不变结构半弹道式再入飞行器的混合状态估计与模型集设计

多模型方法是混合估计的主流方法之一,以该方法估计不变结构半弹道式再入飞行器(SBRV)混合状态的难点在于设计有效的模型集.文中提出了一种伪Monte Carlo模型集可以使SBRV混合状态估计器在最小均方差(MMSE)意义下接近于最优.SBRV的再入估计具有高度的非线性,同时其模式由多个边界已知的参数张成.给出了这种伪Monte Carlo模型集的设计方法,并分析了其性能特征.该模型集相比于Monte Carlo方法生成的模型集有更高的精度,理论分析和仿真结果表明了新设计模型集的有效性与合理性.     

可控结构半弹道式再入飞行器的跟踪及充满空间的模型集设计

由于再入过程中结构变化的未知以及流场等不确定因素的影响, 可变结构半弹道式再入飞行器(Semi-ballistic reentry vehicle, SBRV)的模式及其变化方式通常也是未知的. 本文在分析可控结构SBRV再入运动特征以及模式特征的基础上, 提出了充满模式空间的模型集, 新模型集根据Hicknell准则设计, 该模型集与Monte Carlo法生成的模型集相比不但具有更高的可信度和精度, 而且对机动的反应更灵敏. 理论分析和仿真结果证明了这种充满空间的模型集对于该机动跟踪问题的合理性与有效性.     

具有自适应噪声边界的Tube可达集鲁棒预测控制

针对过程噪声设定边界与真实噪声边界失配的有界干扰离散线性不确定系统,提出一种具有自适应噪声边界的Tube可达集鲁棒模型预测控制方法.首先,该算法引入基于MIT规则的自适应集员滤波在线估计系统状态和噪声边界.其次,基于估计值,通过迭代自适应集员滤波的时间更新部分计算出预测时域内闭环不确定系统状态的可达集.最后,用可达集代替不变集并根据Tube鲁棒模型预测控制策略,给出了实际不确定系统的控制律,确保系统状态鲁棒渐近稳定,并收敛于终端干扰不变集.仿真结果验证了该控制方法的有效性.     

双Markov多假设IMM机动目标跟踪算法

为提高交互式多模型(IMM)算法对机动目标的估计精度,需要增加其模型数量,但模型过多将导致计算量大并降低估计器性能。针对上述问题提出一种基于模型集的双马尔可夫多假设IMM机动目标跟踪算法。该算法用模型集间的马尔可夫转移阵描述模型集之间的大跳变,用模型的马尔可夫转移阵描述模型集内各模型间的小跳变或慢变,以达到细化建模、提高滤波精度的目的。     

基于概率图模型的点集匹配方法研究

在概率图模型框架下提出了一种将回归分析和聚类分析相结合的贝叶斯点集匹配方法,其中,回归分析用来估计两个点集之间的映射函数,而聚类分析用来建立两个点集中点与点之间的对应关系.本文将点集匹配问题表示为一种多层的概率有向图,并提出了一种由粗到精的变分逼近算法来估计点集匹配的不确定性;此外,还利用高斯混合模型估计映射函数回归中的异方差噪声和场景点密度估计中离群点的分布;同时,引入转移变量建立起模型点集与场景点集之间的关系,并与离群点混合模型共同对场景点的分布进行估计.实验结果表明,该方法与其他点集匹配算法相比,在鲁棒性和匹配精度方面均达到了较好的效果.     

再入飞行器传递对准建模与仿真

在新型再入飞行器的研究中,保证飞行器落点精度,是通过传递对准技术对飞行器惯性测量系统( Inertial Measurement System,IMS)进行初始对准.针对再入飞行器用IMS的传递对准问题和惯性传感器误差特性,提出建立线性速度与姿态匹配传递对准模型,设计了模块化的传递对准仿真系统,并利用两种典型的再入轨迹进行仿真.仿真结果表明,模型的卡尔曼滤波器能够快速、精确地估计出飞行器子惯性测量系统的姿态误差(20s内估计误差小于0.02°),同时滤波器对陀螺常值漂移有较好的估计效果.     

