基于扰动大气模型的乘波构型飞行器再入弹道仿真

作者在半速度坐标系建立临近空间乘波构型再入飞行器质心动力学方程,将地球扰动大气模型应用于飞行器再入弹道分析,讨论了再入点运动参数和飞行器设计参数对标准弹道的影响,完成了不同大气模型对飞行器再入弹道射程、高度、过载、热流特性影响的对比分析。仿真结果表明:大气模型的变化对临近空间乘波构型飞行器再入弹道终点高度、最大过载、最大热流、总吸热量等参数影响明显,飞行器总体、结构、热防护、导航、制导与控制等系统设计必须考虑大气参数变化的影响。

基于多目标多学科设计优化方法的再入弹道设计研究

为了研究多目标多学科弹道优化设计,提出了一种基于NSGA-II算法的并发多目标协作优化MDO方法MOPCO(Multi-Objective Pareto Collaboration Optimization,简称MOPCO)。利用系统优化器和学科级优化器的并发性来分解多目标MDO优化问题,解决组织复杂性问题;利用自适应响应面技术来解决计算复杂性问题;利用NSGA-II算法来搜索Pareto前沿。标准算例测试表明该算法是可行的。最后将其用于静态/动态混合优化的多目标多学科再入弹道设计,获得了合理的Pareto前沿。

具有内点状态约束的机动再入弹道优化设计

高级机动弹头末制导装置开始工作时对弹头飞行速度和姿态有一定的要求。这就增加了内点约束,从而使机动再入弹道设计问题成为具有内点约束和终端约束更复杂的最优控制问题。利用遗传算法求解该问题,用多段插值方法进行染色体设计,设计了基于模拟退火思想的罚函数和适应度函数来处理各种约束。仿真结果表明,所设计的遗传算法效率高,对初值不敏感,能搜索到全局最优解。所设计的再入机动弹道能满足机动弹头对姿态、热流和速度的要求。

应用抗差无迹卡尔曼滤波的再入弹道处理技术

针对现有无迹卡尔曼滤波在再入弹道处理中可能出现的异常观测、观测随机误差模型不准确以及动力学模型不合理等问题,在无迹卡尔曼滤波中引入自适应与抗差估计理论,研究适用于再入弹道处理的自适应抗差滤波方法。该方法可以自适应地估计测量噪声等价协方差阵和状态噪声等价协方差阵,并可实现异常值的分离和维纳模型方差的自适应调整。数值仿真结果表明:该方法计算简单,并能有效减弱测量误差和动力学模型误差对弹道处理精度的影响。

再入弹道解析算法在新型制导律上的应用研究

提出了一种再入飞行器新型预测制导方法。在弹道始端,所有方向的总升力组成一个垂直于再入体速度的平面,称该平面上任意方向的速度增量引起预测落点的变化矢量为虚位移。通过对最优虚位移的搜索,获得总升力的最佳方向。然后,针对该制导方法需要预测弹道落点这一情况,给出了再入弹道的解析解。最后,将具有模型简化误差的解析弹道算法应用到该制导律中,仿真发现:经制导控制后最终落点误差从40公里减小到10米。结果表明:在解析法再入弹道存在模型简化误差的情况下,该制导律仍然可以执行。

大气层外救生再入弹道机动能力分析

分析计算了再入速度倾侧角（υ）对大气层外救生再入弹道航程机动能力和再入过载的影响。仿真结果表明，为有利于航天员承受过载，救生轨道设计时对υ的大小将有限制；应急着陆区的计算是顺利进行寻找和运送完成故障着陆的航天员的重要依据，再入弹道航程机动能力的分析和计算对于选取和调整应急着陆区是一个有力的支持。

再入弹道参数自适应估计

本文研究再入弹道参数的自适应估计。所采用的方法对动力学模型噪声的未知统计特性进行补偿，并对状态参数与测量设备的系统误差交叉进行估计。仿真结果表明，无论是状态参数的估计还是测量系统误差的估计，都具有较高的精度。

