Диссертация (Разработка алгоритмов комплексирования навигационных систем летательных аппаратов), страница 12
Описание файла
Файл "Диссертация" внутри архива находится в папке "Разработка алгоритмов комплексирования навигационных систем летательных аппаратов". PDF-файл из архива "Разработка алгоритмов комплексирования навигационных систем летательных аппаратов", который расположен в категории "". Всё это находится в предмете "технические науки" из Аспирантура и докторантура, которые можно найти в файловом архиве МГТУ им. Н.Э.Баумана. Не смотря на прямую связь этого архива с МГТУ им. Н.Э.Баумана, его также можно найти и в других разделах. Архив можно найти в разделе "остальное", в предмете "диссертации и авторефераты" в общих файлах, а ещё этот архив представляет собой кандидатскую диссертацию, поэтому ещё представлен в разделе всех диссертаций на соискание учёной степени кандидата технических наук.
Просмотр PDF-файла онлайн
Текст 12 страницы из PDF
Численныйкритерий степени управляемости имеет вид [87]:hihmax(2.20)где hi - модуль суммы элементов, которые находятся в i-й строкеканонической матрицы управляемости, hmах - максимальное значение hi.Присинтезекритериястепениуправляемостипредполагалосьпредставление системы в каноническом виде [87]:kkkkkx(t)Ax(t)Hu(t)ccc(2.21)kTV1AV; Hk V1HT; V = [v1 ... vn]; V- матрица каноническогогде A преобразования; vi - собственные векторы исследуемой системы.Степень управляемости характеризуют модули элементов строк матрицыНк, которая названа канонической матрицей управляемости. Представленныйкритерийпозволяетпроводитьсравнительныйанализуправляемостииопределять, в какой степени управляемы компоненты вектора состоянияотносительнодругдруга.Большейстепеньюуправляемостиобладают81компоненты вектора состояния, у которых модули элементов строк каноническойматрицы управляемости больше модулей соответствующих элементов другихстрок этой матрицы.определим каноническую матрицу управляемости и исследуем суммыэлементов каждой ее строки.
обозначим hi - суммы модулей элементов каждойстроки этой матрицы, которые позволяют судить о степени управляемостикомпонент вектора состояния модели.Максимальной степенью управляемости обладает компонента векторасостояния с наибольшей суммой модулей элементов соответствующей строкиканонической матрицы управления hmax. Степени управляемости другихкомпонент вектора состояния определяются путем сравнения сумм модулейэлементовстрокканоническойматрицы,соответствующихисследуемымкомпонентам вектора состояния с максимальным значением суммы модулейэлементов канонической матрицы.Критерийстепениуправляемостипозволяетопределитьстепеньуправляемости каждой конкретной компоненты вектора состояния в численномвиде.Этот критерий удобен, так как позволяет включать в вектор управления ивектор состояния только эффективно управляемые компоненты.Выводы по главе 2Таким образом, представлена концепция синтеза оптимальной структурыизмерительного комплекса, основанной на селективном методе комплексированияс использованием принципов построения интеллектуальных систем.
ПриреализацииНИКиспользованыкритериистепенинаблюдаемостииуправляемости, динамическая база данных, скалярная адаптивная модификацияфильтраКалманаиакцептордействия,которыйвключаеталгоритм82самоорганизации с резервированием трендов, алгоритм прогноза и сличениярезультата действия (терминология П.К.Анохина).При определении оптимальной структуры измерительного комплекса вкритерии комплексирования вместо априорной информации о наблюдаемыхкомпонентах вектора состояния используются результаты прогноза, а такжекритерийстепениуправляемостипеременныхсостояния.83Глава 3.
РАЗРАБОТКА АЛГОРИТМОВ КОРРЕКЦИИ В СТРУКТУРЕ ИНС3.1. Измерительный комплекс с линейным редуцированнымрегуляторомПри функционировании ЛА на длительных временных интервалах дляпредотвращения нарастания погрешностей ИНС применяется коррекция вструктуре ИНС с помощью линейного редуцированного регулятора [13]. НК скоррекцией ИНС в структуре представлен на Рис.3.1.Рис. 3.1. Структура измерительного комплекса с коррекцией в структуреИНСНаРис.3.1введеныследующиеобозначения:БКС–алгоритмкомплексирования и сравнения; Ао – алгоритм оценивания; АПМ – алгоритмпостроения модели; АУ – алгоритм управления; k – истинная навигационнаяинформация; xk – вектор погрешностей ИНС; zk – вектор измерений; xˆk – вектороценки погрешностей ИНС; xˆˆ k – вектор прогноза погрешностей ИНС; uk – векторуправления.84Блок АКС содержит ансамбль критериев селекции, в частности критериистепени наблюдаемости и управляемости [87].
