2023年4月航天大会论文末

.2939.10%的故障状态,执行机构失效30%的故障状态,执行机构失效50%的故障状态,与执行机构失效70%的故障状态下进行仿真测试,取满推力控制指令为±500N。在姿控喷管未发生推力下降故障的情况下,其姿态控制测试结果如图4所示。加入姿控喷管失效70%的工况,其姿态控制测试结果如图5所示。420100-2051015202530051015202530t/s0-2.5-5.00-1-2t/s(b)051015202530t/s图4执行机构未失效状态下运载火箭姿态控制效果曲线。(a)三通道姿态角误差曲线,(b)三通道角速度曲线,(c)三通道等效控制量曲线,各子图自上而下顺序分别为俯仰通道、偏航通道、滚动通道仅以俯仰角控制通道对比(实际仿真为三通道,受篇幅限制,不失一般性,仅列出俯仰角通道的仿真结果),在推力偏差为0%、10%、30%、50%、70%时,各通道控制曲线如图6~图8所示。从以上仿真结果来看,采用TD3强化学习算法进行强适应姿态控制器的设计,在执行机构能力衰减的情况下,仅在前期动态过程时控制曲线与响应曲线有差别。在达到稳态后,5种工况的稳态值几乎相同,可见基于TD3强化学习算法训练的控制器可实现在执行机构失效情况下的强适应控制。.2940.0t/s(a)4200-2.5-5.00-1-2t/s(b)t/s图5执行机构失效70%状态下运载火箭姿态控制效果曲线。(a)三通道姿态角误差曲线,(b)三通道角速度曲线,(c)三通道等效控制量曲线,各子图自上而下顺序分别为俯仰通道、偏航通道、滚动通道本文针对运载火箭姿控喷管发生推力下降故障时的姿态控制问题,采用TD3强化学习算法训练出一套强适应免解耦姿态控制器进行姿控喷管推力下降工况下的强适应免解耦姿态控制。仿真结果表明算法对于运载火箭姿控喷管推力下降故障具有较强的鲁棒性,在喷管推力下降70%时仍能实现正常的姿态控制。本方法可以作为一种潜在的基于数据驱动的控制律设计方法,应用于各类故障条件下的飞行器多通道姿态控制器的训练与设计。543210decaydecayrate=0%decayrate=10%decayrate=30%decayrate=50%decayrate=70%15202530015202530t/s(a)decaydecayrate=0%decayrate=10%decayrate=30%decayrate=50%decayrate=70%t/s(b)图6不同工况下俯仰角误差控制曲线对比(右图为前3s的放大曲线)-0.5-1.5-2.0-2.5decaydecayrate=0%decayrate=10%decayrate=30%decayrate=50%decayrate=70%1525305201525305t/s(a)-0.5-1.5-2.0-2.5decaydecayrate=0%decayrate=10%decayrate=30%decayrate=50%decayrate=70%051015202530t/s(b)图7不同工况下俯仰角速度控制曲线对比(右图为前3s状态)0.750.500.25-0.25-0.50-0.75decaydecayrate=0%decayrate=10%decayrate=30%decayrate=50%decayrate=70%1525305201525305t/s(a)0.750.500.25-0.25-0.50-0.75decaydecayrate=0%decayrate=10%decayrate=30%decayrate=50%decayrate=70%051015202530t/s(b)543210图8不同工况下俯仰通道控制量曲线对比(右图为前3s状态)543210.2941..2942.[1]张卫东,刘玉玺,刘汉兵,等.运载火箭姿态控制技术的发展趋势和展望[J]．航天控制,2017,35(3):8588.[2]赵小平.基于自适应H∞的重型运载火箭姿态控制方法研究[D]．哈尔滨:哈尔滨工业大学,2012:2768.[3]王青,王昭,董朝阳.一种基于二阶滑模的柔性运载火箭姿态控制[J]．系统仿真学报,2009,21(7):20062009.[4]王晔,程昊宇.运载火箭姿态的自抗扰控制器设计[J]．弹箭与制导学报,2015,35(4):1114.[5]刘乾.基于模糊PD的运载火箭姿态控制系统设计[J]．农业装备与车辆工程,2020,58(5):9699.[6]刘盼.捆绑式运载火箭一体化模型降阶、模态辨识与姿态控制设计[D]．上海:上海交通大学,2016:90141.[7]朱蕾蕾,金龙,范鑫.运载火箭姿态控制多任务通用设计方法[J]．上海航天,2020,37(S2):8591.[8]李君,董朝阳,程兴,等.基于姿控喷管开关控制的全量耦合动力学建模与控制优化技术研究[J]．导弹与航天运载技术,2017(6):[9]刘靖邦.数据驱动的火箭飞行姿态控制研究[D]．北京:北京交通大学,2020:175.[10]孟洲.发动机伺服机构故障下大型捆绑火箭容错控制[D]．长沙:国防科学技术大学,2013:1104.[11]马艳如,王青,胡昌华,等.执行器故障下的运载火箭非奇异终端滑模容错控制[J]．宇航学报,2020,41(12):15531560.[12]SILVERD,HUANGetal.MasteringtheGameofGowithDeepNeuralNetworksandTreeSearch[J]．Nature,529,484489,2016.[13]VINYALSO,EWALDST,BARTUNOVS.StarCraftII:ANewChallengeforReinforcementLearning[DB/OL]．arXivpreprint:[14]BERNERC,BROCKMANG,CHANB,etal.Dota2withLargeScaleDeepReinforcementLearning[DB/OL]．arXivpreprint:[15]孙辉辉,胡春鹤,张军国.移动机器人运动规划中的深度强化学习方法[J]．控制与决策,2021,36(6):12811292.[16]陈奇石.强化学习在仿人机器人行走稳定控制上的研究及实现[D]．广州:华南理工大学,2016:182.