基于AFCKF的捷联旋转弹视线角速率滤波算法

针对捷联旋转弹输出的视线角速率与姿态误差强耦合的问题,提出一种基于自适应渐消容积卡尔曼滤波(AFCKF)的方法。为实现弹目视线角速率的解耦,考虑弹目相对运动特性,构建包含末制导段视线角速率估计模型的状态模型,并根据几何关系建立了包含弹目视线角和姿态角的量测模型。为解决旋转弹下传统CKF视线角速率估计结果的发散导致滤波失效,引入基于残差序列的渐消因子对预测状态协方差进行调节以快速收敛估计结果。为验证AFCKF的有效性,考虑姿态角和量测角的典型干扰。仿真结果表明,所提方法的视线高低角速率估计误差均值、方位角速率估计误差均值分别为传统EKF的30.41%和42.18%,有效提升了旋转弹视线角速率估计的精度。

结合纯方位目标追踪的视线角速率提取方法

针对捷联导引头视线角速率提取过程中弹目相对距离和相对距离变化率未知的问题,提出了一种针对地面目标的结合纯方位追踪滤波的视线角速率提取方法。首先使用纯方位目标追踪滤波估计出相对距离和相对速度,然后把估计结果用于视线角速率估计模型以完成发射系视线角速率的估计。基于误差传播规律,仿真分析了导弹的姿态误差、发射系Y向速度误差、高程误差以及捷联导引头体视线角误差对发射系视线角速率估计误差的影响,仿真结果表明弹体俯仰角误差和滚转角误差对视线角速率估计误差的影响最明显。最后使用蒙特卡洛方法对目标机动及非高斯噪声情况下角速率提取精度进行了仿真验证,蒙特卡洛结果表明所提方法的视线方位角速率和高低角速率估计误差均值分别为α-β滤波的13.0%和18.2%;均方根误差均值分别为α-β滤波的18.8%和24.2%。

考虑火箭弹弹性变形的视线角速率提取算法

为了解决火箭弹因弹性变形导致捷联导引头视线(LOS)角速率提取精度降低的问题,建立了瞬态坐标系下的火箭弹刚-柔耦合动力学模型与弹性变形在线辨识模型,提出了考虑弹性变形的视线角速率提取方法;针对模型近似误差及观测噪声非高斯导致传统非线性滤波算法估计精度不足的问题,提出了一种6阶嵌套隐式龙格库塔(NIRK)精细积分的连续-离散扩展集员滤波算法(CD-ESMF),实现了考虑火箭弹弹性变形情况下的视线角速率高精度提取。

捷联式光学导引头视线角速率解耦与估计

为准确估计捷联导引头视线角速率,建立了全捷联导引头数学模型,根据弹目运动相对关系进行视线角速率解耦与估计算法研究。首先,建立了全捷联导引头数学模型,并利用Taylor级数对其进行线性化;接着,根据弹目运动几何学与坐标系相对关系推导视线角速率解耦算法;然后,针对捷联导引头无法直接测量体视线角速率的问题,提出微分+稳态Kalman滤波方法估计体视线角速率;最后,建立视线角速率解耦与估计算法验证系统并进行仿真实验,结果表明:解耦算法绝对误差小于5×10-5rad/s,相对误差小于0.3%,验证了解耦算法的正确性;在包含导引头数学模型的条件下,采用角频率为19.2rad/s的稳态Kalman滤波器,视线角速率估计误差小于4×10-3rad/s,较直接微分方法的估计误差提高近一个量级。视线角速率解耦与估计算法同时能满足制导系统对精度与动态性能的要求。

利用序列图像解算目标视线角速率的方法

针对目标跟踪处理系统中的视线角速率提取问题,提出一种利用单成像探测器所得序列图像求导视线角速率的方法。利用序列图像中的运动目标图像坐标解算得到体视线角,通过图像匹配得到弹体姿态角,进而求解得到视线角速率。实验结果表明:结合图像跟踪算法可实时得到体视线角,使用图像匹配可以较好地解算得到弹体姿态角,解算结果误差小于±5%;在体视线角和弹体姿态角均包含噪声的前提下,使用卡尔曼滤波可以较好地还原视线角速率。该方法适用于微小型飞行器制导探测,可以省去陀螺仪等惯性元件,实现探测装置的轻量化、小型化,具有实际的应用价值。

