.2939.10%的故障狀態,執行機構失效30%的故障狀態,執行機構失效50%的故障狀態,與執行機構失效70%的故障狀態下進行仿真測試,取滿推力控制指令為±500N。在姿控噴管未發生推力下降故障的情況下,其姿態控制測試結果如圖4所示。加入姿控噴管失效70%的工況,其姿態控制測試結果如圖5所示。420100-2051015202530051015202530t/s0-2.5-5.00-1-2t/s(b)051015202530t/s圖4執行機構未失效狀態下運載火箭姿態控制效果曲線。(a)三通道姿態角誤差曲線,(b)三通道角速度曲線,(c)三通道等效控制量曲線,各子圖自上而下順序分別為俯仰通道、偏航通道、滾動通道僅以俯仰角控制通道對比(實際仿真為三通道,受篇幅限制,不失一般性,僅列出俯仰角通道的仿真結果),在推力偏差為0%、10%、30%、50%、70%時,各通道控制曲線如圖6~圖8所示。從以上仿真結果來看,采用TD3強化學習算法進行強適應姿態控制器的設計,在執行機構能力衰減的情況下,僅在前期動態過程時控制曲線與響應曲線有差別。在達到穩態后,5種工況的穩態值幾乎相同,可見基于TD3強化學習算法訓練的控制器可實現在執行機構失效情況下的強適應控制。.2940.0t/s(a)4200-2.5-5.00-1-2t/s(b)t/s圖5執行機構失效70%狀態下運載火箭姿態控制效果曲線。(a)三通道姿態角誤差曲線,(b)三通道角速度曲線,(c)三通道等效控制量曲線,各子圖自上而下順序分別為俯仰通道、偏航通道、滾動通道本文針對運載火箭姿控噴管發生推力下降故障時的姿態控制問題,采用TD3強化學習算法訓練出一套強適應免解耦姿態控制器進行姿控噴管推力下降工況下的強適應免解耦姿態控制。仿真結果表明算法對于運載火箭姿控噴管推力下降故障具有較強的魯棒性,在噴管推力下降70%時仍能實現正常的姿態控制。本方法可以作為一種潛在的基于數據驅動的控制律設計方法,應用于各類故障條件下的飛行器多通道姿態控制器的訓練與設計。543210decaydecayrate=0%decayrate=10%decayrate=30%decayrate=50%decayrate=70%15202530015202530t/s(a)decaydecayrate=0%decayrate=10%decayrate=30%decayrate=50%decayrate=70%t/s(b)圖6不同工況下俯仰角誤差控制曲線對比(右圖為前3s的放大曲線)-0.5-1.5-2.0-2.5decaydecayrate=0%decayrate=10%decayrate=30%decayrate=50%decayrate=70%1525305201525305t/s(a)-0.5-1.5-2.0-2.5decaydecayrate=0%decayrate=10%decayrate=30%decayrate=50%decayrate=70%051015202530t/s(b)圖7不同工況下俯仰角速度控制曲線對比(右圖為前3s狀態)0.750.500.25-0.25-0.50-0.75decaydecayrate=0%decayrate=10%decayrate=30%decayrate=50%decayrate=70%1525305201525305t/s(a)0.750.500.25-0.25-0.50-0.75decaydecayrate=0%decayrate=10%decayrate=30%decayrate=50%decayrate=70%051015202530t/s(b)543210圖8不同工況下俯仰通道控制量曲線對比(右圖為前3s狀態)543210.2941..2942.[1]張衛東,劉玉璽,劉漢兵,等.運載火箭姿態控制技術的發展趨勢和展望[J]．航天控制,2017,35(3):8588.[2]趙小平.基于自適應H∞的重型運載火箭姿態控制方法研究[D]．哈爾濱:哈爾濱工業大學,2012:2768.[3]王青,王昭,董朝陽.一種基于二階滑模的柔性運載火箭姿態控制[J]．系統仿真學報,2009,21(7):20062009.[4]王曄,程昊宇.運載火箭姿態的自抗擾控制器設計[J]．彈箭與制導學報,2015,35(4):1114.[5]劉乾.基于模糊PD的運載火箭姿態控制系統設計[J]．農業裝備與車輛工程,2020,58(5):9699.[6]劉盼.捆綁式運載火箭一體化模型降階、模態辨識與姿態控制設計[D]．上海:上海交通大學,2016:90141.[7]朱蕾蕾,金龍,范鑫.運載火箭姿態控制多任務通用設計方法[J]．上海航天,2020,37(S2):8591.[8]李君,董朝陽,程興,等.基于姿控噴管開關控制的全量耦合動力學建模與控制優化技術研究[J]．導彈與航天運載技術,2017(6):[9]劉靖邦.數據驅動的火箭飛行姿態控制研究[D]．北京:北京交通大學,2020:175.[10]孟洲.發動機伺服機構故障下大型捆綁火箭容錯控制[D]．長沙:國防科學技術大學,2013:1104.[11]馬艷如,王青,胡昌華,等.執行器故障下的運載火箭非奇異終端滑模容錯控制[J]．宇航學報,2020,41(12):15531560.[12]SILVERD,HUANGetal.MasteringtheGameofGowithDeepNeuralNetworksandTreeSearch[J]．Nature,529,484489,2016.[13]VINYALSO,EWALDST,BARTUNOVS.StarCraftII:ANewChallengeforReinforcementLearning[DB/OL]．arXivpreprint:[14]BERNERC,BROCKMANG,CHANB,etal.Dota2withLargeScaleDeepReinforcementLearning[DB/OL]．arXivpreprint:[15]孫輝輝,胡春鶴,張軍國.移動機器人運動規劃中的深度強化學習方法[J]．控制與決策,2021,36(6):12811292.[16]陳奇石.強化學習在仿人機器人行走穩定控制上的研究及實現[D]．廣州:華南理工大學,2016:182.