is again one maximum.
  • the ranges of values overlap, so that a particular value S may belong to different adjacent value ranges in different degrees determined by the membership functions.
  • the "fuzzification” gives the decision network 128 at the various inputs from the identification network 126, the Kalman filters 120 and 130 and the heuristic knowledge 134 comparable inputs, namely degrees of membership between zero and one to linguistic value ranges.
  • FIG 7 shows in another illustration the decision network 128 and the signal processing then taking place.
  • Block 172 symbolizes an input interface for the fuzzification of the input variables that are applied to inputs 174. These are operations as described in connection with FIGS. 5 and 9.
  • the fuzzification is indicated at the bottom of Fig. 7 by block 176.
  • the linguistic quantities thus obtained are displayed in block 178.
  • Block 178 contains a rule database 180.
  • the rule database contains rules of the form. "If ..., then ", according to which the linguistic quantities are linked in a inference stage 182. This is indicated at the bottom in FIG. 7 by block 184.
  • Block 188 represents an output interface for defuzzification. This output interface also receives the linguistic value ranges and membership functions stored in database 170 via connection 190. The defuzzification is indicated at the bottom of FIG. The output interface supplies a sensor status vector at an output 194 as a "hard" output, with the aid of which the signals of the respectively intact sensors can be reconfigured for further processing in the system.
  • the FDIR sensor concept described here is a parity-vector-based, feature-based, knowledge-based method. It does not require any more or less complex sensor or subsystem modeling. It also recognizes the ability to detect and locate simultaneous or rapid errors, with the potential for self-regeneration.
  • the three networks necessary for the realization can be implemented in hardware as ASICS, so that problems with software reliability can be avoided at this point. Due to the hardware realization, the networks can be produced quickly and, because of the parallel structures, fault-tolerant as well as cost-effectively. They are adaptable to change through learning, not reprogramming.
  • the described FDIR concept requires similar or dissimilar sensor redundancy. In its basic structure, it can also be used for multi-sensor systems for time recording and for non-redundant sensor configurations. However, the latter requires analytical redundancy with model-based approaches, which in turn can be based on knowledge-based representations.
  • the processor and memory hardware is monitored using standard, proven BIT resources. Fault tolerance can basically be implemented by multiplication with mechanical and electrical segregation in conjunction with voting / monitoring techniques. Due to the reliability of the relevant hardware components even during long storage, this measure can be dispensed with to ensure availability.
  • Block 196 symbolizes the mission control software 40 (Fig.1), i. determines what the missile should do, e.g. Detect, identify and track a specific destination.
  • Block 198 symbolizes the software of the sensor subsystem viewfinder. This is a signal processing of the viewfinder and possibly inertial signals through which the viewfinder follows the specific destination.
  • Block 200 represents the software of the midcourse and end-phase flight guidance 36 (Fig. 1) through which the missile is guided to the destination in accordance with the seeker signals.
  • block 202 represents the software of the autopilot 42, which steers the missile in accordance with the flight guidance 36.
  • FIG. 9 shows a circuit which, with the outlay for missiles, achieves a tolerance for software errors and thus improves the availability of the missile.
  • Block 206 symbolizes other input data.
  • the data records are connected in parallel to at least two computer channels 208 and 210.
  • the computer channels 208 and 210 deliver the output data p n and p n-1 respectively in the right cycle.
  • Each computer channel operates with a nominal software N and a monitor version M of the nominal software.
  • the two computers work with a time offset of one right clock.
  • the computer 208 processes in the time clock n the data accumulating in this time cycle.
  • the computer 210 processes at the same time the data that had been incurred in the previous time clock n-1. However, these data have already been processed by the computer 208 in the preceding time clock and once by the nominal software N and secondly by the monitor software M. If the computer 208 has come to the same result in the two channels with different software N and M. which is referred to here as p n ; then the software is "validated" for this set of input variables. If this set of input variables is switched one clock further on the computer 210, then this calculator with nominal software and monitor software must deliver the same output. This allows control of the function of computers 208 and 210. One has the certainty that the software is working properly. Deviations are then due to an error of one of the computers.
  • the software It is also possible to control the software. If the output variables calculated with the nominal software N and the monitor software M deviate in the two channels of the computers 208 and 210, then there is a software error. However, it can not be said which software encountered this error.
  • the monitoring of the software is based on the consideration that the output variables of the computer, for example, a commanded control surface position, constantly changing and make no jumps. From the history of an output in the past, the value of the output in the next clock can be predicted with some accuracy. A significant deviation of the output from the predicted value in one channel while the output in the other channel close to the predicted value, indicates a software error in this channel.
  • Fig.10 This is shown in Fig.10 as a flow chart.
  • An oval 212 indicates the input data for the nth clock cycle.
  • the vector p at time nT, ⁇ p n N calculated. This is represented by the rectangle 214.
  • the vector p at time nT ⁇ p n M ⁇ calculated. This is represented by the rectangle 216. From the vectors of the output variables thus calculated with the two programs N and M, the difference is formed ⁇ p ⁇ n p ⁇ n N - p ⁇ n M ,
  • an output vector p n is formed. This is represented by a rectangle 228.
  • This output vector p n is the vector which is switched to an output 230 in consideration of the software monitoring and is used further.
  • the monitor or monitoring software M should use simple algorithmic and logical elements (standard modules), which can be arranged in generally validatable structures arranged a variety of (software) problem solutions. Thus, simple algorithmic and logical elements are provided. These elements will be combined to a specific problem solving in the problem adapted structures. These conditions ideally fulfill neural networks and fuzzy neural networks. These networks define a given standard structure with uniform, simple processor units.
  • the free parameters of the structure are set in a training phase.
  • input and output vectors of the input or output spaces of the respectively associated nominal software module are used as training data. It is possible by means of genetic evolutionary algorithms to optimize the structure and / or parameters according to predetermined criteria. This allows automatic generation of the monitor software. For the likewise automatic test of the generated software, other than the training vectors from the input and output spaces are used.
  • Block 232 symbolizes a neural network usable in the manner described above.
  • Block 234 symbolizes a correspondingly usable fuzzy-neural network.
  • block 236 symbolizes a genetic algorithm.
  • the neural network 232 and the fuzzy neural network 234 provide a standard representation. This results in training of structure parameters by training with input and output data (“data driven") represented by a memory 238. This type of structuring also has potential for genetic / evolutionary optimization of the structure and / or parameters. This is illustrated in FIG. 11 by a block 240. This results in an automatic generation of the monitor software. This is represented by block 242 in FIG. For testing the monitor software thus obtained, input and output vectors of the input and output spaces, which are different from the training vectors and also stored in memory 238, are used.
  • This method is quite generally applicable to the automatic generation of software modules.
  • the monitor software is generated on the basis of a neural or fuzzy-neural network structure.
  • the monitor software M can be implemented as a hardware module, for example in the form of an ASIC. This has several advantages: The reliability of the module can be assessed according to the laws of hardware failure. It does not use software to monitor software. The parallel information processing in the hardware provides - within certain limits - an inherent fault tolerance of the module.
  • the nominal home goods can also be replaced by hardware modules that are identical in terms of the input and output. These hardware modules can be multiply where the inherent fault tolerance to achieve the required reliability and thus availability is insufficient. This would be omitted monitor modules.
  • the software is modeled on hardware modules of high reliability, whereby the adaptation to different tasks is done by learning.
  • a missile may comprise a plurality of actuators. This is shown in FIG. 12.
  • the missile 10 may include a transverse thruster 244 that exerts transverse thrust on the missile 10 as shown. This causes a lateral acceleration of the missile 10.
  • Other actuators may be control surfaces or rudder 246.
  • a rudder deflection, as shown, causes an angle of attack, which also leads to a lateral acceleration.
  • the thrust vector of the engine may be varied by adjusting the engine nozzle or by jet vanes projecting into the engine jet, as shown.
  • a missile may have all three types of actuators. But it is then not possible in case of failure of an actuator to influence the movements of the missile by the remaining actuators in the desired manner.
  • the positioning system of the missile is therefore a "simplex configuration". There is no possibility for a reconfiguration, as in the manner described above, for example at
  • External faults are e.g. Damage due to collision or fault in the power supply.
  • Internal faults are e.g. Failure of gearbox, bearings, insufficient lubrication or component failure.
  • the first monitoring may be performed on the actuator 250 by measuring by measuring certain signals, e.g. of the input current or the deflection, and comparison of these signals with fuzzy predetermined tolerance thresholds in the manner of Figure 5 is made a general statement about the function of the actuator.
  • FIG. 13 An improvement of the error detection and above all the possibility of a localization can be realized with the help of knowledge-based elements.
  • FIG. 13 neuronal or fuzzy-neuronal nonlinear dynamic state and parameter models are assumed.
  • 252 denotes a neural network representing such a model.
  • 254 denotes a fuzzy neural network, which also represents such a model.
  • the models from the networks 252 and 254 are connected to a knowledge-based nonlinear estimator 256 which receives data from the actuator 250 for comparison.
  • the estimator 256 may also include further inputs from the flight guidance and control system of the missile 10 switched as indicated by input 258.
  • the estimator 256 provides in real time estimates of the state variables x and the parameter p of the actuator. If errors occur, these estimated values contain the error components ⁇ x and ⁇ p .
  • a statement about the status of the actuators can be continuously made by means of a fuzzy decision and inference unit 160.
  • an inference and status unit 90 is provided to which the results of sensor, information, data processing and actuator monitoring as well as the results of the built-in test (BIT) are fed.
  • the unit 90 generates therefrom by inference and inference processes with fuzzy logic information regarding the functional status of the missile and its essential functional parts and thus about its availability.

