全捷联制导系统关键技术研究
第 1 章 绪论
根据结构形式不同，导引头可以分为框架式导引头与捷联式导引头。传统框架式导引头具有较大总视场角，能够快速捕获并精确跟踪目标，输出制导所需的视线角速率信息，同时也存在以下不足：（1）由于框架与伺服机构的存在，使得整个系统结构形式较为复杂，系统的可靠性不高；（2）视线角速率精度受稳定平台的跟踪性能、最大力矩、支架摩擦、弹体过载等约束，可能带来较大误差[2]。
相比于框架式导引头，全捷联导引头主要由固定视场光学系统、探测器及信号处理系统组成，与弹体捷联安装，具有体积小、质量轻、复杂性低、可靠性高、瞬时视场大、视线角速率不受限制及成本低等诸多优点，但同时也存在着视线角速率无法直接提取的问题。因为传统框架式导引头可以直接提取视线角速率，采用经典比例导引法即可实现对机动目标的有效打击；而全捷联导引头只能提供体视线角信息，若采用传统的视线角制导方法，动态特性差，难以实现对机动目标的精确打击。由于全捷联制导系统测量的体视线角信息中耦合有弹体姿态信息，因此需要设计解耦算法来获得惯性视线角速率信息。全捷联制导系统主要由全捷联导引头与 MEMS SINS 组成，如图1.1所示，其中 MEMS SINS 测量弹体的三轴角速度与比力信息，经过与载机传递对准后获得导航解算初始值并进行导航解算，输出弹体姿态、速度与位置等信息，而全捷联导引头实时测量目标与弹体连线相对于导引头两个轴线的夹角，即体视线角。体视线角信息结合 MEMS SINS 信息经过一定的解耦、滤波与估计算法后得到满足精度的视线角速率信息传输给自动驾驶仪进行制导控制，产生舵偏角指令。全捷联导引头与 MEMS SINS 的误差为全捷联制导系统的主要误差源，所以需采用合适的方法对其进行分析与补偿，从而提高全捷联制导系统的视线角速率估计精度。
随着大规模集成电路高速处理器、高分辨率 CMOS 探测器及高精度低成本MEMS SINS 的快速发展，全捷联制导系统技术的实现逐步成为可能并发展成为主流趋势。全捷联导引头在实际工程应用中同样存在一些技术难点：要求全捷联导引头在全视场范围内具有较高的线性度与体视线角测角精度，这就对全捷联导引头研制过程中建模与测试标定技术提出较高要求；由于框架及其陀螺的取消使总视场角减少，且不能直接提取制导系统所需的视线角速率信号，因此，如何从全捷联导引头的体视线角信息中实时估计出满足制导系统精度要求的视线角速率是全捷联制导技术及其工程应用的关键问题；最后，由于全捷联导引头无法直接单独应用于制导武器中，需要与弹载捷联惯导系统联合使用，如何在降低成本的前提下提高捷联惯导精度达到与视线角速率精度相匹配的目的也是重要研究内容。
......
全捷联导引头与捷联惯导系统是组成全捷联制导系统的核心部件，两者的精度影响最终的制导精度，为此需在全捷联制导系统的各环节提高或匹配精度，使其输出制导信息精度最优。下面分别介绍全捷联制导系统的应用现状，全捷联导引头视线角速率估计研究现状以及全捷联制导系统中MEMS SINS相关技术研究现状。
1.2.1 全捷联制导武器系统
目前，应用于制导武器的导引头种类很多，按照探测波长可以分为可见光图像导引头、半主动激光导引头、制冷/非制冷红外导引头、雷达导引头等，同样随着各波长大面阵高分辨率探测器件的快速发展，全捷联可见光图像导引头、全捷联半主动激光导引头、全捷联非制冷红外导引头及全捷联雷达导引头也得到了较快发展与实际应用。
1.2.1.1 全捷联可见光图像导引头应用
全捷联可见光图像导引头最典型应用为美国的“长钉”导弹[3-6]，如图 1.2 和图 1.3 所示。“长钉”导弹采用正常式气动布局，弹长 0.635m，弹径 5.625cm，弹重 2.4kg，战斗部 1kg，射程 3.2km。“长钉”导弹的制导方式有可见光电视制导、半主动激光制导及惯性制导三种，且可以相互弥补。在能见度较好的白天，可以使用全捷联可见光电视导引头制导，而在夜间则可以使用半主动激光导引头制导；在较为精确的可见光电视、半主动激光制导失效后，可以切换到惯性制导。“长钉”导弹的全捷联可见光电视导引头采用柯达公司成熟的图像传感器，帧频为 30f/s，可以满足制导需求。“长钉”导弹延续使用了“小牛”导弹的成熟 MEMS导航系统，在导弹发射之初，需要利用无人机的惯导系统进行传递对准，提高其使用精度。2007 年，美国海军空战中心武器分部在加州中国湖进行了“长钉”导弹飞行试验，如图 1.4 所示，该试验主要验证了“长钉”导弹有效截获并跟踪目标，，最终实现对移动目标的精确打击。2009 年 5 月，美国海军空战中心试验了一种装备无人机的超小型导弹“长钉”，并且是世界上最小的“发射后不管”导弹。
......