基于粒子滤波的捷联成像导引头视线角速率估计

提出了一种基于粒子滤波的捷联成像导引头视线角速率的估计方法。由于捷联成像导引头状态方程和观测方程的强非线性特点以及观测量中较强的非高斯测量噪声,扩展卡尔曼滤波(EKF)方法不能完全满足滤波精度要求。与扩展卡尔曼滤波相比,粒子滤波(PF)是一种在非线性和非高斯情形下进行状态估计的强有力方法。采用粒子滤波对捷联成像导引头的视线角速率进行估计,仿真结果表明,粒子滤波方法可以有效地提高视线角速率的估计精度。

基于视线角四元数序列的视线角速率样条滤波

依据坐标系转换四元数与坐标系旋转角速度之间的关系,提出了基于视线角四元数序列的视线角速率自适应样条滤波算法。该算法利用样条函数表示视线角四元数,结合四元数与角度之间的对应关系,建立了系统状态方程;在只给出视线角序列信息的情况下,对观测误差进行了补偿,实现了自适应样条滤波算法,获得了有效的视线角速率信息。

基于跟踪微分器的滚仰式成像导引头视线角速率估计

针对滚仰式半捷联成像导引头难以直接获得精确的视线角速率这一问题,提出利用弹体姿态角速率、失调角、框架滚仰角等信息解算出惯性系下的视线角的方法。针对解算出的惯性系下的视线角,通过选择合适的跟踪微分器提取出惯性系下的视线角速率信息。仿真试验表明,选择合适的跟踪微分器能够在大背景噪声下对惯性系下解算出的视线角连续平滑地微分,进而可得到精确的视线角速率。

基于无迹卡尔曼滤波的捷联导引头视线角速率估计方法

以视线角速率的解耦算法为基础设计扩展卡尔曼滤波器,解决了捷联导引头视线角速率无法测量,求导提取误差较大的问题,同时有效减少了传统卡尔曼滤波算法线性化误差对系统的影响。将估计得到的视线角速率与比例导引律相结合应用于末制导武器,具有较高的精度和动态性能,能满足打击机动目标的要求。

滚仰式红外导引头视线角速率提取方法研究

由于滚仰式导引头的结构特殊性,制导控制系统需要的视线角速率信息是不能够直接测量得到的,因此提出了一种基于跟踪微分器的视线角速率提取方法。根据滚仰式导引头的结构特点,分析了滚仰式导引头的运动学原理,并根据滚仰式导引头的结构推导出视线角与弹体姿态角、框架角和失调角的关系,然后设计了有限时间收敛跟踪微分器求解视线角速率信息。经数字仿真,对比了直接差分法和跟踪微分器法对视线角速率的提取效果,证明了利用跟踪微分器提取视线角速率的有效性。

捷联导引头目标视线角速率重构方法研究

捷联导引头测量信息中耦合有弹体姿态信息不能直接被比例导引所用。实现了从捷联导引头和弹体角速率信息中重构出目标视线角速率,并运用四阶龙格库塔法建立离散模型,避免迭代发散。捷联导引头大的瞬时视场带来大的背景噪声,任何用于重构系统的测量信息噪声都会反映到重构出的目标视线角速率中去。针对系统模型参数噪声与状态噪声并存的问题,从模型中分离开参数和状态,设计了JointUKF和DualUKF提取目标视线信息,简化了系统噪声模型,降低滤波器对噪声标定不准确的敏感性。通过弹目拦截仿真验证了目标视线角速率重构方法的正确性,验证了采用离散方法的合理性,验证了设计的滤波器能有效提取目标视线角速率。

基于视线角序列的机动目标视线角速率计算

依据拦截弹与机动目标间的相对位置关系,采用导引头球面模型,基于当前统计模型,实现了强跟踪状态自适应滤波,计算出了可用于制导的视线角速率。该算法利用导引头球面模型,将测角信息转换成距离信息,进行方差自适应调整和卡尔曼滤波。在只给出视线角序列信息的情况下,根据相对状态滤波结果求出所需的视线角速率。

全捷联图像导引头视线角速率精度分析

为分析全捷联图像导引头视线角速率精度影响因素,提出了视线角速率精度分析算法。首先,提出了视线角速率解耦算法;其次,根据误差理论详细分析了视线角速率各误差源的误差灵敏度并提出了精度计算方法;再次,分析了体视线角、弹体角速率、姿态角与体视线角速率等误差形成机理与精度影响;最后,建立了半物理仿真实验系统进行算法验证,结果表明,视线高低角速率与方位角速率的估算精度分别为0.273°/s与0.235°/s,实验结果分别为0.281°/s与0.242°/s,相对误差分别为2.85%与2.89%,验证了视线角速率精度估计算法的正确性与精确性。研究结果可以用于全捷联图像制导控制系统总体设计过程,并为视线角速率精度估计与指标分配提供理论依据。