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Aiming, Guidance, Guns With A Light Source, Armor, Camouflage, And Targets (AREA)
  • Feedback Control In General (AREA)

Description

  • Die Erfindung betrifft einen Flugkörper, der ein Teil eines Waffensystems bildet und in einer verglichen mit den Betriebszeiten von Flugzeugen oder Raumfahrzeugen kurzen Flugzeit mit Hilfe von Signalen von Sensoren und/oder Empfängern zu einem Ziel geführt wird, bei welchem
    • (a) Elemente des Flugkörpers redundant vorgesehen sind und
    • (b) der Flugkörper Mittel zur Fehlerdetektion aufweist
      Ein Flugkörper ist ein Teil eines Waffensystems. Der Flugkörper wird zu einem Ziel geführt. Das kann z.B. durch eine Navigationseinheit oder durch einen Suchkopf erfolgen, der das Ziel erfaßt und Lenksignale erzeugt. Der Flugkörper ist unbemannt. Die Flugzeit des Flugkörpers vom Abschuß bis zum Treffer ist relativ kurz. Das Flugführungssystem des Flugkörpers, z.B. mit Suchkopf oder Navigationseinheit, ist daher nur kurze Zeit tatsächlich in Funktion.
      Bemannte Flugzeuge arbeiten mit einer Vielzahl von Sensoren und sicherheitsrelevanten Bauteilen. Flugzeuge sind über längere Zeit im Einsatz. Der Ausfall eines Sensors oder sicherheitsrelevanten Bauteils während des Einsatzes kann zu einem Absturz des Flugzeugs führen. Aus diesem Grunde ist es bekannt, sicherheitsrelevante Elemente einschließlich der Software von Flugreglern redundant vorzusehen und Mittel zur Fehlererkennung, Fehleridentifikation und Rekonfiguration (FDIR) zu verwenden. Es wird dann der Ausfall eines Sensors oder ein Defekt an einem Sensor erkannt, es wird ermittelt welcher Sensor oder welches Element ausgefallen oder defekt ist, und es wird dann der ausgefallene oder defekte Sensor oder das defekte Element abgeschaltet und es werden nur die übrigen Sensoren oder Elemente für die Flugführung benutzt.
      Die DE-39 29 404 A1 zeigt ein Beispiel eines Verfahrens und einer Vorrichtung zum Erkennen und Identifizierung von Fehlern an Sensoren. Die DE 39 23 432 C2 zeigt ein Beispiel für die Überwachung der Software, mittels welcher die von redundant vorgesehenen Sensoren gelieferten Signale durch redundant vorgesehene Rechner verarbeitet werden.
      Solche Maßnahmen erschienen für Flugkörper, die zum einen unbemannt sind und zum anderen nur nur einmal für kurze Zeit fliegen, nicht erforderlich.
      Bei Flugkörpern tritt jedoch ein anderes Problem auf, nämlich das der "Verfügbarkeit": Flugkörper werden u.U. sehr lange, ggf. jahrzehntelang, gelagert, bis sie schließlich zum Einsatz kommen. Die Flugkörper müssen dann einsatzbereit sein. Auch durch lange Lagerung ohne Einsatz kann eine Beeinträchtigung der Funktion des Flugkörpers eintreten. Die Verfügbarkeit ist die Wahrscheinlichkeit, den Flugkörper zu einem bestimmten Zeitpunkt in funktionsfähigem Zustand anzutreffen. Dieses Problem, die Einsatzbereitschaft des Flugkörpers auch nach langer Lagerzeit zu gewährleisten, wird durch entsprechende Konstruktion der Elemente des Flugkörpers, durch entsprechende Lagerung der Flugkörper und durch regelmäßige Überprüfungen mit Testeinrichtungen gelöst. Wenn Elemente des Flugkörpers sich bei einem solchen Test als defekt erweisen, wird der Flugkörper repariert.
      Es ist aufwendig, die Elemente des Flugkörpers so auszubilden, daß sich über die u.U. jahrzehntelange Lagerzeit hinweg keine Ausfälle ergeben und die hohe Verfügbarkeit des Flugkörpers allein konstruktiv zu erreichen. Es bleibt immer noch das Risiko, daß ein lange gelagerter Flugkörper nicht einsatzfähig ist. Es bleibt die Möglichkeit regelmäßiger Tests und ggf. Reparaturen. Während der Test- und Reparaturzeit bei regelmäßigen Tests steht der Flugkörper nicht für den Einsatz zur Verfügung. Eine Verringerung der Abstände zwischen den Tests, um die Sicherheit gegen Ausfälle zu erhöhen, reduziert daher die Verfügbarkeit des Flugkörpers auch.
      Es sind verschiedene Anwendungen von redundanten Systemen mit Fehlererkennung und Rekonfiguration der Bauteile bekannt. Die DE 34 32 165 A1 bezieht sich hinsichtlich der dem Fachmann vermittelten Lehre auf Raumfahrt. Die US 5,719,764 A spricht von "Zivilluftfahrt und Raumfahrt-Anwendungen".Die US 4,413,327 A betrifft "ein Verfahren und Gerät zum Eliminieren der Effekte von ionisierender Strahlung auf ein Rechnersystem". Es werden zwei Rechner vorgesehen, die in schneller Folge alternierend adressiert und aktualisiert werden. Die US 5,742,609 A betrifft einen Kanister mit Flugkörpern, der an verschiedene Arten von Flugkörpern angepaßt werden kann. Dieses Dokument sagt nichts über Bauteile in den einzelnen Flugkörpern. Die US 4,260,942 A betrifft "Lageregelsysteme für Satelliten" Die EP 0 476 160 A1 betrifft Flugregler oder Regler für Kernkraftwerke mit redundanten Sensor-Modulen und Rechnern. Auch die EP 0 418 370 A2 spricht als Anwendungsgebiete von Flugzeugen oder Kernkraftwerken. Die EP 0 263 777 A2 betrifft ein integriertes, redundantes Referenzsystem für die Flugregelung. Keine dieser Druckschriften offenbart eine Redundanz von Bauteilen bei Flugkörpern.
      Durch die EP 0747 656 A2 ist ein Verfahren und eine Vorrichtung zum Testen von Flugkörpern bekannt. Diese Vorrichtung enthält ein Prüfgerät, das Signale zum Auslösen eingebauter Tests auf den Flugkörper gibt. Zunächst wird über eine "Nabelschnur" die Funktionsfähigkeit des Flugkörpers so wie er vorliegt geprüft. Ergeben sich bei diesem ersten Test Funktionsfehler, wird eine Abdeckung geoffnet, und es werden dann Verbindungen zwischen dem Prüfgerät und einzelnen Baugruppen des Flugkörpers hergestellt. Diese Baugruppen werden einzeln geprüft. Auftretende Probleme werden dann durch Reparatur gelöst oder es werden redundante Systeme oder eine alternative Signalverarbeitung verwendet.
      Auch dieses Verfahren, von welchem der Oberbegriff des Patentanspruchs ausgeht, beruht auf einer regelmäßigen Prüfung und Wartung des Flugkörpers, wie das oben geschildert wurde.
      Der Erfindung liegt die Aufgabe zu Grunde, die Verfügbarkeit von Flugkörpern zu erhöhen.
      Erfindungsgemäß wird diese Aufgabe dadurch gelöst, daß
    • (c) zur Erhöhung der Verfügbarkeit des Flugkörpers funktionswichtige Elemente des Flugkörpers redundant vorgesehen sind und der Flugkörper interne Mittel zur Fehlerdetektion und -lokalisierung und zur Rekonfiguration der besagten Elemente aufweist, derart, daß bei einem Fehler eines der Elemente die Lenkung des Flugkörpers automatisch durch die rekonfigurierten Elemente erfolgt.
  • "Elemente" können dabei Sensoren, Signalverarbeitungsmittel oder Stellglieder sein. Der Ausdruck "Elemente" soll aber auch Informationen umfassen, die für die Funktion des Flugkörpers wesentlich sind.
  • Nach der Erfindung werden Mittel, die z.B. zur Erhöhung der Sicherheit von bemannten Flugzeugen während ihres sich über relativ lange Zeit erstreckenden Einsatzes an sich bekannt sind, für einen anderen Zweck eingesetzt, nämlich zur Erhöhung der oben definierten "Verfügbarkeit" von Flugkörpern, die während ihres jeweils kurzen Einsatzes solche Maßnahmen sicherlich nicht erfordern würden. Eine hohe Zuverlässigkeit und Verfügbarkeit des Flugkörpers wird dabei durch Fehlertoleranz erreicht. Ein fehlertolerantes System besitzt die Fähigkeit, seine spezifizierte Funktion auch beim Auftreten von Hardware- oder Software-Fehlern uneingeschränkt weiter zu erfüllen.
  • Unter dem deutschen Begriff "Fehler" sind subsummiert: Fehler in der physikalischen Welt ("faults"), und zwar in Hardware und Software, daraus resultierende Fehler in der Informationswelt ("errors") und schließlich daraus resultierende Ausfälle oder Fehlfunktionen im System ("failures"). Ein "fault" kann ein Defekt an einem Sensor sein.
  • Der fault" führt zu einem falschen Signal ("error"). Der "error" fuhrt zu einer Fehlfunktion des Flugkörpers.
  • Ausgestaltungen der Erfindung sind Gegenstand der Unteransprüche.
  • Die Erfindung ist nachstehend an Ausführungsbeispielen unter Bezugnahme auf die zugehörigen Zeichnungen näher erläutert.
    • Fig. 1
    zeigt schematisch einen Flugkörper und ein Flugzeug mit den verschiedenen Elementen und Schnittstellen.
    Fig.2
    veranschaulicht die Überwachung der Elemente des Flugkörpers durch "BIT" und "FDIR".
    Fig.3
    ist eine schematische Darstellung eines Gerätes zu Fehler-Erkennung, Fehler-Identifikation und Sensor-Rekonfiguration (FDIR).
    Fig.4
    zeigt eine Ausführung der Mittel zur Fehler-Erkennung und Fehler-Identifikation.
    Fig.5
    veranschaulicht die Umsetzung eines ein Symptom für einen Sensorausfall oder -fehler liefernden stochastischen Signals in Zugehörigkeiten zu linguistischen Werfebereichen.
    Fig.6
    veranschaulicht die Umsetzung von Signaländerungen, die ein Symptom für einen Sensorausfall oder -fehler liefern, in Zugehörigkeiten zu linguistischen Wertebereichen.
    Fig.7
    ist ein Blockdiagramm und veranschaulicht das mit Fuzzy-Logik aufgebaute Entscheidungsnetzwerk zur Erzeugung eines Sensor-Statusvektors.
    Fig.8
    veranschaulicht die Struktur der Flugkörper-Software
    Fig.9
    zeigt den Aufbau einer Anordnung zur Überwachung der Flugkörper-Software.
    Fig.10
    zeigt die Überwachungsanordnung der Software bei einer Anordnung von Fig.9.
    Fig.11
    veranschaulicht die automatische Erstellung des Überwachungsprogramms.
    Fig.12
