Диссертация (Разработка высокоточных алгоритмов коррекции навигационных систем летательных аппаратов), страница 2

Эти критерии даюттолько относительную оценку качественных характеристик компонент конкретного вектора состояния исследуемой системы и не позволяют проводить сравнениекомпонент векторов состояния различных систем. Поэтому они неудобны для использования при сравнении качества наблюдения, управления и идентификации вобщем случае.Обычно в практических приложениях необходимо знать возможность эффективного наблюдения и управления каждой конкретной компонентой векторасостояния.

Для этого введено понятие меры или степени наблюдаемости (управляемости) [33,37,38,46] каждой конкретной переменной состояния. При проведениипараметрической идентификации также целесообразно знать качественные харак-9теристики этого процесса, которые определяются степенью идентифицируемостикаждого исследуемого параметра матрицы модели [31,68].Вопрос о том, что «не только наблюдаемы, а как наблюдаемы», т.е. степеньнаблюдаемости, впервые рассмотрен Р.Г.

Брауном в 1966 году [82]. После этогобыло предложено несколько критериев степени наблюдаемости. Х.Л. Аблин определил критерий степени наблюдаемости с помощью взаимного значения ошибокоценивания переменных вектора состояния и ошибок наблюдения (измерения)[79]. Ф.М. Хамм и Р.Г. Браун доказали, что собственные числа и собственные векторы ковариационной матрицы ошибок оценивания могут предоставить полезнуюинформацию о наблюдаемости системы [89].

Критерии определения качества процесса управления были предложены Н.Т. Кузовковым [24,25] и Фам Суан Фангом[57], а критерий меры наблюдаемости разработали Н.А. Парусников и В.М. Морозов [38]. Эти критерии отличаются сложными предварительными вычислениями.Простой критерий степени наблюдаемости, предложенный О.С.

Салычевым,предполагает анализ приведенного измерительного шума [52]. С точки зренияточности оценивания, степень наблюдаемости исследовали В.Н. Афанасьев и К.А.Неусыпин [39,46], которую определяли соотношением дисперсии произвольнойкомпоненты вектора состояния и дисперсии непосредственно измеряемого векторасостояния, а также с учетом дисперсии шума, приведенного к исследуемой компоненте вектора состояния (аналогично определялась степень идентифицируемостипараметров матрицы модели динамического объекта [31]).Все упомянутые критерии степени наблюдаемости и степени идентифицируемости разработаны для линейных стационарных систем. Разработка простых вприменении критериев для нестационарных и нелинейных моделей исследуемыхдинамических объектов является важной задачей при синтезе алгоритмическогообеспечения высокоточных ИК и навигационных систем [68,69].Качественные характеристики моделей, которые используют в алгоритмическом обеспечении навигационных систем [18,67], могут быть различными, т.е.степени наблюдаемости и идентифицируемости имеют различные значения [68].10От качественных характеристик моделей, используемых в алгоритмическом обеспечении, зависит точность коррекции навигационных систем ЛА.Целью диссертационной работы является повышение точности определения навигационной информации алгоритмическим путем за счет использования моделей с повышенными качественными характеристиками наблюдаемостии идентифицируемости.Для достижения поставленной цели решаются следующие основные задачи:1.

Разработка критерия степени наблюдаемости переменных состояниянестационарных систем;2. Разработка критерия степени наблюдаемости переменных состояниянелинейных систем;3. Разработка критерия степени идентифицируемости параметров нестационарной модели динамических объектов;4. Разработка комплексного критерия селекции алгоритма МГУА;5. Разработка адаптивного нестационарного фильтра Калмана с повышенными характеристиками наблюдаемости;6. Разработка адаптивного алгоритма нелинейного фильтра Калмана сМГУА или ГА.Методы исследования.При решении сформулированных задач использовались методы теорииавтоматического управления, системного анализа, навигационных систем, методгруппового учета аргументов и генетический алгоритм. Проверка эффективностиразработанных алгоритмов проводится моделированием по данным лабораторного эксперимента с реальными навигационными системами.11Научная новизна диссертационной работы заключается в следующем:1.

Разработан оригинальный численный критерий степени наблюдаемостипеременных состояния нестационарных систем;2. Разработан оригинальный численный критерий степени наблюдаемостипеременных состояния нелинейных систем;3. Разработан оригинальный численный критерий степени идентифицируемости параметров нестационарной модели динамических объектов;4. Разработан адаптивный нестационарный фильтр Калмана с повышенными характеристиками наблюдаемости;5.

Разработан алгоритм МГУА с комплексным критерием селекции, позволяющим строить модели с повышенными характеристиками наблюдаемостии идентифицируемости;6. Разработаны адаптивные модификации нелинейного фильтра Калмана,включающие модели, построенные алгоритмами МГУА и ГА.Практическая ценность результатов исследования.Разработанные алгоритмы оценивания и прогнозирования позволяютосуществить высокоточную коррекцию навигационной информации ЛА. С помощью алгоритма оценивания проводится оценка погрешностей навигационнойсистемы и компенсируется большая часть погрешностей. При исчезновениисигнала от внешнего датчика информации, алгоритмы прогнозирования используются для компенсации погрешностей навигационной системы.