第 2 章 全捷联制导系统模型
全捷联制导系统数学模型是全捷联制导系统研究及应用的前提。全捷联制导系统由全捷联光学图像导引头与 MEMS SINS 系统组成，在忽略两者安装角度关系的前提下，分别建立两者的数学模型。本章首先介绍了全捷联制导系统所涉及的坐标系与各坐标系之间的相互转换关系，在此基础上给出了全捷联图像导引头的数学模型及其线性化方法；再次，针对 MEMS SINS 的主要误差源 IMU 误差与初始对准误差，建立了 MEMS SINS 力学编排及误差方程，根据 MEMS IMU的原理，建立了 MEMS IMU 的误差模型，并提出了标定补偿算法对惯性传感器的确定性误差进行消除， 使补偿后的 IMU 精度满足制导武器的工程需求，为后续全捷联制导系统设计及半物理仿真实验奠定基础。
......
2.2.1 坐标系定义
常规 MEMS IMU 设计与标定方法是通过速率转台分别对每个轴陀螺及相互之间的交叉耦合进行标定，通过六位置法对加速度计在地球重力加速度±1g 输入情况下对零偏、刻度因数等误差进行标定，之后通过将 MEMS IMU 放入温箱中采集不同温度下惯性器件的零偏变化来辨识 MEMS IMU 的温度特性，此种标定方法步骤较为繁琐，且 MEMS IMU 的各种温度特性不易被发掘，导致 MEMSIMU 的标定精度不高。本文提出了 MEMS IMU 自动化整体标定方法，即利用实验室的六面体、温箱转台等设备对 MEMS IMU 进行标定，通过相应的数据处理即可获得误差模型中的所有误差系数，省去了单个传感器的标定。
MEMS IMU 结构形式如图 2.7 所示，主要由 MEMS 惯性传感器、温度传感器、IMU 数据采集与信息处理器、输入输出接口等组成[94]。MEMS 惯性传感器一般包括分别安装于载体三个正交敏感轴上的三个陀螺和三个加速度计，分别用于测量载体相对于惯性坐标系的角速率与比力信息；MEMS 惯性传感器易受到环境温度、温度变化率等影响较大，通常加装温度传感器可实时测量 MEMS IMU工作过程中的温度，现有部分 MEMS 惯性传感器自身含有温度信息输出，通过不同温度条件下的标定可以得出 MEMS 惯性传感器误差的温度系数；IMU 数据采集与信息处理器主要用于对 MEMS 惯性传感器输出的数据进行调理与采集，并进行相关的单位量纲转换，并根据存储在存储器中的标定补偿参数对 MEMSIMU 输出信息进行补偿，最终根据制定的通信协议输出三轴角速率与三轴比力信息。
根据误差来源的不同可将 IMU 误差可分为两类：一是惯性传感器误差，包括确定性误差与随机误差，其中确定性误差可通过实验室进行标定与补偿，而随机误差是指由各种不确定因素引起的随机漂移，无法通过实验标定，根据其表现形式可分为量化噪声、随机游走、速率斜坡、零偏不稳定等。二是集成误差，主要包括工程实现过程中产生的敏感轴非正交误差、加速度计的杆臂效应误差、结构变形引起的误差等[95]。MEMS-IMU 的确定性误差，是指陀螺仪和加速度计在受温度、安装误差等因素影响下产生的具有较好重复特征的误差，可以通过构建 MEMS IMU 原始输出值和理论值之间的数学模型来描述。利用六面体、温箱转台等设备，采集MEMSIMU 在不同温度、角速率、加速度下惯性传感器的原始输出值，然后计算出MEMS IMU 误差模型上的各个误差参数，从而完成对 MEMS IMU 误差的补偿[96-99]。
......
