本發明涉及參數辨識
技術領域：
，具體的涉及一種飛行器控制參數的估計方法。
背景技術：
：隨著航空航天技術的飛速發展，對飛行器氣動力性能指標提出了越來越高的要求，準確預測空氣動力特性是設計高性能飛行器控制系統的基礎和前提，而氣動參數在飛行器運動過程中是隨著運動環境和條件的變化而變化的，并且在實際飛行全過程中控制系統本身以及飛行條件的復雜性、傳感器及數據采集的非理想性、飛行試驗設計的不完善性等因素的影響，使得飛行器系統模型中的氣動參數存在偏差，而這種偏差必然會體現在飛行器的控制參數中，因此在實踐中需要對可測的控制參數進行正確的估計。基于Bayes理論的Kalman濾波，需要獲取準確的模型先驗信息，只有當系統模型和隨機模型的先驗精度均滿足條件時，濾波估計才會得到具有良好統計特性的最優解。但飛行器在處于動態運動過程中時，存在模型不確定及外界干擾，這使得先驗信息的統計結果可能失真而不能夠直接使用，即使使用了也會導致構建的狀態模型與實際中的模型存在較大差異，這將影響到參數估計結果的質量。在已有的研究成果中，對飛行器控制參數在動態運動狀態下的估計精度并不理想。技術實現要素：本發明的目的在于提供一種飛行器控制參數的估計方法，該發明解決了現有技術中飛行器控制參數在動態運動狀態下的估計精度不高的技術問題。本發明提供了一種飛行器控制參數的估計方法，估計過程如圖1所示，包括以下步驟：步驟S100：選擇需處理的飛行器控制參數，并測量其實際值；步驟S200：根據動態系統的特點借鑒ConstantAcceleration(CA)模型，建立飛行器控制系統中測量參數與時間的狀態方程、觀測方程；步驟S300：構建抗差自適應Kalman濾波算法，在算法中增加自適應因子αk調整其在參數估計中的貢獻，同時增加抗差等價權矩陣抗差等價權矩陣是觀測向量權矩陣的自適應估值。步驟S400：根據步驟二中建立的飛行器控制系統，應用步驟三中所述的抗差自適應Kalman濾波算法對飛行器控制參數的測量值進行參數估計，得到其估計值。為了驗證所得估計值的精度，計算飛行器控制參數估計值與其真實值的誤差量，重復步驟S300和步驟S400直至所得估計值和實際值的誤差滿足精度要求時，停止迭代，輸出所得估計值；。其中，在步驟S200中所述的動態系統狀態方程及觀測方程的建立包括以下步驟：將飛行器控制參數用x表示，并假設控制參數與時間t可用非線性函數表示如下：x＝x(t)(1)根據CA模型，在有限時間內，飛行器控制參數可用時間的2階Taylor展開近似，設測量參數采樣時間間隔為Δt，則其CA模型如下，并在此基礎上建立飛行器控制系統的狀態方程。xk+1=xk+x·kΔt+x··kΔt22+O(Δt3)---(2)]]>其中k代表第k個采樣時刻；由(2)式可得飛行器控制系統的狀態方程：xkx·kx··k=1ΔtΔt2/201Δt001xkx·kx··k+wk---(3)]]>式中，狀態量xk表示飛行器控制系統控制參數，即是需要估計的參數，表示控制參數隨時間的變化率，表示控制參數隨時間變化的加速度；wk＝[wk1wk2wk3]T代表各狀態量的誤差，即飛行器控制系統的模型噪聲。飛行器控制系統的觀測方程記為：yk=Hkxkx·kx··kT+vk---(4)]]>式中，vk表示測量誤差，本文將采用抗差自適應Kalman濾波算法估計飛行器控制參數，并設計觀測矩陣Hk為1×3維，即Hk＝[1ΔtΔt2/2]。