    veranschaulicht die Stellglieder des Flugkörpers;
    Fig.13
    veranschaulicht die Erstellung des Überwachungsprogramms uriter Verwendung genetischer Algorithmen.
  • In Fig.1 ist mit 10 ein Flugkörper bezeichnet. Der Flugkörper 10 enthält einen Suchkopf 12 in seiner Nase. Die Nase weist eine für Radarstrahlung durchlässige Spitze (RADOME) 14 sowie ein für infrarote Strahlung durchlässiges Fenster 16 auf . Hinter der radardurchlässigen Spitze 14 sitzen ein im X-Band arbeitender, passiver Arraysensor 18 und ein im K-Band arbeitender Phasenarray-Sensor 20. Der im X-Band arbeitende, passive Arraysensor 18 ist mit einer zugehörigen Verfolgungs-Elektronik 22 verbunden. Der im K-Band arbeitende Phasenarray-Sensor 20 ist mit einer zugehörigen Verfolgungs-Elektronik 24 verbunden. Hinter dem für infrarote Strahlung durchlässigen Fenster 16 sitzt ein im mittleren Infrarotbereich arbeitender Infrarotsensor 26. Dem Infrarotsensor 26 ist eine zugehörige Verfolgungs-Elektronik 28 nachgeschaltet. Die Verfolgungs-Elektroniken 22, 24 und 28 erhalten Daten von einer Strapdownsucher- und Navigations-Signalverarbeitung 30. Die Strapdownsucher- und Navigations-Signalverarbeitung 30 erhält Daten von einer Trägheitsmeßeinheit und Satellitennavigation, die durch einen Block 32 dargestellt sind. Einmal werden dabei die Eigenbewegungen des Flugkörpers bei den Signalen der flugkörperfesten ("strapdown") Sensoren berücksichtigt Zum anderen werden Navigationsdaten gewonnen, also Daten über die Position und ggf. Geschwindigkeit des Flugkörpers. Die Ausgänge der Verfolgungs-Elektroniken 22, 24 und 28 sind auf Mittel 34 zur Sensorfusion aufgeschaltet. Durch die Sensorfusion werden Suchkopfsignale erhalten, die auf den Signalen mehrerer Sensoren beruhen. Diese Suchkopfsignale sind auf eine Flugführüngs-Signalverarbeitung 36 aufgeschaltet. Die Flugführungs-Signalverarbeitung 36 erhält weiterhin Daten von der Strapdownsucher- und Navigations-Signalverarbeitung 30. Schließlich sind ggf. auf die Flugführungs-Signalverarbeitung 36 Signale von einer Datenübertragungs-Einheit 38 aufgeschaltet. Weiterhin steht die Flugführungs-Signalverarbeitung 36 in Datenaustausch mit einer flugkörperseitigen Missionseinheit 40. Die Flugführungs-Signalverarbeitung 36 bewirkt die Flugführung in der Marschphase und in der Endphase. Die Flugführungs-Signalverarbeitung liefert Kommandos an einen fortschrittlichen Autopiloten 42. Der Autopilot 42 erhält weiterhin ggf. Daten von der Datenübertragungs-Einheit 38. Der Autopilot 42 liefert Stellbefehle für die Betätigung von Steuerflächen und für den Schub an Ausgängen 44 bzw. 46. Weiterhin ist eine Schaltung 48 vorgesehen, die von Daten der Mittel 34 zu Sensorfusion beaufschlagt ist und durch welche eine sucherbasierter Zündbefehl erzeugbar ist, der über einen Ausgang 50 auf einen Gefechtskopf aufgeschaltet ist Der Flugkörper 10 ist vor dem Abschuß über eine Schnittstelle 52 und ein Speisekabel 54 mit dem den Flugkörper 10 trägenden Trägerflugzeug verbunden, das in Fig.1 durch einen Block 56 im linken Teil der Figur dargestellt ist. Die Schnittstelle 52 steht mit der flugkörperseitigen Missionseinheit 40, der Signalverarbeitung 30, der Flugführungs-Signalverarbeitung 36 und dem Autopiloten 42 in Datenaustausch.
  • Das Trägerflugzeug 56 weist ebenfalls Sensoren auf, die durch Blöcke 58, 60, 62, 64, 66 und 68 dargestellt sind, z.B. ein Radar 58, einen vorwärts gerichteten Infrarotsensor FLIR 62 oder Sensoren für Satelliten- oder Trägheitsnavigation GPS/INS 68. Die Sensoren sind auf eine Missionsavionik 70 des Trägerflugzeugs 56 geschaltet. Anhand der Sensorsignale wird ein Ziel erkannt, identifiziert und verfolgt. Die Missionsavionik liefert Daten an Missionsplanungs-Mittel 72, nämlich Mittel für die Feuerleitlösung und die taktische Dynamik. Die Missionsavionik 70 liefert Daten über Ort, Typ und Bewegung des Ziels. Die Missionsplanungs-Mittel 72 liefern Daten darüber, wie dieses Ziel bekämpft werden soll. Über die Schnittstelle 52 im Startgerät erhält die Missionsavionik 70 Informationen von dem Flugkörper 10, der mit seinen Sensoren schon Informationen liefert, während er noch in dem Startgerät des Trägerflugzeugs hängt.
  • Nach Abschuß des Flugkörpers 10 können ggf. die Missionsavionik 70 und die Missionsplanungs-Mittel 72 weiterhin über die Datenübertragung 38 drahtlos mit dem Flugkörper in zwei Richtungen in Datenaustausch bleiben.
  • Block 74 symbolisiert andere Mitwirkende, z.B. eine Kommandozentrale oder andere freundliche Flugzeuge, durch die eine Zielvorgabe erfolgen kann. Die "Zielvorgabe durch Dritte" ist in Fig.1 durch Block 76 symbolisiert. Die Zielvorgabe kann über Datenübertragung 38 an den Flugkörper 10 oder an das Trägerflugzeug 56 übertragen werden.
  • Die Sensoren des Flugkörpers lassen sich unterteilen in Sensoren zur Messung des Eigenbewegungs-Zustandes des Flugkörpers und Sensoren zur Zielentdeckung und Zielverfolgung.
  • Die Eigenbewegung des Flugkörpers wird mit Inertialsensoren zur Messung von Beschleunigung und Drehgeschwindigkeit erfaßt. Weiterhin werden in einigen Fällen Satelliten-Navigationssysteme wie GPS ("Global Positioning System") zur genauen Positionsbestimmung eingesetzt. Das ist das Element 32 in Fig.1.
  • Zur Zielentdeckung und Zielverfolgung dienen Sucher, vorzugsweise bildauflösende Sucher, deren Signale einer Bildverarbeitung unterworfen werden. Das sind z.B. bildverarbeitende Radarsucher wie Element 18 in Fig.1 oder Infrarotsucher wie Element 26 in Fig.1. Die Sucher können passiv oder aktiv arbeiten. Bei einem Infrarotsucher kann auch eine Abstandsmessung in der Endphase mittels eines Lasers erfolgen.
  • Eine Fehlertoleranz wird durch eine Redundanz von Sensoren erreicht. Bei Auftreten von Fehlern der Sensoren, die infolge der Redundanz erkannt und identifiziert werden können, erfolgt eine Rekonfiguration der Sensoren: Die Signale defekter Sensoren werden außer acht gelassen, die erforderlichen Informationen werden aus den Signalen anderer Sensoren und ggf. Kombinationen solcher Signale gewonnen.
  • Die Inertialsensoren werden vermehrfacht. Dabei kann das Degradationsverhalten "fail-operational", d.h. eine Funktionsfähigkeit auch noch nach Ausfall eines beliebigen Sensors, mit jeweils minimal fünf (statt sonst drei) Drehraten- und BeschleunigungsSensoren erreicht, die in einer speziellen Geometrie zu den Flugkörperachsen angeordnet sind. Die Drehraten-Sensoren können dabei optische Drehraten-Sensoren sein. Es ist auch möglich, mikro-mechanische Sensoren (EP 0 686 830 B1) für Drehraten und Beschleunigungen zu verwenden. Der zusätzliche Aufwand für die Redundanz wird dadurch relativ gering, so daß er auch bei Verlustobjekten wie Flugkörpern durch die Steigerung der Verfügbarkeit und geringeren Wartungsaufwand aufgewogen wird.
  • Satelliten-Navigationssysteme können als Mehrkanalsysteme (Multi-Kanal GPS) ausgebildet sein, so daß auch redundante Positionsinformation von dem Satelliten-Navigationssystem verfügbar ist, die zur Überwachung und zur Auswahl der momentan günstigsten Kanäle benutzt werden kann.
  • Weiterhin kann eine Bewegungsinformation auch aus den Signalen der Infrarot- und Radar-Sensoren gewonnen weiden.
  • Auch die Eigenbewegung des Flugkörpers, Fluglage und Position wird somit durch Vermehrfathung von Sensoren oder durch Rückgriff auf Sensoren, die eigentlich einem anderen Zweck dienen, redundant erfaßt.
  • Fig.2 zeigt schematisch die Überwachung der funktionswichtigen Elemente des Flugkörpers 10. Mit 80 ist generell die Vorrichtung zum Erkennen und Identifizieren von Fehlern und zum Rekonfigurieren der Elemente des Flugkörpers 10 (FDIR) bezeichnet. Überwacht werden Sensoren, dargestellt durch einen Block 82, die Informationen und die Datenverarbeitung, dargestellt durch einen Block 84 und die Stellglieder, dargestellt durch einen Block 86. Ein Block 88 symbolisiert einen eingebauten Prüfvorgang (BIT), durch welche die physikalische Funktion der einzelnen Bauteile überprüft wird. Es wird beispielsweise geprüft, ob eine Motorwicklung eines Kreisels Strom erhält. Anschließend erfolgt die Prüfung auf Fehler durch die FDIR. Das Ergebnis wird durch Inferenz- und Statusmittel 90 verarbeitet: "Wenn das Signal von Sensor A als fehlerhaft erkannt wird, dann verwerfe das Signal von Sensor A und verarbeite nur die Signale der Sensoren B und C". Status: Ausfall von Sensor A. Der eingbaute Prüfvorgang kann zusätzlich ergeben, daß Sensor X keinen Strom erhält. Auch das gibt ein Statussignal: "Ausfall von Sensor X, Arbeiten mit Sensor Y, der ähnliche Information liefert." Die Statussignale sind auf die Flugkörper-Missionseinheit 40 aufgeschaltet.
  • Fig.3 zeigt schematisch den Aufbau des FDIR-Gerätes 80 für die Fehler-Erkennung, Identifikation und Rekonfiguration.
  • In Fig.3 sind mit 90A bis 90N Sensoren des Flugkörpers 10 bezeichnet, deren Signale oder Daten auf das Gerät 80 aufgeschaltet sind. Die Verbindung ist durch Doppelpfeile dargestellt. Das bedeutet, daß das FDIR-Gerät 80 auch auf die Sensoren 90A...90N einwirkt, also z.B. einen Sensor abschaltet. Das FDIR-Gerät 80 bewirkt eine Überwachung der Hardware und Subsysteme des Flugkörpers 10. Das ist durch Block 92 dargestellt. Das erfolgt einmal durch "Voting" und Plausibilitäts-Prüfungen: Wenn ein Sensor dreifach redundant vorgesehen ist und ein Meßwert deutlich von den Meßwerten der beiden anderen abweicht, dann wird dieser abweichende Meßwert als falsch betrachtet. Es zählt die Mehrheit. Eine Plausibilitäts-Prüfung prüft, ob ein erhaltener Meßwert physikalisch sinnvoll ist. Diese Art der Überwachung ist in Fig.3 durch einen Block 94 dargestellt. Weiterhin erfolgen die eingebauten Prüfvorgänge (BIT), die durch einen Block 88 dargestellt sind. Das ist eine Art der Überprüfung der Hardware und Subsysteme.
