一种高效的遥测天线伺服控制算法_赵婷.pdf

基金项目:陆军工程大学基础前沿项目(CYS19019)收稿日期:20210330修回日期:20210524第 40 卷第 2 期计算机仿真2023 年 2 月文章编号:10069348(2023)02007405一种高效的遥测天线伺服控制算法赵婷1，赵静2，郑瑜1，陆遥2(1 陆军工程大学通信士官学校，重庆 400055;2 重庆航天火箭电子技术有限公司，重庆 400000)摘要:运载火箭的一级舱段下降段遥测接收系统能够为后期火箭的精准回收和落点精确计算提供重要的数据支撑，然而在实际情况下，由于箭载舵控系统会对其姿态进行相应调整，导致一级火箭下落段弹道轨迹及姿态存在很多不确定因素，给准确和有效地接收信号带来了极大的挑战。因此为了保障运载火箭的一级舱段下降段遥测数据的稳定接收，提高遥测天线的跟踪精度，提出了一种高效的遥测天线伺服控制算法。即首先对理论弹道数据、自跟踪角误差信号和全球导航卫星系统(Global Navigation Satellite System，GNSS)外引导数据多源数据进行深度融合，然后运用联邦滤波器结构和渐消卡尔曼滤波算法，形成最优组合引导策略，进而估计出一级舱段下降段位置，最后仿真验证了该方法的有效性。关键词:伺服控制;多源数据融合;卡尔曼滤波;组合引导策略中图分类号:TP391.9文献标识码:BAn Efficient Telemetry Antenna Servo Control AlgorithmZHAO Ting1，ZHAO Jing2，ZHENG Yu1，LU Yao2(1 Communication NCO Academy，Army Engineering University of PLA，Chongqing 400055，China;2 Chongqing Aerospace Launch Vehicle Electronic Technology Co Ltd，Chongqing 400000，China)ABSTACT:The telemetry receiving system for the descending stage of the first stage of the launch vehicle can pro-vide important data support for the accurate recovery of the rocket and the accurate calculation of the landing pointHowever，in actual situationspractice，due to the corresponding adjustment of the attitude of the shipborne ruddercontrol system，there are many uncertainties in the trajectory and attitude of the first stage rocket in the falling phase，which brings great challenges to the accurate and effective reception of signalsthe arrowborne rudder control systemwill adjust its attitude accordingly There are many uncertain factors in the trajectory and attitude of the firststagerockets falling section，which brings great challenges to accurately and effectively receiving the signal Therefore，iInorder to ensure the stable reception of the telemetry data of the first stage of the launch vehicle and improve the track-ing accuracy of the telemetry antenna，this paper proposes an efficient telemetry antenna servo control algorithmFirst，deep fusion ofthe theoretical trajectory data，selftracking angle error signal and Global Navigation SatelliteSystem(GNSS)external guidance data were deeply fused，And then the federated filter structure and fading Kalmanfilter algorithm wereare used to form the optimal combination guidance strategy，and then the descent position of thefirst stage cabin wais estimated Finally，the the effectiveness of the methodexperimental simulation was verifies veri-fied by experimental simulation the effectiveness of the methodKEYWODS:Servo control;Multisource data fusion;Kalman filter;Combined guidance strategy1引言运载火箭的一级舱段下降段遥测接收系统主要运用地面车载遥测站和箭载遥测设备的合作目标形式来采集一级舱段下降过程中的运动轨迹、姿态等相关信息13。