捷联式光学导引头视线角速率解耦与估计

为准确估计捷联导引头视线角速率,建立了全捷联导引头数学模型,根据弹目运动相对关系进行视线角速率解耦与估计算法研究。首先,建立了全捷联导引头数学模型,并利用Taylor 级数对其进行线性化;接着,根据弹目运动几何学与坐标系相对关系推导视线角速率解耦算法;然后,针对捷联导引头无法直接测量体视线角速率的问题,提出微分+稳态Kalman 滤波方法估计体视线角速率;最后,建立视线角速率解耦与估计算法验证系统并进行仿真实验,结果表明:解耦算法绝对误差小于510-5 rad/s,相对误差小于0.3%,验证了解耦算法的正确性;在包含导引头数学模型的条件下,采用角频率为19.2 rad/s 的稳态Kalman 滤波器,视线角速率估计误差小于410-3 rad/s,较直接微分方法的估计误差提高近一个量级。视线角速率解耦与估计算法同时能满足制导系统对精度与动态性能的要求。     

直写式激光导引头标定系统误差分析

为提高激光导引头测角精度,研究了激光导引头测角误差的来源,并分析了直写式激光导引头标定系统误差。首先,分析了激光导引头内光学系统和探测器安装误差对导引头测角的影响;其次,介绍直写式激光导引头标定系统的工作原理,给出理想条件下转台转角和导引头测角关系;再次,为了提高标定后导引头测角精度,分析了标定系统存在的安装误差;最后,针对一次实际的标定过程,结合文中分析方法对标定系统误差进行了校正,导引头零位误差由校正前的2.5 mrad降低到了1 mrad以内。文中结论为直写式激光导引头标定系统中的结构安装精度要求提供了分析方法,进而提高了标定后激光导引头的测角精度。     

捷联导引头积分比例导引制导精度

积分比例导引制导是适用于全捷联半主动激光导引头的一种典型制导方案。为解决该制导方案下的命中精度分析问题,提出了一种基于伴随法的精度分析方法。首先,建立了积分比例导引制导律模型,并给出了一种具有较强工程实用性的积分比例导引制导律实现方法;其次,在分析制导回路各项误差源特性的基础上,利用伴随法得到了各误差源对脱靶量的影响。分析结果表明,制导精度与比例导引导航比、自动驾驶仪的动态特性密切相关。得到的结论可以为工程上利用全捷联半主动激光导引头进行制导提供重要参考。     

MEMS陀螺随机误差特性研究及补偿

为了提高MEMS陀螺输出角速度的精度,采用Allan分析法以及Kalman滤波算法对MEMS陀螺仪进行随机误差分析和补偿。由Allan方差分析陀螺的输出数据,对Allan方差进行最小二乘法拟合,得到各项随机噪声的定量评价指标;对陀螺的输出数据使用AR模型进行数学建模,采用AIC准则确定了AR模型的阶次,建立了陀螺零漂数据的离散时间表达式;在AR模型所建立的陀螺随机误差模型的基础上,设计了Kalman滤波器,对陀螺输出数据使用Kalman算法进行了滤波处理,对陀螺的随机误差进行了补偿;通过Allan方差对Kalman算法对陀螺随机误差的补偿效果进行分析。实验结果表明:角速率随机游走Kalman滤波前为槡0.148 7°/h~(1/2),Kalman滤波补偿后为槡0.004 1°/h~(1/2),,通过补偿可减小97.24%的角速率随机游走误差;零偏不稳定性Kalman滤波前为1.940 8°/h,Kalman滤波补偿后为0.054 2°/h,通过补偿可减小97.21%的零偏不稳定性误差;速率随机游走Kalman滤波前为2.698 5°/h~(3/2),Kalman滤波补偿后为0.334 3°/h~(3/2),通过补偿可减小87.61%的速率随机游走误差。Kalman滤波适用于MEMS陀螺的滤波处理,可有效降低陀螺的随机误差。     