[17]FUJIMOTOS,VANHOOFH,MEGERD.AddressingFunctionApproximationErrorinActorCriticMethods[DB/OL]．arXivpreprint:1802.09477v3,2018.[18]LILLICRAPTP,HUNTJJ,PRITZELA.ContinuousControlwithDeepReinforcementLearning[DB/OL]．arXivpreprint:[19]SUTTONRS,BARTOAG.ReinforcementLearning:AnIntroductionSecondEdition[M]．TheMITPress,2017,3755.[20]SUTTONRS,BARTOAG.ReinforcementLearning:AnIntroductionSecondEdition[M]．TheMITPress,2017,97113.[21]Kingma,D.andBa,J.,Adam:Amethodforstochasticoptimization[DB/OL]．arXivpreprint:1412.6980,2014.StrongAdaptiveControlofLaunchVehicleNozzleThrustDescentFaultBasedonReinforcementLearningJIAChenhu,LIUXiaodong,WEIMinfeng,GONGQinghaiNationalKeyLaboratoryofScienceandTechnologyonAerospaceIntelligentControl,BeijingAerospaceAutomaticControlInstituteAbstractInthispaper,strongadaptiveattitudecontrolalgorithmundertheconditionofthrustdescentfailureoftheattitudecontrolnozzleduringtheflightofthelaunchvehicleisstudied.Athree channelendtoendattitudecontrollerisdesignedwithTD3(TwindelayedDeepDeterministicPolicyGradient)reinforcementlearningalgorithm,whichismoreadvancedinthecurrentcontinuousactionspacereinforcementlearningalgorithm,andtheattitudeangleerrorandangularvelocityofthelaunchvehicleareusedasstatevariables.Takingtheequivalentcontrolquantityofeachchannelastheoutputofthe.2943.controller,themultichannelintegratedstrongadaptiveattitudecontrolofthelaunchvehicleisrealized.Thesimulationscarriedoutinthepapershowthattheattitudecontrollerdesignedbythisalgorithmcanautomaticallyadapttothethrustdropconditionofthelaunchvehiclenozzlewhentheactuatorcapacityissufficient,andquicklyadjusttheoutputoftheactuatortorealizetherapidcorrectionofthelaunchvehicleattitudecontrolerrorThismethodhasstrongadaptabilityandrobustnesstofaultconditions,andhascertainresearchvalueandengineeringreferencevalueinsolvingtheproblemofcontrolreconfigurationunderfaultconditionsoflaunchvehicles．KeywordsLaunchVehicle;ThrustDropFailureofAttitudeControlNozzle;ReinforcementLearning;TD3Algorithm;EndtoEndandDecoupleFree;AdaptiveAttitudeControl.2944.非線性濾波算法在衛星姿態估計中的應用研究劉杰1趙晨1朱永杰21.中國空間技術研究院通信與導航衛星總體部;2.西安衛星測控中心摘要針對矢量觀測的三軸穩定衛星的高精度姿態估計問題,通過對非線性濾波算法的比較發現:進行無損卡爾曼濾波(UKF)濾波時,其多元分布代表點個數會隨系統維數的增加而增大,尤其是在高維度高精度多敏感器數據融合時,工程應用中的計算負擔超出星載計算機的能力.針對這一問題,將一種基于球面代表點變換的改進UKF算法應用于衛星高精度姿態估計中,在保證濾波精度與標準UKF算法相當的前提下,使計算效率得到明顯改善,仿真結果表明,改進的UKF算法可以取得比標準UKF更快的濾波收斂性,大大降低計算負載,更適用于工程應用.關鍵詞衛星姿態估計;非線性濾波;無損卡爾曼濾波(UKF)在衛星的高精度姿態估計算法中,由于衛星軌道參數的誤差、姿態敏感器的安裝誤差、執行機構控制周期誤差等系統非線性因素導致的不確定性,在工程應用中,將三軸穩定衛星姿態估計問題進行近似線性化處理后,導致姿態估計精度越來越差,特別是隨著姿態估計系統維度的增加,線性化濾波算法誤差累積到一定程度會使濾波誤差的協方差陣失去非負定性,從而使濾波精度大大降低甚至造成濾波器發散。近年來,基于矢量觀測的非線性濾波方法因具有精度高、對參數選取靈活等優點,得到許多學者的關注。濾波是控制工程中常用的信息融合的方法之一。