全捷联导引头视线角速率估计方法

针对全捷联导引头只能测得相对于弹体的视线角而不能测得制导系统需要的视线角速率信息的问题,提出了一种基于中央差分卡尔曼滤波(CDKF)的视线角速率估计方法。上述方法充分利用了惯导系统角速率陀螺的信息,简化了系统噪声模型。通过研究相关坐标系的转换关系,引入解耦矩阵,建立了视线角速率估计模型。避免了引入不可测的相对距离和相对速度信息,以某航空制导炸弹为例进行了视线角速率估计,蒙特卡洛仿真结果表明,上述方法能够有效的提取视线角速率,与传统的EKF方法相比能够提供更精确的估计值,为全捷联导引头视线角速率估计提供了一种新的方法。

基于视线角速率的自适应滑模导引规律

针对被动导引头仅能提供视线角速率信息,难以构建有效的攻击机动目标的制导律的问题,利用末制导的初始弹目距离及接近速率,首先设计了一种基于滑模理论的制导律。该制导律能够实现对机动目标的有效攻击,但需要已知目标机动能力上限且制导指令存在抖振现象。为了克服上述制导律中的不足,在新制导律中引入了一个自适应参数项,并通过稳定性分析证明了改进后的自适应滑模制导律在理论上的正确性。改进后的制导律一方面降低了初始弹目距离和接近速率的影响,另一方面增强了视线角速率在拦截过程中的作用,这样在仅使用视线角速率的条件下达到了攻击机动目标的目的。最后,通过拦截2种机动目标的仿真结果进一步说明的该制导律的有效性。

基于视线角序列的视线角速率样条滤波

依据拦截器与目标间的相对位置、速度关系,提出了基于视线角序列的视线角速率自适应样条滤波算法。该算法利用样条函数表示相对距离矢量,提出并结合“导引头球面”模型,建立了系统状态方程;在只给出视线角序列信息的情况下,对状态估计误差和观测误差进行了补偿,实现了自适应样条滤波算法,获得了有效的视线角速率信息。

基于视线角速率的最优增量制导技术研究

提出一种基于视线角速率最优的制导方案。方案从最优控制的性能指标函数出发,通过求解一个Riccati方程和相关约束条件,并对系统进行一系列的相关的理想化的假设,得到系统的一般形式的制导指令。同时,为了避免制导指令在正负之间的频繁切换,根据偏置比例制导的原理,在制导指令中引入一个制导指令的增量,来减轻这一问题,并与传统的比例制导进行比较。仿真结果表明,这种制导方法相对于比例制导律而言,精度较高,性能优良,具有一定工程参考意义。

基于LS-SVM方法的视线角速率在线预测

首先通过时间加权末位淘汰机制对最小二乘支持向量机(LS-SVM)算法进行改进。其次,将这一算法应用于导引头视线被云层遮挡(穿云)或其他原因导致导引头失锁时对视线角速率的预测。导引头处于锁定状态时应用该算法进行在线训练,导引头视处于失锁状态使用训练形成的决策函数对视线角速率进行在线预测。最后,通过弹道末端设置导引头失锁的数学仿真结果,统计使用预估视线角速率(决策函数输出)作为末端导引信息的多条弹道的脱靶量,确认了最小二乘支持向量机对典型视线角速率信号预测的有效性和用于提高小型空地战术导弹穿云和抗干扰能力的应用前景。

捷联导引头视线角速率估计算法

研究了一种用于估计制导弹药与目标之间的视线角速率算法的推导与实现。低成本的捷联导引头的测量信息中包含了弹目在相对运动中形成的视线角和弹体姿态两部分信息,首先设计解耦算法将弹体姿态信息去除,然后采用扩展卡尔曼滤波(EKF)以及α-β滤波这两种算法分别对视线角和视线角速率进行估计,最终的仿真结果表明采用EKF算法能比α-β滤波算法得到更加精确的估计值。

平台式相控阵导引头视线角速率提取技术研究

针对全捷联相控阵雷达导引头隔离度(disturbance rejection rate,DRR)正反馈失稳风险,提出了一种将相控阵安装在平台框架用于隔离弹体干扰的新思路。通过对相控阵和平台模型进行简化,利用空间角度关系及平台随动特性,构建4种适用于平台式相控阵雷达导引头视线角速率提取的方案,选取不同的制导信号输出点,分别研究方案的隔离特性及制导信号跟踪能力。研究结果表明,4种方案均能有效规避DRR干扰影响,其中平台随动能提高制导信号的提取精度,雷达测角输出点优于平台角速率陀螺输出点,并具备跟踪高频信号的能力。