[发明专利]一种智能化机载导弹动基座对准及标定方法

权利要求书

1.一种智能化机载导弹动基座对准及标定方法，其特征在于步骤如下：

(1)根据主惯导和子惯导之间的安装误差角、弹性变形角和弹性变形角速率误差特性，建立主惯导和子惯导之间误差的系统状态方程和量测方程；

(2)在构造神经网络输入输出样本时，选择将弹载子惯导陀螺仪和加速度计的输出值作为输入样本，机载主惯导陀螺仪和加速度计的输出值与输入样本之间的差值作为输出样本，训练神经网络；

(3)在导弹的自由飞行阶段，将弹载子惯导的陀螺仪和加速度计的测量值实时输入神经网络滤波器，通过神经网络滤波器进行对准和标定后能够消除陀螺仪和加速度计测量值中由确定性误差和失准角引起的测量误差；

(4)最后将校正后的陀螺仪和加速度计的测量值送入导航计算机，完成导航参数的解算。

2.根据权利要求1所述的智能化机载导弹动基座对准及标定方法，其特征在于：步骤(1)建立主惯导和子惯导之间误差的系统状态方程和量测方程如下：

(1)主惯导和子惯导之间误差状态方程为

$\left[\begin{array}{c}{\stackrel{\·}{\mathrm{\Ψ}}}_x\\ {\stackrel{\·}{\mathrm{\Ψ}}}_y\\ {\stackrel{\·}{\mathrm{\Ψ}}}_z\\ {\stackrel{\·}{\mathrm{\θ}}}_x\\ {\stackrel{\·}{\mathrm{\θ}}}_y\\ {\stackrel{\·}{\mathrm{\θ}}}_z\\ {\stackrel{\·\·}{\mathrm{\θ}}}_x\\ {\stackrel{\·\·}{\mathrm{\θ}}}_y\\ {\stackrel{\·\·}{\mathrm{\θ}}}_z\end{array}\right]=\left[\begin{array}{ccccccccc}0& 0& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 1& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 1& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 1\\ 0& 0& 0& -{\mathrm{\β}}_x^2& 0& 0& -2{\mathrm{\β}}_x& 0& 0\\ 0& 0& 0& 0& -{\mathrm{\β}}_y^2& 0& 0& -2{\mathrm{\β}}_y& 0\\ 0& 0& 0& 0& 0& -{\mathrm{\β}}_z^2& 0& 0& -2{\mathrm{\β}}_z\end{array}\right]\left[\begin{array}{c}{\mathrm{\Ψ}}_x\\ {\mathrm{\Ψ}}_y\\ {\mathrm{\Ψ}}_z\\ {\mathrm{\θ}}_x\\ {\mathrm{\θ}}_y\\ {\mathrm{\θ}}_z\\ {\stackrel{\·}{\mathrm{\θ}}}_x\\ {\stackrel{\·}{\mathrm{\θ}}}_y\\ {\stackrel{\·}{\mathrm{\θ}}}_z\end{array}\right]+\left[\begin{array}{c}0\\ 0\\ 0\\ 0\\ 0\\ 0\\ {\mathrm{\ρ}}_x\\ {\mathrm{\ρ}}_y\\ {\mathrm{\ρ}}_z\end{array}\right]$

其中，Ψ_x，Ψ_y，Ψ_z、θ_x，θ_y，θ_z和分别为主惯导和子惯导之间安装误差角、弹性变形角和弹性变形角速率的分量，β_i＝2.146/τ_i(i＝x，y，z)，τ_i为相应轴向的弹性变形相关时间，ρ_x，ρ_y，ρ_z为具有一定方差的白噪声；

(2)由主惯导和子惯导陀螺仪输出值之差构造的观测量，得到主惯导和子惯导之间误差源的观测模型为

Z＝HX+V

其中，观测矩阵

$H=\left[\begin{array}{ccccccccc}0& {\mathrm{\ω}}_{\mathrm{ibz}}^m& -{\mathrm{\ω}}_{\mathrm{iby}}^m& 0& {\mathrm{\ω}}_{\mathrm{ibz}}^m& -{\mathrm{\ω}}_{\mathrm{iby}}^m& -1& 0& 0\\ -{\mathrm{\ω}}_{\mathrm{ibz}}^m& 0& {\mathrm{\ω}}_{\mathrm{ibx}}^m& -{\mathrm{\ω}}_{\mathrm{ibz}}^m& 0& {\mathrm{\ω}}_{\mathrm{ibx}}^m& 0& -1& 0\\ {\mathrm{\ω}}_{-\mathrm{iby}}^m& -{\mathrm{\ω}}_{i\mathrm{bx}}^m& 0& {\mathrm{\ω}}_{\mathrm{iby}}^m& -{\mathrm{\ω}}_{\mathrm{ibx}}^m& 0& 0& 0& -1\end{array}\right]$

V＝[v₁ v₂ v₃]^T为零均值的白噪声。

3.根据权利要求1所述的智能化机载导弹动基座对准及标定方法，其特征在于：所述步骤(2)构造的神经网络输入输出样本方法为一种适用于动基座对准和标定的神经网络样本构造方法，具体步骤为：

(1)根据建立的主惯导和子惯导之间误差状态方程和量测方程，利用卡尔曼滤波器估计出安装误差角弹性变形角和弹性变形角速率

(2)根据估计出的安装误差角和弹性变形角构造主惯导和子惯导之间的转换矩阵

(3)根据估计的弹性变形角速率将其从陀螺仪的测量值ω_ib^s去掉，得到补偿后的子惯导陀螺仪的测量值ω_ib^tr；

(4)主惯导和子惯导安装距离r已知，利用主惯导陀螺仪的输出值ω_ib^m，可求出杆臂效应误差f_r^s；然后，进一步对子惯导加速度计的测量值f_b^s进行杆臂效应误差补偿，得到补偿后子惯导加速度计的测量值f_b^tr；

(5)通过对子惯导陀螺仪和加速度计输出值进行补偿，再利用ω_ib^tr，f_b^tr作为输入样本，主惯导陀螺仪和加速度计的输出值ω_ib^m、f_b^m与神经网络输入样本ω_ib^tr、f_b^tr之间的差值δω，δf作为输出样本，对神经网络滤波器进行训练。