  • Eine andere Art der Überprüfung der Hardware und Subsysteme ist durch einen Block 98 dargestellt. Hier werden die Signale mittels wissens-, modell-, muster- oder paritätsbasierter Verarbeitung auf das Auftreten von Fehlern geprüft. Die Fehler werden erkannt und identifiziert. Das ist in Fig.3 durch Block 100 (FDI) dargestellt.
  • Außer der Hardware wird auch die Software überwacht. Das ist in Fig.3 durch einen Block 102 dargestellt. Es erfolgen Entscheidungs-Prozesse, dargestellt durch Block 104. Und schließlich erfolgt erforderlichenfalls eine Rekonfiguration von Sensoren, die durch einen Block 106 gargestellt ist.
  • Auf Grund der so erhaltenen Meßwerte werden Effektoren und Stellglieder 108 angesteuert. Auch hier erfolgt die Übertragung von Information in zwei Richtungen, was durch einen Doppelpfeil angedeutet ist. Auch die Funktion der Effektoren und Stellglieder wird in der beschriebenen Weise von dem FDIR-Gerät überwacht.
  • Ein Block 110 stellt die Kommunikation des FDIR-Gerätes 80 z.B. mit der Flugkörper-Missionseinheit 40 dar, wobei diese Kommunikation ebenfalls in zwei Richtungen erfolgt. Block 112 symbolisiert die Mensch/Maschine-Schnitfstelle.
  • In Fig.4 sind mit 90 generell die Sensoren des Flugkörpers bezeichnet. Diese Sensoren umfassen redundante inertiale Sensoren 114, eine Mehrkanal-Empfänger für SatellitenNavigation (Mehrkanal-GPS mit 6 -10 Kanälen) 116 und Infrarot- und Radarsensoren 118. Die Vermehrfachung der Inertialsensoren, also Drehraten- und BeschleunigungsSensoren, so, daß ein Degradadationsverhalten "fail-operational" erreicht wird, kann darin bestehen, daß jeweils minimal fünf Sensoren verwendet werden, die in spezieller Geometrie zu den Flugkörperachsen angeordnet sind. Durch die Mehrkanal-GPS wird redundante GPS-Information erhalten, die zur Überwachung und zur Auswahl der momentan günstigsten GPS-Kanäle benutzt werden kann. Die Infrarot- und Radarsensoren 118 liefern auch.Bewegungsinformationen.
  • Block 120 stellt die Bildung von Orts- und Geschwindigkeitdaten dar, die gemeinsam aus den GPS-Daten und den Daten der Inertialsensoren erhalten werden. Es kann sich dabei um ein Kalman-Filter oder ein SDRE-Filter (State Dependent Riccati Equation) handeln, mit dessen Hilfe die GPS- und Inertialdaten optimal integriert werden. Als Ausgangsgröße dieses Blocks werden die gemessenen (nicht die berechneten) KovarianzSignale des Kalman-Filters oder SDRE-Filters erhalten.
  • Die Ausgangssignale der Sensoren 114, 116 und 118 sind in einem Meßvektor m auf eine Anordnung 122 von neuronalen Netzwerken 124 und 126 aufgeschaltet. Der Meßvektor m umfaßt die Ausgangssignale der Sensoren 114, 116, 118. Der Meßvektor ist eine Funktion des physikalischen Bewegungszustandes x des Flugkörpers, dem in einem Fehlervektor ε zusammengefaßte Fehler überlagert sind: m ‾ = f ( x ‾ , ε ‾ ) .
    Figure imgb0001
  • Der Fehlervektor ε kann sprung- oder rampenförmige sowie stochastische Fehler beinhalten und weiterhin Totalausfälle wie Meßsignal null oder konstanter Vollausschlag abbilden.
  • Der Meßvektor m ist auf das erstes neuronale Netzwerk 124 aufgeschaltet. In dem ersten neuronalen Netzwerk 124 wird durch Projektion des Meßvektors m in den zum Meßraum orthogonalen Fehlerraum (Paritätsraum) eine Trennung von Nutzsignal m(x) und Fehler m(ε) durchgeführt. Damit wird ein Merkmals- oder Validierungsvektor v erzeugt. Auf den Validierungsvektor v bilden sich Fehler ab. Damit erfolgt eine Fehlerdetektion.
  • Der Merkmalsvektor v ist auf das zweite neuronale Netzwerk 126 aufgeschaltet. Dieses zweite neuronale Netzwerk 126 bewirkt die Lokalisierung des Fehlers. Durch das zweite neuronale Netzwerk 126 wird somit der defekte Sensor oder Kanal identifiziert. Damit hat dieses neuronale Netzwerk 126 die Funktion eines Klassifikators bezogen auf den Fehlerraum, in dem die Merkmalsvektoren auf bestimmte Fehler-Cluster zeigen.
  • Die Netzwerke 124 und 126 werden mit Vorwissen aus einer analytischen Lösung des Problems der Fehlererkennung und -identifizierung ausgestattet und dann in einer Trainingsphase entweder durch Simulation der Sensoranordnung und typischer Fehler oder mit der realen Sensoranordnung 90 mit simulierten Fehlern trainiert. Es hat sich gezeigt, daß die Netzwerke 124 und 126 nicht nur Einzelfehler sondern auch Simultanfehler und kurz aufeinanderfolgende Fehler erkennen und lokalisieren können. Darüberhinaus erfassen und lokalisieren sie das Verschwinden von vorübergehenden Fehlern, die z.B. infolge starker Manöver auftreten, so daß die Sensoranordnung 90 selbstregenerierend arbeiten kann.
  • Ausgangsgröße des zweiten Netzwerkes 126 ist ein Lokalisierungs-, Identifikations- und Klassifikationsvektor. Dieser Vektor wird, ggf. zusammen mit dem Merkmalsvektor v einem Entscheidungsnetzwerk 128 zugeführt. Das ist durch die Verbindungen 130 bzw. 132 dargestellt.
  • Auf das Entscheidungsnetzwerk 128 ist weiterhin der Ausgang des Kalman-Filters oder SDRE-Filters 120 aufgeschaltet. In den Kovarianzen der Meßdifferenz bilden sich sowohl Meßfehler als auch Sensorausfälle ab. Die Verläufe dieser Signale können deshalb nutzbringend bei der Entscheidung, ob und ggf. wo Fehler aufgetreten sind, mit einbezogen werden.
  • Mit 130 ist ein Kalman-Filter bezeichnet, das für die Initialisierung und Kalibrierung des Flugkörper-Inertialsystems (MLS-IRS) vorgesehen ist. Das Kalman-Filter verarbeitet Informationen von dem Flugzeug-Inertialsystem sowie dem Flugkörper-Inertialsystem. Die von dem Kalman-Filter 130 gelieferten Kovarianzsignale sind ein Maß für die Funktion und die momentane Güte des Flugkörper-Inertialsystems MLS-IRS. Diese Kovarianzsignale sind über Verbindung 132 ebenfalls auf das Entscheidungsnetzwerk 128 aufgeschaltet.
  • Block 134 symbolisiert regelbasiertes heuristisches Wissen über die Sensoren 114, 116, 118 und ihr Zusammenwirken im System. Auch das ist auf das Entscheidungsnetzwerk 128 aufgeschaltet.
  • Das Entscheiduhgsnetzwerk 128 enthält eingangsseitig eine Fuzzilizierungs-Schicht 136. Darauf folgen eine Regelschicht 138 und eine Inferenz-Schicht 140. Ausgangsseitig ist eine Defuzzifizierungs-Schicht 142 vorgesehen. Das Entscheidungsnetzwerk 128 liefert einen Sensorstatus-Vektor.
  • Aufgabe des Entscheidungsnetzwerkes ist es, aus den analytischen Sympftom-Signalen, z.B. dem Identifizierungsvektor und regelbasiertem heuristischem Wissen über die betreffenden Sensoren und ihr Zusammenwirken im System eventuelle "faults" nach Typ, Ort und Zeitpunkt des Auftretens zu identifizieren. Hierzu ist eine einheitliche Darstellung der Symptome wichtig. Das wird durch die Fuzzy-Logik ermöglicht, indem sowohl analytische als auch heuristische Symptome durch Zugehörigkeitsfunktionen zu Fuzzy-Mengen für die Entscheidungsfindung einheitlich repräsentiert werden.
  • Die dem Entscheidungsnetzwerk 128 zugeführten Signale sind stochastische Variable mit Mittelwert und Varianz. Ein Beispiel für den zeitlichen Verlauf einer solchen Variablen S ist im linken Teil von Fig.5 durch Kurve 144 dargestellt. Durch "faults" verändern sich diese Werte. Im linken Teil von Fig.5 schwankt die Variable S im Normalfall um die Linie 146 mit der Varianz σ. Bei Auftreten eines "fault" verschiebt sich der Signalverlauf um ΔS auf Linie 148. Üblicherweise werden diese Symptome beim Überschreiten eines vorgegebenen Schwellwertes Smax zur binären Entscheidung für das Auftreten eines "fault" herangezogen. Das ist im mittleren Teil von Fig.5 dargestellt. Wenn die Variable S den Schwellwert Smax erreicht oder überschreitet, wird binär ein "fault" signalisiert, was durch das Rechteck 146 angedeutet ist: Die Wahrscheinlichkeit µ(S) des Vorhandenseins eines Fehlers wird dann "1". Das birgt die Gefahr einer hohen Falschalarmrate in sich. Das kann durch Einführung eines "Fuzzy-Schwellwertes" vermieden werden, wie im rechten Teil von Fig.5 gezeigt ist. Hier werden drei Funktionen 150, 152 und 154 von S definiert. Die Funktionen 150 und 152 sind Dreieckfunktionen. Die Spitzenwerte der Funktionen 150 und 152 sind "1". Der Spitzenwert der Funktion 150 liegt auf dem S-Wert der Linie 146. Der Spitzenwert der Funktion 152 liegt auf dem S-Wert der Linie 148. Die Funktion 154 zeigt eine Rampe 156 die von dem S-Wert der Linie 148 ausgeht und von Smax aufwärts konstant "1" bleibt. Die Funktionen schneiden sich bei einem Funktionswert von 0,5. Die Funktion 150 ist der linguistischen Größe "normal" zugeordnet, die Funktion 152 der linguistischen Größe "gering" (fault) und die Funktion 154 der linguistischen Größe "erhöht". Ein bestimmter Wert S der Varialblen kann dann zu einem bestimmten Prozentsatz z.B. der linguistischen Größe "normal" und zu einem anderen Prozentsatz der linguistischen Größe "gering" zugeordnet seien.
