一种基于粗精一致性的飞行器自适应大气参数重构方法

摘要: 本发明涉及飞行器大气环境感知与多源信息融合计算,尤其是涉及一种基于粗精一致性的飞行器自适应大气参数重构方法。背景技术:1、攻角、侧滑角、真空速是表征飞行器周围气...
一种基于粗精一致性的飞行器自适应大气参数重构方法

本发明涉及飞行器大气环境感知与多源信息融合计算,尤其是涉及一种基于粗精一致性的飞行器自适应大气参数重构方法。

背景技术:

1、攻角、侧滑角、真空速是表征飞行器周围气流环境特性的重要大气参数,对于飞行器的飞行效率及安全操纵至关重要。传统大气数据传感器(如皮托管)易受外部环境干扰,其物理损坏会使测量结果出现故障,影响飞行安全。虚拟大气数据系统(vads)采用数学模型替换物理硬件,不依赖传统大气数据测量装置,在空天飞行器大攻角、高速机动、跨大气层飞行等应用场合具有极大优势。

2、在空天飞行器再入段等复杂环境中,风场扰动(如风切变、突风和紊流)以及飞行器高动态机动会导致风速状态系统噪声和导航系统量测噪声呈现强烈的时变特性。传统的扩展卡尔曼滤波(ekf)在大气参数估计中,常因噪声统计特性未知或突变导致滤波精度下降甚至发散。现有的sage-husa自适应滤波虽然能在线估计噪声协方差,但在飞行器剧烈机动或风场突变时,由于新息数据的剧烈抖动,极易导致滤波发散以及协方差矩阵失去正定性。此外,现有技术在处理无初始风速信息的虚拟大气参数计算时,往往存在收敛速度慢、平滑度与快速跟踪能力难以兼顾的问题。

技术实现思路

1、本发明的目的是提供一种基于粗精一致性的飞行器自适应大气参数重构方法,解决卡尔曼以及自适应滤波算法在大气参数估计中收敛速度慢、平滑度与快速跟踪能力难以兼顾的问题。

2、为实现上述目的,本发明提供了一种基于粗精一致性的飞行器自适应大气参数重构方法,包括以下步骤:

3、s1、获取飞行器的导航参数和飞控参数;

4、s2、基于气动和动力学方程建立量测模型,采用非线性最小二乘法解算当前时刻的瞬时风速,并对瞬时风速进行滑动窗口平滑处理,获得平滑后的粗估计风速并作为参考风速;

5、s3、建立以风速水平分量为状态量的状态方程,基于扩展卡尔曼滤波进行状态一步预测,获取风速的先验状态估计值和未修正的先验误差协方差矩阵,并结合导航参数计算量测新息;

6、s4、计算粗估计风速与先验状态估计值之间的偏差指标,并基于偏差指标构建动态发散判据阈值函数;

7、s5、利用动态发散判据阈值函数判断是否满足滤波发散条件,若满足,则计算协方差膨胀系数,对未修正的先验误差协方差矩阵进行膨胀修正;

8、s6、求解最优风速估计值,并进行过程噪声自适应有界更新;

9、s7、根据最优风速状态估计值和地速,利用速度矢量三角形关系解算获取大气参数。

10、优选的,所述s1中的导航参数包括地速、姿态角、角速度和比力加速度,飞控参数包括舵面偏角和发动机推力。

11、优选的,所述s2中的采用非线性最小二乘法解算当前时刻的瞬时风速包括:

12、基于气动和动力学模型建立非线性函数关系,如下式所示:

13、;

14、式中,为线加速度,为角加速度,为待求的风速水平分量,为真空速,为攻角,为侧滑角;

15、通过最小化量测加速度与模型计算加速度的残差平方和,求解得到风速粗估计值。

16、优选的,所述s2中的对瞬时风速进行滑动窗口平滑处理包括:

17、在长度为的滑动窗口内对非线性最小二乘法求得的瞬时风速进行均值滤波,得到平滑后的粗估计风速作为参考风速信息。

18、优选的,所述s3包括:

19、s31、设定状态向量为风速的水平分量,量测向量为,建立状态方程和量测方程,如下式所示:

20、;