近年来，国内外学者对遥测信号的接收进行了大量地研究，并提出了一系列的改进方法。常用的遥测天线伺服控制方法为比例积分微分(Proportion Integration Differentiation，PID)控制方法其改进形式，该类方法主要用于解决某些简单、确定系47统的实际设计问题4，5;但在复杂环境下该类方法的控制效果差、反应速度慢，且目前国内的箭载舵控技术仍处于研究试验阶段，其控制效果与理想效果仍存在较大差距，因此，下降段遥测信号的正确接收需要进一步研究。针对上述问题，本文结合遥测接收任务的实际情况，利用渐消卡尔曼滤波技术途径6，7，将理论弹道数据、自跟踪角误差信号和 GNSS 外引导数据进行深度融合8，形成最优天线引导策略，提高伺服控制系统的快速性、稳定性和可靠性，从而确保遥测任务的顺利开展。2遥测天线伺服控制系统2.1系统概述遥测天线伺服控制系统主要由数据处理计算机、天线控制单元、天线驱动器和伺服传动机构等组成，用户可依据实际应用需求，通过手动控制、自跟踪引导、程序控制、GNSS 外引导等多种控制方式对天线的方位和俯仰姿态进行控制，确保遥测天线主瓣波束对飞行目标的实时对准，保证遥测信号的正确接收9，其原理框图如图 1 所示图 1遥测天线伺服控制系统原理框图天线伺服控制系统的引导方式主要有程控跟踪、自跟踪、GNSS 等方式。其中程控跟踪方式以预先装订的飞行目标理论轨迹为引导依据，跟踪过程较为稳定，然而随着时间地推移，理论轨迹与目标飞行的实际轨迹容易出现较大偏差，严重时会影响天线接收的效果10;自跟踪方式是根据无线电信号入射的方位和俯仰角信号进行跟踪，跟踪过程准确，但其跟踪效果易受到接收信号的信噪比(Signal to Noiseatio，SN)影响;GNSS 外引导时根据遥测数据中提取的箭体的位置信息和速度，数据准确，但是当遥测信号失锁时则无法进行正确引导。因此，无论哪种引导方式的独立使用都无法满足本遥测任务的顺利进行。本文根据上述三种引导方式的特点，运用联邦滤波器结构11 和渐消卡尔曼滤波算法，将引导方式进行有机融合，形成最优组合引导策略，提升伺服系统跟踪能力，实现遥测天线对飞行目标准确、快速、平稳地跟踪。2.2软件设计遥测天线伺服控制软件由数据处理模块、伺服控制算法模块、坐标转换算法模块、网络通信模块和用户界面五部分组成，如图 2 所示。其主要功能是为用户提供手动、程控、自跟踪、GNSS 外引导等跟踪方式控制天线转动，使天线始终对准目标接收有效信号，同时接收天线驱动单元采集的各种状态数据，通过对数据的解算实现对天线的控制12。数据处理模块主要是对旋转编码器采集的信号进行处理，获取天线当前运行角度，对接收的天线角度进行处理，获取角度误差，完成与用户界面模块的参数设置和状态反馈数据交互;伺服控制算法模块作为遥测天线伺服控制软件的核心组成部分，主要是对数据处理模块输出的角度误差信号进行卡尔曼滤波算法调节，实现天线平稳快速地运行到指定角度的目的，其算法的优劣直接关系到遥测天线伺服控制系统的性能;坐标转换算法模块主要用在程控、遥测全球定位系统(Global Positioning System，GPS)数据引导以及外引导方式下进行坐标转换，获得遥测天线转动的角度信息13，14;用户界面主要用于数据显示、状态模式切换以及相关参数设置等;网络通信模块主要包括与遥测计算机进行内部网络通信，与指控中心进行外部网络通信等，用于传输各种数据信息。图 2遥测天线伺服控制软件原理框图3遥测天线伺服控制算法研究3.1数据源分析及引导效果理论评估3.1.1程控数据源图 3一级舱段下落段程控数据偏离管道图一级舱段在与上面级分离后因惯性会继续上升飞行一段距离，待达到高点后以抛物线形式下落，期间由箭载舵控系统对其姿态进行调整，保证其在理论管道范围内飞行，理论弹道数据较为明确，一级舱段及其下落段理论弹道如图 3所示。3.1.2自跟踪数据源当对飞行目标进行自跟踪方式引导时，遥测天线能够实时准确地根据接收误差信号进行跟踪。然而，由于目标的运动轨迹存在不规律运动因素易导致地面出现接收异常，如出57现地面天线接收波束与火箭径向垂直，或地面天线接收波束与箭载天线 H 面辐射盲区垂直的情况(如图 4 所示)，这些情况都会导致地面接收天线波束无法正常接收火箭下行遥测信号，即当接收信号的幅度低于接收机解调门限或 SN低于解调所需最小 Eb/N0值时，遥测信号就会出现失锁、闪烁、丢帧等现象。图 4火箭柱体辐射盲区示意图3.1.3外引导 GNSS 数据源下行遥测数据帧格式中包含由箭载 GNSS 接收机解算的火箭位置和速度信息，地面遥测接收机可以将遥测数据中GNSS 数据进行挑路，通过解算实现对遥测天线的精确引导。