  • Fig.6 zeigt ein Beispiel, bei welchem die Zu- oder Abnahme eines Symptoms oder Merkmals ein Kriterium für das Auftreten eines "faults" bildet und durch Einführung linguistischer Wertebereiche (Fuzzy-Mengen) beschrieben wird, wobei jedem dieser Wertebereiche eine "Zugehörigkeitsfunkton" zugeordnet ist. In Fig.6 sind die Zugehörigkeitsfunktionen als Grad µ(S) der Zugehörigkeit eines Wertes S zu einem Wertebereich dargestellt. µ(S) ist wieder maximal eins. Es gibt die von einer Dreiecksfunktion gebildete Zugehörigkeitsfünktion 158 des Wertebereichs "normal", die trapezförmigen Zugehörigkeitsfunktionen 160 und 162 der positiven bzw. negativen Wertebereiche "weniger" und die Zugehörigkeitsfunktionen 164 und 166 der positiven bzw. negativen Wertebereiche "viel". Die Wertebereiche überlappen sich, so daß ein bestimmter Wert S in unterschiedlichem, durch die Zugehörigkeitsfunktionen bestimmten Grade verschiedenen benachbarten Wertebereichen angehören kann.
  • Durch die "Fuzzifizierung" erhält das Entscheidungsnetzwerk 128 an den verschiedenen Eingängen von dem Identifizierungsnetzwerk 126, den Kalman-Filtern 120 und 130 und dem heuristischen Wissen 134 vergleichbare Eingangsgrößen, nämlich Zugehörigkeitsgrade zwischen null und eins zu linguistischen Wertebereichen.
  • Fig.7 zeigt in einer anderen Darstellung das Entscheidnngsnetzwerk 128 und die dann erfolgende Signalverarbeitung.
  • In einer Datenbank 170 sind für die verschiedenen Eingangs-Variablen des Entscheidungsnetzwerkes 128 die linguistischen Wertebereich (Fuzzy-Mengen) und die Zugehörigkeitsfunktionen für diese Wertebereiche abgespeichert. Block 172 symbolisiert eine Eingangs-Schnittstelle für die Fuzzifizierung der Eingangsvariablen, die auf Eingänge 174 aufgeschaltet sind. Das sind Operationen, wie sie im Zusammenhang mit Fig.5 und 9 geschildert sind. Die Fuzzifizierung ist unten in Fig.7 durch Block 176 angedeutet. Die so erhaltenen linguistischen Größen sind auf Block 178 aufgeschaltet. Block 178 enthält eine Regel-Datenbank 180. Die Regel-Datenbank enthält Regeln der Form. "If..., then..." (Wenn..., dann...), nach denen die linguistischen Größen in einer Inferenzstufe 182 verknüpft werden. Das ist unten in Fig.7 durch Block 184 angedeutet. Die so erhaltenen Größen werden in einem Summierpunkt summiert und auf einen Block 188 aufgeschaltet. Der Block 188 stellt eine Ausgangs-Schnittstelle für die Defuzzifizierung dar. Diese Ausgangsschnittstelle erhält ebenfalls die in der Datenbank 170 gespeicherten linguistischen Wertebereiche und Zugehörigkeitsfunktionen über Verbindung 190. Die Defuzzifizierung ist unten in Fig.7 durch einen Block 192 angedeutet. Die Ausgangs-Schnittstelle liefert an einem Ausgang 194 als "harten" Ausgang einen Sensor-Statusvektor, mit dessen Hilfe die Signale der jeweils intakten Sensoren zur Weiterverarbeitung im System rekonfiguriert werden können..
  • Die Abbildung aufgetretener "faults" auf beobachtbare Symptome oder Merkmale folgt physikalischen Ursache-Wirkung-Zusammenhängen, wobei häufig die analytische Beschreibung dieser Zusammenhänge schwierig ist. In diesem Falle ist der Einsatz lernfähiger Netzwerkstrukturen angezeigt, wie sie in Fig.4 angedeutet sind. Dabei kann aber heuristisches Wissen in Form von "If..,then..."-Regeln zur linguistisch-qualitativen Beschreibung der Zusammenhänge ganz wesentlich mit einbezogen werden. Der auf den ersten Blick kompliziert erscheinende Aufbau des Entscheidungsnetzwerkes 128 von Fig.4 und 7 führt zu einer einfachen hardwaremäßigen Realisierung als fuzzy-neuronales Netzwerk.
  • Das hier beschriebene Konzept zur Sensor FDIR ist eine paritätsvektorbasierte, merkmalgestützte, wissensbasierte Methode. Sie kommt ohne jede mehr oder weniger aufwendige Sensor- oder Subsystem-Modellierung aus. Weiterhin zeichnet sie die Fähigkeit zur Detektion und Lokalisierung gleichzeitiger oder in kurzer Folge auftretender Fehler aus, mit der Möglichkeit zur Selbstregerneration.
  • Die für die Verwirklichung notwendigen drei Netzwerke (Fig.4) sind in Hardware als ASICS realisierbar, so daß Probleme mit Softwarezuverlässigkeit an dieser Stelle vermieden werden können. Durch die Hardware-Realisierung sind die Netzwerke schnell und -wegen der parallelen Strukturen- fehlertolerant sowie kostengünstig produzierbar. Sie sind an Veränderungen anpaßbar durch Lernen und nicht durch Umprogrammieren.
  • Das beschriebene FDIR-Konzept setzt similare oder dissimilare Sensor-Redundanz voraus. Es kann in seiner grundsätzlichen Struktur auch für die Multi-Sensorik zur Zeiterfassung sowie für nicht redundante Sensorkonfigurationen angewendet werden. Letzteres erfordert allerdings analytische Redundanz mit modellbasierten Ansätzen, wobei wiederum auf wissensbasierte Darstellungen zurückgegriffen werden kann.
  • Die Prozessor- und Speicherhardware wird mit üblichen, bewährten BIT-Mitteln überwacht. Fehlertoleranz ist durch Vermehrfachung mit mechanischer und elektrischer Segregation in Verbindung mit Voting/Monitoring Techniken grundsätzlich implementierbar. Wegen der Zuverlässigkeit der betreffenden Hardware Bausteine auch bei langer Lagerung kann auf diese Maßnahme zur Gewährleistung der Verfügbarkeit verzichtet werden.
  • Beachtenswert ist jedoch die Tatsache, daß die Speichermodule (EEPROMS, FLASHPROMS) bei langer Lagerfähigkeit (>10 Jahre) ihre Inhalte teilweise oder sogar ganz verlieren können. Diesem kann jedoch ggfs. durch Wiederladen der Software bei der Einsatzvorbereitung Rechnung getragen werden.
  • Wegen des bekannten Verlaufs der Zahl der Ausfälle über der Nutzungszeit bei Hardware Bauteile (sog. "Badewannenkurve") treten Hardwarefaults statistisch gesehen nach einer exponentiellen Wahrscheinlichkeitsverteilung auf . Sie sind damit statistisch vorhersagbar, so daß die Verfügbarkeit des betreffenden Systems in diesem Punkt durch präventive Wartungsmaßnahmen gewährleistet werden kann.
  • Die Software-Struktur für die Hauptkontroll- Lenk- und Regelfunktionen des Flugkörpers ist vereinfacht in Fig.8 dargestellt.
  • Block 196 symbolisiert die Software der Missionskontrolle 40 (Fig.1), d.h. bestimmt, was der Flugkörper tun soll, z.B. Detektieren, Identifizieren und Verfolgen eines bestimmten Zieles. Block 198 symbolisiert die Software des Sensor-Subsystems Sucher. Das ist eine Signalverarbeitung der Sucher- und ggf. Inertialsignale, durch welche der Sucher das bestimmte Ziel verfolgt. Block 200 stellt die Software der Midcourse- und Endphasen-Flugführung 36 (Fig.1) dar, durch welche der Flugkörper nach Maßgabe der Suchersignale zum Ziel geführt wird. Schließlich stellt Block 202 die Software des Autopiloten 42 dar, der den Flugkörper nach Maßgabe der Flugführung 36 lenkt.
  • Im Gegensatz zu Hardwarefehlern treten Softwarefehler nach völlig anderen Gesetzmäßigkeiten auf . Sie "schlummern latent von Anfang an im System und werden bei bestimmten Kombinationen der Eingangsgrößen und der inneren Zustandsgrößen des betreffenden Moduls ausgelöst. Auch bei umfangreichen Maßnahmen zur Verifikation und Validierung können sie nicht vollständig identifiziert und beseitigt werden. Aufwendige Techniken wurden und werden angewandt, um Softwarefaults zu vermeiden. Ein Beispiel ist die sog. "N-Version-Programmierung". Dabei wird dissimilare Software in N redundanten Software- und Hardware-Kanälen verwendet. Wegen des extrem hohen Entwicklungs- und Implementierungs-Aufwandes ist dieser Weg für Flugkörperanwendungen ausgeschlossen.
  • Fig.9 zeigt eine Schaltung, welche mit für Flugkörper tragbarem Aufwand eine Toleranz gegenüber Softwarefehlern bewirkt und damit die Verfügbarkeit des Flugkörpers verbessert.
  • In Fig.9 sind mit Block 204 die Sensordaten des Flugkörpers symbolisiert. Block 206 symbolisiert andere Eingangsdaten. Die Datensätze sind parallel auf wenigstens zwei Rechnerkanäle 208 und 210 aufgeschaltet. Die Rechnerkanäle 208 und 210 liefern im Rechentakt Ausgangsdaten pn bzw. pn-1. Jeder Rechnerkanal arbeitet mit einer Nominalsoftware N und einer Monitorversion M der Nominalsoftware.
  • Die beiden Rechner arbeiten mit einem Zeitversatz von einem Rechentakt. Der Rechner 208 verarbeitet im Zeittakt n die in diesem Zeittakt anfallenden Daten. Der Rechner 210 verarbeitet im gleichen Zeitpunkt die Daten, die im vorangegangenen Zeittakt n-1 angefallen waren. Diese Daten sind in dem vorangegangenen Zeittakt aber schon von dem Rechner 208 verarbeitet worden und zwar einmal von der Nominalsoftware N und zum anderen von der Monitorsoftware M. Wenn der Rechner 208 in den beiden Kanälen mit unterschiedlicher Software N und M zu dem gleichen Ergebnis gekommen ist, das hier als pn bezeichnet ist; dann ist die Software für diesen Satz von Eingängsvariablen "geprüft". Wenn dieser Satz von Eingangsvariablen einen Zeittakt weiter auf den Rechner 210 aufgeschaltet wird, dann muß auch dieser Rechner mit Nominalsoftware und Monitorsoftware den gleichen Ausgang liefern. Das gestattet eine Kontrolle der Funktion der Rechner 208 und 210. Man hat nämlich die Gewißheit, daß die Software einwandfrei arbeitet. Abweichungen sind dann auf einen Fehler eines der Rechner zurückzuführen.
  • Es ist aber auch möglich, die Software zu kontrollieren. Wenn die mit der Nominalsoftware N und der Monitorsoftware M berechneten Ausgangsgrößen in den beiden Kanälen der Rechner 208 und 210 voneinander abweichen, dann liegt ein Softwarefehler vor. Es kann aber nicht gesagt werden, bei welcher Software dieser Fehler aufgetreten ist. Die Überwachung der Software beruht nun auf der Überlegung, daß die Ausgangsgrößen der Rechner, z.B. eine kommandierte Steuerflächenstellung, sich stetig ändern und keine Sprünge machen. Aus dem Verlauf einer Ausgangsgröße in der Vergangenheit kann der Wert der Ausgangsgröße im nächsten Rechentakt mit einiger Genauigkeit prädiziert werden. Eine deutliche Abweichung der Ausgangsgröße von dem prädizierten Wert in einem Kanal, während die Ausgangsgröße in dem anderen Kanal annähernd dem prädizierten Wert entspricht, deutet auf einen Softwarefehler in diesem Kanal hin.
