SINS制導工具誤差補償研究.pdf

1、隨著計算機技術的不斷發(fā)展和制導技術的不斷完善，捷聯(lián)制導工具誤差成為當前影響導彈制導精度的主要因素。而受加工水平和制造工藝的限制，單純依靠提高陀螺儀和加速度計的加工精度來減小捷聯(lián)制導工具誤差的代價變得愈發(fā)昂貴。相比之下，采用儀表級或者系統(tǒng)級的捷聯(lián)制導工具誤差補償方法，則是一種更為經濟而有效的途徑。但是，捷聯(lián)制導工具誤差補償?shù)挠行灾饕Q于慣性儀表誤差模型的準確性、誤差系數(shù)的穩(wěn)定性和補償方法的完善性。因此，本文從理論和實際兩個方面深入系統(tǒng)

2、地研究了捷聯(lián)制導工具誤差分離與補償中的一系列問題，在試驗設計、模型結構確定、辨識算法、天地檢驗、誤差補償?shù)葞讉€方面做出了一系列細致而富有成效的工作：
　　首先，建立了捷聯(lián)制導工具誤差模型。根據干擾力拒的類型和剛體轉動的動力學原理，推導了陀螺儀和加速度計的靜態(tài)和動態(tài)誤差模型?；诮萋?lián)導航原理，推導出捷聯(lián)制導工具誤差模型。該模型物理意義明確，可根據仿真研究和工程應用的需要進行擴充或簡化處理；
　　其次，為了提供高精度的遙、外測速

3、度差數(shù)據以作為捷聯(lián)制導工具誤差模型估計的觀測量，本文結合載體具有高動態(tài)、高過載的飛行特性，深入研究了高動態(tài)環(huán)境下的捷聯(lián)導航算法，重點考慮位置解算中的渦卷效應補償算法、速度解算中的劃槳效應補償算法和姿態(tài)解算中的圓錐效應補償算法，從而大大減小了捷聯(lián)導航算法誤差?？紤]到在對導航數(shù)據的野值鑒別過程中容易出現(xiàn)“誤判”和“漏判”的情形，本文提出了利用基于模糊聚類和神經網絡的模糊預測系統(tǒng)來檢測野值和濾除野值的方法，該方法能夠克服常用野值識別和剔除方法

4、效果差的缺點。這樣，根據靶場提供的慣性測量元件脈沖輸出能夠進行真實彈道復現(xiàn)，從而為誤差系數(shù)分離提供精確的遙測數(shù)據；
　　接著，考慮到SINS制導工具誤差模型階次高、復共線性嚴重的特點，本文采用先結構辨識、后參數(shù)估計的序貫辨識方案。在結構辨識中，常用的方法由于將模型中的強相關項全部剔除而給工程應用帶來損失，因此，本文提出了新的有益思想，即在保留一定相關性的基礎上進行辨識：將輸出向量ΔW與環(huán)境函數(shù)矩陣S構成增廣矩陣A，然后采用“比定階

5、行列式”來剔除相關向量的方法，這樣既可以盡可能多地保留了對落點影響大的強相關參數(shù)，又可以對落點影響小的強相關參數(shù)給予剔除；在參數(shù)估計中，改進了特征根估計中特征根和特征向量的篩選方法，提出“近零”準則，從而大大提高了參數(shù)估計的精度；
　　再者，鑒于天地模型“一致性”檢驗是飛行試驗和SINS制導工具誤差系數(shù)分離的主要目的，因此，本文又深入分析了造成天地模型不一致的原因，提出了采用基于F統(tǒng)計的線性回歸模型假設檢驗方法來進行捷聯(lián)制導工具誤