简介:针对带有末端多约束的三维非线性制导问题,设计了一种通用模型预测静态规划制导算法。该制导算法通过向后迭代求解权矩阵微分方程对控制量进行更新,将动态优化问题转化为静态优化问题,计算效率得以提高。阐述了通用模型预测静态规划制导算法的基本原理,详细给出了基于通用模型预测静态规划算法的制导律设计过程。所设计的制导律满足末端法向加速度约束,因此,间接满足末端弹体姿态角约束。仿真时考虑目标的机动方式和落角约束,仿真结果表明,末端位移偏差小于0.5m,末端落角可控制在0.01°范围内,末端法向加速度小于0.01m/s^2,该制导律能够很好地满足末端位移、落角和法向加速度约束。
简介:针对随机时滞和异步相关噪声情况下的状态估计问题,提出了一种改进的高斯滤波算法(GF),并给出了其适用于高维系统的实现形式—随机时滞和异步相关容积卡尔曼滤波器(CKF-RDCN)。首先,通过满足Bernoulli分布的互不相关随机序列,来描述系统观测数据中可能存在的随机时滞现象,将量测噪声作为状态变量用以实现对观测时滞后验概率密度的估计。其次,利用一阶斯特林插值公式来近似估计,由于过程噪声和量测噪声异步相关,而导致的含有随机变量的多维积分问题。最后,依据三阶球径容积法则,给出了CKF-RDCN滤波算法的详细设计。此外,经典GF算法是所提出的改进GF算法的特例,其作为一个通用的非线性滤波算法框架,根据不同的后验概率密度估计方法,可以有不同的实现形式。仿真结果表明,相比于扩展卡尔曼滤波算法(EKF)以及容积卡尔曼滤波算法(CKF),CKF-RDCN在解决含有观测时滞和相关噪声系统的状态估计问题时,具有更高的精度和更好的数值稳定性。
简介:针对CNS/INS组合导航系统中缩短初始对准时间的问题,设计了一种CNS/INS组合导航系统组合对准新方法。在CNS/INS姿态四元数组合算法的基础上,推导CNS/INS组合系统线性化状态方程,分析了INS和CNS姿态四元数差值构建量测方程。利用递推最小二乘原理实现了对该组合系统的信息融合,设计了基于该估计原理的组合导航系统初始对准方法,考虑到大气层内动基座条件下对于星敏感器造成的干扰因素增加了加权处理环节,最后通过仿真实验验证了递推加权最小二乘法在处理组合导航系统初始对准中的有效性。仿真结果表明在微晃基座条件下,与传统的滤波方法相比较该估计方法能够有效地缩短约25%的对准时间。