Модификация селективного навигационного комплекса Текст научной статьи по специальности «Медицинские технологии»

МОДИФИКАЦИЯ СЕЛЕКТИВНОГО НАВИГАЦИОННОГО КОМПЛЕКСА

© Неусыпин К.А.*, Пролетарский А.В.*, Шэнь Кай*

Московский государственный технический университет им. Н.Э. Баумана,

г. Москва

Рассмотрены селективный навигационный комплекс ЛА и критерий степени наблюдаемости. Предложена модификация селективного навигационного комплекса с помощью нейронных сетей, генетических алгоритмов и алгоритмов самоорганизации.

Ключевые слова: летательный аппарат, селективный навигационный комплекс, критерий степени наблюдаемости, генетический алгоритм, алгоритм самоорганизации.

Известен селективный навигационный комплекс (СНК), включающий ИНС, приемник спутниковой навигационной системы (ПСНС), радиолокационная станция (РЛС), блок определения степеней наблюдаемости и формирования измерений, фильтр Калмана (рис. 1) [1, 2, 3].

Рис. 1. Селективный навигационный комплекс

Здесь: в- истинная навигационная информация; х - погрешности ИНС; х - оценки погрешностей ИНС; ~ - ошибка оценивания; ФК - фильтр Калмана; 1 - блок определения степеней наблюдаемости и формирования измерений 2.

Сигнал ИНС поступает на блок определения степеней наблюдаемости, где вычитается из сигнала, поступившего с ПСНС для формирования измерений г1, на другой вход блока определения степеней наблюдаемости поступает

* Профессор кафедры «Системы автоматического управления», доктор технических наук.

* Профессор кафедры «Системы автоматического управления», доктор технических наук.

* Студент кафедры «Системы автоматического управления».

сигнал от РЛС, который вычитается из сигнала с ИНС для формирования измерений х2, далее формируются измерительные выборки которые поступают в критерий степени наблюдаемости для вычисления значений степеней наблюдаемости каждой компоненты вектора состояния, включающего ошибки ИНС в определении скорости, угла отклонения ГСП и дрейфа ГСП.

Далее степени наблюдаемости сравниваются и по наибольшему значению выбирается сигнал для дальнейшей обработки в фильтре Калмана, где осуществляется оценка вектора состояния. Оценка ошибок ИНС алгебраически вычитается из выходного сигнала ИНС для компенсации ошибок ИНС. В практических приложениях уровень измерительных шумов обычно меняется, поэтому заранее сделать однозначный выбор структуры комплекса не представляется возможным.

В практических приложениях уровень измерительных шумов обычно меняется, поэтому заранее сделать однозначный выбор структуры комплекса не представляется возможным.

Недостатком известного СНК является то, что в критерии степени наблюдаемости дисперсии исследуемых компонент вектора состояния определяются априори в условиях предполетной подготовки, а в полете они могут существенно меняться, что приводит к ошибочному определению степеней наблюдаемости и, следовательно, к неправильному выбору измерительного сигнала, увеличению ошибок оценивания фильтром Калмана и снижению точности определения навигационных параметров ЛА.

Целью модификации СНК является уменьшение ошибок оценивания ошибок ИНС за счет повышения точности вычисления степеней наблюдаемости погрешностей ИНС.

Критерий степени наблюдаемости имеет вид [4, 5]:

А< = м[(х• а)

М[(У)2]г ■ ( )

Здесь: М[(Х)] - дисперсия произвольной /-ой компоненты вектора состояния; М[(у*)] - дисперсия непосредственно измеряемого вектора состояния.

В критерии степени наблюдаемости (1) мерой наблюдаемости является скаляр. Эта особенность выгодно отличает критерий от известных, так как позволяет проводить сравнение степеней наблюдаемости компонент различных векторов состояния.

Уравнения ошибок одного горизонтального канала системы инерциаль-ной навигации имеют вид [6]:

V = ЗУк_х _ £Гфк_х т

Рк = Рк _1 _~^ЗУк _1 + Тек _1 (2)

ек = Тек _1

где 5Ук - ошибка ИНС в определении скорости;

рк - угол отклонения ГСП относительно сопровождающего трехгранника; ек - скорость дрейфа ГСП.

Для непосредственного измерения компонент вектора состояния получим следующие уравнения:

2{5У) =

, \ 1 1

7(рр = ^7 —~ 7к+1

яТ яТ

(3)

х(е) = -

1

яТ

1

- — г, +-

2

2" к

Я

яТ

--

2 * к+1

яТ

2 * к+2

Определим дисперсию измерительного шума, приведенного к углу отклонения ГСП относительно сопровождающего трехгранника:

(4)

где г - дисперсия ошибки в измерении скорости, которая подлежит непосредственному измерению с помощью внешней информации.

