高超声速机动目标天基跟踪鲁棒性滤波方法

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。     

一种高超声速滑翔飞行器轨迹智能预测方法

针对高超声速滑翔飞行器(Hypersonic glide vehicle, HGV)机动性强、轨迹预测困难的问题,选取气动加速度作为预测参数,提出了一种基于集合经验模态分解和注意力长短时记忆网络的HGV轨迹智能预测方法。首先,以HGV六自由度运动方程为基础,分析了其机动特性和气动力变化规律,建立了动力学跟踪模型,对气动加速度进行实时估计;其次,利用集合经验模态分解对估计的气动加速度进行分解和重构,减弱噪声影响,避免对预测模型的干扰;最后,利用去噪后的气动加速度数据对注意力长短时记忆网络进行训练,进而预测未来气动加速度数据并重构HGV未来轨迹,实现轨迹的在线预测。实验仿真表明,该方法能有效预测HGV机动轨迹,预测精度高、稳定性好。     

基于雷达跟踪仿真的滑翔式再入弹道突防性能分析

从防御雷达对再入弹道跟踪效果的角度,对滑翔式再入飞行器的突防性能进行了初步分析。基于Unscented卡尔曼滤波和考虑气动模型的目标跟踪模型,加入雷达测量噪声,计算目标跟踪误差,比较弹道式与滑翔式再入弹道的跟踪效果。仿真结果表明：(1) 滑翔式再入弹道有横向机动且飞行高度较低,雷达的发现时间较晚,可观测时间比较短;(2) 由于雷达的跟踪动力学模型中很难对气动力准确建模,滑翔式弹道借助气动力产生机动,雷达对其跟踪的误差要大于弹道式再入弹道; (3) 在相近的雷达观测条件下,弹道机动性越强,雷达跟踪精度越差;(4) 尽量使防御方所假设的目标动力学模型失配是增加突防能力的有效措施。     

基于多策略融合的快速核相关滤波目标跟踪算法

针对核相关滤波算法(Kernel Correlation Filter,KCF)对快速运动目标跟踪精度较低、实时性较差的问题,提出多策略融合的快速核相关滤波(Multistrategy KCF,MSKCF)算法。该算法基于KCF框架,融合多个策略,将Faster Regin-CNN网络结构、特征极差、滤波尺度因子引入目标图像识别窗口标定和尺寸自适应更新,解决了识别窗口与目标大小不适应的问题,实现了自动跟踪。本文采用北斗导航卫星模型进行了验证,结果表明MSKCF可以自主获得初始跟踪窗口,目标跟踪精度与速度均有所提升。     

对高超声速目标的跟踪及算法研究

对高超声速目标特性进行了研究,针对高超声速目标高速及高机动的特点,提出了使用参考加速度模型的IMM算法.同时采用UKF滤波解决对目标跟踪造成的非线性问题.蒙特卡罗仿真试验证实该算法跟踪效果较好、误差均方值小、跟踪精度高.     

飞行器目标跟踪中的改进自适应滤波算法

针对经典“当前”统计模型预设目标参数无法随运动状态进行实时调整的问题,提出一种基于卡尔曼滤波的改进自适应滤波算法(MAF),通过对机动频率及加速度方差的计算,实现目标运动参数的自适应调整,提高跟踪精度。仿真结果表明,该种新型自适应滤波算法相比固定参数的“当前”统计模型滤波算法具有更高的跟踪精度、更强的稳定性,在高信噪比环境下的位置跟踪精度提高20%,低信噪比环境下的位置跟踪精度提高2倍,具有一定工程实用价值。     

基于强跟踪滤波的全自主机器人目标预测

全自主机器人在目标跟踪过程中,为了克服视觉系统造成的决策延时,需要对目标进行预测。目前全自主机器人目标预测方法对目标模型有强依赖性,并对突变状态的预测滞后。本文提出将强跟踪滤波理论应用于全自主机器人目标预测,通过引入渐消因子,克服了其它目标预测方法的缺点。仿真结果说明强跟踪滤波对目标的预测比较精确,并对突变状态反应灵敏,说明该方法的有效性。     

吸气式高超声速飞行器输入受限自适应反演控制

针对输入受限和气动与推进参数存在不确定时的吸气式高超声速飞行器飞行控制问题,建立了线性参数化形式的纵向运动模型,通过引入控制量与可执行输入之间的差值滤波环节,修正跟踪误差的定义,设计了使闭环系统稳定的反演鲁棒控制器,给出了气动与推进参数向量的有界自适应估计律。轨迹跟踪仿真结果表明,提出的自适应控制方法能够保证阵风干扰情况下飞行器控制的稳定性。     

动力学补偿受控卫星轨道确定算法(英文)

受控卫星动力学模型中推力加速度的量级远远高于其他摄动的误差量级,观测量主要反映受控卫星动力学模型的误差。本文以跟踪和精确定位空间机动目标为目的,给出基于地面雷达观测,实时估计推力加速度,修正卫星动力学模型的轨道确定算法。通过建立连续推力控制过程变质量动力学模型,给出常推力变加速度满足的运动学微分方程; 建立变加速度估计系统状态方程,和扩展卡尔曼滤波轨道确定算法; 并给出连续推力控制卫星运动状态关于推力加速度的变分运动方程; 实际飞行控制应用表明: 利用地面测量数据,实时估计推力加速度并补偿系统动力学模型,解决了连续受控卫星轨道精确确定问题。     

