基于最优模糊系统的惯导测量弹道修正方法技术方案

本发明专利技术公开了基于最优模糊系统的惯导测量弹道修正方法，能够修正惯导测量随时间累积的误差，提高惯导系统测量弹道数据的处理精度。该方法包括：获得导弹飞行试验数据，进行野值剔除。计算各测量序列与基准序列的时间参数的最短距离路径，从测量序列中抽取时间参数相同或相近的测量数据组合为遥外弹道数据集。在遥外弹道数据集中选择测量序列，构建由输入‑输出数据对建立的模糊规则。以导弹飞行试验历史数据作为样本数据，完成样本训练，得到模糊规则库的所有规则。将模糊规则库的所有规则作为最优模糊系统的参数，构建惯导测量弹道修正模型。利用惯导测量弹道修正模型对新获取的导弹飞行试验数据进行修正。

【技术实现步骤摘要】
基于最优模糊系统的惯导测量弹道修正方法
本专利技术涉及导弹试验数据处理
，具体涉及基于最优模糊系统的惯导测量弹道修正方法。
技术介绍
弹道测量可以用来提供导弹飞行试验弹道信息，精确测算导弹落点，评估导弹制导系统精度，是导弹飞行试验和鉴定不可缺少的组成部分。光测、GNSS等外测设备测量精度高，但受工作环境和导弹机动性等因素影响，测量数据不完整。遥测弹道数据由弹上惯性导航装置测量，惯导系统不依赖外部信息，抗干扰，抗辐射，能够全方位全地域全天候自主导航定位，获得完整的全弹道轨迹信息。由于惯导系统测量误差随时间的积累而发散，因此在长时间工作状态下，惯导系统测量弹道数据精度不高。因此，如何修正惯导测量弹道数据在长时间工作状态下的累积误差，提高惯导系统测量弹道数据的处理精度，是目前亟待解决的问题。
技术实现思路
有鉴于此，本专利技术提供了基于最优模糊系统的惯导测量弹道修正方法，能够修正惯导测量弹道数据随时间累积的误差，从而提高惯导系统测量弹道数据的处理精度。为达到上述目的，本专利技术的技术方案包括如下步骤：本文档来自技高网...

【技术保护点】
1.基于最优模糊系统的惯导测量弹道修正方法，其特征在于，包括：/n步骤一、获得导弹飞行试验数据，包括两类测量序列，分别为遥测数据测量序列和外弹道数据测量序列；对所有测量序列进行野值剔除；/n步骤二、选取最大采样间隔的测量序列为基准序列，计算各测量序列的时间参数与所述基准序列的时间参数的最短距离路径，并根据最短距离路径从测量序列中抽取时间参数相同或时间参数差值在设定范围之内的测量数据，抽取的测量数据组合为时间参数统一的测量序列，将所述时间参数统一的测量序列合成为遥外弹道数据集；所述设定范围为测量序列中最小采样间隔的二分之一；/n步骤三、在所述遥外弹道数据集中选择测量序列，构建由输入-输出数据对建...

【技术特征摘要】
1.基于最优模糊系统的惯导测量弹道修正方法，其特征在于，包括：
步骤一、获得导弹飞行试验数据，包括两类测量序列，分别为遥测数据测量序列和外弹道数据测量序列；对所有测量序列进行野值剔除；
步骤二、选取最大采样间隔的测量序列为基准序列，计算各测量序列的时间参数与所述基准序列的时间参数的最短距离路径，并根据最短距离路径从测量序列中抽取时间参数相同或时间参数差值在设定范围之内的测量数据，抽取的测量数据组合为时间参数统一的测量序列，将所述时间参数统一的测量序列合成为遥外弹道数据集；所述设定范围为测量序列中最小采样间隔的二分之一；
步骤三、在所述遥外弹道数据集中选择测量序列，构建由输入-输出数据对建立的模糊规则；其中输入数据由所选测量序列中当前时刻的遥测数据和当前及前n个时刻的(n+1)个外弹道数据组成，输出数据为下一时刻的外弹道数据；采用最近邻聚类法将输入-输出数据对分组，使每组输入-输出数据对对应一条规则，并将其存储于模糊规则库；
步骤四、以当前导弹飞行试验历史数据作为样本数据，执行步骤一～步骤三完成样本训练，得到模糊规则库的所有规则；
步骤五、将所述模糊规则库的所有规则作为最优模糊系统的参数，构建惯导测量弹道修正模型；
利用所述惯导测量弹道修正模型对新获取的导弹飞行试验数据进行修正。