В соответствии с выражением (4) определим степень наблюдаемости угла отклонения ГСП относительно сопровождающего трехгранника:

А, =

М[<Р2]£Т

(5)

М[дГ7]2

Степень наблюдаемости скорости дрейфа ГСП определяется аналогично:

(6)

Подставим численные значения параметров, полученные в результате полунатурного эксперимента с реальной грубой ИНС. Ошибка ИНС в определении скорости равна 60 м/мин, угол отклонения платформы относительного сопровождающего трехгранника -2.10-4 рад., скорость дрейфа 10-5 рад/мин, период дискретизации выбран равным 1 минуте. В результате получим, что степень наблюдаемости угла отклонения ГСП относительно сопровождающего трехгранника равна 0,01, а степень наблюдаемости скорости дрейфа ГСП - 0,0001.

1

Полученные значения степеней наблюдаемости имеют четкий физический смысл. Относительная погрешность оценивания наблюдаемой компоненты вектора состояния по отношению к оцениваемому номиналу в случае оценивания угла отклонения будет такая же, как и относительная погрешность оценивания непосредственно измеряемой компоненты через 100 минут, а в случае скорости дрейфа - через 10000 минут.

В СНК в критерии степени наблюдаемости использованы значения ошибок ИНС, определенные априори в процессе предполетной подготовки, а в модифицированном СНК оценки ошибок ИНС определяются в полете с учетом текущих особенностей движения ЛА. Для реализации модификации СНК использован алгоритм построения моделей ошибок ИНС (рис. 2).

Рис. 2. Модификация селективного навигационного комплекса

Здесь: в- истинная навигационная информация; х - погрешности ИНС; х - оценки погрешностей ИНС; ~ - ошибка оценивания; ФК - фильтр Кал-мана; 1 - блок определения степеней наблюдаемости и формирования измерений г; АПМ - алгоритм построения модели; Прогноз - алгоритм прогноза.

В качестве алгоритма построения модели могут быть использованы нейронные сети, генетические алгоритмы, алгоритмы самоорганизации [7]. С помощью этой модели делается прогноз ошибок ИНС и эти прогнозные значения используются в критерии для вычисления степеней наблюдаемости в процессе полета.

Модифицированный СНК обладает большей точностью за счет более точного определения степеней наблюдаемости ошибок ИНС, что позволяет включать в состав используемых измерительных систем, те системы, которые обеспечивают наибольшую точность оценивания ошибок ИНС и соответственно большую точность СНК.

Список литературы:

1. Пролетарский А.В., Неусыпин К.А., Кэ Фан, Ким Чжэсу. Методы коррекции навигационных систем беспилотных летательных аппаратов // Автоматизация и современные технологии. - Изд. Машиностроение, 2013. -№ 2. - С. 30-34.

2. Шэнь Кай. Разработка алгоритмов оценивания для коррекции навигационных систем // Труды первого международного симпозиума «Современные аспекты фундаментальных наук» / Под ред. Л.И. Рогачевой, К.А. Не-усыпина. - М.: ИИУ МГОУ 2013. - С. 247-251.

3. Шэнь Кай. Исследование алгоритмов оценивания погрешностей навигационных систем // Материали за X международна научна практична конференция, «Бьдещите изследвания», 17-25 февруари, 2014, Република Бълга-рия, гр. София. Том 49. Технологии. Физика. - С. 14.

4. KE Fang, Neusipin K.A. The research on modeling algorithm using self-organization method in aerocraft intelligent control system // Journal of Projectiles Rocket Missiles and Guidance. - 2010. - № 5. - Р. 39-42. - [in Chinese].

5. Fang KE, Proletarsky A, Neusipin K. Selection of measured signals in the navigation measuring complex // Journal of Measurement Science and Instrumentation. - 2011. - Vol. 02. - Р. 346-348.

6. Proletarsky A, Neusipin K. Research scalar filtering algorithm with self-organization method for modeling control system // Science & Military. - 2010. -Vol. 5. - Р. 35-39.

7. Neusipin KA, SHEN Kai, LIU Rong-zhong. Modification of nonlinear Kal-man filter using self-organizing approaches and genetic algorithms // International Journal of Information Engineering. - Dec. 2013. - Vol. 3, Iss. 4. - Р. 129-136.

ТЕХНИЧЕСКАЯ ДИАГНОСТИКА ГАЗОТРАНСПОРТНОГО ОБОРУДОВАНИЯ, ГОРОДСКОГО ЭЛЕКТРИЧЕСКОГО ТРАНСПОРТА И ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА

© Филина О.А.*, Степанов Е.Л.

Казанский государственный энергетический университет, г. Казань

Необходимость использования технической генетики возникает чаще всего при расследовании аварий и их причин. В связи с интенсивным развитием спектральных методов анализа, в последнее десятилетие создаваемые высокопроизводительные устройства автоматизированного контроля находят всё большее применение и на предприятиях

* Старший преподаватель кафедры Электрического транспорта.