[发明专利]一种基于无人系统自控状态下滤波切换控制单元的控制方法

说明书

一种无人系统自控状态下滤波切换控制单元和方法，所述滤波切换控制单元包括标准卡尔曼滤波单元、抗干扰卡尔曼滤波单元以及切换控制单元，所述滤波切换控制方法包括首先根据无人系统所采用的滤波系统所受外部干扰特性，建立基于外部干扰的离散状态空间模型，然后将该离散状态空间模型与原系统模型联立得到状态增广系统，之后设计标准卡尔曼滤波器并估计其状态，最后，根据标准卡尔曼滤波单元输出和抗干扰卡尔曼滤波单元输出与对应阈值的比较结果，判断干扰作用大小，决定切换滤波模式，从而进行反馈控制。

技术领域

本发明涉及一种无人系统自控状态下滤波切换控制单元和方法，通过切换控制单元实现滤波系统在标准卡尔曼滤波和抗干扰卡尔曼滤波两种工作模式之间进行切换。本发明可应用于小型无人机等航空器和航天器以及飞行器的姿态控制系统的导航与自动控制系统，用于实现高精度姿态与位置测量。

背景技术

对于卫星、导弹和无人系统等为了完成各自所承担的任务，需要精确地测量自身的姿态，卫星、导弹和无人系统中的运载体等运动体在自动控制状态中需要实时获取自身运动参数等导航信息。当前绝大多数导航系统均采用多传感器组合导航的策略以弥补单一传感器性能上的不足，因此组合导航系统的精度与传感器性能和组合导航算法性能密切相关，由于在传感器性能提升空间上受现实条件的制约条件较大，故提升组合导航算法的性能成为保证组合导航精度的重要手段。

众所周知，卡尔曼滤波是绝大多数组合导航算法的核心部分，在系统模型准确且仅受到高斯白噪声作用时，卡尔曼滤波能给出系统状态在估计误差方差意义下的最优估计值。然而，当系统受到未知的外部扰动时，滤波精度将严重下降甚至会发生滤波发散现象，因此，实时估计并补偿系统外部扰动的影响就变得至关重要。干扰观测器是近些年发展起来的一种干扰估计方法，基于干扰观测器的控制作为抗干扰控制方法的一种，已在多个应用领域中证明了其有效性。与基于干扰观测器的控制类似，基于干扰观测器的滤波方法也是一种典型的抗干扰滤波方法，其主要设计步骤包括：首先建立干扰子系统的动态模型，在此基础上将干扰模型与原系统模型联立得到状态增广系统，最后针对状态增广系统设计标准卡尔曼滤波器同时估计干扰子系统状态和原系统状态。然而，基于干扰观测器的滤波方法的引入使状态变量维数增加，从而增加了滤波器增益阵与协方差阵求取的复杂程度，这将大幅增加滤波器的计算量，导致计算误差的累计效应更加明显。因此，在外部干扰较小，对滤波系统的影响可以忽略不计时，仍然采用基于干扰观测器的滤波方法将大大增加计算负担，使滤波精度受到影响。

发明内容

本发明的技术解决问题是：克服现有技术的不足，提供一种用于自控无人系统的、结构简单的，集成方便的，既能够有效抑制外部干扰的影响，又可以最大限度地降低计算量的滤波切换控制单元和方法。

本发明的技术解决方案为：一种基于无人系统自控状态下滤波切换控制单元的控制方法，所述滤波切换控制单元包括标准卡尔曼滤波单元、抗干扰卡尔曼滤波单元以及切换控制单元，所述滤波切换控制方法包括以下步骤：

(1)根据无人系统所采用的滤波系统所受外部干扰特性，建立基于外部干扰的离散状态空间模型为：

其中w(k)表示k时刻干扰子系统的状态变量；δ(k)表示k时刻干扰子系统输入，为高斯零均值白噪声；d(k)为k时刻滤波系统所受的干扰；W，H，V为已知的系数矩阵。

(2)将步骤(1)建立的基于外部干扰的离散状态空间模型与原系统模型联立，得到状态增广系统为：

其中为k时刻的增广状态；y(k)表示k时刻状态增广系统输出量测值；ω(k)，υ(k)为高斯零均值不相关白噪声；F，G，M为已知的系数矩阵，I为单位阵。

(3)根据步骤(2)得到的状态增广系统，设计标准卡尔曼滤波器估计其状态；

针对状态增广系统的卡尔曼滤波器设计由如下递推形式给出：