基于箱粒子滤波的再入弹道目标跟踪

弹道目标在再入段运动方式的不确定性和复杂性导致了跟踪问题呈现非线性、不精确性。为此,引入一种"广义粒子滤波"算法——箱粒子滤波算法对再入段的弹道目标进行跟踪。该算法有别于传统点量测和误差统计模型,采用基于区间分析的箱粒子来处理这类不精确性,更加符合实际系统的工作情况,且克服了粒子滤波因需大量粒子拟合带来的实时性差的问题。仿真实验将新算法与粒子滤波算法和无迹卡尔曼滤波算法进行了对比。仿真结果表明,在确保了跟踪精度的前提下,新算法计算效率更高,是个很有效的跟踪再入目标的非线性滤波算法。

基于ModelCenter平台的再入弹道参数灵敏度分析

为分析各种偏差及不确定性对再入弹道的影响,优化再入弹道设计的偏差及不确定性参数,基于Model Center的灵敏度分析模块实现了再入弹道参数灵敏度分析。运用动力学理论建立了重复使用运载器再入段动力学模型,并结合重复使用运载器参数,综合考虑各种偏差及不确定性,完成了大规模蒙特卡洛仿真。基于参数灵敏度分析方法,对影响再入飞行过程关键指标的参数进行灵敏度分析,分析结果表明:峰值热流的最灵敏参数为航迹角偏差,峰值过载和峰值动压的最灵敏参数为阻力系数偏差。

基于多模型的再入弹道目标跟踪算法

再入弹道导弹目标的跟踪和识别是反导防御体系中最关键的问题.针对传统的跟踪方法不能适用于不同类型的再入弹道目标的跟踪和真假弹头的识别问题,提出一种基于多模型的再入段弹道目标跟踪算法.该算法采用多模型的结构,适用于跟踪不同类型的再入弹道目标,可有效地提高跟踪精度;同时对于弹道系数的估计具有很快的收敛速度和较好的估计精度.仿真结果表明,与传统的EKF算法相比较,本文算法大幅提高了目标跟踪的精度,特别在弹道系数估计上精度较高,具有一定的识别真假弹头的能力和鲁棒的跟踪性能.

大气密度分层计算时的再入弹道解析解

给出了在考虑阻力系数为速度的函数的情况下， 并将大气密度进行分层计算时， 估算再入飞行器弹道主要参数的一组解析式。按上述方法进行了仿真计算， 并将计算结果、Ｂａｒｂｅｒａ解、有关文献解同数值解进行了比较。结果表明， 由于大气密度采用分层计算， 更真实地反映了飞行器的再入环境， 解析估算值较其它两种解更接近于数值解， 完全可用于再入飞行器的再入弹道初步估计和再入性能分析。

助推-滑翔导弹再入弹道快速优化

基于LGL(Legendre-Gauss-Lobatto)伪谱法,研究了临近空间助推-滑翔导弹再入段弹道快速优化问题。首先,基于改进的气动力模型建立了较为精确的再入数学模型;其次,针对该优化问题在气动数据处理和优化求解上存在的困难,基于LGL伪谱法系统地建立了再入最优飞行弹道的求解步骤,为解决直接利用LGL伪谱法存在的困难,设计了一种基于LGL伪谱法的串行优化求解策略;最后,分别采用积分推进法和协状态映射原理对优化结果进行了可行性和最优性验证。仿真结果表明,本文的弹道优化方法优化1条再入弹道所用时间为3～4 s,计算效率较高,路径约束和端点约束均得到很好满足,算法求解精度较高,有效地实现了多约束多变量大型稀疏的再入弹道导弹快速优化。

遗传算法解算弹道导弹再入弹道

基于弹道导弹再入段运动数学模型,提出了预定程序弹道再入突防的方法并进行了遗传算法解算突防弹道的研究。建立了以攻角随再入时间增长的变化量为编码对象的遗传算法模型并进行仿真计算。仿真结果表明,该算法能够实现预定程序再入弹道快速高精度的解算,具有工程的应用价值。

基于单台光测设备的不规则目标再入弹道估算方法

针对单台光测设备条件下不规则外形弹道目标的再入弹道估算问题,提出了以不规则外形再入弹道目标初始再入射面为基本约束条件,将光测设备视线矢量与初始再入射面的交点作为目标位置序列,得到与光测数据序列相应的目标位置序列,利用中点平滑方法得到弹道估值序列。在综合考虑目标初始再入射面偏差和光学测量数据误差的基础上,给出再入弹道误差估算方法。研究结果表明:该方法可以有效估计出再入目标的弹道参数,解决了单台光测设备测量数据不足,难以给出目标位置估值的问题。