其中，步驟S300中構建抗差自適應Kalman濾波算法，包括以下步驟：(1)抗差自適應Kalman濾波估計準則由標準Kalman濾波準則出發，分析模型誤差對參數估計的影響，從而可導出抗差自適應Kalman濾波估計準則。通常定義不顯含時間t的自治系統的動力學方程：Xk＝Φk,k-1Xk-1+Wk(5)定義其測量方程為：Yk＝HkXk+Vk(6)其中，Xk為狀態向量，Φk,k-1為狀態轉移矩陣，Yk為觀測值向量，Wk為狀態模型噪聲矩陣，其協方差矩陣為Vk為測量噪聲，其協方差矩陣為Σk，并且，狀態噪聲Wk和測量噪聲Vk為無不相關的白噪聲序列。標準Kalman濾波算法的精確實現要求可靠的動力學模型、觀測先驗信息以及合理的估計方法。由其遞推公式可知，濾波增益本質上是決定了觀測值Yk和狀態預測值在狀態估計中的比例權重。因此當觀測精度較高而模型精度較低時，若仍舊按照標準Kalman濾波進行濾波估計，其估計結果將偏離真值，濾波很可能出現發散的情況。可以通過對濾波增益值大小的調節，適當的匹配觀測值和預測值的權重，當模型存在異常誤差時增加狀態預測值的協方差矩陣權重從而降低了預測信息對參數估計的權重，增加觀測信息對其的權重，達到較好的參數估計效果。綜上，將模型信息作為一個整體，引入自適應因子αk調整其在參數估計中的貢獻，同時引入抗差等價權矩陣它是觀測向量權矩陣的自適應估值，從而構建抗差自適應Kalman濾波準則。設狀態預測信息向量的誤差方程為VX‾k=X^k-X‾k=X^k-Φk,k-1X‾k---(7)]]>式中，為狀態參數的估計值。則在tk時刻，觀測值估計殘差向量為Vk=HkX^k-Yk---(8)]]>為控制觀測異常和狀態預測信息異常對狀態參數估計值的影響，改造如下抗差自適應濾波原則：Ω=VkTP‾kVk+αkVX‾kTPX‾kVX‾k=min---(9)]]>式中，為Yk的抗差等價權矩陣，是觀測向量權矩陣的自適應估值；αk為自適應因子，通常取0≤αk≤1。(2)抗差自適應Kalman濾波遞推公式根據(9)式定義抗差自適應Kalman濾波準則，由條件極值原理，對(5)式和(6)式描述的自治系統，仿照標準Kalman濾波公式，可以得到抗差自適應Kalman濾波的遞推公式：1)保存tk-1時刻的及其協方差矩陣2)狀態預測：預測狀態X‾k=Φk,k-1X^k-1---(10)]]>預測狀態協方差陣ΣX‾k=Φk,k-1ΣX^k-1Φk,k-1T+ΣWk---(11)]]>3)計算觀測值Yk的抗差等價權矩陣4)計算整體自適應因子αk(0≤αk≤1)5)觀測更新：新息向量V‾k=HkX‾k-Yk---(12)]]>新息向量協方差矩陣ΣV‾k=HkΣX‾kHkT+Σk---(13)]]>增益矩陣K‾k=1αkΣX‾kHkT(1αkHkΣX‾kHkT+Σ‾k)-1---(14)]]>狀態估計向量X^k=(I-K‾kHk)X‾k+K‾kYk---(15)]]>狀態估計向量協方差矩陣ΣX^k=(I-K‾kHk)ΣX‾k/αk---(16)]]>6)令k＝k+1，回到第1)步，重復上述過程，直到所得估計結果滿足精度要求，算法停止。此處的迭代結束是指迭代計算結果滿足精度要求時，此處的精度要求可以根據實際情況進行設定。例如可以設定迭代結束條件為迭代計算次數達到5000次時。從上述抗差自適應濾波推導公式中可以看出，當觀測信息含有異常，算法會自動將等價權矩陣減小，降低其權值，從而控制異常觀測對參數估計的影響；當模型產生異常擾動時，相對應的αk減小，從而控制狀態預測信息對參數估計的影響。(3)抗差等價權矩陣實踐中，可以直接構建抗差等價權函數，如Huber權函數、丹麥法權函數等，考慮測量的先驗信息，采用IGGⅢ方案，其對應的權函數采用三段法。P‾k(i)=Pk(i)|V~k|≤k0Pk(i)k0|V~k|(k1-||V~k||k1-k0)2k0≤|V~k|≤k10|V~k|≥k1---(17)]]>式中，k0可取1.0～1.5，k1可取2.5～8.0；為標準化預測殘差：V~k||V‾k||/trace(ΣV‾k)---(18)]]>根據抗差估計理論，可以利用向量來判斷模型是否存在顯著異常。(4)自適應因子如前所述，在抗差自適應Kalman濾波中，可以通過自適應因子的構建，調節觀測信息和預測信息對參數估計的貢獻。對于單一自適應因子函數的構建，目前主要存在三段函數法、兩段函數法及指數函數法，本發明中采用三段函數法進行構建。同時，由于預測殘差向量能夠較好的反應模型誤差，這里采用基于預測殘差的三段函數法構造自適應因子αk：αk=1|V~k|≤c0c0|V~k|(c1-||V~k||c1-c0)2c0≤|V~k|≤c10|V~k|≥c1---(19)]]>式中，c0取1.0～1.5，c1取3.0～8.5。c0和c1的取值，也可以根據實際情況進行設置。其中，在步驟S400中所述的飛行器控制參數估計中，選擇飛行器控制參數作為待估計的變量，即步驟S300中的狀態向量Xk，根據S300所提出的抗差自適應Kalman濾波估計方法，對飛行器控制參數進行估計，得到并計算估計值與實際值的誤差。本發明的技術效果：1、本發明提供的飛行器控制參數的估計方法，以控制參數的狀態模型和測量模型為估計對象，采用抗差自適應Kalman濾波算法，實現對控制模型不精確時的控制參數估計，通過引入自適應因子和抗差等價權矩陣，從而有效的提高了參數估計的精度。2、本發明提供的飛行器控制參數的估計方法，能夠準確辨識飛行器控制參數，具有良好的魯棒性和估計精度，為飛行器控制參數估計的工程實現提供了有效手段。3、本發明提供的飛行器控制參數的估計方法，通過三段函數法求解自適應因子，抗差自適應Kalman濾波可在LS估計(αk＝0，)、標準Kalman濾波(αk＝1，)、最小二乘自適應Kalman濾波(0≤αk≤1，)、抗差Kalman濾波(αk＝1)和抗差自適應濾波中自適應的選擇最合適的濾波算法，因而具有較好的自適應效果。具體請參考根據本發明的飛行器控制參數的估計方法提出的各種實施例的如下描述，將使得本發明的上述和其他方面顯而易見。附圖說明圖1是本發明提供的飛行器控制參數的估計方法流程示意圖；圖2是本發明優選實施例中所用某型空對地導彈控制模型中可測攻角模擬值曲線圖；圖3是采用標準Kalman濾波對比例所得估計值與真實值的對比曲線圖；圖4是采用標準Kalman濾波對比例估計誤差曲線圖；圖5是本發明優選實施例中采用飛行器控制參數的估計方法所得估計值與真實值的對比曲線圖；圖6是本發明優選實施例中采用飛行器控制參數的估計方法所得估計誤差曲線圖。具體實施方式構成本申請的一部分的附圖用來提供對本發明的進一步理解，本發明的示意性實施例及其說明用于解釋本發明，并不構成對本發明的不當限定。以下結合具體實施例對本發明所提供飛行器控制參數的估計方法進行詳細說明。步驟S100：以某型空對地導彈控制模型為例，由理想飛行狀態計算得到攻角α隨時間的變化值作為額定值，加入適當的偏離量，并根據傳感器的噪聲水平加入白噪聲，從而模擬攻角的實際值。仿真某動態過程，其中偏離量為0.6°，設置采樣步長為20ms，模擬產生10s的觀測數據，攻角測量模擬值如圖2所示。