基于平方根容积卡尔曼滤波的光电跟踪转台滑模控制方法技术

本发明专利技术公开了一种基于平方根容积卡尔曼滤波的光电跟踪转台滑模控制方法，其主要步骤为：步骤一：基于平方根容积卡尔曼滤波的跟踪目标状态估计；步骤二：光电跟踪转台控制系统建模；步骤三：在已经建立的转台模型的基础上设计滑模控制器。本发明专利技术针对光电跟踪转台控制系统，提出了一种基于平方根容积卡尔曼滤波的光电跟踪转台滑模控制方法，用于控制转台准确稳定地跟踪飞行目标。与现有技术相比，该方法能在光电跟踪转台的输入信号含有随机干扰的情况下，采用平方根容积卡尔曼滤波算法获取目标角速度和角加速度，避免了对目标位置信号求微分时放大随机干扰，实现了光电跟踪转台的滑模控制。

【技术实现步骤摘要】

本专利技术属于光电跟踪转台控制领域，特别地，涉及一种基于平方根容积卡尔曼滤波的光电跟踪转台滑模控制方法，非常适合于提高光电跟踪转台的抗干扰性能和跟踪精度。
技术介绍
光电跟踪转台是一种具有高探测能力和精密跟踪性能的设备，在目标动态测量、轨迹跟踪记录、侦察监视、定位通信、制导瞄准等军事领域起着举足轻重的作用。近年来，随着光电跟踪技术应用范围的不断扩展，对其提高其抗干扰性能和跟踪精度的要求也越来越高。滑模控制方法因其所具有的优良特性而受到学者们的关注，该方法通过所设计的滑模面和等效控制律，能快速响应输入信号的变化，且对于扰动不敏感，具有较好的鲁棒性。因此，应用滑模控制是光电跟踪转台跟踪精度的一条有效途径。图1给出了常见的伺服控制转台滑模控制原理框图。滑模控制律的设计需用到输入信号的微分和二次微分，即所跟踪目标相对于跟踪转台的角速度和角加速度。但该方法存在以下缺陷：由于所跟踪目标运动的机动性和设备量测误差，光电跟踪转台的输入信号中含有随机干扰，直接对其求微分后将导致干扰更加严重，难以实现滑模控制。
技术实现思路
专利技术目的本专利技术要解决的技术问题是，在光电跟踪转台的输入信号含有随机干扰的情况下，采用平方根容积卡尔曼滤波算法获取目标角速度和角加速度，以实现光电跟踪转台的滑模控制。本专利技术给出了一种光电跟踪转台的滑模控制方法，其设计思想是：首先，应用平方根容积卡尔曼滤波算法对光电测量设备采集的目标角位移进行滤波预测，得到目标的角速度和角加速度；之后，将该目标的角位移、角速度和角速度作为滑模控制方法的输入，实现对光电跟踪转台的控制。其具体原理框图如图2所示。下面以光电跟踪转台的方位角控制为例介绍该设计方法(俯仰角的控制与其相似)，具体步骤如下：步骤一：基于平方根容积卡尔曼滤波的跟踪目标状态估计在本专利技术中，光电跟踪转台采用CCD传感器测量跟踪目标的脱靶量，然后与光栅编码器测量的转台角度值相加，就合成了目标当时的角位移量。由于所跟踪目标的量测信息是在极坐标系中得到的，直接在极坐标系中进行滤波预测，目标模型采用三阶常加速模型。设离散非线性动态系统的状态方程为： x k = f ( x k - 1 ) + w k - 1 z k = h ( x k ) + v k ]]>式中，xk为系统状态向量；zk为量测值；过程噪声wk-1和量测噪声vk相互独立，且wk-1～N(0，Qk-1)，vk～N(0，Rk)。以跟踪目标在方位平面上的角度滤波预测为例，选取目标方位角度、角速度和角加速度作为状态变量，即 x k = θ ( k ) θ · ( k ) θ · · ( k ) T ]]>则目标的状态方程为f(xk)＝Φxk-1+Γk-1wk-1式中， Φ = 1 T T 2 / 2 0 1 T 0 0 1 , Γ k - 1 = 本文档来自技高网...

