Меркулов В.И., Дрогалин В.В. Авиационные системы радиоуправления. Том 2 (2003) (1151998), страница 60
Текст из файла (страница 60)
Аналогично можно получить алгоритмы аналого-дискретной фильтрации и для угломерных каналов: р„,(к)=рр,„,(к)+к„,Арг„ргв(0)= р„г,с; в()с) = озэрг,в()с)+ кезЬррг в озег в(0) = оз .вор (14 48) )ег в()с) = )зег,в((с)+ кезАррг,в > )ег в(0) = 0' рр,г,(1с) = ррг,(1с — 1)+оз г,(1с — 1)т+О 5) г,((с — 1)т~; озэег,в(!г) = йрг,в(!г. 1)+)ег,в(!г. !)т 1„„,.(й) =(1-рх,,.)3„,,.()с-1); (14.49) с рвг,(п) — <р,„,(п), и =Т/т, '-""р. ° = О, и Ф Т/т. (14.50) Начальные условия в (14.48) вычисляются на этапе завязки траектории.
В остальном для (14.48)-(14.50) имеют смысл все выводы, полученные для (14.45)-( ! 4.47). Следует отметить, что угловые скорости ЛВ, необходимые для наведения истребителя в НУТВ, оцениваются по правилу: озг = озег +озвг! озв %рв + оз61 (14.51) где в г н оэ вычисляются в алгоритме (14.48), а оценки юч и озе угловых скоростей рыскания и тангажа вырабатываются автономными датчиками. 14.5.3. ИдкнтнФикяция измкнкний ~о модкли состояния Параметры исходных моделей (14.3!) и (14.32), используемые для идентификации принадлежности результатов измерений к той или 323 иной экстраполируемой траектории, целесообразно оценивать по модифицированному алгоритму Мейна (см.
п. 3.6.3). В этой модификации для формирования невязок в (3.92) используются измерения (3.95), а в алгоритме (3.92) — (3.94) матрица Мр заменяется матрицей Мр1 (3.97). Классический алгоритм Мейна (3.92) оказывается нецелесообразным из-за низкой точности оценивания х, по результатам экстраполяции (14.46) и (14.49). Используя представления (14.38), (14.40) и результаты измерений (14.41), (14.43)„получаем на основе (3.92)-(3,94) алгоритм идентификации параметров модели дальномерного канала; ая5(0) = 1; (14.52) где ЬДр = Д„(п) — Д,(п), ЛЧ4 = Ч„(п) — Чр(п), (14.53) Д„Ч, и ), экстраполируются по правилу (14.46), а коэффициенты к1 (1=1,9; )=1,2) вычисляются по (3.93), (3.94) при замене Мр на М91 и Р„на 13„. Аналогично для модели (!4.39), (14.40) и измерений (14.42), (14.44) может быть получен алгоритм параметрической идентификации: а„„,(п) =1+к„„12мр(п), а, „(О) =1; 324 а, (п) = 1+ к11(п)ЬД, (п)+ к12ЬНр (п), а 2(п) =т+к2,(п)ЛД,(п)+к2223Ч,(п), а,з(п) = 0,5т~ + кз1(п)ЛД„(п) + кз,М~, (п), а 4(п) — к41(п)ЛД (и)+к42ЛЧ (и) 5(п) 1+К51(п)~Д~(п)+К52~Ч~(п) а,ь (п) = т+ к 41(п)ЬД, (п) + кь2ЬН, (п), а 2(п) = к21(п)ЛДя(п)+к22ЬЧ,(п), а„я(п) = кя1(п)ЬДа(п)+кя2ЬЧ,(п), а 9(П) = 1 — 42 т+ К91(п)25Да (П)+ К9225Ня (П), а„(0) = 1; „,(0) =т; алз(0) = 0,5т; а.4(0) =0; а„,(0) = т; а,„(0)=0; а„„(0) =0; ая,(0) =1-а1т; а„„(О)=т; ап„з(0) = 0,5т; аг „(п) = т+ к, „,Ь!р(п), а„,з(п) =0,5т +кп„з!з<р(п), (10.54) где !з<р(п) = <р„г „(п) — <р„.
„(п), (14.55) в котором !р,„„определяются прогнозом (14.49). После измерений (14.41) и (14.42) алгоритмы (14.52) — (14.55) реализуются для каждой сопровождаемой траектории. Та из них, для которой функционал (14. 12) в! 9 1= ~(а„ь — ал!) с)л!+,! (а„, — аз!) с(н+ 2.(а„! — а„!)зс(м (14.56) минимален, и будет наиболее достоверно соответствовать полученным измерениям. Для этой траектории и корректируются прогнозы (14.46) и (14.49) по правилам (14.45) и (14.48). Кроме того, в (14.46) и (14.49) для дальнейшего прогноза ускорений ),(Е) и )„„,.„будут использоваться уточненные значения весовых коэффициентов (1-а,т) и (1 — а, „т), более достоверно соответствующие типу сопровождаемой цели и ее конкретному маневру. Возможный характер изменения относительных ошибок Лх/Лх„ оценивания произвольной координаты х, при использовании рассмотренных выше алгоритмов бесстробовой идентификации с аналого- дискретной фильтрацией для различных периодов обращения к цели (Тз>Т >Т!) показан на рис.
14,6. 325 а,. „4(п) = к„„4пср(п), а,. „(п) =1+ кг „,Лср(п), а,. „ь(п) = т+ к„„ьЛср(п), аг ьт (п) кг н7Л!Р(п) а,,з(п) = к„„„Ь<р(п), а„„в(п) =1 — аг,т+ к, „чсср(п), а, „,(0)=0; а г ьв(0) = 1; а„„(0) =т; а! „,(0) =0; а,,„(О)=О; а,,в(0) =1-и„,т, Рпс. 14.6 2 1.> б Пс 20 Анализ алгоритмов (14.52)-(!4.56) позволяет сделать следующие выводы. Идентификация измерений по модели состояния оказывается более точной и достоверной по сравнению с идентификацией измерений в стробах отождествления (14.23)-(! 4.25). Это объясняется следующими причинами.
Решающий функционал (14.56) вычисляется в процессе сравнения оптимально оцененных коэффициентов а>„м с нх достоверно известными значениями а,, „„в то время как в функционале (14.25) сравниваются между собой вычисленные с ошибками экстраполированные значения Д„Д, и 4>„, 4>„, с содержащими погрешности результата- ми измерений Д„, Д„и <р„„д>„„. Кроме того, в функционале (14.56) для сравнения используются суп!ественно большее число параметров, чем в (14.25).
При этом в (!4.56) более полно учитываются взаимные детерминированные связи исходных моделей, чем в (14.25). Совокупность всех этих достоинств позволяет более достоверно и точно идентифицировать результаты измерений при сопрово>кдснии близко располо>конных маневрирующих целей. Несомненным преимуществом алгоритма (14.52) — (14.56) является возможность корректировать коэффициенты (1 — а,т) и (1 — а, „т) в моделях прогноза (!4.46) и (14.49). Это позволяет более точно оценивать фазовые координаты маневрирующих целей как в промежутках между поступлениял>и измерений, так и в моменты нх получения. 326 К недостаткам рассмотренного алгоритма можно отнести: существенно более высокие требования к быстродействию и объему памяти БВС; низкую точность первичных измерений (14.41), (14.42) в режиме обзора, не позволяющую реализовать все потенциальные возмо>кности алгоритмов (!4.45)-(14.51) оптимального оценивания фазовых координат и оптимальной идентификации результатов измерений (14.52)- (14.56).
14.6. АВТОМАТИЧЕСКОЕ СОПРОВОЖДЕНИЕ ЦЕЛЕЙ ПРИ ИСПОЛЬЗОВАНИИ ПРОГРАММИРУЕМОГО ОБЗОРА Программируемый обзор реализуется в БРЛС с ФАР. Использование ФАР позволяет перейти от СНП, при которой период обзора для всех целей одинаков, к управляемому (программируемому) интервалу получения результатов измерений. Гибкость формирования луча в БРЛС с ФАР позволяет адаптировать обзор пространства к конкретным условиям применения. Адаптивное управление периодом обзора подразумевает увеличение темпа поступления информации (измерений) от наиболее вахсных целей, к которым преягде всего относятся вновь появившиеся цели, наиболее опасные по критершо минимума времени, оставшегося до встречи ЛА и цели, и маневрирующие объекты.