但由于目标存在不规律运动风险，进而影响地面站的接收性能，故单纯使用外引导 GNSS 数据也会导致接收效果差强人意。综上可知，地面伺服控制系统在对三种引导数据源的使用上均存在局限性，独立使用均不能较好的完成遥测接收任务。因此，如何将三种数据源融合使用，形成最优控制策略便成为本文研究的重中之重。3.2联邦滤波器设计常用的数据融合基本框架结构有集中式融合和分布式融合，其中，集中式融合是将传感器的量测信息送到数据中心集中处理，但这种方法计算复杂度较高、容错性差15;而联邦滤波器是分块估计的分布式滤波器，将多传感器组合系统进行信息融合，实现系统整体状态的最优估计，与集中式融合方法相比，该方法容错结构好、信息分配灵活、计算速度快16。因此，本文采用联邦滤波技术，对程控数据跟踪系统、自跟踪系统和 GNSS 外引导系统进行数据融合，在设定统一的状态变量条件下，通过使用渐消卡尔曼滤波算法对自跟踪系统、GNSS 数据跟踪系统的具有线性和非线性系统方程进行信息更新，实现遥测天线伺服控制系统的最优组合引导策略。程控数据跟踪系统、自跟踪系统和 GNSS 外引导系统为相互独立的量测系统，其中程控跟踪系统作为参考滤波器，分别与自跟踪系统、GNSS 外引导系统构成子滤波器，并与主滤波器构成两级结构的联邦滤波器，利用信息分配原理，完成程控数据、自跟踪数据和 GNSS 外引导数据的最优综合，实现系统状态的最优控制，其结构如图 5 所示。3.3渐消卡尔曼滤波算法卡尔曼滤波器是一种最优化自回归数据处理算法，主要图 5联邦卡尔曼滤波融合结构图用于解决具有惯性特征的滤波问题，具有滤波效果好、精度高等优点17。然而，卡尔曼滤波算法采用了无限过去的数据，存在发散现象的风险，因此，本文运用渐消卡尔曼滤波算法对多源数据的测量值进行融合，获取最优系统状态向量值。渐消卡尔曼滤波的基本思想是充分利用现时的测量数据，采用遗忘因子来限制卡尔曼滤波器的记忆长度，即随着时间的前移，滤波器要逐渐消除“过时”的观测数据，防止滤波器出现发散现象，与常规卡尔曼滤波器相比，该种方法数据贮存量小、抗干扰能力强、易于实现18。渐消卡尔曼滤波算法19 的状态方程为Xk+1=k+1，kXk+kUk+GkWk(1)其中，Xk+1为 k+1 时刻的状态向量，Uk是输入和控制信号，k是输入控制加权矩阵，过程噪声 Wk是具有零均值和正定协方差矩阵 Qk的高斯向量，Gk是过程噪声分布矩阵。渐消卡尔曼滤波算法的测量方程如下Zk=HkXk+Vk(2)其中，Zk为 k+1 时刻的观测向量，观测噪声 Vk是具有零均值和正定协方差矩阵 k的高斯分布噪声向量。渐消卡尔曼滤波器的状态预测方程为Xk/k1=k/k1Xk1/k1+k，k1Uk1(3)向量预测方程Zk/k1=HkXk/k1(4)新息(又称残差)方程k=Zk Zk/k1(5)状态预测协方差Pk/k1=kk/k1Pk1/k1Tk/k1+Gk1Qk1GTk1(6)量测预测协方差Sk=HkPk/k1HTk/k1+k(7)计算增益Kk=Pk/k1HTkS1k(8)协方差更新方程Pk/k=Pk/k1 KkSkKTk=Pk/k1 Pk/k1HTkS1kHkPk/k1=(I KkHk)Pk/k1(9)其中，渐消因子可以由下式求得kkTk tr Hk(kGk1Qk1GTk1HTk+krtr Hkk/k1Pk1/k1Tk/k1HTk(10)673.4多源数据融合模型系统多源数据融合模型构建基于联邦滤波融合结构20，由一个主滤波器和两个子滤波器组成，主滤波器采用按对角加权最小方差最优信息融合。设xi，i=1，2，m，其中 m 是局部滤波器最小方差估计个数，即 Exi=Ex，i=1，2，m，其估计误差为?xi=x xi(11)协方差矩阵为Pij=E?xi?xTji，j=1，2，m(12)设xg为对 x 的全局最优估计，可得xg=mi=1Aixi(13)其中，加权阵 Ai为Ai=ai100aim (14)各分量按标量加权的最优融合估计为xgi=mj=1ajixji(15)其中最优加权系数向量为ai=a1i，ami i=1，m(16)式中ai=eT(Pii)1eT(Pii)1ei=1，m(17)其中，ei=0100T为第 i 行元素为 1，其余为 0 的列向量。Pii=P(ii)11P(ii)1mP(ii)m1P(ii)mm(18)其中 P(ii)ij为 Pij的(i，i)对角元素。4仿真分析一级舱段在与上面级分离后会因惯性继续飞行达到高点，而后呈抛物线形式下落，设一级舱段分离点在直角坐标系的初始位置(X0，Y0，Z0)，初始速度(vx0，vy0，vz0)，考虑空气、风速阻力以及重力作用等因素，一级舱段分别在 X、Y、Z轴方向上做匀减速运动，其加速度为(ax，ay，az)，采样点数 N=500，采样间隔 T=1s。结合各自引导方式自身特点，将三种源导入渐消卡尔曼滤波算法中，产生用于驱动伺服系统的最优控制信号。为了便于分析，本文的跟踪轨迹精度以估计误差形式表示，其表达式为error=|Xreal XestimateXestimate|(19)其中，Xreal为一级舱段下降过程中的运动轨迹真实值，Xestimate为跟踪轨迹的估计值。