С помощью этих критериеввыбираются измерительные системы, которые позволяют строить модели смаксимальными степенями наблюдаемости и управляемости.В блоке АУ осуществляется реализация алгоритма управления и на выходеполучаем вектор управления uk . Рассмотрим синтез алгоритма управления,используемого для компенсации погрешностей ИНС.Уравнение ошибок ИНС имеет вид:xk Ak 1 xk 1 uk 1 wk 1 ,гдеxk – вектор состояния объекта размерности n ;(3.1)Ak 1 – (n n) -фундаментальная матрица системы; uk 1 – вектор управления размерности m ;wk 1 – вектор входного возмущения размерности r .В структуре ИНС имеется лишь две точки приложения управляющихвоздействий, а именно: вход первого интегратора и вход датчика момента.Представим вектор состояния xk в виде суммы векторов k и k выделяя ввекторе k только компоненты, которыми намереваемся управлять, а в векторе k‒ все оставшиеся компоненты вектора состояния.
Тогда уравнение объекта (3.1)примет вид:xk k 1 k 1 Gk 1 k 1 wk 1 uk 1.(3.2)обозначимk 1 Gk 1 k 1 wk 1.(3.3)Пусть оцениваются как k 1 , так и k 1 . Управление будем искать в виде:uk 1 Kk 1 ˆ k 1 ˆk 1 .(3.4)Подставляя в уравнение (2) выражение (4) получим:xk k 1 Kk 1 k 1 Kk 1 k 1 k 1 ,(3.5)85где k 1 k 1 ˆ k 1 и k 1 k 1 ˆk 1 .оптимальное управление определяется посредством отыскания такойматрицы регулятора, при которой функционал [37]J M xkT xk (3.6)принимает минимальное значение.Найдем оптимальное значение матрицы регулятора из условия равенстванулю градиента:J 0.K k 1(3.7)Используяправиладифференцированияматриц,получаемусловиеоптимальности, которое приводит к минимуму функционала (3.6):Kk 1 k 1.(3.8)С помощью предложенного метода управления можно компенсироватьуправляемые ошибки системы, но с условием, что оцениваются все компонентывектора состояния.
Этому условию удовлетворяют ошибки ИНС по скорости,углы отклонения ГСП от плоскости горизонта и дрейфы гироскопов. однакокомпенсациядрейфовГСПпосредствомразработанногоалгоритманеосуществляется ввиду того, что точная априорная информация о корреляционнойматрицедрейфагироскоповотсутствует.Такимобразом,спомощьюпредставленного регулятора компенсируются ошибки ИНС по скорости и углыотклонения ГСП от плоскости горизонта.Приведенный алгоритм управления использует линейную математическуюмодель погрешностей ИНС, поэтому при реализации НК в АПМ применяетсяалгоритмсамоорганизациисрезервированиемлинейныхтрендов[89].Резервируемые тренды применяются в качестве модели погрешностей ИНС.С целью повышения точности коррекции ИНС используют адаптивныеалгоритмы управления.86Адаптивный алгоритм коррекции ИНС.
При выполнении критериярасходимости [37] в фильтре Калмана и регуляторе используется матрица A*k,k1,которая отличается большим периодом дискретизации. оценка ошибок ИНСи коррекция ИНС проводится в этом случае реже, а точность оценивания исоответственно точность регулирования повышается за счет увеличениястепени наблюдаемости. При изменении режима работы системы проверкакачества оценивания повторяется.Адаптивный регулятор имеет видTT Ak 1,k xˆk при k k sp[ H k Pk / k 1 H k Rk ]uk * Ak 1,k xˆk при kTk sp[ H k Pk / k 1H kT Rk ](3.9)Следует отметить, что повышение точности оценивания вследствиеувеличения периода дискретизации известно и является лишь подтверждениемправильности предложенного принципа построения адаптивного регулятора.Повышение степени наблюдаемости ошибок ИНС путем изменения какоголибо другого параметра также приводит к повышению точности оценивания, аследовательно, и регулирования.В качестве примера рассмотрим задачу коррекции ИНС посредствомадаптивного регулятора для одного горизонтального канала системы.Использовалась простейшая математическая модель ошибок ИНС, котораяимеет вид:xk Axk 1 k 1 K ki 1 xˆk 1 , V xk k , k gT 1A,1 T / R 0 k 1 , k 1 K k11 A,3 gT 1K k21 1 3T / R(3.10)87εk-1 - скорость дрейфа ГСП, представляющая собой стационарныйслучайный процесс с экспоненциальной корреляционной функцией; Kik-1 матрица регулятора, i = 1, 2; K1k-1 - матрица оптимального регулятора, K2k-1 матрица адаптивного регулятора.При увеличении уровня измерительного шума, которое не учитывалосьв ковариационной матрице измерительного шума фильтра Калмана ошибкаоценивания увеличивается, следствием чего является увеличение углаотклонения ГСП ИНС с оптимальным регулятором.При увеличении измерительного шума углы отклонения ГСП возрастаюти превышают предельные значения, например |φп| = 1×1о-5 рад.
