不变结构半弹道式再入飞行器的建模与多模型方法估计

以配平攻角状态再入的不变结构半弹道式再入飞行器(Semi-ballistic reentry vehicle, SBRV)不同于传统的弹道式再入飞行器(Ballistic reentry vehicle, BRV)和机动再入飞行器(Maneuvering reentry vehicle, MaRV), 本文分析了该飞行器再入特征, 提出了新的模型并分析了该模型与传统再入模型间的关系. 对该再入问题的多模型混合状态估计器引入了F-均匀模型集与期望模式补偿(Expected-mode augmentation, EMA)集. 根据SBRV的圆柱体状模式空间的需求, 文中扩展了现有的方法以设计F-均匀模型集, 进而提出一种EMA集的实现形式. 前者在分布最小失配意义下使估计器最优; 后者相比于前者具有更高的估计精度. 仿真结果表明, 相比于传统Monte-Carlo法生成的模型集, 在模型集势相当的情况下这两种模型集对不变结构SBRV再入的初始阶段有更高的模式估计的精度, 在该飞行器状态变化剧烈时有更高的混合状态估计精度.     

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.