[17]FUJIMOTOS,VANHOOFH,MEGERD.AddressingFunctionApproximationErrorinActorCriticMethods[DB/OL]．arXivpreprint:1802.09477v3,2018.[18]LILLICRAPTP,HUNTJJ,PRITZELA.ContinuousControlwithDeepReinforcementLearning[DB/OL]．arXivpreprint:[19]SUTTONRS,BARTOAG.ReinforcementLearning:AnIntroductionSecondEdition[M]．TheMITPress,2017,3755.[20]SUTTONRS,BARTOAG.ReinforcementLearning:AnIntroductionSecondEdition[M]．TheMITPress,2017,97113.[21]Kingma,D.andBa,J.,Adam:Amethodforstochasticoptimization[DB/OL]．arXivpreprint:1412.6980,2014.StrongAdaptiveControlofLaunchVehicleNozzleThrustDescentFaultBasedonReinforcementLearningJIAChenhu,LIUXiaodong,WEIMinfeng,GONGQinghaiNationalKeyLaboratoryofScienceandTechnologyonAerospaceIntelligentControl,BeijingAerospaceAutomaticControlInstituteAbstractInthispaper,strongadaptiveattitudecontrolalgorithmundertheconditionofthrustdescentfailureoftheattitudecontrolnozzleduringtheflightofthelaunchvehicleisstudied.Athree channelendtoendattitudecontrollerisdesignedwithTD3(TwindelayedDeepDeterministicPolicyGradient)reinforcementlearningalgorithm,whichismoreadvancedinthecurrentcontinuousactionspacereinforcementlearningalgorithm,andtheattitudeangleerrorandangularvelocityofthelaunchvehicleareusedasstatevariables.Takingtheequivalentcontrolquantityofeachchannelastheoutputofthe.2943.controller,themultichannelintegratedstrongadaptiveattitudecontrolofthelaunchvehicleisrealized.Thesimulationscarriedoutinthepapershowthattheattitudecontrollerdesignedbythisalgorithmcanautomaticallyadapttothethrustdropconditionofthelaunchvehiclenozzlewhentheactuatorcapacityissufficient,andquicklyadjusttheoutputoftheactuatortorealizetherapidcorrectionofthelaunchvehicleattitudecontrolerrorThismethodhasstrongadaptabilityandrobustnesstofaultconditions,andhascertainresearchvalueandengineeringreferencevalueinsolvingtheproblemofcontrolreconfigurationunderfaultconditionsoflaunchvehicles．KeywordsLaunchVehicle;ThrustDropFailureofAttitudeControlNozzle;ReinforcementLearning;TD3Algorithm;EndtoEndandDecoupleFree;AdaptiveAttitudeControl.2944.非线性滤波算法在卫星姿态估计中的应用研究刘杰1赵晨1朱永杰21.中国空间技术研究院通信与导航卫星总体部;2.西安卫星测控中心摘要针对矢量观测的三轴稳定卫星的高精度姿态估计问题,通过对非线性滤波算法的比较发现:进行无损卡尔曼滤波(UKF)滤波时,其多元分布代表点个数会随系统维数的增加而增大,尤其是在高维度高精度多敏感器数据融合时,工程应用中的计算负担超出星载计算机的能力.针对这一问题,将一种基于球面代表点变换的改进UKF算法应用于卫星高精度姿态估计中,在保证滤波精度与标准UKF算法相当的前提下,使计算效率得到明显改善,仿真结果表明,改进的UKF算法可以取得比标准UKF更快的滤波收敛性,大大降低计算负载,更适用于工程应用.关键词卫星姿态估计;非线性滤波;无损卡尔曼滤波(UKF)在卫星的高精度姿态估计算法中,由于卫星轨道参数的误差、姿态敏感器的安装误差、执行机构控制周期误差等系统非线性因素导致的不确定性,在工程应用中,将三轴稳定卫星姿态估计问题进行近似线性化处理后,导致姿态估计精度越来越差,特别是随着姿态估计系统维度的增加,线性化滤波算法误差累积到一定程度会使滤波误差的协方差阵失去非负定性,从而使滤波精度大大降低甚至造成滤波器发散。近年来,基于矢量观测的非线性滤波方法因具有精度高、对参数选取灵活等优点,得到许多学者的关注。滤波是控制工程中常用的信息融合的方法之一。