  • Das ist in Fig.10 als Flußdiagramm dargestellt.
  • Durch ein Oval 212 sind die Eingangsdaten für den n-ten Rechentakt bezeichneit. Mit diesen Eingangsdaten wird mit der Nominalsoftware N der Vektor p zum Zeitpunkt nT, → p ̲ n N
    Figure imgb0002
     berechnet. Das ist durch das Rechteck 214 dargestellt. Außerdem wird mit diesen Eingangsdaten mit der Monitorsoftware M der Vektor p zum Zeitpunkt nT → p ̲ n M
    Figure imgb0003
    → berechnet. Das ist durch das Rechteck 216 dargestellt. Aus den so mit den beiden Programmen N und M berechneten Vektoren der Ausgangsgrößen wird die Differenz gebildet Δ p ‾ n = p ‾ n N − p ‾ n M .
    Figure imgb0004
  • Das ist durch Rechteck 218 dargestellt. Bei einer Abweichung der Ausgangsgrößen in den beiden Kanälen werden aus dem Verlauf p n-1 der Ausgangsgrößen in der Vergangenheit prädizierte. Ausgangsgrößen p ‾ ^ n N
    Figure imgb0005
     und p ‾ ^ n M
    Figure imgb0006
     berechnet. Das ist durch Rechteck 220 in Fig.10 dargestellt. Es werden dann im nächsten Rechentakt die Differenzen zwischen den prädizierten Ausgangsgrößen der Rechner und den tatsächlich berechneten Ausgangsgrößen gebildet. Das ist durch Rechteck 222 dargestellt. Durch eine Fuzzy-Entscheidungslogik 224 wird dann an einem Ausgang 226 ein Nn-Status der Nominalsoftware N, ein Mn-Status der Monitorsoftware M und ein "Fail"-Status als Software-Statusvektor ausgegeben. Aus den berechneten Vektoren p ‾ n N , p ‾ n M ,
    Figure imgb0007
     den prädizierten Vektoren und dem Software-Statusvektor wird ein Ausgangsvektor p̂ n gebildet. Das ist durch ein Rechteck 228 dargestellt. Dieser Ausgangsvektor p̂ n ist der Vektor, der unter Berücksichtigung der Software-Überwachung auf einen Ausgang 230 aufgeschaltet und weiter benutzt wird. Die Monitor- oder Überwachungssoftware M sollte einfache algorithmische und logische Elemente (Standardmodule) verwenden, die in generell validierbaren Strukturen angeordnet eine Vielzahl von (softwaremäßigen) Problemlösungen abbilden können. Es sind also einfache algorithmische und logische Elemente vorgesehen. Diese Elemente werden zu einer bestimmten Problemlösung in dem Problem angepaßten Strukturen kombiniert werden. Diese Voraussetzungen erfüllen in geradezu idealer Weise neuronale Netze und fuzzy-neuronale Netze. Diese Netze definieren eine vorgegebene Standardstruktur mit einheitlichen, einfachen Prozessoreinheiten.
  • Die freien Parameter der Struktur werden in einer Trainingsphase eingestellt. Dabei werden als Trainingsdaten Ein- und Ausgangsvektoren der Ein- bzw. Ausgangsräume des jeweils zugehörigen Nominalsoftware-Moduls verwendet. Es besteht die Möglichkeit, durch genetischelevolutionäre Algorithmen die Struktur und/oder Parameter nach vorgegebenen Kriterien zu optimieren. Damit ist eine automatische Erzeugung der Monitorsoftware möglich. Zum ebenfalls automatischen Test der generierten Software werden andere als die Trainingsvektoren aus den Ein- bzw. Ausgangsräumen benutzt.
  • Das ist in Fig. 11 dargestellt.
  • Block 232 symbolisiert ein neuronales Netz, das in der vorstehend geschilderten Weise verwendbar ist. Block 234 symbolisiert ein entsprechend verwendbares fuzzy-neuronales Netz. Schließlich symbolisiert Block 236 einen genetischen Algorithmus. Das neuronale Netz 232 und das fuzzy-neuronale Netz 234 liefern eine Standarddarstellung. Daraus ergibt sich durch Trainieren mit Eingangs- und Ausgangsdaten ("datengetrieben"), die durch einen Speicher 238 dargestellt sind, eine Einstellung von Strukturparametern. Diese Art der Strukturierung besitzt auch ein Potential für eine genetische/evolutionäre Optimierung der Struktur und/oder Parameter. Das ist in Fig. 11 durch einen Block 240 dargestellt. Es ergibt sich eine automatische Erzeugung der Monitorsoftware. Das ist durch Block 242 in Fig.11 dargestellt. Zum Testen der so erhaltenen Monitorsoftware dienen Ein- und Ausgangsvektoren der Ein- bzw. Ausgangsräume, die von den Trainingsvektoren verschieden und auch in Speicher 238 gespeichert sind.
  • Dieses Verfahren ist ganz generell zur automatischen Erzeugung von Softwaremodulen anwendbar.
  • Die Monitorsoftware wird auf der Basis einer neuronalen oder fuzzy-neuronalen Netzwerkstruktur erzeugt. Dabei kann bevorzugt die Monitorsoftware M als Hardware-Modul, beispielsweise in Form eines ASIC realisiert werden. Das hat verschiedene Vorteile: Die Zuverlässigkeit des Moduls kann nach den Gesetzen des Ausfalls von Hardware beurteilt werden. Es wird nicht Software zur Überwachung von Software verwendet. Die parallele Informationsverarbeitung in der Hardware liefert -in gewissen Grenzen- eine inhärente Fehlertoleranz des Moduls.
  • In weiterer Ausbildung der Erfindung kann auch die Nominalsöftware durch hinsichtlich des Ein- und Ausgangs abbildungsgleiche Hardwaremodule ersetzt werden. Diese Hardwaremodule können dort, wo die inhärente Fehlertoleranz zur Erzielung der erforderlichen Zuverlässigkeit und damit Verfügbarkeit nicht ausreicht, vermehrfacht werden. Damit würden Monitormodule entfallen. Die Software ist dabei auf Hardwaremodule hoher Zuverlässigkeit abgebildet, wobei die Anpassung an unterschiedliche Aufgaben durch Lernen erfolgt.
  • Ein Flugkörper kann eine Mehrzahl von Stellgliedern aufweisen. Das ist in Fig. 12 dargestellt. Der Flugkörper 10 kann ein Querschubtriebwerk 244 aufweisen, das auf den Flugkörper 10, wie dargestellt, einen Querschub ausübt. Das bewirkt eine Querbeschleunigung des Flugkörpers 10. Weitere Stellglieder können Steuerflächen oder Ruder 246 sein. Ein Ruderausschlag, wie dargestellt, bewirkt einen Anstellwinkel, der ebenfalls zu einer Querbeschleunigung führt. Schließlich kann der Schubvektor des Triebwerks durch Verstellung der Triebwerkdüse oder durch in den Triebwerkstrahl ragende Ablenkflächen (Jet Vanes), wie dargestellt, verändert werden. Ein Flugkörper kann alle drei Arten von Stellgliedern aufweisen. Es ist aber dann bei Ausfall eines Stellglieds nicht möglich, die Bewegungen des Flugkörpers durch die verbleibenden Stellglieder in der gewünschten Weise zu beeinflussen.
  • Das Stellsystem des Flugkörpers ist daher eine "Simplexkonfiguration". Es besteht keine möglichkeit zu einer Rekonfiguration, wie sie in der oben beschriebenen Weise z.B. bei
  • Ausfall redundant vorhandener Sensoren möglich ist. Daher werden in weiterer Ausgestaltung der Erfindung zusätzlich zu der üblichen Überwachung Maßnahmen zur intelligenten" Erkennung und Identifizerung von Fehlern vorgesehen. Dadurch soll die Wahrscheinlichkeit der Erkennung und Lokalisierung von Fehlern (faults) in der Vorflugphase sowie möglichst bis unmittelbar vor dem Abgang erhöht werden.
  • Eine solche Anordnung ist in Fig.13 dargestellt.
  • Wie in Fig.13 dargestellt ist, muß zwischen externen und internen "faults" unterschieden werden. Externe "faults" sind z.B. Beschädigung durch Kollision oder Fehler in der Stromversorgung. Interne "faults" sind z.B. Fehler an Getriebe, Lager, nicht ausreichende Schmierung oder Komponentenfehler. An dem Stellglied 250 kann eine erste Überwachung erfolgen, indem durch Messung bestimmter Signale, z.B. des Eingangsstromes oder der Auslenkung, und Vergleich dieser Signale mit fuzzy vorgegebenen Toleranzschwellen nach Art von Fig.5 eine generelle Aussage über die Funktion des Stellgliedes gemacht wird.
  • Eine Verbesserung der Fehlererkennung und vor allem auch die Möglichkeit einer Lokalisierung ist mit Hilfe wissensbasierter Elemente realisierbar. Dabei wird, wie in Fig. 13 gezeigt, von neuronal oder fuzzy-neuronal dargestellten, nichtlinearen dynamischen Zustands- und Parametermodellen ausgegangen. In Fig.13 ist mit 252 ein neuronales Netz bezeichnet, daß ein solches Modell darstellt. Mit 254 ist ein fuzzy-neuronales Netz bezeichnet, das ebenfalls ein solches Modell darstellt. Die Modelle von den Netzen 252 und 254 sind auf einen wissensbasierten, nichtlinearen Schätzer 256 geschaltet, der zum Vergleich Daten von dem Stellglied 250 erhält. Auf den Schätzer 256 sind ggf. auch weitere Eingänge vom Flugführungs- und Regelsystem des Flugkörpers 10 geschaltet, wie durch Eingang 258 angedeutet ist. Der Schätzer 256 liefert in Echtzeit Schätzwerte der Zustandsgrößen x und der Parameter p des Stellgliedes. Bei Auftreten von Fehlern enthalten diese Schätzwerte die Fehleranteile Δ x und Δp . Bei Kenntnis der betreffenden Nominalwerte kann durch eine Fuzzy-Entscheidungs- und Inferenzeinheit 160 kontinuierlich eine Aussage über den Status der Stellglieder gemacht werden.
  • Wie in Fig.2 dargestellt ist, ist eine Inferenz-und Status-Einheit 90 vorgesehen, welcher die Ergebnisse der Sensor-, Informations-, Datenverarbeitungs- und Stellgliedüberwachung sowie die Ergebnisse der eingebauten Prüfung (BIT) zugeführt werden. Die Einheit 90 erzeugt daraus durch Schlußfolgerungs- und Inferenzprozesse mit Fuzzy-Logik Informationen bezüglich des Funktionsstatus des Flugkörpers und seiner wesentlichen Funktionsteile und damit über dessen Verfügbarkeit.