實際工程應用中所獲得的測量數據本質是非線性的,每個系統都或多或少地包含著非線性因素,通常采用的擴展卡爾曼濾波(ExtendedKalmanFiltering,EKF)方法[1]是通過線性化辦法處理非線性問題,因此對強非線性系統必然引入較大的線性化誤差,嚴重影響濾波精度。針對上述缺點,文獻[2]將基于統計線性回歸(LRKF)技術的一種新的非線性濾波方法無損卡爾曼濾波(UKF)應用于衛星姿態估計。與EKF相比,UKF不需要對函數進行微分,因此除對函數的可微性不作要求外,甚至即使函數不連續且存在奇異點(無導數存在)也能進行濾波,因而適用范圍較廣。本文研究了非線性濾波算法在三軸穩定衛星高精度姿態估計中的應用,目的是找出一種適用于工程應用的非線性濾波算法,以提高基于多敏感器數據融合的衛星姿態控制精度和抗干擾能力。通過構建UT變換代表點,將一種基于球面代表點變換的改進UKF算法應用于衛星高精度姿態估計中,在保證濾波精度與標準UKF算法相當的前提下,使計算效率得到明顯改善。1無損卡爾曼濾波(UKF)算法考慮非線性系統xk+1=f(xk,wk)(1).2945.yk＝h(xk,vk)(2)式中,xk為nx維的系統狀態向量,yk為ny維的系統觀測向量,wk為nw維的系統噪聲,vk為nv維的觀測噪聲。設wk為高斯白噪聲,方差矩陣為Qk,vk為高斯白噪聲,方差矩陣為Rk,且wk與vk互不相關。初始分布的均值為x0,方差為P0。標準的UKF算法如下:1)初始化:=E[x=E[x],P=E[(x-)(x-)T](3)χa,k＝[χa(0,χa(i,)kχa(i,N)],i=1,2,…,N(4)χa(0,＝[x00]T(5)權值為(8)3)時間更新:χα(i,+1k＝fα(χα(i,)(9)(10)i=0i1k)(12)(13)4)測量更新:Kk+1=1(1)-1(16)P1k＝1k－Kk+11K+1(17)xk+1=xk+1k＋Kk+1(yk+1-k+1k)(18)UKF的算法流程圖如圖1所示。1.2改進UKF算法對于隨機向量的UT變換,只要保證采樣點集合的均值和方差特性與原始分布一致,任何對稱的采樣點集合都可以在經過UT變換后,其均值和方差的計算誤差在3階或者3階以上[3]。然而,在某些高精度的應用中,對于隨機向量的近似僅僅保證采樣點集合的均值和方差特性是不夠的,所以必須采取措施提高近似精度。從多元分布代表點的角度來看,通過隨機向量樣本的非線性變換來計算后驗分布的統計特性,只有當樣本包含更多原始分布的信息時,經過非線性變換后的樣本集合才能夠表達更多后驗分布的信息,因此提高近似精度的主要途徑是提高樣本點的代表性,這樣必然會增加樣本點的個數。同時,在某些對實時性要求較高的工程應用中,UT代表點個數的增加會帶來較大的計算負擔和較長的計算時間,無法滿足實時性要求,因此必須簡化UT代表點,減少代表點個數。可見,對UKF算法的改進主要包括兩個方面[4]:.2946.圖1UKF算法流程圖1)為提高估計精度,改進UT代表點的代表性,使其包含更多的原始分布信息,從而經過非線性變換得到更準確的后驗信息;2)為滿足工程應用需要,簡化UT代表點,減少代表點個數,降低計算負擔。總之,對UKF算法的改進主要集中在對UT代表點的選擇與設計上。2一種減少采樣點個數的改進UKF算法傳統的UKF選擇2n+1個對稱分布的UT代表點進行UT變換。對于n維狀態變量,至少需要n+1個采樣點來描述其均值和方差。球面代表點變換是通過n+1個分布在以隨機變量的均值為原點的球面上的權值相等的采樣點來近似變量的概率分布,這樣由n+1個球面代表點和變量的均值點構成了n+2個改進UT變換代表點。均值為0,方差陣為單位陣的n維隨機變量≈的球面代表點算法如下:.2947.1)選擇權值W0,滿足:0≤W0≤1(19)2)確定權值Wi:(20)3)初始化向量序列:ì?e=[0](21)4)擴展向量序列(j=2,…,n):其中,e其中,e表示j維隨機變量的第i個采樣點,0j表示j維零向量。通過以上算法得到x的n+2個采樣點e,i=0,,n+1。對于均值為x,方差為Px的n維隨機變量x的球面代表點可以通過下式得到:χi＝x＋Pxei=0,…,n+1(23)這種減少采樣點個數的改進UKF算法采用n+2個球面代表點代替了2n+1個對稱分布的UT代表點,對于多維系統明顯減少了采樣點個數,因此在保證濾波精度與標準UKF算法相當的前提下,計算效率會得到明顯改善。3三軸穩定衛星姿態估計模型由紅外地平儀、太陽敏感器和速率積分陀螺組成的姿態測量系統,是對地定向三軸穩定衛星姿態確定的典型模式。在三軸穩定狀態,衛星相對于軌道坐標的姿態角φ,θ,ψ為小量,速率陀螺的輸入是衛星在空間的轉速沿星體的分量,有:x-ω0ψ其中,φ,θ,ψ衛星的滾動角,俯仰角和偏航角;ω0為軌道角速度;ωx,ωy,ωz為衛星本體慣性系角速度分量。三只速率陀螺的輸入軸分別沿星體三軸安裝,陀螺系統的測速模型可列為:g(t)=ω(t)＋b(t)＋d(t)＋n(t)(25)式中,g(t)為三只陀螺的測量輸出,ω(t)為沿三只陀螺輸入軸的姿態速率,b(t)和d(t)為三個陀螺的漂移(常值漂移和相關漂移),n(t)為三個陀螺的白噪聲。陀螺漂移是影響姿態測量高精度的主要因素,陀.2948.螺常值漂移和相關漂移的狀態方程為:b.i＝nbi(26)其中,τi為陀螺一階馬爾可夫過程的相關時間常數;ni為零值高斯白噪聲.太陽敏感器的模型為:mθ=+Δmθ(27)mψ=+Δmψ其中,S,S,S為太陽矢量在衛星坐標系下的分量;mφ,mθ,mψ為太陽敏感器的輸出;Δmφ,Δmθ,Δmψ為測量噪聲.地球敏感器測量誤差(Δφ.h,Δθ.h)模型為:Δφ.h=0,Δθ.h=0.綜合上述各式,獲得11維陀螺/太陽敏感器/地球敏感器組合測姿系統模型.文獻[8]指出在對地定解耦為俯仰回路和滾動偏航回路兩部分,并根據衛星所處的工作模式進行不同回路的濾波.向的姿態動力學中,俯仰和滾動－解耦為俯仰回路和滾動偏航回路兩部分,并根據衛星所處的工作模式進行不同回路的濾波.4仿真校驗為了驗證改進UKF濾波算法在衛星姿態估計應用中的可行性,利用某通信衛星動力學模型,按照第3節中的衛星姿態估計模型進行了仿真.仿真中,對地定向的三軸穩定衛星處于對地穩定狀態,其初始滾動角,俯仰角和偏航角φ,θ,ψ近似為零,仿真時間為2000s,時間間隔為0.1s.