3.1 引言 ..........................................51
3.2 视线角速率解耦算法 ............................51
第 4 章 MEMS SINS 传递对准.......................83
4.1 引言 .....................................83
4.2 传递对准模型 ................................83
第 5 章 视线角速率估计算法...................105
5.1 引言 ....................................105
5.2 视线角速率运动学模型 ....................105
第 6 章 半物理仿真实验
在对全捷联制导系统进行全面建模、对视线角速率解耦与估计算法数字仿真及 MEMS SINS 标定与传递对准的基础上，需要进行半物理仿真实验进行验证。半物理仿真是有部分实物参与的仿真实验，主要参与的实物为全捷联制导系统。它与数字仿真实验的区别在于，用全捷联可见光图像导引头、MEMS SINS 分别代替各自部分的数学模型，目标模拟器模拟目标运动特性，仿真计算机计算弹体运动特性和弹目运动关系；增加物理效应模拟装置，如三轴仿真转台等。半物理仿真在型号研制过程中占有极其重要的地位。本章主要研究全捷联制导的地面半实物仿真实验，包括实验系统的组成、实验原理、视线角速率估计试验等。
......
6.2.1 半物理仿真系统概述
在传递对准算法验证实验中，仿真计算机模拟计算载机主惯导数据与飞行轨迹，发送指令驱动三轴飞行仿真转台模拟载机做摇翼运动，MEMS SINS 将解算的惯导数据发送给仿真计算机，仿真计算机利用主惯导数据与 MEMS SINS 数据对 4.3 节提出的改进自适应增量 Kalman 的传递对准算法进行验证，估计 MEMSSINS 的随机零偏与姿态对准误差。
在视线角速率解耦与估计实验中，SINS 实测弹体信息并传输给弹道仿真机，弹道仿真机通过弹体模型进行解算并反馈 SINS 弹体比力信息，视景仿真机接收弹道解算弹目信息进行视景生成，某一时刻导引头上位机通过 RS232 串口向导引头发送工作指令，导引头工作并对当前一帧视景图像进行采集与处理，实现对目标的跟踪及脱靶量的输出，弹道仿真机接收 SINS 弹体信息及脱靶量信息进行弹体姿态解算并将其传输给视景仿真机及转台上位机，通过转台上位机控制转台实现导引头俯仰、滚转和偏航，通过视景仿真机模拟弹体位置、速度及姿态的调整，视景仿真机将图像投影到银幕上，导引头采集图像并继续脱靶量计算，从而完成一个闭环的仿真测试系统。在整个仿真过程中，导引头跟踪目标模拟器上的目标实时输出脱靶量，仿真计算机根据以上信息实时计算视线角速率并与理论值进行对比。
......
第 7 章 结论与展望
本文以“全捷联制导系统关键技术”课题为依托，结合具体工程项目要求，对全捷联制导系统中的视线角速率解耦与估计算法及其误差灵敏度分析，MEMSSINS 标定与传递对准及半物理仿真实验等关键技术，取得了一些有意义的结果。本文完成的主要工作及所得结论如下：
1) 首先对全捷联制导系统进行建模，给出了所涉及的坐标系及相互间转换关系，研究了全捷联导引头的数学模型及其线性化方法；推导了 MEMS SINS 力学编排及误差方程，且建立了 MEMS IMU 的系统误差模型并提出整体标定补偿算法。
详细介绍了全捷联制导系统的半物理仿真实验系统，包括实验系统的组成、实验原理、通信接口等，开展了传递对准与视线角速率估计试验，结果表明，自适应增量 Kalman 滤波传递对准算法能有效估计 MEMS IMU 零偏与各项初始对准数据，同时满足“速度+姿态”匹配传递对准快速性与高精度的要求；同样，该实验验证了利用 UKF 非线性滤波算法估计视线角速率的正确性，且估计精度能够满足制导武器的需求。半物理仿真实验充分验证了全捷联制导系统各项算法的正确性与精度，将为其进一步工程应用提供实验基础。
......
参考文献（略）
本文编号：369973
本文链接：https://www.wllwen.com/wenshubaike/caipu/369973.html
