高超声速滑翔目标自适应跟踪方法

针对机动模式复杂多变的高超声速滑翔目标跟踪问题,提出了一种机动频率自适应跟踪方法。采用介于常速度和常加速度模型之间的Singer模型来表征目标气动力加速度的变化,从而建立跟踪系统的状态方程。根据地基雷达量测量获得系统的量测方程,鉴于距离和角度信息的量级相差较大将其由球形量测量转换为位置量测量。为了适应高超声速滑翔目标灵活多样的机动模式,基于正交性原理和无迹卡尔曼滤波算法实现了Singer模型中机动频率参数的自适应。利用滤波信息计算得到能够反映状态模型误差大小的调整因子,用于放大Singer模型中的机动频率,进而调整状态方程的过程噪声以降低模型误差。通过对2种典型机动轨迹的跟踪仿真,并与交互式多模型等方法进行比较,结果表明所提方法的跟踪精度高、计算量小,能够较好地适应阶跃机动和连续幅值变化的机动。     

一种改进的高超声速滑翔目标跟踪方法

针对临近空间高超声速滑翔目标跟踪问题,提出一种基于反向传播神经网络修正改进迭代扩展卡尔曼滤波(Back Propagation Neural Network-aided Improved Iterative Extended Kalman Filter, BP-IIEKF)的目标轨迹跟踪方法。在雷达站坐标系下建立目标运动模型和量测模型。引入阻尼因子修正IEKF算法中的协方差预测矩阵,并定义算法的代价函数,给出迭代终止条件,保证了算法收敛精度,减小状态的观测更新误差,提高了目标状态估计精度。利用BP神经网络修正滤波结果,补偿系统滤波误差,进一步提高了跟踪精度。仿真结果表明所提算法对高超声速滑翔目标具有更高的跟踪精度。     

高超声速滑翔再入飞行器弹道估计的自适应卡尔曼滤波

采用传统状态增广法对高超声速滑翔再入飞行器(HGRV)进行弹道估计,存在模型简化误差过大和过程噪声方差难以构造的问题.依据目标运动特性和模型简化误差定量分析结果,状态方程改进为采用圆形地球模型和拟合大气模型并考虑哥氏力.采用一阶Markov过程描述气动力参数,将过程噪声方差构造为气动力参数方差和机动时间常数的函数,时变气动力参数方差采用“渐消记忆”的统计估计法由气动力参数估计值序列统计获得,而存在跳变的机动时间常数则作为运动模式采用变结构交互多模型法与运动状态一起估计.仿真结果表明,所提算法对位置、速度和气动力参数的估计精度优于传统算法,具有较好的工程实用性、鲁棒性和效费比.     

一种改进的强跟踪UKF算法及其在SINS大方位失准角初始对准中的应用

针对现有的强跟踪无迹卡尔曼滤波（UKF）算法存在理论依据不足和滤波性能欠佳等问题,从正交性原理出发,通过严谨的推导得到强跟踪UKF成立的充分条件,在此基础上提出一种改进的强跟踪UKF算法。该算法无需求解雅可比矩阵且计算量较小,渐消因子的作用位置以及求解公式均不同于原始的强跟踪滤波器。给出了该算法的流程和渐消因子的求解方法,证明了该算法满足强跟踪滤波器的充分条件,并分析了其渐消因子的作用机理。进行了捷联惯性导航系统（SINS）大方位失准角初始对准仿真,结果验证了所提强跟踪UKF算法的正确性和有效性。     

临近空间高超声速滑跃式轨迹目标跟踪技术

针对临近空间目标飞行速度快、机动特性强和加速度突变的特性,提出一种地心直角(ECEF)坐标系下基于目标特性分析的修正强跟踪滤波(MSTF)算法。首先,通过对ECEF坐标系下目标量测的无偏转化处理,以有效减小目标高超声速飞行所带来的旋转、平移和线性化误差影响;接着,在对目标特性充分分析的基础上,合理构建强跟踪滤波(STF)模型,通过对模型参数的自适应调节,以有效实现临近空间高超声速滑跃式轨迹目标的精确跟踪;最后,结合统计学原理对目标加速度的突变进行合理检测和补偿,以进一步修正强跟踪滤波模型的跟踪精度。仿真结果表明,与现有的临近空间目标跟踪算法相比,该算法具有较高的定位跟踪精度。     

临近空间高超声速跳跃滑翔式目标自适应跟踪模型

针对临近空间高超声速跳跃式滑翔目标跟踪问题,在将加速度建模为具有正弦波（SW）自相关随机过程的基础上,提出一种自适应非零均值正弦波相关（ANM-SW）模型。其核心是对正弦波相关模型进行均值补偿构建ANM-SW模型,并推导了模型状态方程;为深入分析均值补偿的作用,分别从时域和频域的角度探讨了自适应非零均值模型的物理本质;此外,为进一步说明模型的适应性问题,结合Kalman滤波推导了SW及ANM-SW模型状态更新的系统动态误差,验证了ANM-SW模型在机动适应方面的优越性;最终仿真表明与SW模型相比,ANM-SW模型在跟踪精度及机动适应能力方面具有一定的优势性。     

