一种面向临近空间高超声速再入滑翔目标跟踪算法

针对临近空间高超声速再入滑翔目标的跟踪问题,提出了一种基于回顾成本输入估计的无偏转换量测卡尔曼滤波(Retrospective cost input estimation-unbiased converted measurements Kalman filter, RCIE-UCMKF)。首先,根据再入滑翔目标的飞行特性,将加速度看成是未知的确定输入构建运动学跟踪模型;然后,对目标的非线性量测信息进行无偏转换,并将得到的噪声协方差矩阵进行解耦,降低算法的复杂度;最后,利用回顾成本的输入估计对未知加速度进行重构,采用递推最小二乘法更新输入估计器的参数矩阵,同时将估计的加速度引入到卡尔曼滤波框架下,实现对高超声速再入滑翔目标状态的准确估计。仿真结果表明了该算法的有效性和可行性。

未知故障下的飞机自适应控制

飞机动力学模型因受损或者其他未知故障时,预先设计的飞机控制律可能会无法满足飞机的稳定飞行,从而需要设计自适应控制律以保证飞行安全.本文以非线性的NASA-GTM通用飞机模型为对象,运用基于回顾成本的自适应控制方法(RCAC)进行飞机未知故障情况下的平稳飞行控制,包括机体结冰与控制舵面卡死两种故障情况.根据飞机局部线性化模型得到系统马尔科夫参数来设计基于输出反馈的RCAC控制器.通过最优化回顾代价函数来更新RCAC控制器增益,从而调节飞机引擎与控制舵面的输出来补偿由未知故障带来的影响.仿真结果表明在未知故障情况下,RCAC能够很好地通过自适应调整控制器的增益来保证飞机的平稳飞行和控制指令跟踪.