基于Kalman滤波的空天飞行器再入制导算法

针对空天飞行器应用传统数值预测校正再入制导算法实时性不佳的问题,提出一种基于Kalman滤波的预测校正制导算法。该算法采取四阶多项式拟合速度-高度飞行剖面,利用Kalman滤波估计选定的速度点对应的高度,得到满足再入走廊及航程要求的拟合系数。在此基础上,减少一个终端约束,增加一个待估计剖面参数,可实现对再入过程飞行时间的调节。研究发现,再入过程中通过在线辨识修正不确定性参数能够提高制导指令的适应性;飞行末段利用跟踪参考剖面制导可有效避免飞行速度与终端速度接近时发生拟合系数求解发散的问题。多组不同再入条件下的算例仿真结果表明,基于Kalman滤波的空天飞行器再入制导算法实时性好,制导精度高,能够实现飞行时间可控,具有较强的鲁棒性和工程应用潜力。     

一种预测校正制导中攻角剖面的在线规划方法

提出一种预测校正制导中基于可达性量化评估的攻角剖面在线规划方法。首先采用最大纵程、最大横程、最小纵程3个关键参数构建可达区模型,并通过大量的离线弹道计算构建上述3个关键参数与升力修正因子、阻力修正因子和常值攻角的三维插值数据库。提出一种可达性量化因子用于反应期望终端位置的可达性。在飞行中对升力修正因子和阻力修正因子进行在线辨识,在攻角剖面的在线规划时以可达性量化因子最小为优化目标。仿真表明采用该方法可以获得较高的可达性判断正确率,攻角剖面的在线规划可以提高预测校正制导的成功率。本方法对于无动力升力式飞行器的制导策略在线决策和优化具有参考和应用价值。     

基于IMM算法的容错气动参数辨识

针对高超声速飞行器非线性模型气动参数在线辨识问题,将需要辨识的参数增广为状态,建立理论解析模型和实际飞行模型。利用交互多模型(IMM)算法在传统3-2-1-1激励输入条件下对增广"状态"进行跟踪,并将跟踪结果作为对参数的辨识结果。仿真结果表明,IMM算法可以在正常及舵面卡死条件下实现对高超声速气动参数的准确辨识,具有较好的容错性能,并能快速诊断出舵面故障。