基于二阶EKF的弹道目标再入段质阻比估计

弹道导弹再入段运动非线性程度高,常规一阶扩展卡尔曼滤波(EKF)质阻比估计方法因模型近似误差大而导致收敛较慢.为此,提出了基于二阶EKF的弹道目标质阻比估计方法,通过保留泰勒级数展开后的更高阶项来降低对非线性运动模型的近似误差,提高质阻比估计精度和收敛速度.仿真结果表明,相比于一阶EKF方法,利用二阶EKF方法估计的真假弹头目标的质阻比可在更高的高度上体现出差异,且收敛速度更快.

月地高速再入返回器弹道重建与气动力参数辨识

对嫦娥五号返回器再入飞行数据进行了弹道重建与气动力参数辨识。采用输出误差法辨识传感器误差及状态量初值,完成弹道重建。对重建弹道进行风修正,并获得修正后的攻角和侧滑角。基于修正后的弹道数据,采用线性回归法完成气动力参数辨识。与外测数据对比分析可知,弹道重建结果精度较高。与地面设计数据对比分析可知,气动力数据辨识结果与设计值偏差在合理范围内,从而验证了地面设计数据的可信度。

弹道导弹弹头再入参数的解析解研究

针对弹头再入运动的特点,建立了旋转圆球地球模型下弹道导弹弹头再入运动的简化方程,通过将大气密度、地球引力和弹道倾角分层计算,同时结合气动阻力系数的两种解析计算模型,推导出了计算弹头再入参数的解析解。仿真计算结果表明,解析解非常接近数值解,能够较真实的反映弹头再入运动的客观情况。

再入弹道的近似计算

通过大量的计算和理论上的简化，给出了极其简单的、计算量很小的再入弹道的近似计算公式，它很适于用在反导武器系统中。同时还给出了大气密度的简化模型。

不变结构半弹道式再入飞行器的建模与多模型方法估计

以配平攻角状态再入的不变结构半弹道式再入飞行器(Semi-ballistic reentry vehicle,SBRV)不同于传统的弹道式再入飞行器(Ballistic reentry vehicle,BRV)和机动再入飞行器(Maneuvering reentry vehicle,MaRV),本文分析了该飞行器再入特征,提出了新的模型并分析了该模型与传统再入模型间的关系.对该再入问题的多模型混合状态估计器引入了F-均匀模型集与期望模式补偿(Expected-mode augmentation,EMA)集.根据SBRV的圆柱体状模式空间的需求,文中扩展了现有的方法以设计F-均匀模型集,进而提出一种EMA集的实现形式.前者在分布最小失配意义下使估计器最优;后者相比于前者具有更高的估计精度.仿真结果表明,相比于传统Monte-Carlo法生成的模型集,在模型集势相当的情况下这两种模型集对不变结构SBRV再入的初始阶段有更高的模式估计的精度,在该飞行器状态变化剧烈时有更高的混合状态估计精度.

强跟踪-容积卡尔曼滤波在弹道式再入目标跟踪中的应用

对于具有一定机动能力的弹道式再入目标跟踪问题,稳定性好、鲁棒性强、收敛精度高的估计方法是保证跟踪精度的关键。针对再入运动模型和测量体制的强非线性以及目标机动引起的滤波精度下降问题,提出一种将强跟踪滤波(STF)和基于三阶球面-向径容积规则的容积卡尔曼滤波(CKF)相结合的强跟踪-容积卡尔曼滤波(STCKF)。通过将强跟踪算法中的自适应渐消因子引入到滤波时间更新和测量更新方程中,在线实时调整滤波增益矩阵,能有效避免模型失准造成的滤波性能下降,使该算法兼具CKF滤波精度高和STF鲁棒性强的优点。通过数学仿真表明,改进后的STCKF可以实现对具有机动的弹道式再入目标的高精度跟踪,相对于CKF精度提高50%,并且具有更强的鲁棒性和自适应能力。