实际工程应用中所获得的测量数据本质是非线性的,每个系统都或多或少地包含着非线性因素,通常采用的扩展卡尔曼滤波(ExtendedKalmanFiltering,EKF)方法[1]是通过线性化办法处理非线性问题,因此对强非线性系统必然引入较大的线性化误差,严重影响滤波精度。针对上述缺点,文献[2]将基于统计线性回归(LRKF)技术的一种新的非线性滤波方法无损卡尔曼滤波(UKF)应用于卫星姿态估计。与EKF相比,UKF不需要对函数进行微分,因此除对函数的可微性不作要求外,甚至即使函数不连续且存在奇异点(无导数存在)也能进行滤波,因而适用范围较广。本文研究了非线性滤波算法在三轴稳定卫星高精度姿态估计中的应用,目的是找出一种适用于工程应用的非线性滤波算法,以提高基于多敏感器数据融合的卫星姿态控制精度和抗干扰能力。通过构建UT变换代表点,将一种基于球面代表点变换的改进UKF算法应用于卫星高精度姿态估计中,在保证滤波精度与标准UKF算法相当的前提下,使计算效率得到明显改善。1无损卡尔曼滤波(UKF)算法考虑非线性系统xk+1=f(xk,wk)(1).2945.yk＝h(xk,vk)(2)式中,xk为nx维的系统状态向量,yk为ny维的系统观测向量,wk为nw维的系统噪声,vk为nv维的观测噪声。设wk为高斯白噪声,方差矩阵为Qk,vk为高斯白噪声,方差矩阵为Rk,且wk与vk互不相关。初始分布的均值为x0,方差为P0。标准的UKF算法如下:1)初始化:=E[x=E[x],P=E[(x-)(x-)T](3)χa,k＝[χa(0,χa(i,)kχa(i,N)],i=1,2,…,N(4)χa(0,＝[x00]T(5)权值为(8)3)时间更新:χα(i,+1k＝fα(χα(i,)(9)(10)i=0i1k)(12)(13)4)测量更新:Kk+1=1(1)-1(16)P1k＝1k－Kk+11K+1(17)xk+1=xk+1k＋Kk+1(yk+1-k+1k)(18)UKF的算法流程图如图1所示。1.2改进UKF算法对于随机向量的UT变换,只要保证采样点集合的均值和方差特性与原始分布一致,任何对称的采样点集合都可以在经过UT变换后,其均值和方差的计算误差在3阶或者3阶以上[3]。然而,在某些高精度的应用中,对于随机向量的近似仅仅保证采样点集合的均值和方差特性是不够的,所以必须采取措施提高近似精度。从多元分布代表点的角度来看,通过随机向量样本的非线性变换来计算后验分布的统计特性,只有当样本包含更多原始分布的信息时,经过非线性变换后的样本集合才能够表达更多后验分布的信息,因此提高近似精度的主要途径是提高样本点的代表性,这样必然会增加样本点的个数。同时,在某些对实时性要求较高的工程应用中,UT代表点个数的增加会带来较大的计算负担和较长的计算时间,无法满足实时性要求,因此必须简化UT代表点,减少代表点个数。可见,对UKF算法的改进主要包括两个方面[4]:.2946.图1UKF算法流程图1)为提高估计精度,改进UT代表点的代表性,使其包含更多的原始分布信息,从而经过非线性变换得到更准确的后验信息;2)为满足工程应用需要,简化UT代表点,减少代表点个数,降低计算负担。总之,对UKF算法的改进主要集中在对UT代表点的选择与设计上。2一种减少采样点个数的改进UKF算法传统的UKF选择2n+1个对称分布的UT代表点进行UT变换。对于n维状态变量,至少需要n+1个采样点来描述其均值和方差。球面代表点变换是通过n+1个分布在以随机变量的均值为原点的球面上的权值相等的采样点来近似变量的概率分布,这样由n+1个球面代表点和变量的均值点构成了n+2个改进UT变换代表点。均值为0,方差阵为单位阵的n维随机变量≈的球面代表点算法如下:.2947.1)选择权值W0,满足:0≤W0≤1(19)2)确定权值Wi:(20)3)初始化向量序列:ìïe=[0](21)4)扩展向量序列(j=2,…,n):其中,e其中,e表示j维随机变量的第i个采样点,0j表示j维零向量。通过以上算法得到x的n+2个采样点e,i=0,,n+1。对于均值为x,方差为Px的n维随机变量x的球面代表点可以通过下式得到:χi＝x＋Pxei=0,…,n+1(23)这种减少采样点个数的改进UKF算法采用n+2个球面代表点代替了2n+1个对称分布的UT代表点,对于多维系统明显减少了采样点个数,因此在保证滤波精度与标准UKF算法相当的前提下,计算效率会得到明显改善。3三轴稳定卫星姿态估计模型由红外地平仪、太阳敏感器和速率积分陀螺组成的姿态测量系统,是对地定向三轴稳定卫星姿态确定的典型模式。在三轴稳定状态,卫星相对于轨道坐标的姿态角φ,θ,ψ为小量,速率陀螺的输入是卫星在空间的转速沿星体的分量,有:x-ω0ψ其中,φ,θ,ψ卫星的滚动角,俯仰角和偏航角;ω0为轨道角速度;ωx,ωy,ωz为卫星本体惯性系角速度分量。三只速率陀螺的输入轴分别沿星体三轴安装,陀螺系统的测速模型可列为:g(t)=ω(t)＋b(t)＋d(t)＋n(t)(25)式中,g(t)为三只陀螺的测量输出,ω(t)为沿三只陀螺输入轴的姿态速率,b(t)和d(t)为三个陀螺的漂移(常值漂移和相关漂移),n(t)为三个陀螺的白噪声。陀螺漂移是影响姿态测量高精度的主要因素,陀.2948.螺常值漂移和相关漂移的状态方程为:b.i＝nbi(26)其中,τi为陀螺一阶马尔可夫过程的相关时间常数;ni为零值高斯白噪声.太阳敏感器的模型为:mθ=+Δmθ(27)mψ=+Δmψ其中,S,S,S为太阳矢量在卫星坐标系下的分量;mφ,mθ,mψ为太阳敏感器的输出;Δmφ,Δmθ,Δmψ为测量噪声.地球敏感器测量误差(Δφ.h,Δθ.h)模型为:Δφ.h=0,Δθ.h=0.综合上述各式,获得11维陀螺/太阳敏感器/地球敏感器组合测姿系统模型.文献[8]指出在对地定解耦为俯仰回路和滚动偏航回路两部分,并根据卫星所处的工作模式进行不同回路的滤波.向的姿态动力学中,俯仰和滚动－解耦为俯仰回路和滚动偏航回路两部分,并根据卫星所处的工作模式进行不同回路的滤波.4仿真校验为了验证改进UKF滤波算法在卫星姿态估计应用中的可行性,利用某通信卫星动力学模型,按照第3节中的卫星姿态估计模型进行了仿真.仿真中,对地定向的三轴稳定卫星处于对地稳定状态,其初始滚动角,俯仰角和偏航角φ,θ,ψ近似为零,仿真时间为2000s,时间间隔为0.1s.陀螺在x,y,z方向上的常值漂移均为20°/h,相关漂移均为2°/h,太阳敏感器测量噪声为0.015°,地球敏感器测量噪声为0.030°.仿真结果如图2~图4所示.滚动角姿态估计误差时间/S图2滚动角姿态估计误差图2~图4给出了采用改进的UKF滤波算法得到的卫星滚动角、俯仰角和偏航角估计误差.从图中可以看出在初始滤波阶段误差角较大,尤其是偏航轴误差角Δψ最大,一方面这与初值选取有关,但更主要的原因是此时陀螺的常值和相关漂移的估计不准确,由此可以确定陀螺漂移是影响姿态测量高精度的主要因素..2949.俯仰角姿态估计误差时间/S图3俯仰角姿态估计误差偏航角姿态估计误差时间/S图4偏航角姿态估计误差表1给出了采用传统UKF和改进UKF对卫星姿态估计模型进行滤波后的性能比较,可以得出:1)采用球面代表点代替传统Sigma点,对于多维系统明显减少了采样点个数,在工程应用中,大大提升了计算效率;2)传统UKF对高维卫星姿态估计模型的滤波收敛慢、精度差、易发散,改进的UKF可有效加快收敛速度,提高系统精度,避免滤波发散,更适于工程应用。表1卫星姿态估计滤波算法性能比对性能比对改进UKF/传统UKF(％)滚动角误差57.3%俯仰角误差49.6%偏航角误差56.8%收敛时间68.5%计算量21.2%本文将一种基于球面代表点变换的改进UKF算法应用于卫星高精度姿态估计中,在星载计算机计算能力约束下,采用改进的UKF算法可以取得比标准UKF更快的滤波收敛性,大大降低计算负载,更适于工程应用。.2950.[1]LeffertsEJ,MarkleyFL,Shuster,M.D.KalmanFilteringforSpacecraftAttitudeEstimation[J]．JournalofGuidanceControl[2]VandykeMC,SchwartzJL,HallCD.UnscentedKalmanFilteringforspacecraftattitudestateandparameterestimation[J]．AdvancesintheAstronauticalSciences,2004,119(1)．[3]JulierS,UhlmannJ,DurrantWhyteHF.Anewmethodforthenonlineartransformationofmeansandcovariancesinfiltersandestimators[J]．IEEETransAutomaticControl,2001.[4]方开泰,贺曙东.在正态总体中如何选择给定数目的代表点的问题[J]．应用数学学报,1984,7(3):293306.[5]李涛.非线性滤波方法在导航系统中的应用研究[D]．国防科学技术大学,2003.[6]WuZ,YaoM,MaH,etal.AnAttitudeEstimationMethodUsingMultiSensorFusionforLowCostMobileSatelliteCommunication[J]．JournalofXi’anJiaotongUniversity,2012.[7]章仁为.卫星轨道姿态动力学与控制[M]．北京:北京航空航天大学出版社,1998:157176.[8]SOOPEM.地球静止轨道手册[M]．王正才,邢国华,张宏伟,等,译.北京:国防工业出版社,1999.ApplicationofNonlinearFilteringAlgorithmforSatelliteAttitudeEstimationLIUJie1,ZHAOChen1,ZHUYongjie21.InstituteofTelecommunicationandNavigationSatellite,CAST;2.Xi’anSatelliteMeasurementandControlCenterAbstractAimingattheproblemofhighprecisionattitudeestimationofthreeaxisstablesatellites,itisfoundthroughthecomparisonofnonlinearfilteringalgorithmsthatthenumberofUnscentedTransformpointsrepresentedbythemultivariatedistributionwillincreasewiththeincreaseofsystemdimension,especiallyinthecaseofhighdimensional,highprecisionandmultisensor,thecomputationalburdenexceedstheabilityofsatelliteonboardcomputer.AnimprovedUKFalgorithmbasedonsphericalrepresentativepointtransformationisappliedtosatellitehighprecisionattitudeestimation,andthecalculationefficiencyissignificantlyimproved.ThesimulationresultsshowthattheimprovedUKFalgorithmcanachievefasterfilteringconvergencethanstandardUKF,greatlyreducethecomputingload,andbemoresuitableforengineeringapplications．KeywordsSatelliteattitudeestimation;Nonlinearfiltering;UnscentedKalmanfilter(UKF)防空导弹发射车异常抖动问题探究王惠娟牛远征姜晓明韦睿川赵文俊上海机电工程研究所摘要伺服驱动系统作为防空导弹发射车的重要组成部分,其性能对武器系统的作战效能至关重要.但是在产品研制过程中,由于环境、机械摩擦、齿隙等各种非线性因素的影响,往往会造成防空导弹发射车的异常抖动.为了解决发射车的异常抖动问题,本文对发射车的两种伺服驱动系统进行研究分析,针对不同情况下的抖动,从控制策略的角度给出不同的优化解决方案,设计出消抖控制算法.最后,问题.关键词伺服驱动系统;非线性因素;异常抖动;控制策略在防空导弹发射车上,涉及伺服驱动系统的主要有两大控制系统:随动控制系统和车调控制系统.两大控制系统都以分布式驱动为核心,其中,随动系统的被控对象为发射装置,用以带动发射架跟踪目标,其响应速度、跟踪精度、鲁棒性等指标的优劣会直接影响到武器效能的发挥.车调系统的被控对象为四条支腿,负责发射车的展开、调平以及撤收工作,用以为武器系统提供稳定的工程支撑和水平基准,是导弹发射车进行稳定发射的基础和平台.两大控制系统的信号拓扑关系如图1所示.图1信号拓扑关系图但是在产品研制过程中,由于结构摩擦、控制指令不确定等非线性因素的存在,往往会遇到异常抖动问题.对于伺服驱动系统来说,持续频繁的抖动,会造成机械结构的磨损和碰撞,影响电机的使用寿命.对于控制系统来说,系统的稳态和动态性能会进一步变差,非线性控制会变得更加复杂,造成系统的不稳定,严重时还会产生剧烈噪声,从而导致系统失稳、设备损坏甚至安全事故[1].因此本文以某型高集成防空导弹发射车的随动控制系统、车调控制系统为研究对象,结合各自的系统组成及工作原理,分析在不同情况下两者抖动的原因,并从控制策略的角度给出优化解决方案,设计消抖控制算法,解决试验调试过程中带来的抖动问题.1导弹发射车伺服驱动系统1.1随动系统组成及工作原理导弹发射车的随动系统主要由伺服计算机、伺服驱动系统、角编码器、制动电阻、电动缸、减速机等组成。伺服计算机为随动系统的控制机构,由于包含有数学模型解算,往往配置Vxworks、SylixOS等高实时性的操作系统。伺服驱动系统为动力执行机构,驱动器产生变频交流电控制电机转动,并经过减速传动装置,带动负载转动。角编码器为检测机构,用以反馈随动系统当前的架位信息,主要包括方位和高低两部分。制动电阻用以在电机制动时,释放电机产生的过电压。随动系统的基本组成如图2所示。图2随动系统的基本组成从整个武器系统的角度来看,随动系统工作原理如下:指控计算机接收雷达、光电、导航的目标信息,经过坐标转换、滤波等处理,将架位信息发送给伺服计算机。伺服计算机接收到架位信息以后,根据角编码器反馈的当前架位信息值以及导航的车体姿态信息,经过坐标转换、拉格朗日插值、卡尔曼滤波、量纲转换等步骤得到转速控制信息,完成位置控制的闭环。驱动器接收伺服计算机给出的转速控制信息,同时接收并解析电机反馈的当前转速值,经过滤波等步骤得到电机的电流控制信息,完成速度环的闭环。电流环的反馈来自于电机每相的霍尔传感器,通过采样滤波后,完成电流环的闭环[2]。根据上述随动系统的工作原理,可得到随动系统控制原理图如图3所示。图3随动系统控制原理图1.2车调系统组成及工作原理导弹发射车的车调系统主要由车控盒、交流驱动系统、水平仪、制动电阻、电动缸等组成。车控盒具备控制本控以及遥控功能,本控命令由自身发出,遥控命令为接收上位机控制指令。伺服驱动系统为动力执行机构,驱动器产生变频交流电控制电机转动,并经过减速传动装置,带动负载转动,从而完成对支腿的伸长或收缩[35]。水平仪用以检测车体两个垂直方向上倾斜度信息,为发射车的自动调平功能提供数据支撑。车调系统的基本组成如图4所示。图4车调系统的基本组成从整个武器系统的角度来看,指控计算机可发送一键调平以及撤收命令。车控盒接收到该命令以后,根据调平撤收控制策略,进行调平控制。车调控制也包含三环控制,但是与伺服系统不同,位置环最外围是车体姿态的反馈。车体的姿态信息由水平仪或者惯导提供,车控盒根据收到水平仪的数值,判断当前所处的调平流程,然后对驱动器进行转速控制。由于车体抖动发生在调平阶段,因此着重分析整个调平过程。一键调平分为触地阶段、粗调阶段、细调阶段、以及转矩控制阶段。触地阶段需要通过判断电流值来确定是否支腿触地。在粗调、细调阶段,根据水平仪反馈的数值,先进行X方向上的调平、再进行Y方向上的调平[68]。重复迭代,最终达到当前阶段的控制指标。在粗调、细调阶段,控制策略类似,不同的是控制电机的转速。在转矩控制阶段,按照提前设置好的转矩数值,进行消虚腿处理,若不满足调平指标,则重复粗调、细调流程。车调系统的工作原理如图5所示。图5车调系统控制原理图2随动系统抖动问题探究对于随动系统的末端抖动是一个系统问题,涉及多个专业学科,各个学科交叉融合,包括目标信息处理、指挥控制、伺服控制、数据处理、结构工程、软件工程等,需要从整个防空武器系统的多个维度去分析。对于整个防空系统而言,雷达、光电等传感器作为目指信息的来源,其目指信息的可靠性以及稳定性是控制信息的来源。在实际应用过程中,往往需要经过目标数据融合,目的是将各个传感器的优势集中在一起,比如光电可以看到目标画面,但是受天气影响较大。雷达虽然受到天气的影响较弱,但是容易受到电磁干扰,此外,回波虽然可以在一定程度上反映目标的形态大小,但是没有光电直观,因此往往用到数据融合技术,目的是将各个目标特征的提取出来,优化各个传感器的信息,利用协同工作的优势,最终提高系统的稳定性。若是目标信息存在误差,则有可能会造成目标信息的不连续,从而造成车体的抖动[9]。由于雷达、指控计算机、伺服计算机之间的通信周期是不一致的,因此会进行插值。指控计算机收到目标数据以后,往往需要进行滤波,滤除野值。野值的来源来自于传感器自身以及在传输过程中环境的干扰,可能存在某些错误的值,这些值可能已经超过了传感器在正常情况下自身的测量范围,如果直接使用这些数值,则会对数据处理造成很大的误差,常用的滤波方法有很多种,低通滤波、αβ滤波、卡尔曼滤波等。由于插值以及滤波对数据处理的不确定性,也会造成车体的抖动。在伺服系统的传动链上,存在传动轴、变速器、联轴器等装置,用以连接电机和负载,但是在实际应用过程中,这些车体传动结构的刚性并不是无穷大,存在一定的弹性。尤其是在低速运行时候,这些减速装置虽然可以提供大的驱动转矩,但是也会引起电机以及负载之间的弹性扭转,甚至产生固有的机械谐振,从而造成驱动系统的抖动。因此在设计伺服控制模型的时候,必须考虑这些弹性减速机制[10]。根据以上分析,影响车体抖动的原因可能出现在以下几个环节:目标来源的稳定性、指控数据处理、伺服控制模型设计、传动结构的刚性等。由于非线性因素一定存在,武控发送目标信息以后,伺服作为执行机构进行抖动控制。由于武控模型以及导弹控制规律的制约,在优化受到制约的情况下,需要从伺服之中想办法。本文着重从伺服控制的角度来进行分析,重点在于滤波。因此本文着重从伺服系统的控制模型入手,研究控制策略,从而解决车体抖动问题。根据伺服计算机所在系统控制链的位置,对以下两种情况下车体的抖动进行分析,并给出解决方案。2.1连续阶跃抖动问题分析导航可以提供整车的时统,通过产生的准秒脉冲信号发送给指控计算机,指控计算机收到准秒脉冲信号以后,由指控计算机统一分发给其他设备。除此以外,可以提供车体的姿态信息,包括方位、纵摇、横滚等参数,用于各设备之间的坐标转换。指控计算机收到目标信息以后,发送给伺服计算机。伺服计算机经过插值后,发送给驱动器,驱动器带动电机进行转动,从而带动机械机构进行动作。电机可以进行正反转,来控制发射架的角度,从而让执行机构对目标进行跟随[1113]。伺服计算机信息交互网如图6所示。控制指令抖动问题和两个控制规律有关,一个是导弹的控制规律,另外一个是雷达的目标处理。当目标为近距快速目标时,雷达的数据变化就很快。武控需要对雷达的目标进行建航并进行外推,对于此类目标来说,目标的微小变动都会引起观测值的变化。由于雷达精度限制以及插值误差,指控计算机处理后的数值就有可能是连续的阶跃信号,若伺服控制模型设计不合理,那么这些高频阶跃信号就会造成车体抖动。以某型号为例,搜跟雷达与指控计算机之间的通信周期为4s,指控计算机与伺服计算机之间的通信周期为30ms。伺服计算机与驱动器之间的通信周期为1ms,因此需要对武控发送过来的目标架位信息进行插值,从而削弱路面对车体的影响,增加车体的稳定性。通常武控中常用的滤波方法,αβ滤波以及卡尔曼滤波。但是对于这两种滤波来说,滤波的好坏和图6伺服计算机信息交互网很多因素有关,如果假设的模型和真实的模型相差较大,就会出现滤波的发散,滤波器实际的均方差要比估计值大很多,并且随着时间的增加会无限增长。对于机动目标的跟踪,难以建立准确的数学模型,因此就有很大的不确定性,无论是αβ滤波以及卡尔曼滤波,都具有局限性,因此相继提出了自适应的滤波算法。但是在应用中需要注意滤波的实时处理能力,卡尔曼滤波需要耗费计算机的资源。对于这种情况可以采用分段控制的方法,在武控的控制指令与角编码器的反馈指令小于某个角度值的时候,减小Kp,增大Ki,可以减小超调。2.2行进间抖动问题分析导弹发射车的行进间伺服控制,由于各种路面复杂,伺服系统的姿态不断发生变化,就需要研究控制量补偿策略,在行进过程中及时对控制量进行修正和补偿。以往的行进间发射技术多应用于坦克和舰船,因为其载体刚性良好、扰动较小,主要是低频干扰。但是对于导弹发射车而言,其刚性不如坦克,在行驶过程中晃动幅度较大,干扰往往是高频信号。因此如何处理高频干扰信号便成为行进间伺服控制的难点之一。针对行进间控制策略,需对武器系统作战原理进行分析。在大地系转车体系的时候,需要进行稳定坐标与不稳定坐标之间的转换,上位机的控制与驱动器之间的响应是存在偏差的。整车的原点设置为惯导所在的位置,对于武控来说,主要进行目标的滤波以及坐标转换,坐标转换的方式往往从极坐标转直角坐标系。目标是在不稳定坐标系下的数据,在进行直角坐标转换之前,需要进行转换,将此时不稳定的直角坐标系转换为稳定的直角坐标系,然后进行空间位置的平移,转换至惯导所在的位置,然后根据武器(导弹、火炮等)对于惯导的相对位置,转换至武器的直角坐标系。转化以后,再根据当前的惯导数据,转换成武器的不稳定系直角坐标,最后转换成极坐标,这时完成了整个流程的闭环。当指控计算机接收到雷达或者光电发送的目标信息以后,需要进行诸元解算,诸元解算主要包括数据滤波、坐标转换两个部分。由于作战武器的空间位置不同,以及导弹发射车在运动的过程中受到车体抖动的影响,因此需要进行坐标转换,目的是将融合后的目指信息转换到作战武器的坐标系下,从而实现伺服控制转动对准目标。传统目指解算在指控计算机中进行,在将目标信息转换到车体坐标系下后,通过网络发送给伺服计算机,从而控制转塔转动。在伺服计算机中,只包含位置环PID控制策略。但是在实际应用过程中,由于导航的车体姿态数值通过CAN总线发送给指控计算机、伺服计算机,目指信息通过网络发送指控计算机,然后进行解算[14,15]。在以上情况下,若是经由指控计算机解算后,再发送给伺服计算机,可能会造成控制存在延迟,造成滞后现象.因此可考虑将目标的坐标转换策略放置在伺服计算机,控制策略更接近执行机构,从而消除一定的控制延迟.3车调系统抖动问题探究3.1常温下抖动问题分析一般对于闭环控制系统,需要进行采样.对于车控盒来说,需要定周期采集水平仪数值,来确定当前所处的调平流程.采样的周期很短,一般只有几个毫秒.从采样输入控制指令θi(n)至输出的c(n),存在一段时间延时,该段延时取决于软件的控制周期.对于整个软件的控制周期来讲,延时的时间越长对于控制系统的稳定性越不利.但是对于车调系统的控制而言,根据控制策略,会造成车体姿态的抖动,抖动的结果会反映到水平仪的数值上,在抖动的过程中,会造成最高点发生变化,从而影响之后的控制逻辑,造成正常的调平逻辑受到影响,往往在电动缸行程伸到底时,还没有到达调平效果.根据调平控制的原理分析,之所以发生调平抖动,在于从车调控制计算机输出到响应完成,存在一定的延迟,由于在调平的控制逻辑中,粗调以及细调是两条支腿同时动作,进行一个方向上的调平,因此,会存在一种情况,就是指令的不同步造成驱动器执行动作的一致性问题.解决措施:对水平仪数值进行过滤求均值.在收到水平仪数值以后,进行存储,取连续10拍,经过冒泡排序后,取中间5个数值,求均值后,然后进行命令判断.3.2低温下抖动问题分析在低温下的控制逻辑,低温下与常温下不同,就是电流值的触地判断.在整个调平控制逻辑中,存在触地情况下,检测电流值的情况,在低温状态下,定子线圈的电阻与常温不同,电机与机械负载轴承润滑在低温下会发生变化,由于磁场减弱,相同转矩的情况下需要更大的电流,因此检测在常温下的电流已经不能满足低温环境下的需求[16].不仅仅是在低温,在高气压环境下,也存在这样情况,因此需要对现有的控制策略进行改进,改进的方法结合电动缸的行程进行,在开始伸出支腿的时候,从某个时间段开始查询电动缸的行程,在保证电动缸在空载的时候记录驱动器的电流值,需要注意的是此时应该避免瞬时的启动电流,该电流来自于克服静摩擦力,应避免记录该电流.