Более частое направление луча ФАР на вновь пояьнвшиеся цели существенно уменьшает время и повышает достоверность завязки новых траекторий. Последнее достигается за счет уменьшения размеров стробов отождествления (14.5) при уменьшении периода обзора Т. Необходимость более частого контроля опасных целей обусловлена требованиями обеспечения собственной безопасности.
Уменьшение интервала поступления измерений от маневрирующих объектов вызвано требованием повышения точности их сопрово>кдения. Увеличение точности сопровождения предопределяется снижением ошибок экстраполяции (см. рис. 14.б) и уменьшением размеров стробов отождествления (14.!1). Последнее обусловливает снижение вероятности попадания в ннх результатов измерений от соседних целей, что повышает точность коррекции (фильтрации) результатов экстраполяции сопровождаемых траекторий. Суть одного из наиболее простых алгоритмов определения адаптивного темпа поступления измерений состоит в следующем.
Пусть известны диспеРсии ()ч, Эч, Рч оценок пРоизвольной)-й сопРовомсдаемой координаты х, и ее производных х; и х; на й-й момент времени. Тогда дисперсия результвтов экстраполяции х, на 1+1 мол>ент следующего измерения определяется соотношением 0ч(К+ 1, !с) = Рч()с) ч Р„.,()с)Т, ч РчТ,"! 4, 327 где Т, — временной интервал между (сь1-м и к-и измерениями.
В результате при известной дисперсии Р,>()сч-!,К) допустимой ошибки экстраполяции (! 4.57) Т= Соотношение (14.57) вычисляется для каждой )-й сопровождаемой координаты. Прн этом для управления лучом ФАР используется период Т„=Т;„;„„наименьший из вычисленных Ть При ограничениях объема памяти и быстродействия БВС, делающих невозможным вычисление на каждом шаге соотношения (14.57) для каждой сопровонсдаемой координаты, используется всего два возможных значения Т„и Т„периодов обзора. Первый период Т,<Т„используется при сопровождении важных целей, а второй — при сопрово>кдении неманеврируюших целей.
Функциональные связи составных частей и алгоритмов БРЛС и БВС в режиме автоматического сопрово>кдення цели с программируемым обзором показаны на рнс, 14,7, Рис. 14.7 По результатам идентифицированных измерений БРЛС в фильтре сопровождения оцениваются необходимые фазовые координаты, что 328 позволяет определить в анализаторе типа цели наличие новой, маневрирующей и опасной целей.
По результатам этого анализа устройство программирования СПЦ вычисляет период повторения Т„, импульсов, обеспечивающий попадание отраженного сигнала в зону прозрачности (см. рис, 10.3,а,б) и определяет требуемый период Т„ обзора для этой цели. В качестве Т,может быть выбрано наименьшее из значений, вычисленных по формуле (14.57). Если принимается решение о наличии неманеврирующей, неопасной и уже сопровождаемой цели, то устройство программирования СПЦ формирует значение Т„>Т„периода обзора этой цели. Кроме того, в этом устройстве по вычисленным значениям Т„ и Т„и ю,., ю„экстраполируются значения углов <р„я()с+1,~с), определяющие направление оси лепестка ДН ФАР на следующем цикле измерений. По этому значению угла ЦВМ управления лучом формирует требуемое распределение по ФАР амплитуд и фаз„обеспечивающее излучение электромагнитной энергии в направлении ус„(1+1,к).
Процедура завязки траектории в БРЛС с ФАР может выполняться в виде испытания гипотез Н, истинности и Нс ложности траекторий. Для экстраполяции целесообразны алгоритмы, основанные на гипотезе изменения фазовых координат с постоянным ускорением. Экстраполированные оценки можно скорректировать по алгоритмам а-, 13-, 7-фильтрации либо по алгоритмам калмановской фильтрации. В последнем случае периоды обзора (14.57) определяются по уменьшающимся во времени значениям дисперсий (3.136), (3.137), что приводит к соответствующему изменению вычисленных периодов повторений. В зависимости от возможностей БВС для идентификации измерений используются как простые алгоритмы с сопоставлением в стробах отождествления (п.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