捷联式光学导引头特性与多维度最优制导律

为实现捷联式光学成像导引头与制导系统一体化设计,建立了全捷联制导与控制系统,根据捷联导引头特性进行制导与控制原理研究。首先,建立了全捷联导引头与陀螺的数学模型;接着,针对捷联导引头无法精确提取视线角速率的问题,提出姿态驾驶仪与视线角积分比例导引相结合的控制与制导方案,并分析了导引头体视线角、刻度因数、导航比和系统稳定区域之间的关系;然后,推导了全捷联制导系统最优制导律以提高制导系统响应速度;最后,进行了控制与制导系统飞行仿真,仿真结果表明:捷联式制导与控制系统能对静止与运动目标（速度为60 km/h）进行有效攻击,最大射击误差分别为1.49 m与2.62 m;系统误差、陀螺零偏与零偏稳定性对制导系统精度影响较大。捷联导引头制导与控制系统能满足空对地系统对静止与低速运动目标的攻击要求。     

基于ESO的导引头稳定平台双积分滑模控制

为了提高导引头稳定平台抗扰性及速度稳态跟踪性能,提出了一种基于扩张状态观测器（Extended State Observer,ESO）的双积分滑模控制器（Double Integral Sliding Mode Controller,DISMC）。首先,采用二阶扩张状态观测器对系统的未知扰动进行估计;然后,采用了双积分滑模控制器实现了系统的低稳态误差跟踪,同时采用了改进的幂次趋近律来削弱控制系统的抖振影响;最后,采用导引头稳定平台进行目标跟踪实验和隔离度性能测试。实验结果表明,与传统基于扰动观测器（Disturbance Observer,DOB）的PI控制方法相比,跟踪3（）/s的梯形波时,在提出的控制器作用下速度跟踪快速性提高了48 ms,跟踪误差标准差提高了0.0131（）/s。同时用转台模拟弹体扰动分别为sin（t）、3sin（5t）、7sin（2t）时,系统的隔离度分别提高了2.91%、0.45%、0.7%,表明基于扩张状态观测器的双积分滑模控制器对导引头稳定平台具有较强的抗扰性和较好的跟踪性能。     

高精度石英加速度计自适应采集系统设计

为了保证高精度石英加速度计输出精度,采用将加速度计输出分段的方式设计了一个高精度数据采集电路;首先,通过切换采样电阻对不同输出段信号进行采样;其次,设计了低通滤波器进行滤波;然后,进行了包括跨阻放大、低通滤波器、电源的详细电路设计以及关键元器件的选择;最后,进行仿真实验验证;结果显示该方法既充分利用A/D芯片的量程,保证精度,又能满足宽量程要求;采集电路最低精度在±8×10-5g以内,最高精度在±10-5g以内,满足高精度惯性导航的需要。     

半捷联导引头机电平台观测器的角速率估计

为准确获取半捷联图像导引头视线角速率,构建了Kalman观测器对电机平台进行框架角速率估计。首先,根据半捷联导引头稳定跟踪原理,建立了以Kalman观测器为状态反馈的数学模型;其次,根据编码器误差特性,应用最优估计理论计算分析了估计精度与观测器参数之间的关系;再次,在保证稳定平台带宽的前提下,设计了两种不同采样率下的Kalman观测器;最后,进行了数字仿真实验验证。结果表明:在2 000 Hz采样率下,估计算法角速率精度为0.098 9 ()/s,优于200 Hz采样率下的0.301 3 ()/s;两种采样率下导引头带宽均为59.6 rad/s,平台隔离度为1.5%。提高导引头稳定系统采样率并与相应控制参数匹配,能有效提高平台角速率估计精度。     

捷联式光学图像导引头视线角速率估计

为准确估计捷联导引头视线角速率,建立了捷联式光学图像导引头数学模型,根据弹目运动相对关系进行视线角速率估计算法研究。定义了估计算法所需坐标系并建立了导引头与陀螺数学模型;根据弹目相对运动学及姿态关系建立视线角速率估计非线性状态方程;针对滤波精度与实时性应用的问题,提出无迹Kalman滤波(UKF)方法估计视线角速率,并建立半物理实验系统进行算法验证,实验结果表明:视线角及视线角速率的最大估计误差分别为0.37°与0.68°/s,估计精度分别为0.1008°与0.2116°/s;数字信号处理器(DSP)中算法运行时间约为3.8ms,视线角速率估计算法同时能满足制导系统对精度与实时性的要求。基于UKF的视线角速率估计算法为捷联式光学图像导引头的工程应用提供理论依据。