在记录该电流以后,对其进行求均值,作为空载电流.记录以后,开始对电流值继续检测.若在某一时刻,驱动器反馈的电流值大于常温下的电流值5A,则认为该支腿已经触地.需要注意的是,在这个过程中也设置一个双门限阈值,一个阈值是常温下电流值I常,另外一个阈值是连续累计次数.若两个条件都满足,则可以判断达到了触地条件,然后开始进入粗调以及细调流程.本文以某型高集成防空导弹发射车的随动控制系统、车调控制系统为研究对象,结合各自的系统组成及工作原理,分析在不同情况下两者抖动的原因,并从控制策略的角度给出优化解决方案,设计消抖控制算法,解决试验调试过程中带来的抖动问题.经过现场试验调试,伺服系统以及车调系统都能够稳定运行,提出的控制策略以及控制算法不仅可以用于导弹发射车,对于其他需要随动和调平的系统和装置也有应用价值,具有通用性.[1]李鹏辉,沈汉林,罗欣,沈安文.伺服驱动中末端抖动的抑制[J]．工业控制计算机,2018(05):5860.[2]韦凤.一种伺服驱动定位末端抖振问题的抑制分析及解决方法[J]．机电工程技术,2018(05):187190.[3]徐嵩.发射车六点调平系统建模和控制算法研究[D]．哈尔滨:哈尔滨工业大学,2017.[4]严金根,陈君.一种载平台电动调平腿设计[J]．机械工程师,2019(11):105106,109.[5]杨径,陆华忠,李君,等.果园升降平台调平机构建模与仿真[J]．农机化研究,2018,40(05):111116.[6]谢明军.车载雷达机电式自动调平系统的设计[J]．电子设计工程,2016,24(9):108109.[7]姜晓明,王旭烽,张伟芳,等.激光跟瞄系统粗精复合轴协同控制策略优化研究[J]．空天防御,2019,2(3):3137.[8]牛远征,张亚莉,刘宜罡,等.发射车自动调平控制系统设计与实现[J]．电子设计工程,2021(06):104110.[9]杨显波.伺服抖动故障探究[J]．前卫,2021(1):3.[10]李华,汪培佩,屈宗源.一种预测伺服作动器控制舵面抖动的计算方法:CN112765764A[P]．2021.[11]游培寒,缪昕,祝逢春,等.传动齿隙对电视导引头伺服系统稳定性的影响分析[J]．弹箭与制导学报,2016,36(6):4.[12]靖李静,刘杰.伺服机构抖动的软件消除方法研究[J]．工业控制计算机,2016(4):2.[13]姜春霞.太阳能跟踪伺服系统非线性特性及补偿研究[J]．中科院长春光机所知识产出,2015.[14]徐德文.基于滑模变结构控制的伺服系统设计及实现[D]．大连交通大学．[15]钱勇,熊爱中.基于IPM的交流伺服驱动器低速抖动的解决方案[J]．电子技术与软件工程,2020(4):3.[16]魏国,赵益,董建明,等.车载自动调平系统的设计与分析[J]．移动电源与车辆,2021(03):2227.ResearchonAbnormalJitterofAirDefenseMissileLaunchVehicleWANGHuijuan,NIUYuanzheng,JIANGXiaoming,WEIRuichuan,ZHAOWenjunShanghaiElectroMechanicalEngineeringInstituteAbstractAsanimportantpartoftheairdefensemissilelauncher,theperformanceoftheservodrivesystemisveryimportanttothecombateffectivenessoftheweaponsystem.However,intheprocessofproductdevelopment,duetotheinfluenceofenvironment,mechanicalfriction,backlashandothernonlinearfactors,itoftencausesabnormaljitteroftheairdefensemissilelauncher.Inordertosolvetheabnormaljitterproblemofthelauncher,thispaperstudiesandanalyzesthetwoservodrivesystemsofthelauncher.Inviewofthejitterunderdifferentconditions,differentoptimalsolutionsaregivenfromtheperspectiveofcontrolstrategy,andtheantijittercontrolalgorithmisdesigned.Finally,throughtheoreticalanalysisandphysicalverification,theeffectivenessofthesolutionunderdifferentworkingconditionsisverified,andthejitterproblemintheprocessoftestinganddebuggingissolved．KeywordsServodrivesystem;Nonlinearfactors;Abnormaljitter;Controlstrategy舰载机全自动着舰复飞决策算法设计黄鑫1刘雪峰1程海涛2刘彪1李鸿儒11.上海航天控制技术研究所;2.上海机电工程研究所摘要针对舰载机完成自主着舰风险性极高这一问题,基于朴素贝叶斯分类模型的分类思想,避免独立性假设这一局限性,通过向量相关度计算获取更准确的特征向量的类条件概率,借助MATLAB软件设计了一个能够实现数据二分类的算法.经仿真实验验证,该算法可根据舰载机的某些飞行状态参数来判定其是否能够安全进行着舰或需及时选择执行复飞操作.关键词舰载机;着舰复飞;朴素贝叶斯分类器;属性相关性贝叶斯网络起初最重要的功能就是解决因果的推断问题,最早用来实现数据分类功能的贝叶斯网络模型是朴素贝叶斯分类器,但由于其样本各特征属性之间的关系先假定为相互独立的,所以朴素贝叶斯分类器刚开始并没有得到人们广泛的使用,也没有获得研究人员们的重视[1]。本文以舰载机着舰复飞过程为背景,各飞行参数之间具有相关性导致朴素贝叶斯分类器不适用于处理本实验的数据分类问题。