共查询到18条相似文献,搜索用时 41 毫秒
1.
2.
为解决高超声速滑翔飞行器(HGV)机动飞行过程中的跟踪问题,提出了一种基于机动观测器补偿的鲁棒扩展卡尔曼滤波方法。针对传统卡尔曼滤波器由于模型误差而无法稳定跟踪的问题,首先建立了HGV动力学模型和天基红外测量模型;随后,设计机动观测器对未知气动加速度进行在线估计;在此基础上,利用机动估计对扩展卡尔曼滤波中的预测步骤进行修正,克服了因模型误差而导致的滤波发散问题;最后,考虑到机动观测器的时延误差,在扩展卡尔曼滤波迭代过程中引入次优渐消因子,提高了滤波跟踪的鲁棒性。与强跟踪滤波、扩维卡尔曼滤波、交互多模型滤波等典型跟踪方法相比,所提方法可在不具备目标机动先验信息的情况下,以较低的计算耗时取得良好的稳定性和跟踪精度。 相似文献
3.
一种应用于星光观测导弹姿态确定的强跟踪滤波算法 总被引:2,自引:0,他引:2
为提高基于星光观测的导弹姿态确定系统的非线性滤波器性能,对更具自适应能力的强跟踪扩展卡尔曼滤波器进行了研究。针对一般强跟踪扩展卡尔曼滤波算法的自适应能力有限的缺点,推导了一种能根据每一个状态噪声的变化来调解误差方差阵中相应的渐消因子的强跟踪滤波算法,根据其在导弹姿态确定中的应用特点对其进行了优化;并将其应用到基于星光观测的导弹姿态确定仿真中以验证算法的效果;仿真实验说明算法的速度、精度和可靠性能够满足基于星光观测的导弹姿态确定的需要。 相似文献
4.
5.
《航天控制》2021,39(3):12-19
为提高升力式飞行器再入飞行最优性及参数不确定条件下的制导精度,研究了一种基于参数在线辨识的最优高度-速度剖面跟踪制导算法。首先,采用分段三次多项式拟合飞行剖面,利用序列二次规划算法(SQP)优化获取最优分段点位置及飞行剖面系数,得到了一种满足总吸热量最小的高度-速度飞行剖面规划算法,并根据待飞航程与待飞航程预测值偏差确定是否进行重规划。其次,利用反馈线性化方法和航迹倾角偏差修正解算制导指令,并通过增广渐消记忆扩展卡尔曼滤波对不确定性参数在线辨识,利用辨识结果实现对制导指令的修正。最后,通过航迹偏角走廊控制倾侧角反号,实现侧向制导,完成跟踪制导算法设计。仿真结果表明,这种基于参数在线辨识的最优飞行剖面跟踪制导算法适应性强,计算速度快,具有较高的制导精度和一定的工程应用潜力。 相似文献
6.
一种新的弹道导弹雷达跟踪算法 总被引:2,自引:0,他引:2
提出了一种新的名为Singer-IEKF的弹道导弹雷达跟踪算法.传统的弹道导弹跟踪方法,利用扩展卡尔曼滤波器进行非线性滤波,取Taylor展开的前两项,可能引入较大的线性化误差,导致跟踪精度不高.在分析弹道目标动力学特性的基础上对目标的运动模型采用基于J2校正的Singer模型来描述,并利用迭代的扩展卡尔曼对非线性的目标量测模型进行线性化.对新算法和扩展卡尔曼滤波算法进行Monte-Carlo仿真比较.仿真结果表明新算法的模型更准确,跟踪性能更好. 相似文献
7.
GPS/INS组合导航实际应用中存在系统模型偏差、噪声模型不确定等问题,导致卡尔曼滤波器无法实现最优滤波效果,严重时甚至导致滤波发散。渐消卡尔曼滤波器和自适应卡尔曼滤波器通过引入单渐消因子和单自适应因子可以部分解决上述问题,但是不足在于单因子只能进行整体调整,不能精确调整各个通道。针对此问题,本论文提出一种2步自适应卡尔曼滤波算法,构造基于残差协方差估计的多重渐消因子和自适应因子对各个通道精确调整,克服动态环境下跟踪性差的局限性。实验结果表明,改进后的自适应卡尔曼滤波算法可以精确调整各通道,增强系统的定位精度、跟踪性能和鲁棒性。 相似文献
8.
一种新的弹道导弹雷达跟踪算法 总被引:1,自引:0,他引:1
提出了一种新的名为Singer-IEKF的弹道导弹雷达跟踪算法。传统的弹道导弹跟踪方法,利用扩展卡尔曼滤波器进行非线性滤波,取Taylor展开的前两项,可能引入较大的线性化误差,导致跟踪精度不高。在分析弹道目标动力学特性的基础上对目标的运动模型采用基于J2校正的Singer模型来描述,并利用迭代的扩展卡尔曼对非线性的目标量测模型进行线性化。对新算法和扩展卡尔曼滤波算法进行Monte-Carlo仿真比较。仿真结果表明新算法的模型更准确,跟踪性能更好。 相似文献
9.
10.
本文为提高制导精度,讨论了用于惯性平台的连续瞄准、校准的卡尔曼滤波器,介绍平台系统和加速度表的误差模型、参数辨识的卡尔曼滤波方法及重力残数加速度表校准原理。 相似文献
11.
12.
13.
14.
15.
16.
建立了空间拦截中导弹与目标的相对运动方程。论述了卡尔曼滤波器的可观性准则,研究了跟踪滤波器的可观性,并分析了影响跟踪滤波器可观性的因素。数字仿真证实了理论的正确性。 相似文献
17.
18.
针对动中通测控系统中低成本陀螺和倾角仪的姿态估计和陀螺误差校正问题,提出一种利用UKF(Uncented Kalman Filter)滤波器对载体姿态角进行估计,然后利用互补滤波器对陀螺漂移进行估计的算法。该算法通过设计三维完全可观测UKF滤波方程和陀螺误差校正模型对姿态角和陀螺漂移分别进行估计,有效避免了利用卡尔曼滤波进行姿态估计和陀螺漂移误差估计时由于误差模型不准确而产生的发散问题,同时降低了滤波器维数。试验中姿态角估计误差在1°以内,x轴陀螺漂移估计误差为0.0148°/s,y轴陀螺漂移估计误差为0.0017°/s,试验结果表明该算法能有效提高姿态角估计和陀螺漂移估计的精度。 相似文献