一种高超声速飞行器动态杆臂效应智能补偿方法技术

本发明专利技术公开了一种高超声速飞行器动态杆臂效应智能补偿方法，属于惯性导航领域；具体包括：首先，针对高超声速飞行器，建立高动态弹性变形下的动态杆臂效应误差模型；并同时建立高超声速飞行器INS误差模型；然后对动态杆臂效应误差模型中的固有频率进行强化学习，实现动态环境下飞行器杆臂的补偿后代入原动态杆臂效应误差模型，进行INS/GNSS组合导航；最后将当前导航结果与GNSS的定位结果的误差作为强化学习标志位，当误差大于阈值时，采集距离飞行器当前时刻最近的N秒IMU和GNSS数据，对固有频率进行自适应学习，并反馈给动态杆臂效应误差模型继续滤波和定位，进行导航结果的修正。本发明专利技术具有准确率高、适应性强的优点。适应性强的优点。适应性强的优点。

【技术实现步骤摘要】
一种高超声速飞行器动态杆臂效应智能补偿方法


[0001]本专利技术属于惯性导航领域，涉及一种高超声速飞行器动态杆臂效应智能补偿方法。

技术介绍

[0002]在现代化武器飞行作战的环境下，对飞行器的精确打击提出了更高的要求。导航精度是 衡量武器精度的重要指标，而惯导系统由于其自主导航的优点，一般被选为飞行器的主导航 系统。但是惯导系统中的惯性组件在安装过程中一般很难满足与飞行器质心重合的要求，因 此惯组器件与飞行器质心间存在的杆臂长度会产生杆臂效应误差。为了提高飞行器的导航精 度，杆臂效应误差的补偿是十分重要的一步。
[0003]高超声速飞行器是目前备受关注的尖端武器，其高超声速与高机动、难拦截的特性受到 各国的追捧。但是其严酷的飞行环境也为其精确导航的实现增加了难度，在高超声速的基础 上还存在弹性变形与质心偏移的影响。而在高速及高机动的环境下，其惯组器件产生的杆臂 效应误差的影响也在进一步凸显。因此，研究高超声速飞行器惯组系统的动态杆臂效应误差 具有十分重要的意义。
[0004]现有的杆臂效应误差补偿方法一般分为力学补偿法和数字滤波法，见文献[1]。力学补偿 法的前提是杆臂长度已知，计算出杆臂效应误差从而实现对其补偿。数字滤波法的前提是杆 臂效应误差和加速度计输出信号之间的频率特性已知，从而利用滤波的方法实现对杆臂效应 误差的补偿。Liu Z,Wang L,Li K,et al.利用物理平台来分析惯性测量单元(IMU)的快速 旋转、加速度计与旋转中心之间的位置误差所引起的杆臂效应误差，见文献[2]。Chang G,LiuM.研究了具有恒定杆臂效应的INS/GPS组合导航系统，见文献[3]。Xiong Z,Peng H,WangJ,et al.提出了一种高超声速巡航飞行器捷联惯导系统杆臂效应的动态标定方法。通过将杆 臂长度作为卡尔曼滤波的状态变量，建立了杆臂效应模型，对杆臂长度进行标定，补偿杆臂 效应误差，提高捷联惯导系统的精度，见文献[4]。
[0005]但是，上述文献[1
‑
4]中对于杆臂效应误差的补偿，采用的前提均是杆臂长度不发生改变 的情况，不能反映飞行器在实际飞行环境中的动态杆臂误差。虽然也有学者针对杆臂的挠性 变形进行补偿研究，见文献[5]，但是并没有考虑其他影响杆臂变化的因素，并且对于挠性变 形的模型参数也缺少更加详细的分析，只针对随机挠性变形进行了补偿，在适用性上还有待 完善。