【技术保护点】
基于平方根容积卡尔曼滤波的光电跟踪转台滑模控制方法，其特征在于：该方法具体步骤如下：步骤一：基于平方根容积卡尔曼滤波的跟踪目标状态估计在极坐标系中采用平方根容积卡尔曼滤波算法对目标位置信号进行滤波预测，目标模型采用三阶常加速模型。其具体算法流程如下：设离散非线性动态系统的状态方程为：xk=f(xk-1)+wk-1zk=h(xk)+vk]]>式中，xk为系统状态向量；zk为量测值；过程噪声wk‑1和量测噪声vk相互独立，且wk‑1～N(0，Qk‑1)，vk～N(0，Rk)。以跟踪目标在方位平面上的角度滤波预测为例，选取目标方位角度、角速度和角加速度作为状态变量，即xk=θ(k)θ·(k)θ··(k)T]]>则目标的状态方程为f(xk)=Φxk‑1+Tk‑1wk‑1式中，Φ=1TT2/201T001,Γk-1=T3/6T2/2T.]]>假定转台处于坐标原点处，量测值为目标方位角，跟踪系统的量测方程为zk=Hxk‑1+vk式中，H=[1 0 0]T。使用三阶容积原则获得的基本容积点和对应权值为ξi=m2[1]i,ωi=1m,i=1,2,...,m]]>式中，ξi为容积点向量，其对应的权重为ωi；m=2n；符号[1]表示生成算子，选择状态变量维数n=3，则[1]i表示如下所示点集中的第i个元素，即{100,010,001,-100,0-10,00-1}]]>平方根容积卡尔曼滤波具体算法如下：(1)时间更新采用Cholesky方法分解协方差Sk‑1|k‑1＝Chol(Pk‑1|k‑1)计算容积点Xi,k-1|k-1=Sk-1|k-1ξi+x^k-1|k-1]]>式中i＝1，2，3，…，m。计算通过状态方程传播的容积点Xi,k-1|k-1*=f(Xi,k-1|k-1)]]>估计预测状态x^k-1|k-1=1mΣi=1mXi,k-1|k-1*]]>估计预测误差方差矩阵的平方根Sk|k-1=Tria([χk|k-1*SQ,k-1])]]>式中，Tria(·)表示对矩阵进行三角化；SQ，k‑1为Qk‑1的平方根，即定义为：χk|k-1*=1m[X1,k|k-1*-x^k|k-1,X2,k|k-1*-x^k|k-1,...,Xm,k|k-1*-x^k|k-1]]]>(2)量测更新计算容积点Xi,k|k-1=Sk|k-1ξi+x^k|k-1]]>计算通过状态方程传播的容积点Zi，k|k‑1=h(Xi，k|k‑1)量测预测为z^k|k-1=1mΣi=1mXi,k-1|k-1*]]>计算方差矩阵的平方根Szz，k|k‑1=Tria([Zk|k‑1SR，k])式中SR，k为Rk的平方根，即：Zk|k-1=1m[Z1,k|k-1-z^k|k-1,Z2,k|k-1-z^k|k-1,...,Zm,k|k-1-z^k|k-1]]]>估计协方差矩阵Pxz,k|k-1=χk|k-1Zk|k-1T]]>χk|k-1=1m[X1,k|k-1-x^k|k-1,X2,k|k-1-x^k|k-1,...,X2,k|k-1-x^k|k-1]]]>计算卡尔曼增益Wk=(Pxz,k|k-1/Szz,k|k-1T)/Szz,k|k-1]]>更新状态x^k|k=x^k|k-1+Wk(zk-z^k|k-1)]]>更新方差矩阵的平方根Sk|k＝Tria([χk|k‑1‑WkZk|k‑1WkSR，k])经滤波后得到作为滑模控制器的输入。其中θd=[θd(1)，θd(2)，…，θd(k)]，θ·d=[θ·d(1),θ·d(2),...,θ·d(k)],θ··d=[θ··d(1),θ··d(2),...,θ··d(k)].]]>步骤二：光电跟踪转台控制系统建模由无刷直流力矩电机的工作原理可推出电枢回路的电压平衡方程为Ua=Raia+Ladiadt+eb]]>其中，Ua为电枢两端平均电压；Ra，ia，La分别为电枢回路的电阻，电流和电感；反电势eb为：eb=Ceθ·]]>Ce，分别为电机的反电势系数和转角速度。电机的电磁力矩与电流成正比Md=Kmia式中，Km为电磁力矩系数。定义摩擦等干扰力矩为Mf，电机的转矩平衡方程可以表示为Md-Mf...

【技术特征摘要】
1.基于平方根容积卡尔曼滤波的光电跟踪转台滑模控制方法，其特征在于：该方法具体步骤如下：
步骤一：基于平方根容积卡尔曼滤波的跟踪目标状态估计
在极坐标系中采用平方根容积卡尔曼滤波算法对目标位置信号进行滤波预测，目标模型采用三阶常加
速模型。其具体算法流程如下：
设离散非线性动态系统的状态方程为：
x k = f ( x k - 1 ) + w k - 1 z k = h ( x k ) + v k ]]>式中，xk为系统状态向量；zk为量测值；过程噪声wk-1和量测噪声vk相互独立，且wk-1～N(0，Qk-1)，
vk～N(0，Rk)。
以跟踪目标在方位平面上的角度滤波预测为例，选取目标方位角度、角速度和角加速度作为状态变量，
即
x k = θ ( k ) θ · ( k ) θ · · ( k ) T ]]>则目标的状态方程为
f(xk)=Φxk-1+Tk-1wk-1式中， Φ = 1 T T 2 / 2 0 1 T ...

【专利技术属性】
技术研发人员：田福庆，李克玉，王珏，梁伟阁，
申请(专利权)人：中国人民解放军海军工程大学，
类型：发明
国别省市：湖北;42