许立松,马国梁,闻 泉,王雨时

(南京理工大学 1.机械工程学院;2.能源与动力工程学院,江苏 南京 210094)

随着外弹道学的发展,对制导弹药的姿态测量提出了新的要求。大量程微机电(micro electro mechanical systems,MEMS)陀螺的出现为解决高转速测量问题提供了途径,通过MEMS陀螺的角速率测量信息进行捷联解算可以得到弹丸飞行姿态,但随着时间增加会出现误差累积的问题,因此一般将GPS与惯性器件进行组合[1-2],通过Kalman滤波获得飞行姿态的估计值。

Kalman滤波方法于1960年被提出,在其基础上发展了扩展卡尔曼滤波(extended Kalman filter,EKF)、无迹卡尔曼滤波(unscented Kalman filter,UKF)、粒子滤波(particle filter,PF)等一系列滤波方法[3-4]。迭代方法[5]和自适应算法[6]的加入进一步提升了滤波效果,神经网络[7]等人工智能技术也在滤波领域发挥了很大的作用。

国外一直致力于制导弹药姿态估计方面的研究[8-11]。文献[11]采用了EKF方法对双旋弹丸进行姿态估计;文献[12]针对炮射弹丸将卡尔曼滤波与多维标度(multi-dimensional scaling,MDS)相结合,提高了位置测量的鲁棒性。国内也有相应的研究,文献[13]利用UKF方法辨识弹道模型,预报弹道落点;文献[14]将UKF方法加以改进,降低了弹丸射程修正的误差;文献[15]结合EKF建立了固定鸭舵双旋弹的实时位置和速度估计方法。可以看到,多数研究集中在弹丸位置及速度参数的估计,部分弹丸姿态估计的研究主要使用EKF方法。使用EKF需要对系统进行线性化处理,而本文所述的火箭弹滚转角速率较高,是状态变化较快的强非线性系统,因而线性化模型导致的精度丢失会导致滤波误差的进一步加大。……