Автореферат (1025619), страница 2

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 2)

Алгоритмы обработки информации НКобычно используют математические модели, в частности моделипогрешностей ИНС. Как правило, это линейные модели погрешностей4ИНС, которые с течением времени становятся неадекватными реальномупроцессу.Перспективным способом повышения точности навигационныхопределений является использование селективных НК. Во времяфункционирования ЛА постоянно происходит изменение конфигурацииНК с целью получения наиболее достоверной измерительной информации,т.е. на разных интервалах работы, с ИНС комплексируют различныевнешние измерительные системы. Переключение на одну или другуюструктуру проводится с использованием какого-либо критерия степенинаблюдаемости (Кузовков Н.Т., Парусников, Неусыпин К.А.), которыйопределяется по текущей информации.В условиях отключения внешних измерительных системиспользуется коррекция автономной ИНС с помощью прогнозапогрешностей и их компенсации в выходном сигнале.

Прогнозирующаямодель погрешностей ИНС строится в полете.Структурная схема НК, предусматривающего функционированиебазовой ИНС в автономном режиме, представлена на Рис. 1.θk+ kθk+xk+ИНС_СНСkРЛСБОНИzkФКИНСθk+xkθ k++k_NkАПМПрогнозРис. 1. Навигационный комплекс, функционирующий в режимекоррекции и в автономном режимеЗдесь введены следующие обозначения: БОНИ – блок определениястепеней наблюдаемости и формирования измерений; ФК – фильтрКалмана; АПМ – алгоритм построения модели;  k – истинная информацияо навигационных параметрах ЛА; xk – вектор погрешностей ИНС; zk –вектор измерений; xˆk – вектор оценки погрешностей ИНС; xk – векторошибок оценивания; xˆˆ – вектор прогноза погрешностей ИНС; x – векторkkошибок прогноза.При использовании селективного НК сказывается влияние эффекта5старения измерений, не учитываются нелинейные составляющиеиспользуемых моделей погрешностей ИНС, что приводит к снижениюточности навигационных определений.Сформулированапостановказадачидиссертационногоисследования.

Для повышения точностиалгоритмов обработкиинформации НК предлагается разработать структуру НК на основеиспользованияинтеллектуальныхтехнологий,применятьвалгоритмическом обеспечении модели с улучшенными характеристиками.Во второй главе разработан перспективный НК высокоточных ЛАпредставляет собой НК с интеллектуальной компонентой. В качествеинтеллектуальной компоненты использован акцептор действия, которыйвключает алгоритм построения прогнозирующей модели погрешностейИНС, алгоритмы прогноза и сравнения текущих измерений с прогнозом.Структура НК с интеллектуальной компонентой представлена наРис. 2.Рис. 2. Структура навигационного комплекса с интеллектуальнойкомпонентойНа Рис. 2 введены следующие обозначения: 1 – базоваянавигационная система, обычно ИНС; 2, …, N – датчики и измерительныесистемы внешней информации; БКС – блок комплексирования исравнения; БО – блок оценивания; АПМ – алгоритм построения модели;  k– истинная навигационная информация; xk – погрешности ИНС; zk –измерения; xˆ – оценки погрешностей ИНС; x – ошибка оценивания; xˆˆ –kkkпрогноз погрешностей ИНС.В БКС определяются степени наблюдаемости, формируютсяизмерения для алгоритма оценивания (БО) и построения прогнозирующих6моделей (АПМ), а также проводится сравнение текущей апостериорнойинформации с результатами прогноза.Полученная в АПМ математическая модель погрешностей ИНСиспользуется в БО для оценки погрешностей ИНС, а также для их прогнозана некотором интервале времени, который выбирается в соответствии срежимом функционирования ЛА.Степени наблюдаемости вычисляются для погрешностей ИНС прикомплексировании с каждым внешним датчиком и по максимальномузначению степени наблюдаемости выбирается наилучшая структура НК.

Вкритерии степени наблюдаемости используются информация опрогнозных значениях погрешностей ИНС и параметры математическоймодели погрешностей ИНС.Блок БО реализован в виде адаптивной модификации нелинейногофильтра Калмана, который вычисляет оценки погрешностей ИНС. А блокАПМ – представляет собой алгоритм самоорганизации, на выходекоторого получаем нелинейную прогнозирующую модель погрешностейИНС.Третья глава посвящена разработке НК с нелинейнымрегулятором. При функционировании ЛА на длительных временныхинтервалах для предотвращения нарастания погрешностей ИНСприменяется коррекция в структуре ИНС с помощью линейногоредуцированного регулятора.