图 6一级舱段分离下降的运动轨迹跟踪曲线图 6 为最优控制信号控制效果与理想控制情况的对比仿真，由图示可知，本文提出的伺服控制算法很好地抑制了各自源数据的自身噪声特效，消除了控制模式切换过程中误差偏离值较大的野点，控制效果曲线与理想曲线拟合度高。图 7图 9 为本文提出的伺服控制算法比常规卡尔曼滤波的跟踪结果的误差对比图，可以看出，本文提出的算法更加接近真实值;且由表 1 可知，该伺服控制算法的轨迹跟踪平均误差比常规卡尔曼滤波的跟踪平均误差提高了 4%以上。由此可见，本文阐述的算法真实有效，通过工程实践实现了多源数据深度融合，并为伺服系统提供最优天线引导策略，确保了遥测任务的顺利开展。图 7X 轴方向跟踪误差曲线图 8Y 轴方向跟踪误差曲线77图 9Z 轴方向跟踪误差曲线表 1轨迹跟踪平均误差X 轴方向跟踪误差y 轴方向跟踪误差z 轴方向跟踪误差传统算法(%)0.07950.08150.0567本文提出的算法(%)0.02210.02290.01665结论本文以运载火箭一级火箭下降段舵控系统遥测接收任务为背景，采用了联邦滤波器融合框架和渐消卡尔曼滤波算法，提出了基于理论弹道数据、自跟踪角误差信号、GNSS 外引导数据的多源数据融合的遥测天线跟踪方法，构建遥测天线伺服控制系统最优控制策略，仿真和实践表明，该方法具有数据贮存量小、抗干扰能力强、数据准确性高等优点，相比传统控制方法，控制效果较好，遥测天线运行平稳且跟踪精度较高，辅助遥测系统较好完成一级火箭下降段的遥测任务。参考文献:1庞岳峰 基于火箭遥测的地面站接收信号情况预估方法J电子科技，2020，33(6):6266 2张宏 运载火箭动力系统、遥测系统数值仿真D 电子科技大学，2006 3陈刚 新一代运载火箭的遥测系统J 电子世界，2019，(4):98 4卢洁莹 天线伺服系统的快速辨识算法 J 控制理论与应用，2019，36(8):13291335 5王荣林 模糊自适应 PID 控制在电液伺服系统中的应用研究J 机械工程师，2009，(2):6566 6Geng Y Adaptive estimation of multiple fading factors in Kalmanfilter for navigation applicationsJ GPS Solutions，2008，12(4):273279 7Jin A Design of temperature control system for infant radiantwarmer based on Kalman filterfuzzy PIDJ Journal of physics:conference series，2020，1684(1):012140 8Verhagen S New Global Navigation Satellite System Ambiguityesolution Method Compared to Existing ApproachesJ Journalof Guidance Control Dynamics，2012，29(4):981991 9贾建辉 基于 DSP 的天线伺服控制器设计与实现D 哈尔滨工业大学，2011:67 10张娜 飞行器遥测跟踪的多模式自动转换方法研究J 遥测遥控，2019，40(1):6570 11Li Huixia Indoor multisensor fusion positioning based on federa-ted filteringJ Measurement，2020，154(15):107506107506 12赖彪 遥测自跟踪系统天线控制器的设计J 自动化技术与应用，2017，3(3):120122 13Aleshin Igor M Framework for GEISformatted GNSS data ma-nipulationJ GPS Solutions，2020，24(2):388393 14Zhang Guowang esearch on multisource data based automaticguidance technology of telemetry antenna for trial flightJModern electronics technique，2019，42(11):1923 15韩崇昭 多源信息融合M 北京:清华大学出版社，2006 16朱虹 基于联邦卡尔曼滤波器的车载 GPS/D 信息融合J计算机工程与设计，2008，29(20):53575359 17庞岳峰 基于卡尔曼滤波的飞行器测控伺服记忆跟踪算法J 遥测遥控，2018，39(4):6065 18薛海建 基于自适应多重渐消因子卡尔曼滤波的 SINS 初始对准方法J 系统工程与电子技术，2017，3(24):620626 19高伟 基于多重渐消因子的自适应卡尔曼滤波器J 系统工程与电子技术，2014，36(7):14051409 20段睿 多源信息融合的组合导航自适应联邦滤波算法J 系统工程与电子技术，2018，40(2):2833 作者简介赵婷(1993)，女(汉族)，重庆忠县人，助教，主要研究领域为信号处理。赵静(1988)，女(汉族)，重庆忠县人，工程师，主要研究领域为车载天线伺服控制系统。郑瑜(1979)，女(汉族)，河南周口人，讲师，主要研究领域为信息通信技术。陆遥(1987)，男(汉族)，河南信阳人，高级工程师，主要研究领域为测控总体技术。87