步驟S200：動態系統狀態方程及觀測方程的建立如下：飛行器控制系統的狀態方程：xkx·kx··k=1ΔtΔt2/201Δt001xkx·kx··k+wk---(20)]]>其中，wk＝[wk1wk2wk3]T＝[0.010.010.01]T，狀態變量濾波初值設為0。飛行器控制系統的觀測方程記為：yk=Hkxkx·kx··kT+vk---(21)]]>式中，vk＝1.22，Hk＝[1ΔtΔt2/2]，Δt＝20ms。步驟S300：抗差自適應Kalman濾波設計：引入自適應因子αk調整其在參數估計中的貢獻，同時引入抗差等價權矩陣從而構建抗差自適應Kalman濾波準則。抗差等價權矩陣的構造如下：P‾k(i)=Pk(i)|V~k|≤k0Pk(i)k0|V~k|(k1-||V~k||k1-k0)2k0≤|V~k|≤k10|V~k|≥k1---(22)]]>選取k0＝1.5，k1＝6.5。自適應因子αk的構造如下：αk=1|V~k|≤c0c0|V~k|(c1-||V~k||c1-c0)2c0≤|V~k|≤c10|V~k|≥c1---(23)]]>選取c0＝1.5，c1＝7.0。步驟S400：選擇攻角α及其一階導數、二階導數為狀態向量Xk，根據公式(10)～(19)計算攻角的估計值直到算法迭代到達5000次后停止。為說明所得估計值的準確性計算誤差量，計算指令攻角與估計攻角之間的誤差量：e＝αC-α。為了與本發明的參數估計方法進行對比，以標準Kalman濾波算法為對比例在相同條件下對飛行器控制參數進行數值仿真，對比例中的相關參數設置與抗差自適應Kalman濾波相同。標準Kalman濾波算法詳見“楊元喜.自適應動態導航定位[M].北京:測繪出版社,2006.”，具體步驟如下。(1)保存tk-1時刻的及其協方差矩陣(2)狀態預測：X‾k=Φk,k-1X^k-1]]>ΣX‾k=Φk,k-1ΣX^k-1Φk,k-1T+ΣWk]]>(3)觀測更新：V‾k=HkX‾k-Yk]]>ΣV‾k=HkΣX‾kHkT+Σk]]>Kk=PX^k-1APk]]>X^k=X‾k-KkV‾k]]>ΣX^k=(I-KkAk)ΣX‾k-1(I-AkTKkT)+KkΣkKkT]]>(4)令k＝k+1，回到第(1)步。本發明提供飛行器控制參數的估計方法算例中飛行器控制參數估計結果如圖5～6所示。圖3～4為采用標準Kalman濾波算法對飛行器控制參數進行數值仿真的對比例估計結果，由圖5～6可見：本發明所應用的參數估計方法能夠較好的滿足控制參數估計精度，說明了本發明提供方法的有效性。通過對比圖3～4和圖5～6可知：本發明提供的方法在飛行器動態運動或模型存在誤差時，對控制參數的估計誤差小、精度高，有效提高了參數估計的準確度。本發明提供方法采用抗差自適應Kalman濾波。本領域技術人員將清楚本發明的范圍不限制于以上討論的示例，有可能對其進行若干改變和修改，而不脫離所附權利要求書限定的本發明的范圍。盡管己經在附圖和說明書中詳細圖示和描述了本發明，但這樣的說明和描述僅是說明或示意性的，而非限制性的。本發明并不限于所公開的實施例。通過對附圖，說明書和權利要求書的研究，在實施本發明時本領域技術人員可以理解和實現所公開的實施例的變形。在權利要求書中，術語“包括”不排除其他步驟或元素，而不定冠詞“一個”或“一種”不排除多個。在彼此不同的從屬權利要求中引用的某些措施的事實不意味著這些措施的組合不能被有利地使用。權利要求書中的任何參考標記不構成對本發明的范圍的限制。當前第1頁1 2 3