НК с коррекцией ИНС в структурепредставлен на Рис.3.θk+xk12АКС3zkАОAПMkkПрогнозNukАУРис. 3. Структура навигационного комплекса с интеллектуальнойкомпонентой и коррекцией в структуре ИНСНа Рис. 3 введены следующие обозначения: АКС – блок,включающий ансамбль критериев селекции; АО – алгоритм оценивания;АПМ – алгоритм построения модели; АУ – алгоритм управления;  k –7истинная навигационная информация; xk – вектор погрешностей ИНС; zk– вектор измерений; xˆ – вектор оценки погрешностей ИНС; xˆˆ – векторkkпрогноза погрешностей ИНС; uk – вектор управления.Блок АКС содержит критерии селекции, в частности критериистепени наблюдаемости и управляемости.

С помощью этих критериеввыбираются измерительные системы, которые позволяют строить модели смаксимальными степенями наблюдаемости и управляемости.В блоке АУ осуществляется реализация алгоритма управления и навыходе получаем вектор управления uk .В известном алгоритме управления используется линейнаяматематическая модель погрешностей ИНС, поэтому при реализацииизвестного НК в АПМ применяется алгоритм самоорганизации срезервированием линейных трендов.

Для получения более высокойточности НК целесообразно использовать нелинейные моделипогрешностей ИНС.Разработан нелинейный алгоритм управления для коррекцииИНС. Нелинейные погрешности ИНС описываются векторнымдифференциальным уравнениемdx(t )  f (t , x )  g1 (t, x ) w(t )  g 2 (t, x )u(t ), x(t0 )  x0 ,dty (t )  h(t , x ).(1)Здесь f (t , x), g1 (t , x), g 2 (t , x), h(t , x) действительны и непрерывны.Чтобы формировать управление u(t ) для коррекции в структуреИНС, представим систему (1) в эквивалентном виде: модель имеетструктуру линейных дифференциальных уравнений с параметрами,зависящими от состояния (State Dependent Coefficient, SDC), ифункционалами, матрицы штрафа которых также могут зависеть отсостояния объекта.После применения метода SDC-представления, система (1) приметвидdx(t )  A(t , x ) x(t )  g1 (t , x ) w(t )  g 2 (t, x )u(t ), x(0)  x0 ,dt(2)y (t )  H (t , x ) x (t ).SDC-представление нелинейной системы (2) является управляемымт.е.

существует положительно определенные матрицы PC1 ( x ) иPC 2 ( x ) (грамианы управляемости), являющиеся решениями уравненийЛяпунова8A(t , x ) PC1 (t , x )  PC1 (t , x ) AT (t , x )  g1 (t , x ) g1T (t , x )  0,A(t , x ) PC 2 (t , x )  PC 2 (t , x ) AT (t , x )  g 2 (t , x ) g1T (t , x )  0.(3)Оптимальные управления определяются соотношениямиw (t )  P 1 g1T ( x )  Sˆ ( x ) x(t )  qˆ ( x )  ,u (t )   R 1 g 2T ( x )  Sˆ ( x ) x (t )  qˆ ( x )  .(4)Для определения матрицы S ( x ) и q( x ) использован метод обратнойпрогонки. В результате матрицы Sˆ ( x ) и qˆ ( x ) определяются решениямиуравненийd ˆS ( x )  AT ( x ) Sˆ ( x )  Sˆ ( x ) AT ( x )  Sˆ ( x ) П ( ) Sˆ ( )  C T QC  0, Sˆ0  Sˆ ( 0 ),dtdqˆ ( x )   AT ( x )  Sˆ ( x )  ( x )  qˆ ( x )  0, qˆ ( x0 )  q0 ,dt(5)1 T1 Tгде П ( x)  g2 ( x) R g2 ( x)  g1 ( x) P g1 ( x) .Объект (1) с управлениями (4) принимает видdx(t )  f (t , x )  П ( )  Sˆ ( ) (t )  qˆ ( )  , (t0 )  0 ,(6)dty (t )  H (t , x ) x (t ) .Управление системой осуществляется в соответствии с алгоритмомTu (t )   R 1B  xˆ  S0 xˆ (t ),(7)где положительно определенная матрица S0 является решениемуравненияS0 A0  A0T S0  S0 B0 R 1B0T S0  H T QH  0 .(8)Управления с использованием линейной модели и квадратичнымкритерием качества обеспечивают устойчивость этой модели при любыхначальных условиях.

Таким образом, в частной постановке задачи синтезарешена задача управления нелинейной системой с использованием SDCметода и получен нелинейный алгоритм управления для коррекции ИНС.Четвертая глава посвящена разработке способа формированияалгоритмического обеспечения НК на основе подхода динамическогосистемного синтеза. Рассмотрен способ формирования алгоритмическогообеспечения НК с переменной структурой, основанный на концепциисистемного синтеза. В процессе функционирования НК выбирается егоприборный состав, в алгоритмах коррекции используются математическиемодели, построенные для наиболее эффективных переменных состояния9на каждом интервале работы НК.

Характеристики

Список файлов диссертации