Claims (23)

  1. Flugkörper, der ein Teil eines Waffensystems bildet und in einer verglichen mit den Betriebszeiten von Flugzeugen oder Raumfahrzeugen kurzen Flugzeit mit Hilfe von Signalen von Sensoren und/oder Empfängern zu einem Ziel geführt wird, bei welchem
    (a) Elemente des Flugkörpers redundant vorgesehen sind und
    (b) der Flugkörper Mittel zur Fehlerdetektion aufweist,
    dadurch gekennzeichnet, daß
    (c) zur Erhöhung der Verfügbarkeit des Flugkörpers (10) funktionswichtige Elemente des Flugkörpers (10) redundant vorgesehen sind und der Flugkörper (10) interne Mittel (80) zur Fehlerdetektion und - lokalisierung und zur Rekonfiguration der besagten Elemente aufweist, derart, daß bei einem Fehler eines der Elemente die Lenkung des Flugkörpers automatisch durch die rekonfigurierten Elemente erfolgt.
  2. Flugkörper nach Anspruch 1, dadurch gekennzeichnet, daß die Mittel zur Fehlerdetektion und -lokalisierung und Rekonfiguration wissensbasierte Mittel (98) enthalten.
  3. Flugkörper nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß die Mittel zur Fehlerdetektion und -lokalisierung und Rekonfiguration modellbasierte Mittel (98) enthalten.
  4. Flugkörper nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß die Mittel zur Fehlerdetektion und -lokalisierung und Rekonfiguration musterbasierte Mittel (98) enthalten.
  5. Flugkörper nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß die Mittel zur Fehlerdetektion und -lokalisierung und Rekonfiguration paritätsbasierte Mittel (98) enthalten.
  6. Flugkörper nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, daß die Mittel zur Fehlerdetektion und -lokalisierung und Rekonfiguration Mittel (94) zur Überwachung von redundanter Hardware durch Mehrheitsbetrachtung enthalten.
  7. Flugkörper nach einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, daß die Mittel zur Fehlerdetektion und -lokalisierung und Rekonfiguration Mittel (88) zur Überwachung von redundanter Hardware durch unmittelbare Funktionsprüfung enthalten.
  8. Flugkörper nach einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, daß die Mittel zur Fehlerdetektion und -lokalisierung und Rekonfiguration Mittel (94) zur Überwachung von der Hardware durch Plausibilitätsbetrachtung enthalten.
  9. Flugkörper nach einem der Ansprüche 1 bis 8, dadurch gekennzeichnet, daß die Mittel zur Fehlerdetektion und -lokalisierung und Rekonfiguration Mittel (102) zur Überwachung der operationellen Software enthalten.
  10. Flugkörper nach einem der Ansprüche 1 bis 9, dadurch gekennzeichnet, daß
    (a) Sensoren (114;116) zur Messung des Eigenbewegungszustandes des Flugkörpers (10) selbst und Sensoren (118) zur Zielerfassung und - verfolgung derart vorgesehen sind, daß Informationen über den Eigenbewegungszustand des Flugkörpers (10) redundant erhalten werden,
    (b) die Mittel zur Funktionsüberwachung Mittel (106) zur Rekonfiguration derart enthalten, daß bei Unbrauchbarwerden einer Information eines Sensors diese Information aus den Informationen der anderen Sensoren gewonnen wird.
  11. Flugkörper nach Anspruch 10, dadurch gekennzeichnet, daß Inertialsensoren (114) vermehrfacht vorgesehen sind.
  12. Flugkörper nach Anspruch 10 oder 11, dadurch gekennzeichnet, daß der Flugkörper einen Mehrkanal-Satellitennavigations-Empfänger (116) enthält.
  13. Flugkörper nach einem der Ansprüche 10 bis 12, dadurch gekennzeichnet, daß Mittel (36) zur Erzeugung von Bewegungsinformationen aus den Daten von zielerfassenden Infrarot- und Radarsensoren vorgesehen sind.
  14. Flugkörper nach einem der Ansprüche 1 bis 13, dadurch gekennzeichnet, daß zur Überwachung der Sensorfehler ein Neuro-Fuzzy-Netzwerk (128) vorgesehen ist.
  15. Flugkörper nach einem der Ansprüche 1 bis 14, dadurch gekennzeichnet, daß
    (a) ein von den redundanten Sensorsignalen gebildeter Meßvektor (m) auf ein neuronales Projektions- und Detektions-Netzwerk (124) geschaltet ist, durch welches durch Projektion des Meßvektors (m) in den zum Meßraum orthogonalen Fehlerraum (Paritätsraum) eine Trennung von Nutzsignal und Fehler durchgeführt und damit ein Merkmalsvektor (v) erzeugt wird, auf den sich Fehler abbilden,
    (b) der Merkmalsvektor (v) als Eingangsgröße auf ein neuronales Identifizierungs-Netzwerk (126) aufgeschaltet ist, durch welches eine Lokalisierung des aufgetretenen Fehlers erfolgt.
  16. Flugkörper nach den Ansprüchen 14 und 15, dadurch gekennzeichnet, daß
    (a) der Merkmalsvektor (v) auf ein Entscheidungs-Netzwerk (128) aufgeschaltet ist,
    (b) das Entscheidungs-Netzwerk (128) ein Neuro-Fuzzy-Netzwerk mit einer Fuzzyfizierungs-Schicht (136), einer Regelschicht (138), einer Inferenz-Schicht (140) und einer Defuzzyfizierungs-Schicht (142) ist und .
    (c) das Entscheidungs-Netzwerk (128) einen Sensor-Statusvektor liefert.
  17. Flugkörper nach Anspruch 16, dadurch gekennzeichnet, daß auf das Entscheidungs-Netzwerk (128) auch der Merkmalsvektor (m) aufgeschaltet ist.
  18. Flugkörper nach einem der Ansprüche 1 bis 17, dadurch gekennzeichnet, daß zur Überwachung der Software
    (a) zu berechnende Daten einmal mit einem mit einem Hauptprogramm (N) und einmal mit einem Überwachungsprogramm (M) berechnet werden,
    (b) aus den schon berechneten Daten durch Extrapolation prädizierte Daten berechnet werden.
    (c) die Differenzen zwischen prädizierten Daten und den durch die Programme tatsächlich gelieferten Daten bestimmt werden und
    (d) diese Differenzen auf eine Fuzzy-Entscheidungslogik (224) geschaltet sind, welche einen Software-Statusvektor liefert.
  19. Flugkörper nach Anspruch 1, dadurch gekennzeichnet, daß
    (a) Eingangsdaten parallel durch zwei Rechnerkanäle jeweils mittels eines Hauptprogramms und eines Überwachungsprogramms verarbeitet werden,
    (b) die beiden Rechnerkanäle mit Zeitversatz von wenigstens einem Rechentakt arbeiten und
    (c) Mittel zum Vergleichen der in den beiden Rechnerkanälen erhaltenen berechneten Ausgangswerte vorgesehen sind, wobei bei Übereinstimmung der mit Haupt- und Überwachungsprogramm in dem vorlaufenden Rechnerkanal und Abweichung in den mit gleichen Eingangswerten in den beiden Rechnerkanälen erhaltenen Ausgangswerte ein Defekt der Hardware in einem der Rechnerkanäle angenommen wird.
  20. Flugkörper nach Anspruch 18 oder 19, dadurch gekennzeichnet, daß das Überwachungsprogramm (M) als Fuzzy-Entscheidungslogik ausgebildet ist, deren Struktur und/oder Parameter durch genetische oder evolutionäre Algorithmen erzeugt ist.
  21. Flugkörper nach Anspruch 20, dadurch gekennzeichnet, daß die Fuzzy-Entscheidmigslogik als Hardware-Modul hergestellt ist.
  22. Flugkörper nach einem der Ansprüche 1 bis 21, dadurch gekennzeichnet, daß fehlerdetektierende Mittel (86) für die Stellglieder vorgesehen sind.
  23. Flugkörper nach einem der Ansprüche 1 bis 22, gekennzeichnet durch Mittel (90) zur Erzeugung eines Flugkörper-Stätussignals.
EP99124091A 1998-12-15 1999-12-13 Flugkörper Expired - Lifetime EP1020699B1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE19857894 1998-12-15
DE1998157894 DE19857894A1 (de) 1998-12-15 1998-12-15 Flugkörper

