Автореферат (1025658), страница 2

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

Текст из файла (страница 2)

С помощью алгоритма оцениванияпроводится оценка погрешностей навигационной системы и компенсируетсябольшая часть погрешностей. При исчезновении сигнала от внешнего датчикаинформации, 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. Разработанные алгоритмы позволяют повысить точность навигационной информации без существенных материальных затрат, и легко реализуемы в БЦВМ.Достоверность 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 и прогнозирования были применены как в учебном процессе на кафедре «Системы автоматического управления» МГТУ им. Н.Э. Баумана, так и при реализации конкретного технического проекта 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;43. 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. Основные результаты диссертационной работы докладывались и обсуждались на ряде конференций: Седьмая Российская мультиконференция по проблемам управления (Санкт-Петербург, 2014 г.); 2014 IEEEChinese Guidance, Navigation and Control Conference (Yantai, China, 2014 г.);Седьмая, Восьмая и Девятая Всероссийская конференция молодых ученых испециалистов «Будущее машиностроения России» (Москва, 2014, 2015, 2016 г.);2015 5th International Workshop on Computer Science and Engineering: InformationProcessing and Control Engineering (Москва, 2015 г.); 35th Chinese Control Conference (Chengdu, China, 2016 г.); 2016 International Conference on Robotics andAutomation Engineering (Jeju-Do, South Korea, 2016 г.).Публикации.

По теме диссертационной работы опубликовано 23 научные работы, из них 12 статей в журналах, входящих в Перечень ВАК Минобрнауки РФ, объемом 5 п.л., и в том числе 7 работ из них входят в Scopus и Webof Science.Структура и объем диссертационной работы. Диссертационная работасостоит из введения, четырех глав, общих выводов и заключения, списка используемой литературы. Текст диссертации изложен на 126 машинописныхстраницах, содержит 26 рисунков.

Список литературы содержит 108 источников.СОДЕРЖАНИЕ РАБОТЫВо 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 их алгоритмической компенсации.

Прифункционировании ИНС в режиме коррекции от внешних измерительных систем обычно используется компенсация ее погрешностей с помощью алгоритмов оценивания. В автономном режиме работы ИНС применяются прогнозирование и последующая компенсация погрешностей в выходном сигнале системы.Структурная схема ИНС, корректируемой от внешней измерительной системы с алгоритмом оценивания, представлена на Рис. 1.+θ+xθ+ИНСГНСС_θ+ξ_ +zАОРис.

1. Структурная схема коррекции ИНС с алгоритмом оценивания5Здесь ГНСС – глобальная навигационная спутниковая система; АО – алгоритмоценивания; θ – истинная навигационная информация; x – вектор погрешностей ИНС; ξ – вектор погрешностей ГНСС; z – вектор измерений; x̂ – оценкавектора погрешностей ИНС; x – ошибки оценивания погрешностей ИНС.Структурная схема ИНС с использованием алгоритма построения моделии прогноза при отключении внешнего датчика представлена на Рис.

2.θ+xИНСzθ++_АПМПРОГНОЗРис. 2. Структурная схема коррекции ИНС с алгоритмом прогнозаЗдесь АПМ – алгоритм построения модели; x̂ˆ – прогноз вектора погрешностейИНС; x – ошибки прогноза.В практических приложениях прогнозирование состояния маневрирующего ЛА с использованием априорных математических моделей не представляется возможным, поэтому необходимо строить модели в процессе функционирования объекта. При функционировании ИНС в стохастических условиях объем априорной информации о нем, как правило, минимален. Поэтому целесообразно использовать для экстраполяции МГУА, нейронные сети, ГА и др.Сформулирована постановка задачи диссертационного исследования.Во второй главе рассмотрены способы определения качественных характеристик математических моделей динамических систем. Представлены критериистепени наблюдаемости компонент вектора состояния линейных стационарныхсистем, а также критерии степени идентифицируемости параметров стационарныхмоделей динамических систем.Разработан оригинальный численный критерий степени наблюдаемости переменных состояния нестационарных систем.Численный критерий степени наблюдаемости переменных состояниянестационарных систем.Уравнение нестационарного объекта имеет видxk  Φk ,k 1xk 1  Γk 1w k 1,(1)где x k – вектор состояния; w k 1 – вектор входного возмущения; Φk ,k1 – матрицаобъекта; Γk 1 – матрица входа.Уравнение измерения имеет видz k  H k xk  v k ,(2)где z k – вектор измерения; v k – вектор измерительного шума; H k – матрица измерения.Разобьем каждый шаг измерений на n (порядок системы) подтактов и выразим эти измерения через вектор состояния в начальном подтакте этого шага:6z k  H k xk  v k ,z k 1  H k 1Φ k 1,k x k  H k 1Γ k w k  v k 1 ,(3)z k  n1  H k n1Φk n1,k n2Φk 1,k xk  H k n1Φk n1,k n2Φk  2,k 1Γk w k H k n1Γ k n2 w k n2  v k n1.В матричной форме:z*k  O Lk xk  v*k ,HkH k 1Φk 1,k,H k n 1Φk n 1,k n 2 Φk 1,k  zk z *где z k   k 1  , O Lk ...