陀螺在x,y,z方向上的常值漂移均為20°/h,相關漂移均為2°/h,太陽敏感器測量噪聲為0.015°,地球敏感器測量噪聲為0.030°.仿真結果如圖2~圖4所示.滾動角姿態估計誤差時間/S圖2滾動角姿態估計誤差圖2~圖4給出了采用改進的UKF濾波算法得到的衛星滾動角、俯仰角和偏航角估計誤差.從圖中可以看出在初始濾波階段誤差角較大,尤其是偏航軸誤差角Δψ最大,一方面這與初值選取有關,但更主要的原因是此時陀螺的常值和相關漂移的估計不準確,由此可以確定陀螺漂移是影響姿態測量高精度的主要因素..2949.俯仰角姿態估計誤差時間/S圖3俯仰角姿態估計誤差偏航角姿態估計誤差時間/S圖4偏航角姿態估計誤差表1給出了采用傳統UKF和改進UKF對衛星姿態估計模型進行濾波后的性能比較,可以得出:1)采用球面代表點代替傳統Sigma點,對于多維系統明顯減少了采樣點個數,在工程應用中,大大提升了計算效率;2)傳統UKF對高維衛星姿態估計模型的濾波收斂慢、精度差、易發散,改進的UKF可有效加快收斂速度,提高系統精度,避免濾波發散,更適于工程應用。表1衛星姿態估計濾波算法性能比對性能比對改進UKF/傳統UKF(％)滾動角誤差57.3%俯仰角誤差49.6%偏航角誤差56.8%收斂時間68.5%計算量21.2%本文將一種基于球面代表點變換的改進UKF算法應用于衛星高精度姿態估計中,在星載計算機計算能力約束下,采用改進的UKF算法可以取得比標準UKF更快的濾波收斂性,大大降低計算負載,更適于工程應用。.2950.[1]LeffertsEJ,MarkleyFL,Shuster,M.D.KalmanFilteringforSpacecraftAttitudeEstimation[J]．JournalofGuidanceControl[2]VandykeMC,SchwartzJL,HallCD.UnscentedKalmanFilteringforspacecraftattitudestateandparameterestimation[J]．AdvancesintheAstronauticalSciences,2004,119(1)．[3]JulierS,UhlmannJ,DurrantWhyteHF.Anewmethodforthenonlineartransformationofmeansandcovariancesinfiltersandestimators[J]．IEEETransAutomaticControl,2001.[4]方開泰,賀曙東.在正態總體中如何選擇給定數目的代表點的問題[J]．應用數學學報,1984,7(3):293306.[5]李濤.非線性濾波方法在導航系統中的應用研究[D]．國防科學技術大學,2003.[6]WuZ,YaoM,MaH,etal.AnAttitudeEstimationMethodUsingMultiSensorFusionforLowCostMobileSatelliteCommunication[J]．JournalofXi’anJiaotongUniversity,2012.[7]章仁為.衛星軌道姿態動力學與控制[M]．北京:北京航空航天大學出版社,1998:157176.[8]SOOPEM.地球靜止軌道手冊[M]．王正才,邢國華,張宏偉,等,譯.北京:國防工業出版社,1999.ApplicationofNonlinearFilteringAlgorithmforSatelliteAttitudeEstimationLIUJie1,ZHAOChen1,ZHUYongjie21.InstituteofTelecommunicationandNavigationSatellite,CAST;2.Xi’anSatelliteMeasurementandControlCenterAbstractAimingattheproblemofhighprecisionattitudeestimationofthreeaxisstablesatellites,itisfoundthroughthecomparisonofnonlinearfilteringalgorithmsthatthenumberofUnscentedTransformpointsrepresentedbythemultivariatedistributionwillincreasewiththeincreaseofsystemdimension,especiallyinthecaseofhighdimensional,highprecisionandmultisensor,thecomputationalburdenexceedstheabilityofsatelliteonboardcomputer.AnimprovedUKFalgorithmbasedonsphericalrepresentativepointtransformationisappliedtosatellitehighprecisionattitudeestimation,andthecalculationefficiencyissignificantlyimproved.ThesimulationresultsshowthattheimprovedUKFalgorithmcanachievefasterfilteringconvergencethanstandardUKF,greatlyreducethecomputingload,andbemoresuitableforengineeringapplications．KeywordsSatelliteattitudeestimation;Nonlinearfiltering;UnscentedKalmanfilter(UKF)防空導彈發射車異常抖動問題探究王惠娟牛遠征姜曉明韋睿川趙文俊上海機電工程研究所摘要伺服驅動系統作為防空導彈發射車的重要組成部分,其性能對武器系統的作戰效能至關重要.但是在產品研制過程中,由于環境、機械摩擦、齒隙等各種非線性因素的影響,往往會造成防空導彈發射車的異常抖動.為了解決發射車的異常抖動問題,本文對發射車的兩種伺服驅動系統進行研究分析,針對不同情況下的抖動,從控制策略的角度給出不同的優化解決方案,設計出消抖控制算法.最后,問題.