将向量相关度的估计量与类条件概率相结合,借助MATLAB软件,设计了一种基于属性相关的贝叶斯复飞决策算法。1着舰复飞决策分析舰载机的着舰降落过程一直以危险著称,全自动降落过程须在复杂恶劣条件下完成舰载机的自主着舰,其风险性更高,因此进行全自动着舰过程的风险识别,及时进行复飞决策就显得尤为重要。在全自动着舰系统试验和训练过程中积累了大量的飞行数据,提炼飞行数据中蕴含的风险信息是进行复飞决策的有效手段[2]。要完成舰载机全自动着舰复飞决策算法设计及实验验证,首先要选定算法的训练数据集和待测数据集,即表征飞机要实施复飞决策时的一系列相关状态参数。从着舰复飞过程中分析出影响安全着舰的因素,提炼出着舰复飞的判决指标,确定着舰复飞决策实施的时间范围,进而完成输入数据的提取。1.1着舰复飞过程分析外界多种偶然因素会干扰舰载机正常降落,降落时有极大可能驶离预定下降轨迹,甚至产生极大偏差,此时需要驾驶员放弃着舰,即在进舰轨迹上尚未触舰之前,及时终止着舰任务,转为其他航线的飞行,此行为就是复飞操作。综合大量实验的仿真数据可模拟出复飞轨迹曲线,如图1所示。其中x表示距航母舰尾的水平距离,h表示距舰尾的竖直方向高度[2]。据数据统计,绝大多数的撞舰事故都是因为复飞决策实施的时间不恰当。在舰载机进场降落时,如果着舰指挥官能够准确确定飞机成功降落与执行复飞的边界曲线,并在舰载机即将到达复飞区域时,立即准确地实施复飞决策,同时飞行员可以操纵飞机顺利完成适当的复飞动作,就可以避免着舰事故[3]。图1模拟的舰载机复飞轨迹曲线1.2复飞决策的基本概念及原理复飞决策实施的前提条件为:飞行经过航母舰尾时距甲板的高度可否满足所要求的相对临界高度,即复飞安全余量[4]。降落时下滑轨迹的附近会存在一系列对应复飞安全余量的空间临界点,当飞过这些临界点时,只要距甲板的高度小于复飞安全余量,无论驾驶员怎样操作,都会发生撞舰事故。这些空间临界点所构成的包络线称为复飞包线[4]。着舰指挥官可以根据复飞包络线与飞机坐标位置的相对关系,下达复飞决策。复飞动作通常是由降落过程中的某一状态开始的,飞行轨迹主要是由复飞开始时的飞行状态参数决定[4]。执行复飞操作时,飞行高度基本保持不变,可大致将从不同高度开始、保持一定下滑率和飞行速度不变的复飞轨迹看作是相同几何形状的,当选定某一初始高度时,基于一系列仿真结果可获得一条标准的复飞轨迹。在不考虑海面情况的条件下,将复飞安全余量定义为3m,以一定时间间隔对复飞轨迹进行离散,离散后的点用(ti,xi,hi),i=0,1,2,…,n进行标记。如果整体连续平移这条复飞曲线,即逐一将曲线的第i个点平移到距离舰尾3m处,便可获得一系列曲线。将所有曲线的起始点用平滑线条连接起来即可得到在一定下滑率和速度下的复飞包络线,它们就是着舰过程中存在的那组航迹临界点。综合大量实验数据可画出复飞包线的生成原理图(图2),横坐标代表距航母舰尾的水平距离,纵坐标表示距甲板的竖直方向高度,图中的复飞包线与复飞轨迹呈中心对称[5]。距舰尾距离/m图2复飞包线的生成原理图舰载机一旦进入航迹临界点所围成的区域,驾驶员不管执行什么操作,都不能控制飞机法向过载完成安全复飞[5]。以航迹临界点为复飞起始点的复飞轨迹包络线为复飞边界,飞区[5]。1.3着舰复飞决策主要指标(1)着舰速度甲板风由自然风和航母航行速度相互作用产生。将啮合速率定义为甲板风与着舰速率的差值,也是真实的着舰速率。啮合速率的约束条件,可以通过求取航母阻拦装置限制速率、飞机飞行竖直方向速率以及尾钩载荷最大承受能力对应的飞行速率最小值得到。一旦啮合速度过大,超过着舰装置承受能力对应的速度范围,那么复飞在所难免。据数据统计,一般情况下,着舰速率会大于进场速率5%左右,这一规律说明具备足够逃逸复飞的能力[6]。(2)下沉速率下沉速率为降落过程中竖直方向上的下落速度,过大的下沉速度会造成竖直高度的过度损失,所以即便是需要进行复飞操作也不能将飞机成功拉起[6]。(3)舰尾净空目前多数舰载机在航母斜角甲板进场降落时,均采用等角下滑技术,下滑角一般设定为xk或k。一旦航母因海浪做升沉运动,飞机抵达舰尾时,就容易撞舰。减小撞舰事故发生频率,舰尾净空就应该维持一定高度值不变,将这一指标设定为尾钩距离舰尾的高度余量不得小于10ft(3m),飞行轨迹如图3所示。这一高度差是飞机抵达舰尾时的最小安全余量,若能够满足这一指标,就可以减小甚至避免航母升沉运动对舰载机造成的破坏性影响[6]。根据以上分析综合得出:舰载机着舰复飞判决的主要指标可选为进场速度、下沉速度、飞机距离舰尾的竖直高度及水平距离。3m图3舰载机飞行轨迹1.4着舰复飞决策范围的确定综合分析国内外各飞行试验,复飞过程应为:当驾驶员获取到复飞指令时,先需要0.7s去反应,再开始执行相关操作—操纵油门使飞机处于军用推力状态,同时操纵1°的平尾偏角。当舰载机接收这些输入后,会在空中形成一条复飞轨迹[6]。据资料显示,飞机在沿正常降落轨迹飞行时是希望阻拦钩的钩尖能够出现在舰尾上方大概3m处,3m的高度差能够消除飞机旋转,为能够确保舰载机完成近舰尾复飞操作的安全高度。基于以上分析,可将复飞决策点定义为,使得复飞轨线满足上述安全性要求的复飞操作触发点。着舰复飞决策范围即复飞决策点与舰尾相对距离的取值范围。根据经验,复飞决策点通常距离舰尾50~300m,因此选定复飞决策范围为距离舰尾50~300m。2基于属性相关贝叶斯的复飞决策2.1向量相关度的估计(1)属性相关度属性A和B的相关性度量公式如下:CorrA,B＝P(AB)/P(A)P(B)(1)式中,CorrA,B为属性A和B的相关度。如果A和B两个属性相互独立,则相关度结果为1;两属性呈正相关,相关度大于1;两属性呈负相关,相关度小于1。(2)集合相关度度量方法与属性相关性的度量方法相类似,对于一个集合X＝{x1,x2,…,xn},相关度计算公式如下:(2)式中,CorrX的计算数值越大,则说明集合X具有越大的相关性。(3)集合相关度的估计集合的相关度与其两两属性之间的相关度呈正相关[7]。如图4所示,在集合{A,B}中加入属性C的情况下,出现了右图(b)中的Corr[b]C,A和Corr[b]C,B的相关度比左图(a)中的Corr[a]C,A及Corr[a]C,B小很多的现象。我们可以用A,B,C的交集概率P(ABC)