基于扩展卡尔曼滤波的机动目标跟踪研究

针对雷达导引头跟踪机动目标问题,建立了一种适于高机动目标探测的非线性系统模型,采用扩展卡尔曼滤波算法推导适用于弹载脉冲多普勒雷达机动目标探测的滤波模型,用以估计俯仰失调角、方位失调角、弹目相对速度和距离等信息,利用系统数学模型对目标加速度及弹目视线角速率进行解算估计。对标称弹道和极限弹道的跟踪仿真表明,所建立的系统模型和滤波设计方案,能够处理真实飞行中存在的部分信息缺失问题,对于极端情况下的遮挡问题也能在一定时间内保证较高的跟踪精度。     

考虑复合控制系统动态特性的前向拦截制导律

为满足临近空间拦截高速大机动目标的实际需求,研究了考虑直接力/气动力复合控制动态特性的前向拦截制导律设计方法。在考虑连续气动力和离散直接力特点的基础上,给出了一种在气动舵控制基础上设计连续直接力、然后通过冲量等效法进行离散化的直接力设计方法,避免了复杂的控制分配问题。根据二维前向拦截导引运动学模型和拦截导弹动力学模型,利用时间尺度分离,将拦截导弹和目标的质点运动学与加速度慢变子系统构成的动态系统,看成慢变子系统,设计了俯仰角速度指令;将俯仰角速度动态子系统看成快变子系统,通过对俯仰角速度指令的跟踪控制设计得到考虑复合控制系统动态特性的前向拦截导引律。仿真结果校验了本文方法的正确性和有效性。     

改进的平方根UKF在再入滑翔目标跟踪中的应用

针对临近空间高超声速再入滑翔目标跟踪问题，提出了一种基于新气动力模型的改进的平方根UKF滤波算法(ISR-UKF)。首先对气动力模型进行了变换。其次，在传统平方根UKF基础上，改用球形无迹变换来计算权系数以及sigma点；改进了平方根矩阵的分解方法；同时为解决矩阵求逆易出现奇异值使滤波失效的问题，提出在协方差矩阵更新中引入多重次稳定因子。最后将该算法分别与基于原气动力的ISR-UKF，基于新气动力的平方根UKF以及基于原气动力的平方根UKF进行仿真比较。仿真表明，该算法具有良好的滤波性能，而且能避免奇异值问题的出现，具有很好的可靠性。     

一种面向临近空间高超声速再入滑翔目标跟踪算法

针对临近空间高超声速再入滑翔目标的跟踪问题,提出了一种基于回顾成本输入估计的无偏转换量测卡尔曼滤波(Retrospective cost input estimation-unbiased converted measurements Kalman filter, RCIE-UCMKF)。首先,根据再入滑翔目标的飞行特性,将加速度看成是未知的确定输入构建运动学跟踪模型;然后,对目标的非线性量测信息进行无偏转换,并将得到的噪声协方差矩阵进行解耦,降低算法的复杂度;最后,利用回顾成本的输入估计对未知加速度进行重构,采用递推最小二乘法更新输入估计器的参数矩阵,同时将估计的加速度引入到卡尔曼滤波框架下,实现对高超声速再入滑翔目标状态的准确估计。仿真结果表明了该算法的有效性和可行性。     

应用BP网络校正的卡尔曼滤波器

当目标作机动飞行时,由于未知机动引起的估计误差的影响,卡尔曼滤波器的跟踪性能将会严重下降。提出了一种应用BP神经网络对卡尔曼滤波结果进行校正的机动目标跟踪方法,BP网络可以辨识非线性机动,修正卡尔曼估计值,改善跟踪效果。同时还研究了BP网络的自适应算法。对两个变加速机动目标的跟踪结果表明,经过BP网络校正的卡尔曼滤波器不会发生误相关,跟踪的精度较高。     

基于线性二次滚动时域法的运载火箭发动机推力故障诊断

研究了运载火箭动力系统在推力下降情况下的故障诊断问题。根据简化的六自由度非线性模型,利用扩展卡尔曼滤波器生成残差,采用线性二次滚动时域法估计故障,基于估计向量故障特性准确估计推力下降程度,同时提出利用故障突变方向定位故障的方法。仿真结果表明该方法能够快速检测发动机故障并准确定位。     

实时辨识气动特性的一种动力学模型

本文提出一种6自由度动力学模型,结合广义卡尔曼滤波(EKF)算法,对实时辨识再入体气动特性的问题进行了研究,作了广泛的数值仿真。 本文的动力学模型与某一常规模型进行了详细比较:(1)本模型免去了常规模型中不太现实的测高假设和大气模型假设。(2)本模型可精确估计气动系数比,其中包括重要的静稳定度。此外,文章还对收敛时间、模型误差等进行了分析对比。 结果表明,与常规模型比较,本模型具有一定的优越性。