申请/专利权人：哈尔滨工业大学

申请日：2020-07-07

公开（公告）日：2024-03-26

公开（公告）号：CN111783307B

主分类号：G06F30/20

分类号：G06F30/20;B64F5/00

优先权：

专利状态码：有效-授权

法律状态：2024.03.26#授权;2020.11.03#实质审查的生效;2020.10.16#公开

摘要：一种高超声速飞行器状态估计方法，解决了现有技术中对于混合高斯噪声导致估计精度低的问题，属于高超声速飞行器状态估计与轨迹预报技术领域。本发明的方法包括：建立高超声速飞行器跟踪动力学模型，确定高超声速飞行器跟踪动力学模型的状态量，本发明将气动参数和面质比的乘积、速度倾侧角引入高阶状态量中，对飞行器动力学模型在线估计、建模；利用鲁棒高阶容积卡尔曼滤波方法对高超声速飞行器的量测数据进行处理，对确定的状态量进行估计，实现高超声速飞行器的状态估计。同时本发明还可以根据获得的状态估计结果Xk，对其中的参数Dk、Lk和νk建立自回归模型，确定模型系数，利用确定系数的自回归模型对高超声速飞行器的轨迹进行预测。

主权项：1.一种高超声速飞行器状态估计方法，其特征在于，所述方法包括：S1、建立高超声速飞行器跟踪动力学模型，确定高超声速飞行器跟踪动力学模型的状态量，所述高超声速飞行器跟踪动力学模型为： 其中，v表示速度矢量，表示速度矢量的导数，ν表示速度倾侧角，表示速度倾侧角的二阶导数，r表示目标的位置矢量，TVθ,σ,ν表示速度系到探测系的转换关系，θ表示弹道倾角，σ表示弹道偏角，ν表示速度倾侧角，ρ表示大气密度，CD为阻力系数，CL为升力系数，S为目标的特征面积，m为目标质量，g表示地球引力矢量，ωe表示地球自转角速度矢量，ωD、ωL和ων分别表示三种高斯白噪声；选取状态变量红外定位的采样周期为T，下标k表示时刻，tk表示k时刻的时间取值，则高超声速飞行器跟踪动力学模型的离散方程为：Xk＝ftk,Xk-1 S2、利用鲁棒高阶容积卡尔曼滤波方法对高超声速飞行器的量测数据进行处理，对S1确定的状态量进行估计，实现高超声速飞行器的状态估计；所述鲁棒高阶容积卡尔曼滤波方法包括：S21、获取利用鲁棒高阶容积卡尔曼滤波方法的k-1时刻估计的状态量和误差协方差其中使用鲁棒高阶容积卡尔曼滤波方法时的初始状态量和初始协方差 X0表示初始状态量，EX0表示初始状态量的数学期望，k的初始值为1；S22、计算容积点该容积点集为： 式中，n是状态维数，cholPk-1T表示对协方差矩阵Pk-1进行乔莱斯基分解计算的结果；点集ξi表达式如下： ei表示第i个元素为1的n维单位向量，和的表达式为 S23、利用非线性系统方程将S22的容积点集转换为 其中，表示系统状态方程，tk表示k时刻的时间取值；获得k时刻的先验估计和先验估计误差的协方差 式中，Qk-1表示k-1时刻过程噪声协方差矩阵，权值ωi的表达式： S24、计算容积点及该容积点集： S25、利用已知的非线性系统方程将S24的容积点集转换为量测预测值 其中，表示k时刻的系统测量方程；获得k时刻的量测预测和互协方差矩阵Pxz： S26、利用互协方差矩阵Pxz构造线性回归模型：ξk＝yk-MkXk其中， I是n维单位矩阵，Xk表示状态量的真实值，zk表示量测数据的值，Rk表示测量噪声协方差矩阵，vk表示系统测量噪声，δk表示Xk与状态估计值差值；S27、线性回归模型利用最小二乘迭代，当满足精度要求，停止迭代，计算k时刻的状态量和误差协方差 最小二乘迭代中，迭代代价函数为m表示Xk的维数，s为zk维数； 迭代初值为Ψj＝diag[ψξi]，γ为Huber函数的可调参数，j为最小二乘迭代次数，ξ表示残差向量，ξi为残差向量ξ的第i个分量，γ表示可调参数；根据和得到目标k时刻状态估计值和误差协方差估计Pk实现k时刻的高超声速飞行器的状态估计，k的值加1，转入S21。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 一种高超声速飞行器状态估计方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD