中国科技核心期刊      中国指挥与控制学会会刊     军事装备类重点期刊
Command Control and Simulation

Command Control and Simulation >

2019 , Vol. 41 >Issue 4: 98 - 101

DOI: https://doi.org/10.3969/j.issn.1673-3819.2019.04.018

Engineering & Application

Estimation Method of Target Maneuver Based on Infrared Measurement Information

  • LI Fei 1 ,
  • WANG Yan-shun 2 ,
  • GONG Zheng 2
Expand
  • 1. Delegate Office of Navy in Luoyang District, Luoyang 471009
  • 2. China Air-borne Missile Academy, Luoyang 471009, China

Received date: 2018-12-23

  Revised date: 2019-02-21

  Online published: 2022-05-19

Fold

Abstract

In order to improve the design performance of infrared missile guidance system, an estimation algorithm of target maneuver is proposed. The method uses infrared seeker angle measurement and flight mission information,through the measurement information conversion,realizes the estimation of target maneuver information by Kalman filter. The Simulation results show that the method is easy to implement and has high estimation accuracy,which can meet the design requirements of infrared guidance.

Key words： Kalman filter; maneuvering target tracking; LOS angle rate; line deviation estimation

Cite this article

LI Fei , WANG Yan-shun , GONG Zheng . Estimation Method of Target Maneuver Based on Infrared Measurement Information[J]. Command Control and Simulation, 2019 , 41(4) : 98 -101 . DOI: 10.3969/j.issn.1673-3819.2019.04.018

红外制导导弹由于其测量器件的限制,只能得到弹目视线角及视线角速度测量信息,而现代制导律为了改善制导回路的性能,通常需要目标的机动信息。因此,提高目标机动估计精度,已成为制约红外制导导弹性能提升的核心问题。
基于角量测量的状态方程与量测方程存在非线性关系[1]。但若采用扩展Kalman(EKF)与粒子滤波(PF)技术等非线性估计方法,又极大地增加了模型的复杂性与运算量。因此,还需进一步研究以线性模式为基础的目标机动估计算法[2]。针对上述问题,本文设计了一种递推的Kalman滤波器,通过构造惯性空间视线角估值残差,进一步得到弹目相对位置的线偏差,实现对目标机动信息的精确估计,并通过仿真验证了算法设计的正确性。

1 卡尔曼滤波器

如图1所示,目标具有一阶动力学,动力学等效时间常数为Tt,目标有任意加速度初值aT0,目标加速度指令等价为均值为0的白噪声ω。aM为导弹速度。y为弹目相对位置, y ˙为弹目相对速度,aT为目标加速度 ( a ⇀ T 0为仿真周期内目标加速度均值)。
图1 运动模型示意图
由于导弹自身的位置、速度、加速度可由捷联惯导获得,因此Kalman滤波观测器中只考虑选取3个状态[3],即
X= y y ˙ a ⇀ T T
初值X0= y 0 y ˙ 0 a ⇀ T 0 T,即弹目相对运动位置、相对运动速度和目标加速度信息的初值可以由飞行任务、导引头指向获得。
系统状态方程为
y ˙ y ¨ a ⇀ · T= 0 1 0 0 0 1 0 0 - 1 T t y y ˙ a ⇀ T+ 0 - 1 0 a ⇀ M+ 0 0 1 T tω
Z=y= 1 0 0 y y ˙ a ⇀ T+υ
卡尔曼滤波由增益更新方程和状态更新方程两部分构成[4],卡尔曼滤波的相关方程为
协方差预测方程
Mk=ΦkPk-1 Φ T k+Qk
状态预测方程
x k / k - 1=Φkxk-1+Gkuk-1
增益运算方程
Kk=MkHT(HMkHT+Rk)-1
协方差估值方程
Pk=(I-KkH)Mk
状态估值方程
xk= x k / k - 1+Kk(zk- z k / k - 1)=Φkxk-1+Gkuk-1+Kk(zk-HΦkxk-1-HGkuk-1)
进一步展开有
y k * y ˙ k * a T k *= y k , k - 1 * y ˙ k , k - 1 * a T k , k - 1 *+ K 1 k K 2 k K 3 k(yk- y k , k - 1 *)
其中,
y k , k - 1 * y ˙ k , k - 1 * a T k , k - 1 *=Φk y k - 1 * y ˙ k - 1 * a T k - 1 *+ 0 - 1 0aMk-1。
由状态估计方程可知,量测量yk与一步状态 y k , k - 1 *计算得到估计偏差,乘以滤波增益系数,从而得到一步状态估计基础上对状态估计的修正。