基于GLMB滤波和Gibbs采样的多扩展目标有限混合建模与跟踪算法

本文针对杂波条件下多扩展目标的状态估计, 目标个数估计, 扩展目标形状估计问题, 提出了一种基于标签随机有限集(Labelled random finite sets, L-RFS)框架下多扩展目标跟踪学习算法, 该学习算法主要包括两方面:多扩展目标动态建模和多扩展目标的跟踪估计.首先, 结合广义标签多伯努利滤波器(Generalized labelled multi-Bernoulli, GLMB)建立了扩展目标的量测有限混合模型(Finite mixture models, FMM), 利用Gibbs采样和贝叶斯信息准则(Bayesian information criterion, BIC)准则推导出有限混合模型的参数来对多扩展目标形状进行学习, 然后采用等效量测方法来替代扩展目标产生的量测, 对扩展目标形状采用椭圆逼近建模, 实现扩展目标形状与状态的估计.仿真实验表明本文所给的方法能够有效跟踪多扩展目标, 并且在目标个数估计方面优于CBMeMBer算法.此外, 与标签多伯努利滤波(LMB)计算比较表明: GLMB和LMB算法滤波估计精度接近, 二者精度高于CBMeMBer算法.     

自适应尺度的局部强度聚类图像分割模型

针对传统活动轮廓模型无法精确分割强度不均匀图像，并且对尺度参数比较敏感的问题，提出了一种基于区域信息的自适应尺度的活动轮廓模型。根据图像的局部熵构建自适应尺度算子，利用图像的局部强度聚类性质构建能量函数。使用一组平滑基函数的线性组合来表示偏移场，这样可以增加模型的稳定性。通过最小化该能量，所提模型能够同时分割图像和估计偏移场，并且估计的偏移场可以用于强度不均匀校正。实验结果表明，与其它4种模型相比，该模型拥有更高的分割精确度，且分割结果对水平集函数的初始化和噪声具有鲁棒性。     

一类非线性系统最大可控不变集求解

针对非线性系统线性化在状态约束下最优鲁棒控制求解问题,提出了一种基于混合系统的非线性系统最大鲁棒控制不变集的方法.对于一类非线性系统通过平衡点线性化的方法转化为多模态的混合系统,并进行了混合逻辑动态模型(MLD)的建模,在不变集基本理论的基础上,通过多参数规划的混合整数规划(MIQP)的方法迭代求解最大可控不变集,并求得不变集内的最优控制器,解决系统的状态约束问题.通过一个非线性系统的实例进行建模、仿真,证明了本方法的可行性.     

一类离散不确定系统的Tube不变集离线鲁棒模型预测控制

针对一类输入和状态受限的离散线性不确定系统,提出了一种基于Tube不变集的离线鲁棒模型预测控制方法.首先针对输入和状态约束线性时不变标准系统,设计了改进的基于多面体不变集的离线模型预测控制算法,并证明了稳定性.其次对于存在未知有界干扰的实际不确定系统,引入了Tube不变集策略,通过设计对应标准模型的最优控制序列和状态轨迹,给出了实际不确定系统的离线Tube不变集控制策略,保证系统状态鲁棒渐近稳定,并收敛于终端干扰不变集.仿真结果验证了该控制方法的有效性.     

Hybrid state estimation and model-set design of invariable-structure semi-ballistic reentry vehicle

Multiple-model approach is one of the main streams for hybrid estimation.The difficulty of this approach to estimate the hybrid state of the semi-ballistic reentry vehicle (SBRV) is model-set design.This paper proposes a quasi-Monte Carlo model set that can ensure the estimator near-optimal in the sense of minimum mean square error (MMSE).The SBRV has a high nonlinearity and its mode is spanned by multiple parameters with known bounds.The design methods and characteristics of the quasi-Monte Carlo model set...     

移动质心自旋再入飞行器的建模与解耦控制

对移动质心控制自旋再入飞行器进行了概念研究.以所建立的移动质心自旋再入飞行器的姿态动力学模型为基础,分析其控制耦合特性,借鉴工程中易于实现的逆奈奎斯特阵列法,对被控对象进行预补偿,使其传递函数矩阵成为具有对角优势来削弱被控对象各回路间的耦合,然后再运用单变量系统的频域设计方法对每个回路单独设计,从而将复杂的多变量设计问题转化为单变量设计问题,解决较强耦合下自旋再入飞行器姿态稳定性同题.仿真分析表明,对被控对象进行预补偿设计后,系统达到了较好的解耦效果.     

基于改进粒子群算法的再入飞行器轨迹优化

采用基于距离量度和自适应惩罚相结合的约束处理技术的改进粒子群优化算法(PSO)应用于再入飞行器轨迹优化,避免适应值函数中复杂的罚函数及罚因子的设计,提高优化算法的通用性.以高超声速飞行器最小控制量再入轨迹优化为例,并对飞行器运动模型进行简化及控制量参数化.对两种不同的高超声速飞行器模型进行优化,仿真结果验证算法的有效性...     

