基于集员估计框架预测滤波的高超飞行器精确导航技术研究

Navigation technology is the key of hypersonic vehicle. However, high Mach number and strong maneuverability which cause the estimation problem of navigation system error and observation noise is the important factor to restrict the precision and real-time capability of hypersonic vehicle. To obtain high precision of navigation information in time, the project designs a constraint model prediction filter of the noise statistical estimator which is based on set-membership estimation to reveal the relationship between navigation system uncertainty and filtering estimation. Then the advantage of the precision and stability and computation complexity for the designed algorithm is proved by mathematical derivation. Finally, systolic array is used to accelerate the calculating speed of algorithm matrix and a double-layer filter structure which reduces the dimensionality of global state by classification of local optimal value is established. The algorithm is designed to improving precision while further enhancing real-time capability. The project is aimed at solving the uncertainty estimation problem of system error model and noise model of hypersonic vehicle navigation system as well as the contradiction between precision and real time. The research result of this project provides the new technical support, and it also has important theoretical significance and practice value for promoting precision-guided technology and optimal control technology of hypersonic vehicle.

导航技术是高超飞行器充分发挥威力的关键所在。然而，高马赫数和强机动性致使高超飞行器的导航系统误差及其观测噪声无法准确描述，成为制约导航信息精确性和实时性提高的重要因素。为及时获取高精度导航信息，项目首先基于集员估计框架，设计带噪声统计估计器的约束模型预测滤波，揭示模型和噪声不确定性与滤波估值准确性之间的内在规律；然后通过数学推导，阐明设计算法在精度、稳定性和计算复杂度方面的优越性；最后利用心动阵列加速算法中矩阵的解算速度，建立具有降维归类的双层滤波器结构，通过对局部最优估值分类降低全局状态估值的维数，在提高高超飞行器解算精度的同时进一步改善解算的实时性。项目旨在解决高超飞行器导航系统误差模型和噪声模型不确定性的估计问题以及导航算法精确性与实时性之间的矛盾，预期研究成果将为高超飞行器实现实时精确导航提供新的技术支持，对推进高超飞行器精确制导和最优控制技术的发展具有重要的理论意义和应用价值。

与传统的亚音速、超音速飞行器相比，高超声速飞行器具有极广的飞行空域、极快的飞行速度和极强的机动能力等时空特性，使得其具有广泛的民用和军事价值，特别在军用方面，高超飞行器被认为是增强海、陆、空、天武器装备无缝连接的最佳纽带，并有望成为新型防区外时敏目标精确打击尖端武器。但是，给高超飞行器带来巨大前景的独特时空特性，也为高超飞行器的导航制导与控制技术提出了前所未有的新挑战。而高精度的导航信息是高超飞行器顺利完成各项任务的重要基础，是实现最优控制、提高制导精度的重要保障。高马赫数和强机动性使高超飞行器的导航系统模型和观测噪声无法准确描述，导致导航信息难以用现有方法估计。为了及时获取高超飞行器高精度的导航信息，项目首先研究了设计带噪声统计估计器的约束模型预测滤波，揭示模型和噪声不确定性与滤波估值准确性之间的内在规律；阐明设计算法在精度、稳定性和计算复杂度方面的优越性；建立具有双层降维归类的滤波器结构，并对局部最优估值的分类处理。经过项目攻关，整理了可应用于高超飞行器导航领域中的各类传感器观测模型；分析了导航系统模型和观测噪声的误差类型；研究了基于集员估计框架下能够同时处理异类噪声模型的带噪声统计估计器的模型预测滤波；讨论了包括该算法解算精度、稳定性和计算复杂性在内的算法性能；并论证了采用并行数据处理模式，对状态量进行归类降维处理，设计带有矩阵加权的数据降维融合方法，计算得到系统状态的全局估计值。研究结果表明，设计的带噪声统计估计器的约束模型预测滤波，能够有效抑制因导航系统误差及其观测噪声的模型不确定性导致滤波估值的发散性，提高了高超飞行器状态估值的解算精度。提出的双层降维归类的滤波器结构能够降低全局状态估值的维数，同时改善解算的实时性。研究成果将为高超飞行器精确导航提供新方法，对推进高超飞行器精确制导和最优控制技术的发展具有理论意义和应用价值。