基于时变TVAR模型和CKF滤波的助推器落点预测

发布时间：2021-08-01 18:22

　　为解决助推器难以精确回收的问题,提出了一种容积卡尔曼滤波（CKF）和时变自回归（TVAR）模型融合的助推器落点预测方法。针对外弹道观测数据的非平稳时序特点,利用TVAR模型对其建模,预测助推器脱落时和助推器落地之间一段时间的未来测量值,以离散化质点弹道模型作为状态方程,将未来测量值作为CKF滤波弹道位置估计的测量值。为普适非平稳序列,考虑时变TVAR对非平稳时间序列的时变参数和模型阶数的确定。该方法是预测助推器落点滤波外推法的一种新实践。实验数据结果表明,TVAR预测助推器落点与TVAR-CKF融合预测的助推器落点相比,融合后预测的结果与实际测量的助推器落点的偏差更小,可为实际应用提供参考。 

【文章来源】：海军航空工程学院学报. 2020,35(02)

【文章页数】：6 页

【部分图文】：

外弹道轨迹图

利用Matlab和Eviews软件进行分析，对外弹道数据进行平稳性检验。时间序列X(t)的样本自相关系数如图2所示。图3所示X(t)序列的单位根检验证明了外弹道数据是非平稳的。图3 X(t)序列样本的ADF单位根检验

图2 X(t)序列样本的自相关系数和样本偏相关系数为了建立TVAR(p)模型，p拟定选取30，即从1～30建立30个参数。利用AIC和BIC准则，由图4～6可看出，对X、Z、Y通道数据，p值较好的是10、10、9，但是考虑时变参数m次方的选择，最后p值确定为6。经式（7）基函数正交最小二乘方法计算，建立X轴、Y轴和Z轴的TVAR模型。

【参考文献】：
期刊论文
[1]一种舰载炮弹弹落点预测新方法探究[J]. 李黎,刘忠,刘志坤,贺静波.  应用科技. 2018(04)
[2]基于高维插值的末修弹落点预报方法研究[J]. 黄鑫,赵捍东,李志鹏.  弹箭与制导学报. 2015(06)
[3]强跟踪平方根容积卡尔曼滤波和自回归模型融合的故障预测[J]. 杜占龙,李小民,郑宗贵,毛琼.  控制理论与应用. 2014(08)
[4]时变AR模型阶数确定与系数估计的方法[J]. 高伟伟,申丽然.  应用科技. 2010(11)
[5]基于GPS和外弹道实时解算下的舰炮对岸射击新方法[J]. 王金云,周晖杰.  火炮发射与控制学报. 2009(04)
[6]卡尔曼滤波在弹道修正弹落点推算中的应用[J]. 史金光,徐明友,王中原,张冰凌.  弹道学报. 2008(03)
[7]时变AR模型正交最小二乘估计法及其工程应用[J]. 施招云,周百令.  应用科学学报. 1995(04)



本文编号：3316018