關鍵詞伺服驅動系統;非線性因素;異常抖動;控制策略在防空導彈發射車上,涉及伺服驅動系統的主要有兩大控制系統:隨動控制系統和車調控制系統.兩大控制系統都以分布式驅動為核心,其中,隨動系統的被控對象為發射裝置,用以帶動發射架跟蹤目標,其響應速度、跟蹤精度、魯棒性等指標的優劣會直接影響到武器效能的發揮.車調系統的被控對象為四條支腿,負責發射車的展開、調平以及撤收工作,用以為武器系統提供穩定的工程支撐和水平基準,是導彈發射車進行穩定發射的基礎和平臺.兩大控制系統的信號拓撲關系如圖1所示.圖1信號拓撲關系圖但是在產品研制過程中,由于結構摩擦、控制指令不確定等非線性因素的存在,往往會遇到異常抖動問題.對于伺服驅動系統來說,持續頻繁的抖動,會造成機械結構的磨損和碰撞,影響電機的使用壽命.對于控制系統來說,系統的穩態和動態性能會進一步變差,非線性控制會變得更加復雜,造成系統的不穩定,嚴重時還會產生劇烈噪聲,從而導致系統失穩、設備損壞甚至安全事故[1].因此本文以某型高集成防空導彈發射車的隨動控制系統、車調控制系統為研究對象,結合各自的系統組成及工作原理,分析在不同情況下兩者抖動的原因,并從控制策略的角度給出優化解決方案,設計消抖控制算法,解決試驗調試過程中帶來的抖動問題.1導彈發射車伺服驅動系統1.1隨動系統組成及工作原理導彈發射車的隨動系統主要由伺服計算機、伺服驅動系統、角編碼器、制動電阻、電動缸、減速機等組成。伺服計算機為隨動系統的控制機構,由于包含有數學模型解算,往往配置Vxworks、SylixOS等高實時性的操作系統。伺服驅動系統為動力執行機構,驅動器產生變頻交流電控制電機轉動,并經過減速傳動裝置,帶動負載轉動。角編碼器為檢測機構,用以反饋隨動系統當前的架位信息,主要包括方位和高低兩部分。制動電阻用以在電機制動時,釋放電機產生的過電壓。隨動系統的基本組成如圖2所示。圖2隨動系統的基本組成從整個武器系統的角度來看,隨動系統工作原理如下:指控計算機接收雷達、光電、導航的目標信息,經過坐標轉換、濾波等處理,將架位信息發送給伺服計算機。伺服計算機接收到架位信息以后,根據角編碼器反饋的當前架位信息值以及導航的車體姿態信息,經過坐標轉換、拉格朗日插值、卡爾曼濾波、量綱轉換等步驟得到轉速控制信息,完成位置控制的閉環。驅動器接收伺服計算機給出的轉速控制信息,同時接收并解析電機反饋的當前轉速值,經過濾波等步驟得到電機的電流控制信息,完成速度環的閉環。電流環的反饋來自于電機每相的霍爾傳感器,通過采樣濾波后,完成電流環的閉環[2]。根據上述隨動系統的工作原理,可得到隨動系統控制原理圖如圖3所示。圖3隨動系統控制原理圖1.2車調系統組成及工作原理導彈發射車的車調系統主要由車控盒、交流驅動系統、水平儀、制動電阻、電動缸等組成。車控盒具備控制本控以及遙控功能,本控命令由自身發出,遙控命令為接收上位機控制指令。伺服驅動系統為動力執行機構,驅動器產生變頻交流電控制電機轉動,并經過減速傳動裝置,帶動負載轉動,從而完成對支腿的伸長或收縮[35]。水平儀用以檢測車體兩個垂直方向上傾斜度信息,為發射車的自動調平功能提供數據支撐。車調系統的基本組成如圖4所示。圖4車調系統的基本組成從整個武器系統的角度來看,指控計算機可發送一鍵調平以及撤收命令。車控盒接收到該命令以后,根據調平撤收控制策略,進行調平控制。車調控制也包含三環控制,但是與伺服系統不同,位置環最外圍是車體姿態的反饋。車體的姿態信息由水平儀或者慣導提供,車控盒根據收到水平儀的數值,判斷當前所處的調平流程,然后對驅動器進行轉速控制。由于車體抖動發生在調平階段,因此著重分析整個調平過程。一鍵調平分為觸地階段、粗調階段、細調階段、以及轉矩控制階段。觸地階段需要通過判斷電流值來確定是否支腿觸地。在粗調、細調階段,根據水平儀反饋的數值,先進行X方向上的調平、再進行Y方向上的調平[68]。重復迭代,最終達到當前階段的控制指標。在粗調、細調階段,控制策略類似,不同的是控制電機的轉速。在轉矩控制階段,按照提前設置好的轉矩數值,進行消虛腿處理,若不滿足調平指標,則重復粗調、細調流程。車調系統的工作原理如圖5所示。圖5車調系統控制原理圖2隨動系統抖動問題探究對于隨動系統的末端抖動是一個系統問題,涉及多個專業學科,各個學科交叉融合,包括目標信息處理、指揮控制、伺服控制、數據處理、結構工程、軟件工程等,需要從整個防空武器系統的多個維度去分析。對于整個防空系統而言,雷達、光電等傳感器作為目指信息的來源,其目指信息的可靠性以及穩定性是控制信息的來源。在實際應用過程中,往往需要經過目標數據融合,目的是將各個傳感器的優勢集中在一起,比如光電可以看到目標畫面,但是受天氣影響較大。雷達雖然受到天氣的影響較弱,但是容易受到電磁干擾,此外,回波雖然可以在一定程度上反映目標的形態大小,但是沒有光電直觀,因此往往用到數據融合技術,目的是將各個目標特征的提取出來,優化各個傳感器的信息,利用協同工作的優勢,最終提高系統的穩定性。若是目標信息存在誤差,則有可能會造成目標信息的不連續,從而造成車體的抖動[9]。由于雷達、指控計算機、伺服計算機之間的通信周期是不一致的,因此會進行插值。指控計算機收到目標數據以后,往往需要進行濾波,濾除野值。野值的來源來自于傳感器自身以及在傳輸過程中環境的干擾,可能存在某些錯誤的值,這些值可能已經超過了傳感器在正常情況下自身的測量范圍,如果直接使用這些數值,則會對數據處理造成很大的誤差,常用的濾波方法有很多種,低通濾波、αβ濾波、卡爾曼濾波等。由于插值以及濾波對數據處理的不確定性,也會造成車體的抖動。在伺服系統的傳動鏈上,存在傳動軸、變速器、聯軸器等裝置,用以連接電機和負載,但是在實際應用過程中,這些車體傳動結構的剛性并不是無窮大,存在一定的彈性。尤其是在低速運行時候,這些減速裝置雖然可以提供大的驅動轉矩,但是也會引起電機以及負載之間的彈性扭轉,甚至產生固有的機械諧振,從而造成驅動系統的抖動。因此在設計伺服控制模型的時候,必須考慮這些彈性減速機制[10]。根據以上分析,影響車體抖動的原因可能出現在以下幾個環節:目標來源的穩定性、指控數據處理、伺服控制模型設計、傳動結構的剛性等。由于非線性因素一定存在,武控發送目標信息以后,伺服作為執行機構進行抖動控制。由于武控模型以及導彈控制規律的制約,在優化受到制約的情況下,需要從伺服之中想辦法。