Повышение точности навигационной информации ЛА осуществляется путем алгоритмической коррекции с использованием моделей с повышенными характеристиками наблюдаемости и идентифицируемости. Задачи коррекции, оценивания,прогнозирования и комплексирования предлагается решать на основе анализапрогнозирующих моделей погрешностей навигационных систем. Разработанные алгоритмы позволяют повысить точность навигационной информации безсущественных материальных затрат, и легко реализуемы в БЦВМ.12Достоверность и обоснованность полученных теоретических и практических результатов подтверждаются четкими математическими выводами припостроении моделей и алгоритмов, результатами математического моделирования и моделирования по данным лабораторного эксперимента, а также согласованностью полученных результатов с известными данными в этой области,опубликованными в открытой печати.Внедрение результатов работы.Результаты диссертационного исследования, а также разработанные алгоритмы коррекции, оценивания, прогнозирования и комплексирования были использованы в учебном процессе на кафедре «Системы автоматического управления» МГТУ им.

Н.Э. Баумана и при реализации конкретного техническогопроекта в Нанкинском университете науки и технологий (Нанкин, КНР).Основные положения диссертационной работы, выносимые на защиту:1. Оригинальные численные критерии степени наблюдаемости переменных состояния нестационарных и нелинейных систем;2. Оригинальный численный критерий степени идентифицируемости параметров матрицы нестационарной модели;3. Адаптивный нестационарный фильтр Калмана с повышенными характеристиками наблюдаемости;4.

Компактный алгоритм МГУА с комплексным критерием селекции;5. Адаптивные модификации нелинейного фильтра Калмана, включающие модели, построенные алгоритмами МГУА и ГА.Апробация работы.13Основные результаты диссертационной работы докладывались и обсуждались на ряде конференций:– Седьмая Российская мультиконференция по проблемам управления:Конференция «Информационные технологии в управлении» (Санкт-Петербург,2014 г.);– Седьмая Российская мультиконференция по проблемам управления:Конференция «Управление в морских и аэрокосмических системах» (СанктПетербург, 2014 г.);– 2014 IEEE Chinese Guidance, Navigation and Control Conference (Yantai,China, 2014 г.);– Седьмая, Восьмая и Девятая Всероссийская конференция молодых ученых и специалистов «Будущее машиностроения России» (Москва, 2014, 2015,2016 г.);– 2015 5th International Workshop on Computer Science and Engineering: Information Processing and Control Engineering (Москва, 2015 г.);– 35th Chinese Control Conference (Chengdu, China, 2016 г.);– 2016 International Conference on Robotics and Automation Engineering (Jeju-Do, South Korea, 2016 г.).Публикации.По теме диссертационной работы опубликовано 23 научные работы, изних 12 статей в журналах, входящих в Перечень ВАК Минобрнауки РФ, и в томчисле 7 работ из них входят в Scopus и Web of Science.Структура и объем диссертационной работы.Диссертационная работа состоит из введения, четырех глав, общих выводов и заключения, списка используемой литературы.

Текст диссертации изло-14жен на 126 машинописных страницах, содержит 26 рисунков. Список литературы содержит 108 источников.Краткое содержание работы.Во введении обосновывается актуальность темы и направления исследований, проводимых в диссертационной работе, практическая значимость темы, а также приведено краткое содержание работы.В первой главе рассмотрены навигационные системы, которые используются для определения параметров современных ЛА. Приведен сравнительный анализ наиболее распространенных навигационных систем. Представленымодели погрешностей ИНС и схемы алгоритмической компенсации погрешностей. Сформулирована постановка задачи диссертационного исследования.Во второй главе рассмотрены способы определения качественных характеристик математических моделей динамических систем. Представлены критерии степени наблюдаемости компонент вектора состояния линейных стационарных систем, а также критерии степени идентифицируемости параметров стационарных моделей динамических систем.Исследованы критерии наблюдаемости переменных состояния нестационарных систем и нелинейных систем.

Разработан оригинальный численныйкритерий степени наблюдаемости переменных состояния нестационарных систем.Разработан оригинальный численный критерий степени наблюдаемости переменных состояния нелинейных систем. Исследованы критерии степени идентифицируемости параметров нестационарной модели.

Модифицирован известный численный критерий степени идентифицируемости параметров стационарных моделей для нестационарного случая.В третьей главе рассмотрены нестационарный линейный и нелинейный15фильтры Калмана, используемые в схемах коррекции навигационных систем ввыходном сигнале. В условиях исчезновения сигналов от внешних измерительных систем применяется коррекция с помощью прогнозирующих моделей погрешностей ИНС. Для построения прогнозирующих моделей использованы алгоритм МГУА и генетический алгоритм.Разработан алгоритм МГУА с комплексным критерием селекции, включающим численные критерии степени наблюдаемости и идентифицируемости.Алгоритм позволяет строить модели с повышенными характеристикаминаблюдаемости переменных состояния, а также повышенными характеристиками идентифицируемости параметров модели.Предложены адаптивный нестационарный фильтр Калмана, в котором использована модель с повышенным характеристикам наблюдаемости; адаптивныйнелинейный фильтр Калмана, снабженный алгоритмом МГУА или генетическим алгоритмом и критерием степени наблюдаемости переменных состояниянелинейных систем.Таким образом, в третьей главе разработаны: адаптивный нестационарный фильтр Калмана с повышенными характеристиками наблюдаемости; алгоритм МГУА с резервированием трендов, а также с разработанными критериямистепени наблюдаемости переменных состояния и идентифицируемости параметров моделей нестационарных систем; адаптивный нелинейный фильтр Калмана, снабженный алгоритмом МГУА или ГА и критерием степени наблюдаемости переменных состояния нелинейных систем.Четвертая глава посвящена экспериментальному исследованию разработанных алгоритмов.