弹性高速飞行器的状态/参数滚动时域估计

针对弹性高速飞行器非线性、不确定性和刚体/弹性耦合的特点,提出了一种基于QR分解和滚动时域估计的状态/参数联合估计方法。首先,通过引入滚动时域策略,将状态/参数估计问题转化为固定变量数目的优化问题,能够较好地处理时变参数的估计问题。然后,利用前向动态规划原理,将到达代价的计算转化为最小二乘问题,并利用QR分解进行求解,从而给出了基于QR分解的到达代价更新方法。这样使得整个滚动时域估计方法都建立在优化的基础上,且引入了反馈机制,提高了估计精度和速度。仿真结果表明:滚动时域估计的精度明显优于扩展卡尔曼滤波,且基于QR分解的到达代价更新方法在速度上优于传统的基于估计误差协方差的到达代价更新方法。      

弹性高超声速滑翔飞行器的状态/参数联合估计

弹性高超声速滑翔飞行器具有强非线性、强不确定性和刚体/弹性耦合的特点，对其状态和参数进行估计十分必要。为解决这一问题，提出了一种传感器布置策略和一种利用正交三角（QR）分解更新到达代价的滚动时域估计算法（MHE-QR）。首先，建立了考虑弹性的传感器观测模型并分析了传感器位置对可观性的影响，并在此基础上提出了一种反映系统可观性的性能指标。传感器布置策略以此性能指标为目标函数，将传感器布置问题转化为约束非线性优化问题并求解，即可得到最优传感器布置方案。然后提出了MHE-QR算法。在滚动时域估计的框架下，该算法利用前向动态规划原理将到达代价的计算转化为最小二乘问题，并给出了基于QR分解的到达代价更新算法。仿真结果表明该传感器布置策略和MHE-QR算法能够有效提高估计精度、收敛速度和计算速度。此外，MHE-QR算法具有实时应用的潜力。