z k n1  v k     v*v k   k 1    ...      v k n1   H k n1Φk n1,k n2(4).Φk 2,k 1Γk w k   Hk n1Γk n2 w k n2  v k n1 Матрица O Lk является матрицей наблюдаемости. Нестационарная система (1) и (2) наблюдаема в интервале tk , tk n1  , если ранг матрица O Lk равен поvkHk 1Γk w k  v k 1рядку системы n , т.е.

rank O Lk   n .Выразим из уравнения объекта вектор состояния в начальном подтактеизмерения:(5)xk  O†Lk zk  O†Lk vk ,1где O†Lk = OTLk O Lk  OTLk ‒ псевдообратная матрица O Lk .В соответствии с уравнением (5) введем обозначениеy k  O†Lk zk .Запишем уравнение (6) в скалярном видеyki  1,i k zk   2,i k zk 1    ni ,k zk n1,(6)(7)где yki ‒ i -й элемент вектора y k ;  ij ,k ( j  1, , n) ‒ i -я строка матрицы O†Lk .Для остальных компонент вектора состояния уравнения измерения формулируются в соответствии с уравнением (7).Для произвольной компоненты вектора состояния приведенный измерительный шум ςk  O†Lk vk , в соответствии с уравнением (7), имеет вид k*i  1,i k vk   2,i k vk1    ni ,k vkn1,(8)где  k*i ‒ i -й элемент вектора ς*k .Дисперсия приведенного к i -ой компоненте измерительного шума  k*iможет быть определяться коэффициентами  ij ,k ( j  1, , n) , т.е.7222*i(9)RLk 1,i k    2,i k     ni ,k   Rk0 ,где Rk0 ‒ дисперсия исходного измерительного шума vk .Судить о мере наблюдаемости можно по двум характеристикам: точностиоценивания и времени сходимости.

Критерий, по которому определяется степень наблюдаемости, имеет вид2E  xki  i(10)DoLk,n2i 2iE  y k    j , k  j 12где E  xki   ‒ дисперсия произвольной i -ой компоненты вектора состояния;2E  yki   ‒ дисперсия непосредственно измеряемого вектора состояния.В критерии степени наблюдаемости (10) мерой наблюдаемости являетсяскаляр. Эта особенность выгодно отличает этот критерий от известных, так какпозволяет проводить сравнение степеней наблюдаемости компонент различныхвекторов состояния.Исследованы критерии степени идентифицируемости параметров стационарной модели.

Модифицирован известный численный критерий степени идентифицируемости параметров стационарных моделей для нестационарного случая. Судить о мере идентифицируемости можно по двум характеристикам: точности идентификации и времени сходимости. Критерий, по которому определяется степень идентифицируемости параметров нестационарной модели динамического объекта, имеет вид2E  i ,k   Rk0 ,(11)Diki  2iˆE  zi ,k  Rk2где E  i ,k   ‒ дисперсия произвольной i -ой компоненты вектора параметров;2E  zi ,k   ‒ дисперсия непосредственно измеряемого вектора состояния; Rk0 –дисперсия исходного измерительного шума; Rˆ ki ‒ дисперсия приведенного измерительного шума, полученная с помощью адаптивного модификации фильтра Калмана.Численный критерий степени наблюдаемости переменных состояниянелинейных систем.Пусть нелинейная модель описывается векторным дифференциальнымуравнением:dx(t )  f (t , x)  g (t , x) w(t ), x(t0 )  x0 ,(12)dtУравнение измерений имеет вид8(13)z (t )  h(t , x)  v(t ),здесь f (t, x), g (t, x), h(t, x) действительны и непрерывны.Представим систему (12) и (13) в эквивалентном виде: модель имеетструктуру линейных дифференциальных уравнений с параметрами, которые зависят от состояния (State Dependent Coefficient, SDC).

Характеристики

Список файлов диссертации