2 基于红外制导的线偏差量测方程

由于红外导引头在极坐标系下进行量测,同时无法获取目标的距离信息,直接获取弹目相对位置yk非常困难。因此采用了间接估计线偏差yk- y k , k - 1 *的方法[5]。
相对距离为R,目标位置为yk,构成视线Los与导引头视线角的量测值q。根据上一步状态预测得到相对距离R*与目标位置 y k , k - 1 *,构成虚拟视线Los*与导引头视线角的量测值预估值q*,如图2所示。
图2 弹目相对关系示意图
由图2,可以得到
yk- y k , k - 1 *=Rsinq-R*sinq*
取R≈R*则上式可表示为
yk≈R*(sinq-sinq*)+ y k , k - 1 *
其中,q为导引头视线角的量测值,可直接得到。
式(11)中,q*根据相对距离R*与状态一步估计 y k , k - 1 *计算得到,其计算公式可表示为
q*=arcsin y k , k - 1 * R *
红外制导导弹近距格斗场景下,目标速度沿弹目视线方向的变化量较小,进行简化运算,即
R*= ∫ t 0 t f ( V x T - L o s- V x m - L o s)dt+R0
式(13)中,R*的初值R0、目标沿视线方向速度初值 V x T - L o s 0由载机提供,并设在整个飞行过程中 V x T - L o s= V x T - L o s 0, V x m - L o s根据捷联惯导输出的导弹速度、姿态以及导引头输出的高低、方位角计算,t0为导弹发射初始时间、tf为导弹自主飞行时间。
将式(12)(13)求解结果代入式(11),可得到弹目相对位置yk。

3 仿真验证

本文建立了包含目标运动及简化导引头稳定平台动力学的制导系统仿真模型,如图3所示。仿真中设定导弹初始发射速度为Ma=0.8,正尾后攻击目标,发射时刻弹目距离为3 km,目标速度为Ma=0.8,发射后以aTc=6 g的加速度作常值机动(机动时间常数Tt为1 s)。
图3 仿真模型示意图
制导系统仿真模型中的导引头模型如图4所示,qt为视线角输入信号,视线角与导引头框架角qs形成失调角,经探测器得到误差角ε,ε经过PI校正网络形成导引头转动角速度输出 q ˙ s(仿真中设置比例控制增益Kp=40,积分控制增益KI=30)。
图4 导引头仿真模型
卡尔曼滤波所需的弹目相对位置、相对速度等状态量由飞行任务装订信息获得;量测量由导引头输出的失调角、框架角,弹载捷联惯性输出的姿态角,以及弹目距离估值信息等构建,Kalman滤波通过迭代运算,完成对目标机动等状态的估计[6]。在仿真中,设定加速度初值aT0为零,设定过程噪声10 000(m/s2)2,量测噪声0.01 m2,图5~图7给出了对目标机动过载、相对速度及相对距离估计结果。
图5 目标加速度估计结果
图6 相对速度Vy估计结果与估计误差
图7 相对位置y估计结果与估计误差

4 误差与鲁棒性分析

计算模型的核心是对距离R*的估计,因此需分析R*的误差对估计误差的影响。取误差模型如下
R t r *=kR*+ΔR0
其中k为比例误差系数,可以由计算模型误差、量测误差等带来。R0为距离递推的初值误差。
取ΔR0=0,k=1.1、0.9,其余仿真条件保持不变,由图8~图10给出的仿真结果可知,当R*存在±10%误差时,状态估计误差基本也接近10%,两者基本是等价的。
图8 距离比例误差条件下目标加速度估计结果
图9 距离比例误差条件下相对速度估计结果与估计误差
图10 距离比例误差条件下相对位置y估计结果与估计误差
ΔR0为距离递推的初值误差,由载机在发射初始时刻提供给导弹,假设
Δ R0=kR0R0
kR0表示初值误差相当于初始距离的系数。本例中R0=3 km,设kR0=0.1,则初值误差ΔR0=300 m。其余仿真条件保持不变,由图11~图13给出了Kalman滤波估计结果。
图11 初始距离误差条件下的目标加速度估计
图12 初始距离误差条件下的相对速度Vy估计结果
图13 300 m初始距离误差条件下的相对速度Vy估计误差
由图11~图15可见,初始距离装订误差对Kalman滤波器估计结果的影响是非常大的。尤其在弹道末端,会造成滤波器发散。因此,采用该算法的前提是载机可以提供较为准确的弹目距离初值。
图14 初始距离误差条件下相对位置y估计结果
图15 300 m初始距离误差条件下相对位置y估计误差

5 结束语

本文提出了一种利用红外导引头测角及递推估计线偏差进行目标机动估计的方法,并进行了仿真验证。仿真结果表明该方法能够实现对目标机动、弹目相对位置及相对距离的精确估计,能够满足红外制导导弹对目标机动及弹目相对运动信息的估值要求。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Hepner S A R, Geering H P. Observability Analysis for Target Maneuver Estimation Via Bearing-only and Bearing-rate-only Measurments[J]. Journal of Guidance, Control and Dynamics, 1990, 13(6): 977-983.

DOI

[2]
田宏亮, 梁晓庚, 贾晓洪, 等. 只测视线角速度的目标可观性判据[J]. 北京航空航天大学学报, 2011, 37(5):536-537.

[3]
R.A.Singer. Estimating Optimal Tracking Filter Performance for Manned Maneuvering Targets[J]. IEEE, 1970, AES-6:473-483.

[4]
Kalman R E. A New Approach to Linear Filtering and Prediction Problems[J]. Journal of Basic Eng(ASME), 1960, 82D:35-46.

[5]
周峰, 孟秀云. 基于线偏差测量的目标运动参数估计方法及仿真研究[J]. 系统仿真学报, 2008, 20(9): 2491-2497.

[6]
曹有亮, 张金鹏, 扩展卡尔曼滤波器的目标机动信息估计研究[J]. 航空兵器, 2016, 7(1):40-44.

Options
Outlines

/

〈 〉