21、式中,为状态转移矩阵,为系统噪声矩阵,为量测噪声矩阵;

22、s32、扩展卡尔曼滤波通过状态一步预测公式,得到先验状态估计值和先验误差协方差矩阵,如下式所示:

23、;

24、式中,为先验状态估计值,为上一时刻到当前时刻的状态转移矩阵,为上一时刻的后验状态估计值,为上一时刻的过程噪声向量,为先验误差协方差矩阵,为后验协方差,为上一时刻的过程噪声协方差矩阵,为矩阵的转置;

25、s33、结合导航系统输出的实际量测值计算量测新息,如下式所示:

26、;

27、式中,为当前的导航与飞控输入参数,为非线性量测函数,为上一时刻的量测噪声向量。

28、优选的,所述s4包括:

29、s41、计算平滑后的粗估计风速与先验状态估计值之间的欧氏距离;

30、s42、构建动态发散判据阈值函数,如下式所示:

31、;

32、式中,为用于平稳飞行时抑制噪声误触发的基础固定阈值,为敏感度调节系数,为保障系统稳定的最小保护阈值且;

33、s43、当增大时,减小时,使发散判据被触发。

34、优选的,所述s5包括:

35、s51、计算新息统计矩阵的迹与理论协方差矩阵的迹,如下式所示:

36、;

37、式中,为矩阵的迹,为关于状态向量的一阶雅可比矩阵,为未修正的先验误差协方差矩阵,为上一时刻量测噪声协方差矩阵,为矩阵的转置;

38、s52、检测是否满足发散条件,包括:

39、若不满足发散条件,则保留原不变;

40、若满足判据,则判定滤波发散,计算膨胀系数,如下式所示:

41、;

42、式中,为上一时刻的过程噪声,为状态转移矩阵,为上一时刻的后验误差协方差矩阵,为矩阵的转置;

43、s53、限定,若,则强制,并利用膨胀系数修正先验误差协方差矩阵,如下式所示:

44、;

45、式中,为矩阵的转置。

46、优选的,所述s6包括:

47、s61、利用修正后的先验误差协方差矩阵和量测新息,计算卡尔曼增益以更新风速状态估计值和后验协方差矩阵,得到最优风速估计值;

48、s62、基于改进sage-husa算法对过程噪声协方差矩阵进行自适应更新。

49、优选的,所述s62中对过程噪声协方差矩阵进行自适应更新的更新规则包括:

50、根据sage-husa算法公式,由卡尔曼增益和当前新息向量估计出当前步的过程噪声更新项,结合时间衰减系数获取过程噪声协方差测算矩阵,随后限定该矩阵对角线元素必须处于保护下限及代表物理最大风变方差的保护上限之间,通过强制工程量级约束防止在线算法导致矩阵负定或测算发散。

51、优选的,所述s7中的大气参数解算的数学映射规则包括:

52、根据真空速、地速和风速之间的矢量三角形关系,获得对应真空速在机体坐标系下的三分量;

53、矢量三角形关系如下式所示:

54、;

55、式中,表示从地理系到机体系的姿态变换矩阵,表示当地地理坐标系;表示机体坐标系;表示地速,表示风速,为真空速;

56、反解出真实大气参数,包括真空速、攻角和侧滑角,如下所示:

57、;

58、式中,为真空速,为攻角,为侧滑角。

59、因此,本发明采用上述一种基于粗精一致性的飞行器自适应大气参数重构方法,具有以下有益效果:

60、本方法创新性地构建了“粗估计-精估计”双通道融合的一致性检测架构。一方面,利用非线性最小二乘得到的粗估计风速为滤波提供了物理基准(参考风速);另一方面,在ekf中引入了基于粗精误差动态调节的自适应发散判据。当遇到外部剧烈风场突变时,动态阈值自动降低以迅速触发协方差膨胀修正,增加对当前量测数据的信任度;当平稳飞行时,阈值自动调高以避免噪声误触发。结合具有工程边界保护的改进sage-husa噪声估计,本方法提高了大气参数的估计精度和系统鲁棒性,解决了飞行器在复杂风场及传感器噪声时变干扰下,传统滤波算法容易发散、难以兼顾平滑度与动态跟踪能力的技术难题。

61、下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。