一种基于时变干扰观测器的高超声速飞行器容错控制策略设计

为了提高高超声速再入飞行器(HRV)在执行机构故障情况下的姿态控制效果,提出一种基于时变干扰观测器和参考轨迹重构器(RVG)的滑模容错控制策略.首先,设计一种新型自适应干扰观测器(ADO)来估计系统扰动,在保证估计精度的同时,能够有效削弱传统干扰观测器的初始超调现象;然后,基于反步法设计HRV的滑模控制器,在设计中引入参考轨迹重构器以避免故障突变引起的初始尖峰,并且在滑模面的设计中利用ADO所估计的系统扰动实现干扰的在线补偿.仿真结果表明,所设计的控制策略可以有效解决传统的基于高增益干扰观测器的滑模控制律受故障引起的突变和初始估计误差造成控制系统动态性能恶化的问题.     

Adaptive‐gain multivariable super‐twisting sliding mode control for reentry RLV with torque perturbation

Reusable launch vehicle (RLV) should be under control in the presence of model uncertainty and external disturbance, which is considered as torque perturbation in this paper during the reentry phase. Such a challenge imposes tight requirements to the enhanced robustness and accuracy of the vehicle autopilot. The key of this paper is to propose an adaptive‐gain multivariable super‐twisting sliding mode controller when considering that the bounds of uncertainty and perturbation are not known. The important features of the controller are that the adaptation algorithm can achieve non‐overestimating values of the control gains and the multivariable super‐twisting sliding mode approach can obtain a more elegant solution in finite time. According to the multiple‐time scale features, the dynamics of RLV attitude motion are divided into outer‐loop subsystem and inner‐loop subsystem. On this basis, the controllers are designed respectively to ensure the finite‐time reentry attitude tracking. In addition, a proof of the finite‐time convergence for the overall system is derived using the Lyapunov function technique and multiple‐time scale characteristic. Finally, simulation results of six degree‐of‐freedom RLV are provided to verify the effectiveness and robustness of the proposed controller in tracking the guidance commands as well as achieving a safe and stable reentry flight. Copyright © 2016 John Wiley & Sons, Ltd.     

跟踪机动再入飞行器的交互多模型Unscented卡尔曼滤波方法

对于目标发生机动时的再入飞行器的跟踪问题, 传统跟踪方法是采用机动模型的扩展卡尔曼滤波. 本文在提高机动目标跟踪精度的探索中做了两方面的努力, 一是在描述目标运动模型方面采用了更符合机动目标运动特性的多模型方法; 另一方面, 采用了隐含高阶精度的 Unscented 卡尔曼匹配滤波方法. 对于交互多模型 Unscented 卡尔曼滤波器在仿真中易出现数值问题, 给出了基于平方根滤波的数值鲁棒性的解决方法.     

Adaptive disturbance observer‐based finite‐time continuous fault‐tolerant control for reentry RLV

The control effectors of reusable launch vehicle (RLV) can produce significant perturbations and faults in reentry phase. Such a challenge imposes tight requirements to enhance the robustness of vehicle autopilot. Focusing on this problem, a novel finite‐time fault‐tolerant control strategy is proposed for reentry RLV in this paper. The key of this strategy is to design an adaptive‐gain multivariable finite‐time disturbance observer (FDO) to estimate the synthetical perturbation with unknown bounds, which is composed of model uncertainty, external disturbance, and actuator fault considered as the partial loss of actuator effectiveness in this work. Then, combined with the finite‐time high‐order observer and differentiator, a continuous homogeneous second‐order sliding mode controller based on the terminal sliding mode and super‐twisting algorithm is designed to achieve a fast and accurate RLV attitude tracking with chattering attenuation. The main features of the integrated control strategy are that the adaptation algorithm of FDO can achieve non‐overestimating values of the observer gains and the second‐order super‐twisting sliding mode approach can obtain a more elegant solution in finite time. Finally, simulation results of classical RLV (X‐33) are provided to verify the effectiveness and robustness of the proposed fault‐tolerant controller in tracking the guidance commands. Copyright © 2017 John Wiley & Sons, Ltd.     

空间再入飞行体多传感观测融合仿真研究

空间飞行器再入飞行的可靠观测无疑是一个值得关注和探讨的问题。弹道导弹是一种典型的空间再入飞行器,其沿着预定弹道飞行,速度快,且可发生机动。对于弹道导弹的运动可以用较为简单和基本的运动模型的交互来近似,也可以用地面雷达和光学传感器来观测。将近似运动模型和观测值代入专门针对非线性估计问题的无味卡尔曼滤波(UKF)框架中,再利用数据融合算法,可以实现弹道导弹的航迹估计。文中首先描述了弹道导弹的运动模型,继而给出了不同传感器的量测方程和运动体的基本运动模型,然后阐述了交互多模型(IMM)、UKF及多传感数据融合算法,最后在仿真系统中实现航迹并得出结论。