技术实现思路

[0006]本专利技术针对高超声速飞行器复杂动态环境下的杆臂效应补偿，建立了更加完善的弹性变 形动态杆臂模型，并提出了一种高超声速飞行器动态杆臂效应智能补偿方法，有效提高了飞 行器的导航精度。
[0007]所述高超声速飞行器动态杆臂效应智能补偿方法，具体步骤如下：
[0008]步骤一、针对高超声速飞行器，基于现有的杆臂效应误差模型，建立高动态弹性变
形下 的动态杆臂效应误差模型；
[0009]当考虑杆臂长度的变化时，弹性变形下的动态杆臂效应误差模型为：
[0010][0011]其中，为杆臂效应产生的加速度计误差，r
A
为杆臂长度矢量；为本体坐标系相 对惯性坐标系的转动角速度，为的反对称矩阵，r
A0
代表初始杆臂长度； ω
i
为 第i阶振型的固有频率，ζ
i
为第i阶振型的阻尼系数，W
i
(x)表示飞行器纵轴各点的相对横移 关系，称为第i次固有振型函数；q为弹性振动的广义坐标，u
q
为弹性变形控制量，w
q
为弹 性变形噪声项，u
r
为杆臂效应误差控制量，w
r
为杆臂效应误差噪声项；
[0012]步骤二、建立高超声速飞行器INS误差模型；
[0013]步骤三、利用强化学习对动态杆臂效应误差模型中的固有频率进行学习，实现对动态环 境下飞行器杆臂的补偿，将补偿后的杆臂代入动态杆臂效应误差模型，并进行INS/GNSS 组合导航得到导航结果；
[0014]强化学习元素如下表1所示：
[0015]表1
[0016][0017][0018]将强化学习过程作为马尔可夫决策过程，即(s,α,P,r,ρ0)；
[0019]其中s是一组状态量，α是一组动作，P：s
×
α
×
s
→
R≥0为由智能体表示的转移概率分 布，r：s
×
α
→
R为从环境中获得的奖励价值，ρ0：s
→
R≥0是初始状态；
[0020]首先，将动态杆臂效应误差模型中的广义坐标q扩展到组合导航系统中的状态量X，即：
[0021][0022][φ
E φ
N φ
U
]T
为飞行器惯导姿态失准角；[δV
E δV
N δV
U
]T
为飞行器在导航系下的速度 误差；[δL δλ δh]T
为飞行器纬—经—高度位置误差；ε
bi
为陀螺仪的常值漂移项，ε
ri
为陀 螺仪的一阶马尔科夫过程漂移项，为加速度计的一阶马尔科夫过程漂移项，q为弹性振动 的广义坐标。
[0023]然后，基于状态量X，得到动态杆臂效应误差在线标定系统的状态方程和量测方程；
[0024][0025]其中，F(t)为系统矩阵，B(t)为系统控制矩阵，G(t)为系统状态噪声系数矩阵，W(t)为 系统噪声矩阵，H(t)为量测系数矩阵，V(t)为量测噪声矩阵，U(t)为控制矩阵。
[0026]最后，使用带确定性控制的卡尔曼滤波器，将各状态信息进行融合，得到组合导航的结 果；
[0027]步骤四、将当前导航结果与GNSS的定位结果的误差作为强化学习标志位，当误差大于 阈值时，采集距离飞行器当前时刻最近的N秒IMU和GNSS数据，对固有频率进行自适应 学习，并反馈给态杆臂效应误差模型继续滤波和定位，进行导航结果的修正。
[0028]本专利技术的优点在于：
[0029](1)本专利技术一种高超声速飞行器动态杆臂效应智能补偿方法，利用强化学习的方法自适 应估计动态杆臂模型参数，建立了更加完善的弹性变形动态杆臂模型，实现高超声速飞行器 在复杂动态环境下杆臂效应的误差补偿，具有准确率高、适应性强的优点。
附图说明
[0030]图1为本专利技术一种高超声速飞行器动态杆臂效应智能补偿方法的流程图；
[0031]图2为本专利技术传统杆臂效应的原理图；
[0032]图3为本专利技术动态杆臂对导航精度的影响；
[0033]图4为本专利技术飞行器弹性变形示意图；
[0034]图5为本专利技术高超声速飞行器结构和系统分布图；
[0035]图6为本专利技术根据导航结果对固有频率进行自适应学习修正导航结果的流程图；
[0036]图7为本专利技术与常规杆臂效应算法KF...

【技术保护点】

【技术特征摘要】
1.一种高超声速飞行器动态杆臂效应智能补偿方法，其特征在于，具体步骤如下：首先，针对高超声速飞行器，基于现有的杆臂效应误差模型，建立高动态弹性变形下的动态杆臂效应误差模型；同时，建立高超声速飞行器INS误差模型；然后、对动态杆臂效应误差模型中的固有频率进行强化学习，实现对动态环境下飞行器杆臂的补偿后代入原动态杆臂效应误差模型，进行INS/GNSS组合导航得到导航结果；最后、将当前导航结果与GNSS的定位结果的误差作为强化学习标志位，当误差大于阈值时，采集距离飞行器当前时刻最近的N秒IMU和GNSS数据，对固有频率进行自适应学习，并反馈给态杆臂效应误差模型继续滤波和定位，进行导航结果的修正。2.如权利要求1所述的一种高超声速飞行器动态杆臂效应智能补偿方法，其特征在于，所述高动态弹性变形下的动态杆臂效应误差模型为：其中，为杆臂效应产生的加速度计误差，r
A
为杆臂长度矢量；为本体坐标系相对惯性坐标系的转动角速度，为转动角速度的反对称矩阵，r
A0
代表初始杆臂长度；ω
i
为第i阶振型的固有频率，ζ
i
为第i阶振型的阻尼系数，W
i
(x)表示飞行器纵轴各点的相对横移关系，称为第i次固有振型函数；q为弹性振动的广义坐标，u
q
为弹性变形控制量，w
q
为弹性变形噪声项，u
r
为杆臂效应误差控制量，w
r
为杆臂效应误差噪声项。3.如权利要求1所述的一种高超声速飞行器动态杆臂效应智能补偿方法...

【专利技术属性】
技术研发人员：杨博，于贺，魏翔，刘超凡，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：