解决问题的高精度捷联惯性导航系统的初始对准(罪)弹道导弹,初始对准误差的在线识别方法基于自适应粒子群优化(PSO)算法。首先,一个完整的导航模型建立了罪提供准确的模型依据后续数值优化计算。然后设置初始对准误差作为优化参数和有关罪和GPS输出之间的偏差最小为目标函数,误差参数优化设计模型。同时,遗传算法(GA)的突变思想引入到PSO;因此,采用自适应算法来识别系统的初始对准误差在线。仿真结果表明,它是可行的解决罪的初始对准误差识别问题的智能优化算法。与标准PSO算法和遗传算法相比,自适应PSO算法收敛速度和收敛精度最高,最快的螺距和初始误差和初始偏航误差精度内<我nline-formula>
捷联惯性导航系统初始对准(罪)中扮演一个重要的角色在导航操作的弹道导弹。初始对准的主要目的是建立初始姿态矩阵,初始对准的质量将直接影响导航精度的罪 罪的初始对准误差的传播过程是一个复杂的非线性问题。之前的解决方案是线性化的非线性问题,以及基于卡尔曼滤波器的滤波算法广泛采用( 解决惯性系统的初始对准问题,应用遗传算法(GA)罪的初始对准静态基础上研究了基于智能优化算法( 本文建立了完整的罪导航模型,然后构造误差参数优化模型基于位置之间的偏差最小的参数输出由罪和GPS的位置参数测量。变异遗传算法引入PSO的想法,和惯性权重和学习因子改善获得自适应算法。最后,标准算法,遗传算法,采用自适应算法来识别系统的初始对准误差的飞行软件特定类型的弹道导弹。与此同时,测试数据是用来检查智能优化算法的识别效果。 本文的其余部分组织如下。导航模型的罪,包括系统的初始对准误差模型和误差补偿模型,建立了在第二部分。在第三部分中,一个错误参数优化模型和自适应PSO是专为弹道导弹的罪恶。在第四部分中,仿真给出了识别系统的初始对准误差来演示智能优化算法的可行性。最后,我们得出结论在第五部分。
本文中使用的主要坐标框架不同于其他引用定义如下:身体协调的弹道导弹是正交坐标系与惯性测量单元(IMU)轴,和原点定位弹道导弹的质量,沿着纵轴方向前进,相反方向的重力,y轴是垂直于纵向方向向上,沿横向的z轴方向,完成一个右撇子体系。发射惯性坐标(惯性坐标)是一个坐标的原点发布点,x轴指向目标发射的地方,和y轴垂直于发射点的地方(向上),构成了右手笛卡尔坐标系的轴x, z。惯性坐标作为导航框架。 初始对准误差的罪,包括最初的螺旋角误差<我nline-formula>
四元数的初始值<我nline-formula>
在哪里 从( 弹道导弹飞行过程中,惯性测量单元(IMU)的罪,包括陀螺仪和加速度计,可以测量实时视加速度和角速度和输出脉冲形式的数据。脉冲输出的加速度计和陀螺仪导航循环<我nline-formula>
IMU后将脉冲信号发送到机载计算机,完成计算误差补偿的实时机载计算机。误差补偿的方程计算的视速度增量和下角增量导航循环身体协调所示( 根据罪行的误差补偿模型,可以计算的视速度增量的身体协调。身体的视速度增量坐标转化为惯性坐标,也可以提出 在哪里<我nline-formula>
通过集成的视速度增量惯性坐标,速度和位置的递归价值随时在惯性坐标系的导弹可以获得,计算公式如下:
设置的罪恶的初始对准误差作为优化参数;也就是说,
把输出的位置参数之间的偏差最小的罪和位置参数以GPS作为目标函数来衡量,即
PSO是一个智能优化算法寻找最优的搜索空间通过个体之间的相互作用在一群
初始对准误差的基本优化流参数自适应PSO如图 设置粒子人口规模<我nline-formula>
计算粒子的速度和位置的方程如下: 为了提高全局探索能力的早期阶段优化和提高收敛速度优化的后期,惯性权重设计的动态调整模式。惯性权重已经开始一个较大的值,和重量随迭代次数的增加而减小。因此,惯性权重<我nline-formula>
学习的因素<我nline-formula>
计算人口的健身价值和更新个人最佳和全球最佳。根据( 变异操作和更新个人最佳和全球最佳。
如果到达最大迭代,即<我nline-formula>
仿真研究证实的可行性提出了初始对准误差在线识别基于自适应PSO在这一节中。首先,仿真条件设置,仿真实验和结果进行了分析。最后,介绍了测试数据。 初始对准误差的仿真条件优化模型的罪设置如下:
基于上述误差参数优化模型,并以一定的弹道导弹的飞行软件为仿真实验环境,标准PSO算法,遗传算法,并采用自适应PSO算法优化的初始对准误差参数的罪,和最初的螺旋角误差的收敛过程,初始偏航角误差和初始方位角误差数据所示 它从表所示 从数据 计算的初始对准误差参数自适应算法补偿,然后导航参数的罪重新计算。之间的偏差导航参数误差补偿和实际获得的导航参数的导弹被称为优化残余。通过仿真,罪位置误差、GPS定位误差和优化剩余位置如图 从数据 为了验证自适应PSO算法的有效性,识别系统的初始对准误差,从测试收集的数据进行了分析。其中,陀螺漂移和加速度计常数偏差约0.01°/ h和100<我talic>
μ 基于上述测试数据,使用自适应PSO算法优化初始对准误差参数和优化的结果参数如表所示 计算的初始对准误差的自适应补偿算法,然后罪的导航参数重新计算。计算和补偿后,位置和速度误差曲线如图 从数据
初始对准误差的识别研究弹道导弹的罪。罪的真实和完整的导航模型,它提供了一个精确的模型系统的初始对准误差识别的基础。同时,误差参数优化模型的设计,系统的初始对准误差是在线识别的智能优化算法。更重要的是,算法设计的惯性权重和学习因子动态调整形式来提高搜索速度和搜索精度,和遗传算法的变异操作引入到PSO算法跳出局部最优值,提高全局收敛能力。 仿真结果表明,该智能优化算法有效解决系统的初始对准误差识别的问题。当然,结果表明,自适应PSO算法最高最快的搜索效率和收敛精度比标准PSO算法和遗传算法,和最初的螺旋角的残差和初始偏航角小于10′′,剩余的初始方位小于25′′。最后,自适应PSO算法的有效性识别系统的初始对准误差是基于测试数据进行验证。因此,本文的内容有一定参考价值的初始对准精度的提高弹道导弹的罪恶。
测试数据用于支持本研究的发现没有提供,因为数据目前正在禁运,并请求数据将被相应的作者在正确的时间。
作者宣称没有利益冲突有关的出版。
这项工作是支持部分由中国国家自然科学基金(没有。61374054)。