本文著重從伺服控制的角度來進行分析,重點在于濾波。因此本文著重從伺服系統的控制模型入手,研究控制策略,從而解決車體抖動問題。根據伺服計算機所在系統控制鏈的位置,對以下兩種情況下車體的抖動進行分析,并給出解決方案。2.1連續階躍抖動問題分析導航可以提供整車的時統,通過產生的準秒脈沖信號發送給指控計算機,指控計算機收到準秒脈沖信號以后,由指控計算機統一分發給其他設備。除此以外,可以提供車體的姿態信息,包括方位、縱搖、橫滾等參數,用于各設備之間的坐標轉換。指控計算機收到目標信息以后,發送給伺服計算機。伺服計算機經過插值后,發送給驅動器,驅動器帶動電機進行轉動,從而帶動機械機構進行動作。電機可以進行正反轉,來控制發射架的角度,從而讓執行機構對目標進行跟隨[1113]。伺服計算機信息交互網如圖6所示。控制指令抖動問題和兩個控制規律有關,一個是導彈的控制規律,另外一個是雷達的目標處理。當目標為近距快速目標時,雷達的數據變化就很快。武控需要對雷達的目標進行建航并進行外推,對于此類目標來說,目標的微小變動都會引起觀測值的變化。由于雷達精度限制以及插值誤差,指控計算機處理后的數值就有可能是連續的階躍信號,若伺服控制模型設計不合理,那么這些高頻階躍信號就會造成車體抖動。以某型號為例,搜跟雷達與指控計算機之間的通信周期為4s,指控計算機與伺服計算機之間的通信周期為30ms。伺服計算機與驅動器之間的通信周期為1ms,因此需要對武控發送過來的目標架位信息進行插值,從而削弱路面對車體的影響,增加車體的穩定性。通常武控中常用的濾波方法,αβ濾波以及卡爾曼濾波。但是對于這兩種濾波來說,濾波的好壞和圖6伺服計算機信息交互網很多因素有關,如果假設的模型和真實的模型相差較大,就會出現濾波的發散,濾波器實際的均方差要比估計值大很多,并且隨著時間的增加會無限增長。對于機動目標的跟蹤,難以建立準確的數學模型,因此就有很大的不確定性,無論是αβ濾波以及卡爾曼濾波,都具有局限性,因此相繼提出了自適應的濾波算法。但是在應用中需要注意濾波的實時處理能力,卡爾曼濾波需要耗費計算機的資源。對于這種情況可以采用分段控制的方法,在武控的控制指令與角編碼器的反饋指令小于某個角度值的時候,減小Kp,增大Ki,可以減小超調。2.2行進間抖動問題分析導彈發射車的行進間伺服控制,由于各種路面復雜,伺服系統的姿態不斷發生變化,就需要研究控制量補償策略,在行進過程中及時對控制量進行修正和補償。以往的行進間發射技術多應用于坦克和艦船,因為其載體剛性良好、擾動較小,主要是低頻干擾。但是對于導彈發射車而言,其剛性不如坦克,在行駛過程中晃動幅度較大,干擾往往是高頻信號。因此如何處理高頻干擾信號便成為行進間伺服控制的難點之一。針對行進間控制策略,需對武器系統作戰原理進行分析。在大地系轉車體系的時候,需要進行穩定坐標與不穩定坐標之間的轉換,上位機的控制與驅動器之間的響應是存在偏差的。整車的原點設置為慣導所在的位置,對于武控來說,主要進行目標的濾波以及坐標轉換,坐標轉換的方式往往從極坐標轉直角坐標系。目標是在不穩定坐標系下的數據,在進行直角坐標轉換之前,需要進行轉換,將此時不穩定的直角坐標系轉換為穩定的直角坐標系,然后進行空間位置的平移,轉換至慣導所在的位置,然后根據武器(導彈、火炮等)對于慣導的相對位置,轉換至武器的直角坐標系。轉化以后,再根據當前的慣導數據,轉換成武器的不穩定系直角坐標,最后轉換成極坐標,這時完成了整個流程的閉環。當指控計算機接收到雷達或者光電發送的目標信息以后,需要進行諸元解算,諸元解算主要包括數據濾波、坐標轉換兩個部分。由于作戰武器的空間位置不同,以及導彈發射車在運動的過程中受到車體抖動的影響,因此需要進行坐標轉換,目的是將融合后的目指信息轉換到作戰武器的坐標系下,從而實現伺服控制轉動對準目標。傳統目指解算在指控計算機中進行,在將目標信息轉換到車體坐標系下后,通過網絡發送給伺服計算機,從而控制轉塔轉動。在伺服計算機中,只包含位置環PID控制策略。但是在實際應用過程中,由于導航的車體姿態數值通過CAN總線發送給指控計算機、伺服計算機,目指信息通過網絡發送指控計算機,然后進行解算[14,15]。在以上情況下,若是經由指控計算機解算后,再發送給伺服計算機,可能會造成控制存在延遲,造成滯后現象.因此可考慮將目標的坐標轉換策略放置在伺服計算機,控制策略更接近執行機構,從而消除一定的控制延遲.3車調系統抖動問題探究3.1常溫下抖動問題分析一般對于閉環控制系統,需要進行采樣.對于車控盒來說,需要定周期采集水平儀數值,來確定當前所處的調平流程.采樣的周期很短,一般只有幾個毫秒.從采樣輸入控制指令θi(n)至輸出的c(n),存在一段時間延時,該段延時取決于軟件的控制周期.對于整個軟件的控制周期來講,延時的時間越長對于控制系統的穩定性越不利.但是對于車調系統的控制而言,根據控制策略,會造成車體姿態的抖動,抖動的結果會反映到水平儀的數值上,在抖動的過程中,會造成最高點發生變化,從而影響之后的控制邏輯,造成正常的調平邏輯受到影響,往往在電動缸行程伸到底時,還沒有到達調平效果.根據調平控制的原理分析,之所以發生調平抖動,在于從車調控制計算機輸出到響應完成,存在一定的延遲,由于在調平的控制邏輯中,粗調以及細調是兩條支腿同時動作,進行一個方向上的調平,因此,會存在一種情況,就是指令的不同步造成驅動器執行動作的一致性問題.解決措施:對水平儀數值進行過濾求均值.在收到水平儀數值以后,進行存儲,取連續10拍,經過冒泡排序后,取中間5個數值,求均值后,然后進行命令判斷.3.2低溫下抖動問題分析在低溫下的控制邏輯,低溫下與常溫下不同,就是電流值的觸地判斷.在整個調平控制邏輯中,存在觸地情況下,檢測電流值的情況,在低溫狀態下,定子線圈的電阻與常溫不同,電機與機械負載軸承潤滑在低溫下會發生變化,由于磁場減弱,相同轉矩的情況下需要更大的電流,因此檢測在常溫下的電流已經不能滿足低溫環境下的需求[16].不僅僅是在低溫,在高氣壓環境下,也存在這樣情況,因此需要對現有的控制策略進行改進,改進的方法結合電動缸的行程進行,在開始伸出支腿的時候,從某個時間段開始查詢電動缸的行程,在保證電動缸在空載的時候記錄驅動器的電流值,需要注意的是此時應該避免瞬時的啟動電流,該電流來自于克服靜摩擦力,應避免記錄該電流.