2.如权利要求1所述的方法，其特征在于，所述步骤一中，所述遥测数据测量序列为包含导弹飞行位置、速度、姿态、舵信号的测量序列；
所述外弹道测量序列为包含光测及全球导航卫星系统GNSS的外弹道数据的测量序列。


3.如权利要求1所述的方法，其特征在于，所述步骤一中，对所有测量序列进行野值剔除，具体为：
所述测量序列表示为
其中i为测量序列的序号，取值为i＝1,2,…,M；M为测量序列总数；Ni为第i个测量序列长度；为第i个测量序列Xi中的第1～第Ni个数据；k为测量序列中数据的索引序号，也即时刻值，取值为1,2,…,Ni；
针对第i个测量序列Xi，采用如下步骤S101～S106进行野值剔除；
S101、设置残差序列长度为K，K≥3；构建动态模糊预测系统；
所述动态模糊预测系统的输入数据维数为n≥3，平滑参数为σ>0，聚类半径为r>0，遗忘因子τ>1；
构造第i个测量序列k时刻的输入-输出数据对
其中为对应第i个测量序列k时刻的输入数据；


为中数据；

为对应第i个测量序列k时刻的输出数据；
把第1时刻的输入数据设为一个聚类中心，即第1个聚类中心第1个聚类中心的规则包括：第1个聚类中心在第1时刻输出数据的总和为第1个聚类中心在第1时刻包含的输入-输出数据对的数目B1(1)＝1；其中聚类中心的数目L初值取1；k初值取2；
S102、对于k时刻，已存在L个聚类中心，分别为第1～第L个聚类中心；计算输入数据到L个聚类中心的最小距离；
若则为输入数据的最近邻聚类；lk为与输入数据最近邻聚类的序号；
若则把设为一个新增聚类，即第L+1个聚类中心为第L+1个聚类中心在第k时刻输入-输出数据对输出值的总和为第L+1个聚类中心在第k时刻输入-输出数据对的数目为BL+1(k)＝1；并令Al(k)＝Al(k-1)，Bl(k)＝Bl(k-1)，l＝1,…,L，L自增1；Al(k-1)为第l个聚类中心在第k-1时刻输入-输出数据对输出值的总和；Bl(k-1)为第l个聚类中心在第k-1时刻输入-输出数据对的数目；
若则第lk个聚类中心的规则更新如下：
第lk个聚类中心在第k时刻输出数据的总和为
第lk个聚类中心在第k时刻包含的输入-输出数据对的数目为
当l≠lk，l＝1,…,L时，第l个聚类中心的规则为：
第l个聚类中心在第k时刻输出数据的总和为
第l个聚类中心在第k时刻包含的输入-输出数据对的数目为
S103、构建k时刻的动态模糊预测系统为：



其中为当输入数据为时，动态模糊预测系统的输出；
S104、在第k+1时刻，输入数据为则k+1时刻的预测值为等于所述模糊预测系统的输出k+1时刻的测量观测值为
k+1时刻的预测值与测量观测值的残差为
S105、由k时刻的残差序列ε(k-K+2),…,ε(k-1),ε(k)排序后获得从小到大的序列ε′(i)，i＝1,2,…,K-1；
将ε(k+1)与最小值ε′(1)和最大值ε′(K-1)比较：若ε′(1)<ε(k+1)<ε′(K-1)，则判定ε(k+1)不是异常值，k+1时刻所对应的测量观测值不是野值；
S106、若k<Ni，k自增1，返回S102执行；若k＝Ni，野值剔除算法结束；
至此，完成第i个测量序列的野值剔除。重复上述步骤完成所有测量序列的野值剔除。


4.如权利要求3所述的方法，其特征在于，当ε(k+1)≤ε′(1)时，按下列公式计算ε(k+1)的四个统计量r10～r22：...

【专利技术属性】
技术研发人员：朱学锋，周慧，梅玉航，韩先平，林黎明，周立锋，杨军，李晓冰，谷阳阳，赵满庆，常兴华，李欣，何林泽，
申请(专利权)人：中国人民解放军九二九四一部队，
类型：发明
国别省市：辽宁;21