基于强跟踪滤波的GPS/INS组合导航系统对准技术研究

针对卡尔曼滤波鲁棒性较差的问题,研究了基于强跟踪滤波方法的GPS/INS对准。建立了GPS/INS组合导航系统对准的误差模型,对机载装备系统进行GPS/INS组合导航系统的对准仿真分析,验证该方案的可行性及强跟踪滤波器的性能。仿真结果表明,采用强跟踪滤波能够根据残差的变化求出渐消因子,能够在机动过程中有效跟踪系统状态量,从而提高对准精度和速度。采用强跟踪滤波的GPS/INS组合导航系统对准技术可以保证对准的快速性及对准精度,对工程应用具有重要的参考价值。     

临近空间高超声速多目标检测前跟踪算法

针对临近空间不同径向距离高超声速目标难以同时被有效检测的问题,提出一种通过峰值聚优改进Hough变换积累结果的检测前跟踪(TBD)算法。采用径向距离-时间坐标描述数据,减少量测误差影响,规格化坐标使2个维度处于同一量级。进行Hough变换,分割参数单元进行点数积累和能量积累,采用标签矩阵记录每个量测点曲线经过的参数单元,遍历所有量测点将每个量测点只存于其所能构成能量积累值最大的参数单元,得到新的点数积累和能量积累结果。只对点数积累空间设置门限提取目标航迹,进行航迹约束和合并,输出最终航迹。仿真结果显示,算法将3个目标全部检测出的概率可达到90%,具有较好的多目标检测性能。     

基于物理规划的高超声速飞行器滑翔式再入轨迹优化

 轨迹优化是新型高超声速滑翔式再入飞行器方案设计的关键技术之一。物理规划方法能够以较低的计算代价获得设计者偏好的多目标优化问题的折中解。基于该方法研究滑翔式再入最优飞行轨迹。首先介绍物理规划方法求解多目标优化问题的数学模型,然后将考虑射程最大、热载最小、热流密度峰值最小和弹道最稳定4个目标的再入最优轨迹问题纳入物理规划的框架求解。以某带翼锥形再入飞行器为例,通过计算并分析单目标优化结果,确定具体的偏好结构,采用遗传算法求解了考虑热流、过载、动压和终端条件约束的多目标最优轨迹。优化计算结果验证了物理规划方法的有效性。分析了沿最优轨迹飞行的物理原因和基本迎角控制规律,可为滑翔式再入飞行器的最优轨迹方案设计提供依据。     

面向跟踪的吸气式高超声速飞行器动力学建模

根据吸气式高超声速目标的动力学特性,对传统动压加速度模型的局限性做了分析。在重力转弯模型框架中,基于超燃冲压发动机的推力产生机理以及高超声速流场的斜激波方程和普朗特梅叶方程,提出了描述目标切向加速度的推广模型和目标法向加速度的斜激波、非解析混合模型。随后,基于高超声速流场工程近似算法对吸气式高超声速目标的模式特征进行分析,并设计了均匀模型集。对攻角、滚转角以及发动机状态发生突变的高超声速机动目标跟踪问题进行了仿真研究。结果表明,新的模型集能够较好地适应目标突然加速和转弯机动,有效跟踪助推跳跃机动的吸气式高超声速目标。     

一种改进的强跟踪 UKF 算法及其在 SINS 大方位失准角初始对准中的应用郭泽,缪玲娟,赵洪松简

 针对现有的强跟踪无迹卡尔曼滤波（UKF）算法存在理论依据不足和滤波性能欠佳等问题,从正交性原理出发,通过严谨的推导得到强跟踪UKF成立的充分条件,在此基础上提出一种改进的强跟踪UKF算法。该算法无需求解雅可比矩阵且计算量较小,渐消因子的作用位置以及求解公式均不同于原始的强跟踪滤波器。给出了该算法的流程和渐消因子的求解方法,证明了该算法满足强跟踪滤波器的充分条件,并分析了其渐消因子的作用机理。进行了捷联惯性导航系统（SINS）大方位失准角初始对准仿真,结果验证了所提强跟踪UKF算法的正确性和有效性。     

基于新的经验关联公式的γ-Re_θ转捩模型在高超声速流动中的应用

为提高γ-Reθ转捩模型在高超声速流动下的转捩预测精度,参考部分高超声速风洞的实验数据对该模型进行改进,在原始经验关联公式的基础上提出了转捩动量厚度雷诺数基于马赫数、湍流度、压力梯度因子的经验关联公式;选取高超声速平板绕流、高超声速圆锥绕流等算例对提出的经验关联公式进行了验证,并将原始经验关联公式和提出的经验关联公式计算得到的重要参数进行对比,分析了提出的公式的作用机理。结果表明:基于低速不可压流动经验关联公式的γ-Reθ转捩模型在高超声速流动中计算得到的流场中Reθt分布偏低(一般只有真实值的40%~60%),进而导致边界层内Reθt偏低而过早达到转捩触发准则,与实验值相比所预测的位置可能提前10%(以参考长度为基准)甚至更多。新的经验关联公式有效地改善了这一问题,计算结果与实验值符合得更好。     