在記錄該電流以后,對其進行求均值,作為空載電流.記錄以后,開始對電流值繼續檢測.若在某一時刻,驅動器反饋的電流值大于常溫下的電流值5A,則認為該支腿已經觸地.需要注意的是,在這個過程中也設置一個雙門限閾值,一個閾值是常溫下電流值I常,另外一個閾值是連續累計次數.若兩個條件都滿足,則可以判斷達到了觸地條件,然后開始進入粗調以及細調流程.本文以某型高集成防空導彈發射車的隨動控制系統、車調控制系統為研究對象,結合各自的系統組成及工作原理,分析在不同情況下兩者抖動的原因,并從控制策略的角度給出優化解決方案,設計消抖控制算法,解決試驗調試過程中帶來的抖動問題.經過現場試驗調試,伺服系統以及車調系統都能夠穩定運行,提出的控制策略以及控制算法不僅可以用于導彈發射車,對于其他需要隨動和調平的系統和裝置也有應用價值,具有通用性.[1]李鵬輝,沈漢林,羅欣,沈安文.伺服驅動中末端抖動的抑制[J]．工業控制計算機,2018(05):5860.[2]韋鳳.一種伺服驅動定位末端抖振問題的抑制分析及解決方法[J]．機電工程技術,2018(05):187190.[3]徐嵩.發射車六點調平系統建模和控制算法研究[D]．哈爾濱:哈爾濱工業大學,2017.[4]嚴金根,陳君.一種載平臺電動調平腿設計[J]．機械工程師,2019(11):105106,109.[5]楊徑,陸華忠,李君,等.果園升降平臺調平機構建模與仿真[J]．農機化研究,2018,40(05):111116.[6]謝明軍.車載雷達機電式自動調平系統的設計[J]．電子設計工程,2016,24(9):108109.[7]姜曉明,王旭烽,張偉芳,等.激光跟瞄系統粗精復合軸協同控制策略優化研究[J]．空天防御,2019,2(3):3137.[8]牛遠征,張亞莉,劉宜罡,等.發射車自動調平控制系統設計與實現[J]．電子設計工程,2021(06):104110.[9]楊顯波.伺服抖動故障探究[J]．前衛,2021(1):3.[10]李華,汪培佩,屈宗源.一種預測伺服作動器控制舵面抖動的計算方法:CN112765764A[P]．2021.[11]游培寒,繆昕,祝逢春,等.傳動齒隙對電視導引頭伺服系統穩定性的影響分析[J]．彈箭與制導學報,2016,36(6):4.[12]靖李靜,劉杰.伺服機構抖動的軟件消除方法研究[J]．工業控制計算機,2016(4):2.[13]姜春霞.太陽能跟蹤伺服系統非線性特性及補償研究[J]．中科院長春光機所知識產出,2015.[14]徐德文.基于滑模變結構控制的伺服系統設計及實現[D]．大連交通大學．[15]錢勇,熊愛中.基于IPM的交流伺服驅動器低速抖動的解決方案[J]．電子技術與軟件工程,2020(4):3.[16]魏國,趙益,董建明,等.車載自動調平系統的設計與分析[J]．移動電源與車輛,2021(03):2227.ResearchonAbnormalJitterofAirDefenseMissileLaunchVehicleWANGHuijuan,NIUYuanzheng,JIANGXiaoming,WEIRuichuan,ZHAOWenjunShanghaiElectroMechanicalEngineeringInstituteAbstractAsanimportantpartoftheairdefensemissilelauncher,theperformanceoftheservodrivesystemisveryimportanttothecombateffectivenessoftheweaponsystem.However,intheprocessofproductdevelopment,duetotheinfluenceofenvironment,mechanicalfriction,backlashandothernonlinearfactors,itoftencausesabnormaljitteroftheairdefensemissilelauncher.Inordertosolvetheabnormaljitterproblemofthelauncher,thispaperstudiesandanalyzesthetwoservodrivesystemsofthelauncher.Inviewofthejitterunderdifferentconditions,differentoptimalsolutionsaregivenfromtheperspectiveofcontrolstrategy,andtheantijittercontrolalgorithmisdesigned.Finally,throughtheoreticalanalysisandphysicalverification,theeffectivenessofthesolutionunderdifferentworkingconditionsisverified,andthejitterproblemintheprocessoftestinganddebuggingissolved．KeywordsServodrivesystem;Nonlinearfactors;Abnormaljitter;Controlstrategy艦載機全自動著艦復飛決策算法設計黃鑫1劉雪峰1程海濤2劉彪1李鴻儒11.上海航天控制技術研究所;2.上海機電工程研究所摘要針對艦載機完成自主著艦風險性極高這一問題,基于樸素貝葉斯分類模型的分類思想,避免獨立性假設這一局限性,通過向量相關度計算獲取更準確的特征向量的類條件概率,借助MATLAB軟件設計了一個能夠實現數據二分類的算法.經仿真實驗驗證,該算法可根據艦載機的某些飛行狀態參數來判定其是否能夠安全進行著艦或需及時選擇執行復飛操作.關鍵詞艦載機;著艦復飛;樸素貝葉斯分類器;屬性相關性貝葉斯網絡起初最重要的功能就是解決因果的推斷問題,最早用來實現數據分類功能的貝葉斯網絡模型是樸素貝葉斯分類器,但由于其樣本各特征屬性之間的關系先假定為相互獨立的,所以樸素貝葉斯分類器剛開始并沒有得到人們廣泛的使用,也沒有獲得研究人員們的重視[1]。本文以艦載機著艦復飛過程為背景,各飛行參數之間具有相關性導致樸素貝葉斯分類器不適用于處理本實驗的數據分類問題。