基于红外成像的小型化稳定平台参数辨识

发布时间：2022-01-16 10:24

　　针对红外成像的小型化稳定平台参数辨识的问题,对系统中非线性因素进行尽可能抑制,并在高速环境下对系统进行辨识。在辨识过程中,利用伪随机信号（Pseudo random binary signal,PRBS）作为调制的输入电压信号对系统激励,相应的系统输出响应为速度信号,并应用增广最小二乘方法辨识线性离散模型参数,最后通过参数化和非参数化两种方式,对辨识模型的精确度进行了验证。结果表明:辨识得到的用来衡量实际系统输出随输入变化的传函关系的参数模型,能够反映真实系统的动态特性,满足辨识精度要求。 

【文章来源】：红外技术. 2020,42(01)北大核心CSCD

【文章页数】：10 页

【部分图文】：

阶跃信号作用下负载运动位置响应Fig.9Loadpositionresponsewhenstepsignalexciting

藕抛饔?时的情况，所以频率高的信号使对象运动速度的幅值肯定相对要校虽然知道成形滤波器的结构和参数，但是真实系统引入的噪声不可测，仿真时无法直接对模型施加与真实系统内部白噪声特性一致的白噪声，也不能盲目确定其量级和变化情况，否则会对模型真实输出影响很大，在这里只能对比预测模型的理想输出和实际系统真实输出的误差特征，控制率保持3ms不变，幅值都选择0.1时，以阶跃信号作为输入信号激励时，负载在俯仰方向上的实时运动位置如图9，实际运动速度输出与预测模型速度输出对比结果如图10，预测模型的动态响应结果如图11，当分别以5Hz和30Hz正弦信号作为输入信号激励时，实际系统与预测模型的速度输出对比结果依次如下图的12～13，其中表2～3依次为两者在不同正弦信号激励下的动态响应指标对比结果。图9阶跃信号作用下负载运动位置响应Fig.9Loadpositionresponsewhenstepsignalexciting图10阶跃信号作用下速度变化Fig.10Velocitychangeresponsewhenstepsignalexciting

第42卷第1期Vol.42No.12020年1月郭雪峰等：基于红外成像的小型化稳定平台参数辨识Jan.202031且不易用具体参数模型进行描述，由此得到的伺服控制系统的实际响应，与根据各机电环节固有参数进行理论推导的模型的响应相比差别很大，用来辨识的输入输出数据都是受非线性因素影响的非理想信息，如何利用受污染的数据辨识出无偏的参数，这也是包括稳定平台在内的机电系统辨识的共有难点。图1待辨识的稳定平台实物图Fig.1Actuallystabilizedplatformtobeidentified1小型化稳定平台辨识现状及分析针对小型稳定平台这类具有有限行程的机电系统的辨识研究，大多数文献都集中于对电机执行器件的参数辨识，如图1为待辨识的小型化稳定平台，具体问题表现在以下方面：1）伺服系统工作时，不可避免地需要克服因动密封而引入的较大摩擦力矩和其他线绕力矩等非线性因素，基于LTI（Linertimeinvariant）系统的时域和频域辨识方法所用的速度或加速度数据都是受非线性因素影响的非理想数据，从而导致辨识结果产生较大的误差。2）现有的时域辨识算法通常采用充分激励后，对采集得到的速度及加速度信息进行辨识，小型稳定平台因受行程范围的局限，当在小幅值输入信号作用下，系统需要克服一定摩擦力，而达不到能真实对应输入信号作用下速度值，当输入信号幅值过大时，运动范围超出有效行程而与框体撞击，完全破坏固有的运动状态，采集到的信息完全不能表征原有系统，而使辨识失效，同时，一般的光电系统具有充分的运动空间，能够输入幅值足够大的激励信号，相对能满足更高的信噪比，这也使得小型化稳定平台辨识易受量化噪声的影响。其次，为了使辨识出的模型不仅具有与原系统?

【参考文献】：
期刊论文
[1]侦察监视车及其光电传感器的发展现状[J]. 陈苗海.  激光与红外. 2005(07)
[2]无人机光电探测技术的现状及发展趋势[J]. 朱耘,韩根甲.  舰船科学技术. 2004(06)



本文编号：3592471