自由段弹道目标跟踪算法在工程中的应用

在对弹道目标跟踪预警的工程实践中,雷达系统对目标运动的信息处理速度尤为重要,因而,文章选取自适应跟踪模型与卡尔曼滤波相结合的方法解决自由段弹道目标的跟踪问题,并与扩展卡尔曼跟踪算法做了对比分析。仿真显示,2种滤波方式分别与自适应跟踪模型相结合后,卡尔曼滤波和扩展卡尔曼滤波跟踪性能相差不大,但其算法简单、运算时间短,可以较好满足自由段弹道目标跟踪的工程需求。     

γ-Re_θ转捩模型在高超声速下的应用及分析

为了初步研究γ-Reθ转捩模型在高超声速领域的适用性,在自行开发的CFD程序中添加了该模型,利用T3系列平板算例对该模型的实现进行了验证;针对高超声速流动,选取压缩面绕流和双圆锥扰流等算例,分别利用该转捩模型、全层流模拟、以及传统的湍流模型进行了数值模拟计算,并与实验结果进行对比。计算结果表明,尽管该转捩模型是在低速流动的基础上发展的,它仍能准确预测高超声速流动下的转捩现象。     

增广误差模型算法在目标跟踪中的应用

针对目标机动运行过程中,滤波模型与机动状态模型失配的问题,提出了一种新的增广状态误差滤波模型。不同于现有增广方案,该模型从模型失配所致状态滤波误差的角度出发,将状态估计误差增广为一状态量,通过滤波估计后用其校正原状态量。算法分析表明,该增广滤波模型具有自适应调节多重渐消因子的等效特性,增强了对目标的跟踪能力。基于该增广状态误差滤波模型,给出了滤波算法设计并进行了仿真实验。实验结果表明,基于该模型的滤波算法在对机动目标进行跟踪时具有更强的鲁棒性。     

基于自适应IMM的高超声速飞行器轨迹预测

为了给基于预测命中点法的高超声速飞行器中制导拦截提供先验知识,提出高超声速飞行器的轨迹预测方法。首先,给出高超声速环境下与目标姿态近似线性的气动参数;其次,针对气动参数作控制量的运动模型,设计自适应交互多模型（IMM）跟踪算法,并进行性能有效性验证;然后,根据气动参数特性和目标假设机动方式,设计基于最小二乘拟合的轨迹预测方法。通过对目标轨迹进行跟踪和预测仿真,预测100 s的位置误差均小于5 km,速度误差均小于100 m/s,结果表明基于自适应IMM的轨迹预测方法对有规律机动的目标进行轨迹预测,效果良好。     

自适应UKF在北斗定位算法中的应用

北斗导航系统发展日益成熟,介绍了北斗定位解算与GPS解算的差异,针对扩展Kalman滤波(Extended Kalman Filter,EKF）算法在北斗解算过程中容易引入非线性误差,无迹Kalman滤波(Unscented Kalman Filter,UKF）算法受初值和系统噪声影响较大问题,提出了一种自适应无迹Kalman滤波(Adaptive Unscented Kalman Filter,AUKF）北斗定位解算算法。该算法利用观测残差信息构建自适应渐消矩阵,消除量测噪声异常带来的影响,同时提高了滤波精度。实验表明,与EKF和UKF定位解算算法相比,AUKF算法在定位精度和对系统噪声鲁棒性方面都有所提高,是一种可靠稳定的北斗定位算法。     

多重网格方法及其在高超声速进气道中的应用

随着计算流体力学的发展,多重网格在求解欧拉方程、N—S方程过程中得到了广泛应用。将这种方法应用于高超声速进气道的数值模拟中,通过具体的算例,验证了该方法的有效性。     

显式代数雷诺应力模型在超声速/高超声速流场计算中的应用

为了提高显式代数雷诺应力模型在高超声速流场中的计算精度,以修正后的CG k-ε模型作为湍流时间尺度决定方程,将Wallin和Johansson显式代数雷诺应力模型(WJ2000模型)应用于超声速/高超声速流场数值计算,并与线性湍流模型的计算结果进行了对比分析。结果表明WJ2000模型对高超声速压缩拐角附近壁面压力和热流分布的预测要优于线性湍流模型,同时网格依赖性明显低于后者;对CG k-ε湍流时间尺度决定方程所做修正不影响WJ2000模型对超声速流场的预测结果,但使其对高超声速流场的预测精度明显提高。