一种全捷联制导武器制导精度评估方法技术

本发明专利技术公开了一种全捷联制导武器制导精度评估方法，主要解决当前全捷联制导武器误差精度评估方法存在的不足，即在全捷联制导武器制导工具误差分离时无法将误差中的高阶项完整辨识出来，制导方法误差分离时无法将气动力偏差和推力偏差区分开，这使得精度评估方法的适应性不足。因此为了提高算法的适应能力及满足高精度打击任务需求，根据制导工具误差系数和横纵程偏差的微分导数关系，推导出主动段关机时刻速度偏差与制导工具误差系数之间的关系，通过引入发动机喷管摆动角度和发动机室内压力，将推力偏差和气动力偏差剥离开来，采用双向滤波方法，快速迭代求解制导方法误差。快速迭代求解制导方法误差。快速迭代求解制导方法误差。

【技术实现步骤摘要】
一种全捷联制导武器制导精度评估方法


[0001]本专利技术属于制导
，具体涉及一种制导精度评估方法。

技术介绍

[0002]全捷联制导武器精制导度评估技术主要研究思想是采用遥外测残差分离各项误差系数的系统辨识的方法。对于全捷联制导武器，制导工具误差测得的遥测角速度包含工具误差，无法直接用于构建数学平台完成导航解算，现有的方法主要集中于将含误差的遥测角速度在导航解算过程将误差剥离出来，线性化后得出环境函数矩阵再进行求解；制导方法误差通常包含气动力偏差和推力偏差，气动偏差和推力偏差通过视加速来表征耦合较为严重，现有的方法主要集中在根据飞行的不同阶段，分别辨识气动力偏差和推力偏差，并未形成全弹道的制导方法误差分离技术。

