[发明专利]基于IMM_UKF的三维制导律辨识滤波方法

说明书

基于IMM_UKF的三维制导律辨识滤波方法，本发明涉及基于IMM_UKF的制导律辨识滤波方法。本发明的目的是为了解决现有技术中敌方拦截导弹pursuer会在不同的制导阶段采用不同的导航常数，导致运动模型发生变化，使MMAE滤波方法在这种情况下制导精度降低的问题。过程为：一、建立evader和pursuer的相对运动方程；二、基于步骤一建立的evader和pursuer的相对运动方程，建立相对evader的pursuer运动模型；三、基于步骤二建立的相对evader的pursuer运动模型，设计evader上的IMM滤波器。本发明用于导弹主动防御制导率涉及领域。

技术领域

本发明涉及基于IMM_UKF的制导律辨识滤波方法。

背景技术

飞行器在飞行过程中会遭遇拦截导弹的拦截。为了有效的逃避拦截，飞行器需要估计拦截导弹的运动状态，例如两者之间的相对位置，相对速度，拦截导弹的加速度以及其制导律相关的信息。利用这些信息来确定自己逃逸的策略。

为了估计拦截导弹的运动状态，首先需要对其运动进行数学建模，然后设计Kalman滤波器去跟踪它的状态。对于Kalman滤波器而言，模型的准确性十分关键，因为滤波器对模型误差比较敏感。在拦截导弹机动未知的情况下，对其运动进行精确建模很困难。一般采用一些通用模型，例如常速模型CV，常加速模型CA，singer模型和当前统计模型来建模。这些模型一般将拦截导弹的加速度或者加速度的导数看作是一个随机变量。但是对于运动受制导律约束的拦截导弹而言，其加速度很难被看作是一个随机变量，有必要在对拦截导弹运动建模的过程中考虑其制导律信息。一般而言，大多数制导律都可以采用PN制导律来近似，因此我们在拦截导弹的跟踪问题中引入了PN制导律信息。假设拦截导弹采用PN制导律，但是PN制导律的导航比未知而且可能发生变化，我们只知道它的取值范围。多模型滤波器技术适用于解决该问题。例如我们可以使用一个可以覆盖PN制导律导航比可能取值范围的模型集来构造一个多模型滤波器。

在制导律辨识滤波研究中，传统方法多使用多模型自适应估计器(MMAE)对拦截导弹的状态进行估计，但是MMAE是一个静态的多模型滤波器，不能随着拦截导弹运动模型的跳变而自适应改变模型的概率权值，其性能在拦截导弹的运动模型发生变化的时候性能将会受到严重影响。

在很多实际问题中，PN制导律的导航比在整个制导期间会发生变化。例如拦截导弹可能会根据距离其目标的远近程度使用不同的导航比。当拦截导弹和目标之间的距离较远时，其导引头的热噪声较大，因此导航比适合设置为稍小的数值，这样避免噪声引起制导指令发生大的波动。当相对距离较近时热噪声较小，此时导航比适合设置为较大的值，加速视线角速度的收敛，达到成功拦截目标的目的。导航比发生变化后，整个的拦截导弹的运动模型也将发生变化，导致模型失配，此时无论是Kalman滤波器还是MMAE滤波器，其性能都将下降。

在PN制导律约束下的拦截导弹的运动模型是一个非线性模型。可以采用UKF等滤波器来对非线性系统进行近似。EKF滤波器需要计算Jacobians矩阵，在一些场合中Jacobian矩阵计算比较复杂。

发明内容

本发明的目的是为了解决现有技术中敌方拦截导弹pursuer会在不同的制导阶段采用不同的导航常数，导致运动模型发生变化，使MMAE滤波方法在这种情况下制导精度降低的问题，而提出基于IMM_UKF的三维制导律辨识滤波方法。

基于IMM_UKF的三维制导律辨识滤波方法具体过程为：

步骤一、建立evader和pursuer的相对运动方程；

所述pursuer为敌方拦截导弹，evader为目标飞行器；

步骤二、基于步骤一建立的evader和pursuer的相对运动方程，建立相对evader的pursuer运动模型；

步骤三、基于步骤二建立的相对evader的pursuer运动模型，设计evader上的IMM滤波器；