將向量相關度的估計量與類條件概率相結合,借助MATLAB軟件,設計了一種基于屬性相關的貝葉斯復飛決策算法。1著艦復飛決策分析艦載機的著艦降落過程一直以危險著稱,全自動降落過程須在復雜惡劣條件下完成艦載機的自主著艦,其風險性更高,因此進行全自動著艦過程的風險識別,及時進行復飛決策就顯得尤為重要。在全自動著艦系統試驗和訓練過程中積累了大量的飛行數據,提煉飛行數據中蘊含的風險信息是進行復飛決策的有效手段[2]。要完成艦載機全自動著艦復飛決策算法設計及實驗驗證,首先要選定算法的訓練數據集和待測數據集,即表征飛機要實施復飛決策時的一系列相關狀態參數。從著艦復飛過程中分析出影響安全著艦的因素,提煉出著艦復飛的判決指標,確定著艦復飛決策實施的時間范圍,進而完成輸入數據的提取。1.1著艦復飛過程分析外界多種偶然因素會干擾艦載機正常降落,降落時有極大可能駛離預定下降軌跡,甚至產生極大偏差,此時需要駕駛員放棄著艦,即在進艦軌跡上尚未觸艦之前,及時終止著艦任務,轉為其他航線的飛行,此行為就是復飛操作。綜合大量實驗的仿真數據可模擬出復飛軌跡曲線,如圖1所示。其中x表示距航母艦尾的水平距離,h表示距艦尾的豎直方向高度[2]。據數據統計,絕大多數的撞艦事故都是因為復飛決策實施的時間不恰當。在艦載機進場降落時,如果著艦指揮官能夠準確確定飛機成功降落與執行復飛的邊界曲線,并在艦載機即將到達復飛區域時,立即準確地實施復飛決策,同時飛行員可以操縱飛機順利完成適當的復飛動作,就可以避免著艦事故[3]。圖1模擬的艦載機復飛軌跡曲線1.2復飛決策的基本概念及原理復飛決策實施的前提條件為:飛行經過航母艦尾時距甲板的高度可否滿足所要求的相對臨界高度,即復飛安全余量[4]。降落時下滑軌跡的附近會存在一系列對應復飛安全余量的空間臨界點,當飛過這些臨界點時,只要距甲板的高度小于復飛安全余量,無論駕駛員怎樣操作,都會發生撞艦事故。這些空間臨界點所構成的包絡線稱為復飛包線[4]。著艦指揮官可以根據復飛包絡線與飛機坐標位置的相對關系,下達復飛決策。復飛動作通常是由降落過程中的某一狀態開始的,飛行軌跡主要是由復飛開始時的飛行狀態參數決定[4]。執行復飛操作時,飛行高度基本保持不變,可大致將從不同高度開始、保持一定下滑率和飛行速度不變的復飛軌跡看作是相同幾何形狀的,當選定某一初始高度時,基于一系列仿真結果可獲得一條標準的復飛軌跡。在不考慮海面情況的條件下,將復飛安全余量定義為3m,以一定時間間隔對復飛軌跡進行離散,離散后的點用(ti,xi,hi),i=0,1,2,…,n進行標記。如果整體連續平移這條復飛曲線,即逐一將曲線的第i個點平移到距離艦尾3m處,便可獲得一系列曲線。將所有曲線的起始點用平滑線條連接起來即可得到在一定下滑率和速度下的復飛包絡線,它們就是著艦過程中存在的那組航跡臨界點。綜合大量實驗數據可畫出復飛包線的生成原理圖(圖2),橫坐標代表距航母艦尾的水平距離,縱坐標表示距甲板的豎直方向高度,圖中的復飛包線與復飛軌跡呈中心對稱[5]。距艦尾距離/m圖2復飛包線的生成原理圖艦載機一旦進入航跡臨界點所圍成的區域,駕駛員不管執行什么操作,都不能控制飛機法向過載完成安全復飛[5]。以航跡臨界點為復飛起始點的復飛軌跡包絡線為復飛邊界,飛區[5]。1.3著艦復飛決策主要指標(1)著艦速度甲板風由自然風和航母航行速度相互作用產生。將嚙合速率定義為甲板風與著艦速率的差值,也是真實的著艦速率。嚙合速率的約束條件,可以通過求取航母阻攔裝置限制速率、飛機飛行豎直方向速率以及尾鉤載荷最大承受能力對應的飛行速率最小值得到。一旦嚙合速度過大,超過著艦裝置承受能力對應的速度范圍,那么復飛在所難免。據數據統計,一般情況下,著艦速率會大于進場速率5%左右,這一規律說明具備足夠逃逸復飛的能力[6]。(2)下沉速率下沉速率為降落過程中豎直方向上的下落速度,過大的下沉速度會造成豎直高度的過度損失,所以即便是需要進行復飛操作也不能將飛機成功拉起[6]。(3)艦尾凈空目前多數艦載機在航母斜角甲板進場降落時,均采用等角下滑技術,下滑角一般設定為xk或k。一旦航母因海浪做升沉運動,飛機抵達艦尾時,就容易撞艦。減小撞艦事故發生頻率,艦尾凈空就應該維持一定高度值不變,將這一指標設定為尾鉤距離艦尾的高度余量不得小于10ft(3m),飛行軌跡如圖3所示。這一高度差是飛機抵達艦尾時的最小安全余量,若能夠滿足這一指標,就可以減小甚至避免航母升沉運動對艦載機造成的破壞性影響[6]。根據以上分析綜合得出:艦載機著艦復飛判決的主要指標可選為進場速度、下沉速度、飛機距離艦尾的豎直高度及水平距離。3m圖3艦載機飛行軌跡1.4著艦復飛決策范圍的確定綜合分析國內外各飛行試驗,復飛過程應為:當駕駛員獲取到復飛指令時,先需要0.7s去反應,再開始執行相關操作—操縱油門使飛機處于軍用推力狀態,同時操縱1°的平尾偏角。當艦載機接收這些輸入后,會在空中形成一條復飛軌跡[6]。據資料顯示,飛機在沿正常降落軌跡飛行時是希望阻攔鉤的鉤尖能夠出現在艦尾上方大概3m處,3m的高度差能夠消除飛機旋轉,為能夠確保艦載機完成近艦尾復飛操作的安全高度。基于以上分析,可將復飛決策點定義為,使得復飛軌線滿足上述安全性要求的復飛操作觸發點。著艦復飛決策范圍即復飛決策點與艦尾相對距離的取值范圍。根據經驗,復飛決策點通常距離艦尾50~300m,因此選定復飛決策范圍為距離艦尾50~300m。2基于屬性相關貝葉斯的復飛決策2.1向量相關度的估計(1)屬性相關度屬性A和B的相關性度量公式如下:CorrA,B＝P(AB)/P(A)P(B)(1)式中,CorrA,B為屬性A和B的相關度。如果A和B兩個屬性相互獨立,則相關度結果為1;兩屬性呈正相關,相關度大于1;兩屬性呈負相關,相關度小于1。(2)集合相關度度量方法與屬性相關性的度量方法相類似,對于一個集合X＝{x1,x2,…,xn},相關度計算公式如下:(2)式中,CorrX的計算數值越大,則說明集合X具有越大的相關性。(3)集合相關度的估計集合的相關度與其兩兩屬性之間的相關度呈正相關[7]。如圖4所示,在集合{A,B}中加入屬性C的情況下,出現了右圖(b)中的Corr[b]C,A和Corr[b]C,B的相關度比左圖(a)中的Corr[a]C,A及Corr[a]C,B小很多的現象。我們可以用A,B,C的交集概率P(ABC)