技术实现思路

[0003]为了克服现有技术的不足，本专利技术提供了一种全捷联制导武器制导精度评估方法，主要解决当前全捷联制导武器误差精度评估方法存在的不足，即在全捷联制导武器制导工具误差分离时无法将误差中的高阶项完整辨识出来，制导方法误差分离时无法将气动力偏差和推力偏差区分开，这使得精度评估方法的适应性不足。因此为了提高算法的适应能力及满足高精度打击任务需求，根据制导工具误差系数和横纵程偏差的微分导数关系，推导出主动段关机时刻速度偏差与制导工具误差系数之间的关系，通过引入发动机喷管摆动角度和发动机室内压力，将推力偏差和气动力偏差剥离开来，采用双向滤波方法，快速迭代求解制导方法误差。
[0004]本专利技术解决其技术问题所采用的技术方案包括如下步骤：
[0005]步骤1：遥外测及燃烧室压强数据预处理：
[0006]对于飞行器测量数据y＝{y1,y2,y3,
…
,y
n
}，通过人为识别，判断连续十个测量数据A＝{y
i
‑1,y
i
‑2,y
i
‑3,
…
,y
i
‑
10
}为正常值，不存在野值，在此基础上设定测量数据为{y
i
,y
i+1
,
…
,y
n
}；
[0007]步骤2：多源信息融合；
[0008]有两个测量设备对飞行器的状态进行测量，表示子滤波器1在k时刻通过处理测量设备1采集的观测数据所得到的局部状态估计，P
1k
代表子滤波器1估计的误差协方差矩阵；表示子滤波器2在k时刻通过处理测量设备2采集的观测数据所得到的局部状态估计，P
2k
表示子滤波器2估计的误差协方差矩阵；
[0009]不同测量设备的局部估计误差是互不相关的，则最优状态估计为：
[0010][0011]其中，P
k
表示全局最优误差协方差，其计算方式为：
[0012][0013]当系统采用n个测量设备对飞行器飞行状态进行数据采集时，在k时刻的全局最优状态估计和误差协方差矩阵分别为：
[0014][0015][0016]步骤3：制导工具误差辨识；
[0017]考虑数据集(x
i
,y
i
)∈R
m
×
R,i＝1,2,
…
,n，x
i
认为是环境函数矩阵的第n行，y
i
为遥外差，x
i
,y
i
满足：
[0018][0019]式中，a、b分别表示制导工具误差系数和偏置常数，ε表示外测随机噪声，ξ
i
、ξ
′
i
分别表示松弛误差，x
i
表示环境函数矩阵的第i行；
[0020]定义算子φ(
·
)，将x
i
映射到高维特征空间，则基于支持向量机法的捷联惯导制导工具误差分离算法表述为：
[0021][0022][0023]式中，ω表示映射后超平面的法向量，C表示惩罚因子；
[0024]转化为其对偶问题：
[0025][0026][0027]其中，λ
i
、分别表示不同的拉格朗日乘子；
[0028]利用Lagrange乘子法求解得：
[0029][0030]采用线性核函数，定义积算法K(x
i
,x
j
)＝<x
i
,x
j
>，由于核函数为线性核函数，不考虑参数b，回归模型系数表示为：
[0031][0032]步骤4：制导方法误差辨识；
[0033]待辨识气动参数为：
[0034]θ＝[C
x C
y C
z m
x m
y m
z ρ p
a
]T
[0035]式中，C
x
、C
y
、C
z
分别表示xyz三个方向的气动力系数，m
x
、m
y
、m
z
分别表示xyz三个方向的气动力矩系数，ρ、p
a
分别表示大气密度和压强、，θ
k
表示第k步状态向量，Δθ
k
表示状态向量的增量，θ
k+1
表示第k+1步状态向量；
[0036]具体流程为：
[0037](1)数据输入；输入的数据包括飞行器的结构参数数据、飞行器外弹道测量数据、飞行器内弹道测量数据；
[0038](2)进行滤波环节，得到状态量的估计值，计算新息矩阵ν(i)和协方差矩阵B(i)以及准则函数J；
[0039](3)利用灵敏度方程进行积分，得到灵敏度矩阵；
[0040](4)进行牛顿迭代求解待辨识参数θ的最优值，具体公式如下所示：
[0041]θ
k+1
＝θ
k
+
△
θ
k
[0042](5)
△
θ
k
通过以下方程得到：
[0043][0044]式中，v
j
(i)表示第j步新息，θ
l
表示状态量，B
jk
表示新息协方差，v
k
(i)表示第k步新息，θ
m
表示第m个状态量，Δθ
l
表示状态量的变化，表示第k步预测输出，m表示状态量个数，l、k分别表示求二阶偏导时状态量下标；
[0045](6)将θ
k
用θ
k+1
代替，重新进行滤波环节，计算新的准则函数J
k+1
，重复迭代，直到准则函数收敛为止，当|1
‑
J
k+1
/J
k
|<ε＝0.01时，似然准则函数收敛，结束迭代循环，此时的辨识结果即为当前状态的最优估计；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种全捷联制导武器制导精度评估方法，其特征在于，包括如下步骤：步骤1：遥外测及燃烧室压强数据预处理：对于飞行器测量数据y＝{y1,y2,y3,
…
,y
n
}，通过人为识别，判断连续十个测量数据A＝{y
i
‑1,y
i
‑2,y
i
‑3,
…
,y
i
‑
10
}为正常值，不存在野值，在此基础上设定测量数据为{y
i
,y
i+1
,
…
,y
n
}；步骤2：多源信息融合；有两个测量设备对飞行器的状态进行测量，表示子滤波器1在k时刻通过处理测量设备1采集的观测数据所得到的局部状态估计，P
1k
代表子滤波器1估计的误差协方差矩阵；表示子滤波器2在k时刻通过处理测量设备2采集的观测数据所得到的局部状态估计，P
2k
表示子滤波器2估计的误差协方差矩阵；不同测量设备的局部估计误差是互不相关的，则最优状态估计为：其中，P
k
表示全局最优误差协方差，其计算方式为：当系统采用n个测量设备对飞行器飞行状态进行数据采集时，在k时刻的全局最优状态估计和误差协方差矩阵分别为：估计和误差协方差矩阵分别为：步骤3：制导工具误差辨识；考虑数据集(x
i
,y
i
)∈R
m
×
R,i＝1,2,
…
,n，x
i
认为是环境函数矩阵的第n行，y
i
为遥外差，x
i
,y
i
满足：式中，a、b分别表示制导工具误差系数和偏置常数，ε表示外测随机噪声，ξ
i
、ξ
′
i
分别表示松弛误差，x
i
表示环境函数矩阵的第i行；定义算子φ(
·
)，将x
i
映射到高维特征空间，则基于支持向量机法的捷联惯导制导工具误差分离算法表述为：
式中，ω表示映射后超平面的法向量，C表示惩罚因子；转化为其对偶问题：转化为其对偶问题：其中，λ
i
、分别表示不同的拉格朗日乘子；利用Lagrange乘子法求解得：采用线性核函数，定义积算法K(x
i
,x
j
)＝<x
i
,x
j
>，由于核函数为线性核函数，不考虑参数b，回归模型系数表示为：步骤4：制导方法误差辨识；待辨识气动参数为：θ＝[C
x C
y C
z m
x m...

【专利技术属性】
技术研发人员：张源，刘大禹，许志，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：