捷联导引头弹目视线角速率估计（英文）

捷联导引头相对于框架式导引头而言,拥有许多优势。捷联导引头技术越来越受到各国军方的重视。捷联导引头无法直接测量弹目视线角速率,实现捷联导引头的工程运用首先需要解决弹目视线角速率的提取问题。弹目视线角速率提取的方法主要有两类,第一类是利用微分网络对弹目视线角进行微分来获取弹目视线角速率,第二类是利用卡尔曼滤波器对弹目视线角进行估计。建立了基于这两类方法的模型,并进行了仿真,仿真结果表明:第二类方法比第一类更具有优势。由卡尔曼滤波器估计出的惯性系弹目视线角速率比运用微分网络得到的惯性弹目视线角速率具有更小的延迟;在相同的量测噪声水平下,第二种方案输出的惯性系弹目视线角速率信号噪声水平更低。

一种弹目视线角的计算方法

为了能够通过弹目视线角计算目标的有效反射面积,提出了一种弹目视线角的计算方法。首先定义两个弹目视线角,并对两视线角的含义进行了深入的描述;然后通过分析影响弹目视线角的多种因素,利用坐标转换提出一弹目视线角的计算方法;最后,通过针对导弹坐标、目标坐标及目标三姿态角对两视线角的影响进行仿真,仿真结果验证了算法的有效性。同时,对研究目标的有效反射面积开展,进而实现对目标的有效跟踪具有一定的参考价值。

基于理想弹道鲁棒容积卡尔曼滤波视线角估计

针对惯性元件在低成本全捷联制导弹药中应用难度大的问题,设计了一种利用理想弹道弹体运动参数代替惯性元件测量值的弹目视线角滤波估计方法。根据坐标系转换关系及弹目视线几何关系,将理想弹道参数作为系统不确定性参数,建立非线性滤波系统;针对具有参数不确定性的非线性系统滤波问题,提出了一种基于理想弹道的鲁棒容积卡尔曼滤波(ideal trajectory robust cubature Kalman filter,ITRCKF)算法,将具有不确定性系统的滤波问题转化为带参数κ的误差协方差上界最小化问题;最终利用导引头探测器测量得到弹体视线角,结合ITRCKF对非线性系统状态进行估计。实验结果表明:在小扰动条件下,ITRCKF偏角估计最大误差值较容积卡尔曼滤波(cubature Kalman filter,CKF)下降了85.57%,误差均方根(root mean square error,RMSE)下降了81.93%;在大扰动条件下,ITRCKF倾角估计值最大误差较CKF下降了31.64%,误差均方根下降了46.39%。所提方法对弹目视线角的估计值满足精度要求,并且相对于CKF估计值具有较好的鲁棒性能。

基于图像导引头及惯导相对位置信息的弹目距离估计算法

针对远程图像制导空地导弹无GPS信息条件下,惯导长时间工作后位置精度较差,无法满足剩余制导时间计算要求的问题,提出基于图像导引头角量测及导弹相对位置与高度信息弹目相对距离估计算法,并分析了典型误差条件下不同采样计算频率对算法精度的影响,结合弹道特点给出算法具体应用方案及剩余制导时间计算策略.通过仿真计算,验证了算法具有较高的计算精度,有实际工程应用价值.