Автореферат (Разработка алгоритмов коррекции навигационных систем летательных аппаратов в условиях аномальных измерений), страница 3

Анализ значений коэффициентаэффективностипроводится по формуле (12) с использованием величин СКО погрешности СНСи КОИ, полученным в процессе летного эксперимента с некоторой ошибкой.Поэтому если оцененное значение коэффициентаэффективности окажетсяблизким к 1, то можно считать, что КОИ не изменяет уровень погрешностикорректора в определении данного параметра.Представленные критерии эффективности КОИ предполагают наличиеданных летных экспериментов, проведение которых является трудоемким идорогостоящим мероприятием.

Полученные априорные данные могут несовпадать с данными в каждом конкретном полете из-за меняющейся ситуациии условий полета.Критерий оценки эффективности КОИ в полете. В процессе полетауровень погрешностей СНС и КОИ зависит от условий функционированияизмерительных систем, режима полета и др.

Оценки точностнойэффективности применения КОИ, полученные по результатам анализа данныхлетного эксперимента в условиях конкретного полета ЛА могут бытьнеадекватными. Поэтому целесообразно разработать критерий оценкиэффективности применения КОИ с использованием текущей информации,полученной на борту ЛА.Базовым алгоритмом рассматриваемой системы КОИ является алгоритмоценивания, например адаптивный фильтр, разработанный в главе 2.В полете для оценки эффективности КОИ можно воспользоватьсяструктурой критерия (12).В процессе обработки данных летного эксперимента может быть оцененоСКОпогрешности СНС при определении местоположения и скорости ЛА.Для определения величины (12), характеризующей эффективность9применения КОИ, необходимы вычисления погрешностей СНС и КОИ.

Дляопределения СКО КОИ в полете можно использовать дисперсию каждогооцениваемого параметра вектора состояния, который вычисляется с помощьюалгоритма фильтрации на борту ЛА. Дисперсии ошибок оценивания являютсядиагональными элементами матрицы Р.При использовании скалярного алгоритма фильтрации дисперсия ошибкиоценивания определяется в соответствии с выражением:(13)где [() ] –дисперсияпрактических приложениях неизвестна, ивходногошума, −1 −1 котораяв– коэффициентусиления фильтра. В условиях отсутствия априорной информации о входномшуме дисперсия ошибки оценивания вычисляется в виде:[( ) ]≥(14)где – априорная дисперсия ошибок оценивания и по определениюне может быть отрицательной величиной. Однако в процессе фильтрации засчет скудности статистической выборки ( [( ) ] ≠ [( ̂ ) ] ) можетвозникнуть ситуация, когда неравенство (14) не будет выполняться.

Поэтому,если[( ) ], то необходимо полагать. Действительно, при[( ̂ ) ]ошибка оценивания мала по сравнению суровнемизмерительного шума.Дисперсия априорной ошибки оценивания определяется адаптивнымобразом:[( ) ](15)()Дисперсия оценивания ошибки при использовании жесткой обратнойсвязи по обновляемому процессу имеет вид:(16)() ( )В критерии (12) вместо СКО КОИ используется значение √. Такимобразом, сформирован критерий, по которому можно судить об эффективностииспользования КОИ в полете ЛА.Таким образом, для определения эффективности КОИ в полетепредложен критерий оценивания эффективности КОИ, предполагающийиспользование априорных данных летного эксперимента для определения СКОСНС, а для определения СКО КОИ предложено использовать информацию,получаемую в полете с помощью алгоритма фильтрации.

В условияхисчезновения сигналов СНС информация о текущей ковариационной матрицеошибок оценивания отсутствует, поэтому используются прогнозные значения.Четвертая глава посвящена экспериментальным исследованиям. Длямоделирования использована тестовая математическая модель погрешностейИНС и типовая модель погрешностей СНС. Модели погрешностей10навигационных систем сформированы с использованием датчиков случайныхчисел.Рассмотрены схемы коррекции ИНС в выходном сигнале с помощьюалгоритма оценивания, а также с помощью алгоритма прогноза.

Для проверкиработоспособности алгоритмов использована математическая модельпогрешностей ИНС.где[];[];[]Здесь– ошибки ИНС в определении скорости, – углы отклонениягиростабилизированной платформы (ГСП) от сопровождающего трехгранника,– скорость дрейфа ГСП; g – ускорение свободного падения; В – смещениенуля акселерометра, B = 10-2; R – радиус Земли; Т – период дискретизации; –средняя частота случайного изменения дрейфа;– дискретный аналогбелого гауссового шума.Представлены результаты математического моделирования ошибок ИНС,оптимального фильтра Калмана, фильтров Калмана с неоптимальным выборомаприорных статистических характеристик, а также адаптивных алгоритмовоценивания.В условиях наличия в измерениях аномальных выбросов ошибкиоценивания увеличиваются. Результаты моделирования алгоритмов в условияханомальных измерений приведены на Рис.