В адаптивномрегуляторе вместо матрицы К1 используется матрица К2. Применениеадаптивного выбора матрицы регулятора позволяет существенно уменьшитьуглы отклонения ГСП от плоскости горизонта.Таким образом, представлен адаптивный регулятор ИНС с релейнымвыбором матрицы управления. Нелинейный характер изменения некоторыхпараметров модели погрешностей ИНС в адаптивном регуляторе неучитывается.Линейные модели погрешностей ИНС имеют невысокую точность, так какучитываютсятолькопогрешностей.доминирующиеПоэтомудлясоставляющиеполученияболеепроцессавысокойизмененияточностиНКцелесообразно использовать нелинейные модели погрешностей ИНС.3.2. Разработка нелинейного алгоритма управления длякоррекции ИНСПроведемсинтезалгоритмауправлениядлянелинейноймоделипогрешностей ИНС в непрерывной форме.
Нелинейная модель погрешностейИНС имеет вид:88dx (t ) f (t , x ) g1 (t , x ) w(t ) g 2 (t , x )u(t ), x (t0 ) x0 ,dty (t ) h(t , x ).(3.11)Здесь f (t, x), g1 (t, x ), g2 (t , x ), h(t , x ) действительны и непрерывны.Представим (3.11) в эквивалентном виде: модель имеет структуру линейныхдифференциальных уравнений с параметрами, которые зависят от состояния(State Dependent Coefficient, SDC) [4].Преобразованные с помощью метода SDC-представления уравнения (3.11)имеют вид:dx(t ) A(t , x ) x(t ) D(t , x ) w(t ) B(t , x )u(t ), x (t0 ) x0 ,dty (t ) H (t , x ) x (t ).(3.12)Нелинейная система (3.12) является управляемой, еслиrank D(t , x ), A(t , x ) D(t , x ), A2 (t , x ) D(t , x ), ..., An1 (t , x ) D(t , x ) n,rank B(t , x ), A(t , x ) B(t , x ), A2 (t , x ) B(t , x ), ..., An1 (t , x ) B(t , x ) n.(3.13)где n ‒ порядок системы (3.11).Грамианы управляемости Pw (t, x ) и Pu (t, x ) существуют и являютсярешениями уравнений Ляпунова:A(t , x ) Pw (t , x ) Pw (t , x ) AT (t , x ) D(t , x ) D T (t , x ) 0,(3.14)A(t , x ) Pu (t , x ) Pu (t , x ) AT (t , x ) B(t , x ) B T (t , x ) 0.Соответственно, нелинейная система (3.12) является наблюдаемой, есливыполняется условиеrank H T (t, x ), H T (t, x ) AT (t, x ), ..., H T (t, x ) AT (t , x ) n1 n.ГрамианнаблюдаемостиPo (t, x )существуетиявляется(3.15)решениемуравнения Ляпунова:AT (t, x) Po (t, x) Po (t, x ) A(t, x) H T (t, x ) H (t, x) 0.(3.16)89При выполнении критериев (3.14) и (3.15) система (3.12) являетсянаблюдаемой и управляемой.Задачу синтеза алгоритма управления сформулируем в рамках теориидифференциальных игр.
Тогда функционал качества дифференциальной игры [4]будет иметь вид:t111J ( x, u, w) y T (t ) Fy (t ) y T (t )Q y (t ) u T (t ) R u(t ) w T (t ) Рw (t ) dt .22t11(3.17)0СимметрическиематрицыFиQ являютсяположительнополуопределенными, R и P ‒ положительно определенные матрицы.оптимальные управляющие воздействия, минимизирующие функционал(3.17) имеют вид:w (t ) P 1DT ( x ) Sˆ ( x ) x (t ) qˆ ( x ) ,(3.18)u (t ) R B ( x ) Sˆ ( x ) x (t ) qˆ ( x ) .1TДля отыскания матрицы S ( x ) и q( x ) в (3.18) используем метод обратнойпрогонки [4].