Publications (2)

Publication Number Publication Date
EP1020699A1 EP1020699A1 (de) 2000-07-19
EP1020699B1 true EP1020699B1 (de) 2006-08-02

Family

ID=7891186

Family Applications (1)

Application Number Title Priority Date Filing Date
EP99124091A Expired - Lifetime EP1020699B1 (de) 1998-12-15 1999-12-13 Flugkörper

Country Status (2)

Country Link
EP (1) EP1020699B1 (de)
DE (2) DE19857894A1 (de)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102004042990B4 (de) * 2004-09-06 2008-11-20 Michael Grabmeier Verfahren und Vorrichtung zum Test eines operationellen Marschflugkörpers in verschiedenen Prüfzenarien mittels Betriebsart Wartung
DE102017210151A1 (de) * 2017-06-19 2018-12-20 Zf Friedrichshafen Ag Vorrichtung und Verfahren zur Ansteuerung eines Fahrzeugmoduls in Abhängigkeit eines Zustandssignals
EP3428578A1 (de) * 2017-07-12 2019-01-16 MBDA Deutschland GmbH Inertialsensorsystem für flugkörper

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB9827358D0 (en) * 1998-12-12 2000-01-19 British Aerospace Combat aid system
DE10132184B4 (de) * 2001-07-03 2004-07-08 Peter Zahner Vorrichtungen und Verfahren für den autarken und damit sichereren Abgang von lenkbaren Außenlasten von Trägerflugzeugen
DE10158666A1 (de) * 2001-11-28 2003-06-18 Lfk Gmbh Vorrichtung und Verfahren zur autarken Zielführung eines Flugkörpers mit Hilfe außerhalb des Zielpunktes liegender Orientierungsmerkmale
DE102007022672C5 (de) * 2007-05-15 2010-09-09 Lfk-Lenkflugkörpersysteme Gmbh Verfahren zur Zustandsüberwachung einer intelligenten Waffe und intelligente Waffe
DE102008041571B4 (de) 2008-08-26 2019-12-05 Robert Bosch Gmbh Verfahren und Vorrichtung zur Fehlerbehandlung beim Betrieb eines Verbrennungsmotors
WO2014012776A1 (de) * 2012-07-17 2014-01-23 Siemens Aktiengesellschaft Automatisierte rekonfiguration eines ereignisdiskreten regelkreises
DE102014213171A1 (de) * 2014-04-09 2015-10-15 Continental Automotive Gmbh System zur autonomen Fahrzeugführung und Kraftfahrzeug
CN113360841B (zh) * 2021-05-19 2022-05-03 电子科技大学 一种基于监督学习的分布式mimo雷达目标定位性能计算方法
IT202100013952A1 (it) * 2021-05-28 2022-11-28 Mbda italia spa Metodo e sistema per controllare elettronicamente il movimento di un dispositivo servoassistito di ricezione e/o trasmissione e/o riflessione di radiazioni elettromagnetiche

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0747656A2 (de) * 1995-06-07 1996-12-11 Hughes Missile Systems Company Verfahren und Vorrichtung zum Testen von Raketen

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4413327A (en) * 1970-06-09 1983-11-01 The United States Of America As Represented By The Secretary Of The Navy Radiation circumvention technique
US4260942A (en) * 1978-04-17 1981-04-07 Trw Inc. Failure detection and correction system for redundant control elements
DE3432165A1 (de) * 1984-08-31 1986-03-06 Messerschmitt-Bölkow-Blohm GmbH, 8012 Ottobrunn Einrichtung zur automatischen rekonfiguration einer intakten geraetekombination
DE3634023A1 (de) * 1986-10-07 1988-04-21 Bodenseewerk Geraetetech Integriertes, redundantes referenzsystem fuer die flugregelung und zur erzeugung von kurs- und lageinformationen
DE3923432C2 (de) * 1989-07-15 1997-07-17 Bodenseewerk Geraetetech Einrichtung zur Erzeugung von Meßsignalen mit einer Mehrzahl von Sensoren
DE3929404A1 (de) * 1989-09-05 1991-03-07 Bodenseewerk Geraetetech Verfahren und vorrichtung zum erkennen und identifizieren von fehlern an sensoren
US5742609A (en) * 1993-06-29 1998-04-21 Kondrak; Mark R. Smart canister systems
DE4419925A1 (de) 1994-06-08 1995-12-14 Bodenseewerk Geraetetech Inertialsensor-Einheit
US5719764A (en) * 1995-07-19 1998-02-17 Honeywell Inc. Fault tolerant inertial reference system
DE19645562A1 (de) * 1996-04-02 1997-10-09 Bodenseewerk Geraetetech Regelvorrichtung für nichtlineare Regelstrecken

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0747656A2 (de) * 1995-06-07 1996-12-11 Hughes Missile Systems Company Verfahren und Vorrichtung zum Testen von Raketen

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102004042990B4 (de) * 2004-09-06 2008-11-20 Michael Grabmeier Verfahren und Vorrichtung zum Test eines operationellen Marschflugkörpers in verschiedenen Prüfzenarien mittels Betriebsart Wartung
DE102017210151A1 (de) * 2017-06-19 2018-12-20 Zf Friedrichshafen Ag Vorrichtung und Verfahren zur Ansteuerung eines Fahrzeugmoduls in Abhängigkeit eines Zustandssignals
EP3428578A1 (de) * 2017-07-12 2019-01-16 MBDA Deutschland GmbH Inertialsensorsystem für flugkörper
DE102017006612A1 (de) * 2017-07-12 2019-01-17 Mbda Deutschland Gmbh Inertialsensorsystem für Flugkörper

Also Published As

Publication number Publication date
EP1020699A1 (de) 2000-07-19
DE59913732D1 (de) 2006-09-14
DE19857894A1 (de) 2000-06-21

Similar Documents

Publication Publication Date Title
EP0675420B1 (de) Überwachungs-Einrichtung zur Überwachung der Flugsicherheit von Flugzeugen
EP3285163B1 (de) Fehlertolerantes verfahren und vorrichtung zur steuerung einer autonomen technischen anlage mittels diversitärer trajektorenplanung
EP3376330B1 (de) Fehlertolerantes verfahren zur erkennung von fehlern in einem elektronischen system zur steuerung eines kontrollierten objektes
EP1020699B1 (de) Flugkörper
EP3605256B1 (de) System und verfahren zum überwachen des zustands eines unbemannten luftfahrzeugs
EP2734998B1 (de) Assistenzsystem
DE102011016521B4 (de) Verfahren zur Flugführung eines Flugzeugs zu einem vorgegebenen Zielobjekt und Flugführungssystem
DE102016218232B4 (de) Positionsbestimmungssystem für eine mobile Einheit, Fahrzeug und Verfahren zum Betreiben eines Positionsbestimmungssystems
EP0416370B1 (de) Verfahren und Vorrichtung zum Erkennen und Identifizieren von Fehlern an Sensoren
DE19950247A1 (de) Regelungsanordnung und Regelungsverfahren für Sstelliten
DE102016114366B4 (de) Ausfallsicheres inertiales messeinheitssystem reduzierter ordnung
US11360476B1 (en) Systems and methods for monitoring aircraft control systems using artificial intelligence
DE2912587C1 (de) Feuerleiteinrichtung,insbesondere fuer ein mobiles Flugabwehrsystem
DE19645556A1 (de) Vorrichtung zur Erzeugung von Lenksignalen für zielverfolgende Flugkörper
EP1014028B1 (de) Lenk,- Navigations- und Regelsystem für Flugkörper
EP0974806B1 (de) Verfahren zum Trainieren eines neuronalen Netzes für die Lenkung eines Flugkörpers zu einem Ziel
EP3428580B1 (de) Inertialsensorsystem für flugkörper und verfahren zur flugphasenabhängigen inertialsensormessung
DE102007030944A1 (de) Regelung von Master/Slave-Satellitenkonstellationen
DE102022124047A1 (de) Verfahren zur Steuerung von Ausweichmanövern im Luftraum
DE19716025B4 (de) Plattform mit abschießbaren, zielverfolgenden Flugkörpern, insbesondere Kampfflugzeug
DE102019211327B4 (de) Vorrichtung, Fahrzeug und Verfahren zur verbesserten Multi-Radar-Sensor-Kalibration
EP3428578B1 (de) Inertialsensorsystem für flugkörper
DE102020202305A1 (de) Verfahren zum Erkennen einer Umgebung eines Fahrzeugs und Verfahren zum Trainieren eines Fusionsalgorithmus für ein Fahrzeugsystem
DE19543048A1 (de) Vorrichtung zur Erzeugung von Lenksignalen für zielverfolgenden Flugkörper
DE19704983B4 (de) Autonomes System, insbesondere autonome Plattform

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

17P Request for examination filed

Effective date: 20000415

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): DE FR GB IT SE

AX Request for extension of the european patent

Free format text: AL;LT;LV;MK;RO;SI

AKX Designation fees paid

Free format text: DE FR GB IT SE

17Q First examination report despatched

Effective date: 20030311

GRAP Despatch of communication of intention to grant a patent

Free format text: ORIGINAL CODE: EPIDOSNIGR1

GRAS Grant fee paid

Free format text: ORIGINAL CODE: EPIDOSNIGR3

RAP1 Party data changed (applicant data changed or rights of an application transferred)

Owner name: DIEHL BGT DEFENCE GMBH & CO.KG

GRAA (expected) grant

Free format text: ORIGINAL CODE: 0009210

AK Designated contracting states

Kind code of ref document: B1

Designated state(s): DE FR GB IT SE

REG Reference to a national code

Ref country code: GB

Ref legal event code: FG4D

Free format text: NOT ENGLISH

REF Corresponds to:

Ref document number: 59913732

Country of ref document: DE

Date of ref document: 20060914

Kind code of ref document: P

REG Reference to a national code

Ref country code: SE

Ref legal event code: TRGR

GBT Gb: translation of ep patent filed (gb section 77(6)(a)/1977)

Effective date: 20061018

ET Fr: translation filed
PLBE No opposition filed within time limit

Free format text: ORIGINAL CODE: 0009261

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: NO OPPOSITION FILED WITHIN TIME LIMIT

26N No opposition filed

Effective date: 20070503

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: SE

Payment date: 20091214

Year of fee payment: 11

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: IT

Payment date: 20091222

Year of fee payment: 11

Ref country code: GB

Payment date: 20091218

Year of fee payment: 11

Ref country code: FR

Payment date: 20100108

Year of fee payment: 11

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: DE

Payment date: 20100224

Year of fee payment: 11

GBPC Gb: european patent ceased through non-payment of renewal fee

Effective date: 20101213

REG Reference to a national code

Ref country code: FR

Ref legal event code: ST

Effective date: 20110831

REG Reference to a national code

Ref country code: SE

Ref legal event code: EUG

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: SE

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20101214

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: FR

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20110103

REG Reference to a national code

Ref country code: DE

Ref legal event code: R119

Ref document number: 59913732

Country of ref document: DE

Effective date: 20110701

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: GB

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20101213

Ref country code: DE

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20110701

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: IT

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20101213