3 – 8 .Рис. 3. Оценки ошибок ИНС в определении скорости c аномальным выбросом11Рис. 4. Оценки углов отклонения ГСП c аномальным выбросомРис. 5. Оценки ошибок ИНС в определении скорости c пачкой аномальныхвыбросовРис. 6. Оценки углов отклонения ГСП c пачкой аномальных выбросов12Рис. 7. Оценки ошибок ИНС в определении скорости в условиях аномальныхвыбросов с разработанным алгоритмомРис. 8. Оценки углов отклонения ГСП в условиях аномальных выбросов сразработанным алгоритмомНа Рис. 3, 4, 5, 6, 7, 8 введены следующие обозначения: 1 – ошибкиИНС, 2 – оценки ошибок ИНС.Точность разработанного алгоритма оценивания при использованиианомальных измерений в среднем на 8-10% выше по сравнению с фильтромКалмана и на 5% по сравнению с адаптивным алгоритмом.В условиях исчезновения сигнала от СНС используется априорнаямодель, линейный тренд и алгоритм самоорганизации.В условиях кратковременного исчезновения сигнала СНС прииспользовании для коррекции ИНС априорной модели точность вычисленияпогрешности ИНС в определении скорости повышается в среднем на 60% (посравнению с автономной ИНС); при использовании линейного тренда – на 75%;алгоритма самоорганизации – на 70-80%.В условиях долгосрочного исчезновения сигнала СНС использовать длякоррекции ИНС априорную модель или линейный тренд не представляется13возможным, а алгоритм самоорганизации позволяет повысить точность всреднем на 75%.Результаты работы алгоритма самоорганизации и модифицированноготренда на последнем этапе прогнозирования становятся идентичными ипредставлены на Рис.

9.Рис. 9. Оценки ошибок ИНС в определении скорости с релейным алгоритмомНа Рис. 9 введены следующие обозначения: 1 – результаты прогнозапогрешностей ИНС с помощью последней оценки; 2 – результаты прогнозапогрешностей ИНС с помощью линейного тренда; 3 – результаты прогноза спомощью модифицированного тренда; 4 – результаты прогноза с помощьюалгоритма самоорганизации с априорным выбором базисных функций; 5 –погрешности ИНС; 6 – релейный алгоритм коррекции ИНС.На Рис. 10 представлены результаты моделирования процессаопределения рабочего контура измерительного комплекса с помощью критерияэффективности КОИ.Рис. 10. Определение рабочего контура измерительного комплекса с помощьюкритерия эффективности КОИ.На Рис.

10 введены следующие обозначения: 1 – Погрешность ИНС ( ); 2– Оценка ошибок ( ̂); 3 – Ошибка оценивания ( ̃̂); 4 – Погрешность14СНС. В промежутках времени 0 – T1 и T2 – T3 используется СНС. Впромежутке времени T1 – T2 используется КОИ.В заключении приведены основные результаты диссертационнойработы.ОСНОВНЫЕ ВЫВОДЫ ПО ДИССЕРТАЦИИ1. Исследованы схемы алгоритмической коррекции навигационныхсистем ЛА. Рассмотрены возмущающие факторы, действующие на ИНС и СНСи обуславливающие появление погрешностей.

Проведен системный анализматематических моделей погрешностей навигационных систем и на его основевыбраны наиболее перспективные алгоритмы коррекции.2. Разработан алгоритм оценивания для схемы коррекции погрешностейИНС, способный функционировать в условиях отсутствия априорнойинформации о статистических характеристиках входных и измерительныхшумов, а также в условиях аномальных измерений.3. Разработан релейный алгоритм коррекции ИНС в условияхисчезновения сигналов СНС с помощью прогнозирующих трендов иалгоритмов самоорганизации или генетических алгоритмов.4. Разработаны критерии оценки эффективности использования КОИ впроцессе полета ЛА, основанные на использовании текущей информации оковариационной матрице ошибок оценивания или прогнозных значениях.5.

Анализ результатов математического моделирования показал, чтопредложенные алгоритмы позволяют повысить точность навигационныхопределений в условиях стохастической неопределенности и при воздействиивысокого уровня помех. Разработанные критерии оценки эффективностииспользования КОИ позволяют принять решение о целесообразностипроведения коррекции в процессе полета ЛА.ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ1.