为提高激光导引头测角精度, 研究了激光导引头测角误差的来源, 并分析了直写式激光导引头标定系统误差。首先, 分析了激光导引头内光学系统和探测器安装误差对导引头测角的影响; 其次, 介绍直写式激光导引头标定系统的工作原理, 给出理想条件下转台转角和导引头测角关系; 再次, 为了提高标定后导引头测角精度, 分析了标定系统存在的安装误差; 最后, 针对一次实际的标定过程, 结合文中分析方法对标定系统误差进行了校正, 导引头零位误差由校正前的2.5 mrad降低到了1 mrad以内。文中结论为直写式激光导引头标定系统中的结构安装精度要求提供了分析方法, 进而提高了标定后激光导引头的测角精度。

为了实现超冗余机械臂的实时在线规划, 本文提出一种基于雅克比转置矩阵的人工势场轨迹规划方法。轨迹规划不仅要满足末端跟踪精度要求, 而且要满足关节速度和角度约束, 关节速度主要由轨迹规划算法的增益决定, 而增益的大小决定系统稳态性能的好坏, 通过优化势场函数和使用加权关节速度, 在避免关节限制的前提下减小关节速度范数, 从而能选择更大的增益。使用蒙特卡洛法建立最大关节速度与增益的关系, 从而确定增益范围。分别在点对点运动和轨迹跟踪运动中选取不同的增益证明算法的正确性和有效性, 并在轨迹跟踪运动中引入速度前馈, 通过李雅普诺夫稳定性定理证明算法稳定性。通过以超冗余机械臂为模型仿真验证, 得出在点对点运动下末端位置偏差小于10-4 mm, 姿态偏差小于1×10-5 rad; 轨迹跟踪运动的位置偏差小于10-3 mm, 姿态偏差小于1×10-4 rad。最后进行实验验证, 虽然实验过程中轨迹偏差相比于仿真增加一个数量级, 但仍符合实验任务需求。

为提高导引头稳定平台抗扰性, 提出了一种导引头稳定平台的扰动补偿及改进滑模控制策略。首先根据扰动特点将扰动分为摩擦力矩和“剩余扰动”两部分, 基于Stribeck摩擦模型辨识摩擦参数, 并进行摩擦力矩补偿; 采用扩张高增益观测器对“剩余扰动”进行估计, 并给出了扩张高增益观测器的收敛条件。然后设计了改进滑模控制器作为稳定回路的控制器实现伺服控制, 采用Lyapunov函数证明其稳定性。最后, 搭建测试系统分别进行了稳定平台性能测试和导引头性能测试, 用于验证跟踪和抗扰效果。实验结果表明, 跟踪1 (°)/s的梯形波时, 提出的控制器有效地补偿了摩擦, 同时稳态精度提高了0.032 8 (°)/s; 给定三轴转台典型幅值和频率扰动下, 采用提出的控制器时系统隔离度至少提高了0.57%。表明提出的控制器改善了系统抗扰性。

为了提高导引头稳定平台抗扰性及速度稳态跟踪性能, 提出了一种基于扩张状态观测器(Extended State Observer, ESO)的双积分滑模控制器 (Double Integral Sliding Mode Controller, DISMC)。首先, 采用二阶扩张状态观测器对系统的未知扰动进行估计; 然后, 采用了双积分滑模控制器实现了系统的低稳态误差跟踪, 同时采用了改进的幂次趋近律来削弱控制系统的抖振影响; 最后, 采用导引头稳定平台进行目标跟踪实验和隔离度性能测试。实验结果表明, 与传统基于扰动观测器(Disturbance Observer, DOB)的PI控制方法相比, 跟踪3 (°)/s的梯形波时, 在提出的控制器作用下速度跟踪快速性提高了48 ms, 跟踪误差标准差提高了0.0131 (°)/s。同时用转台模拟弹体扰动分别为sin(πt)°、3sin(5πt)°、7sin(2πt)°时, 系统的隔离度分别提高了2.91%、0.45%、0.7%, 表明基于扩张状态观测器的双积分滑模控制器对导引头稳定平台具有较强的抗扰性和较好的跟踪性能。

为了提高MEMS陀螺输出角速度的精度, 采用Allan分析法以及Kalman滤波算法对MEMS陀螺仪进行随机误差分析和补偿。由Allan方差分析陀螺的输出数据, 对Allan方差进行最小二乘法拟合, 得到各项随机噪声的定量评价指标; 对陀螺的输出数据使用AR模型进行数学建模, 采用AIC准则确定了AR模型的阶次, 建立了陀螺零漂数据的离散时间表达式; 在AR模型所建立的陀螺随机误差模型的基础上, 设计了Kalman滤波器, 对陀螺输出数据使用Kalman算法进行了滤波处理, 对陀螺的随机误差进行了补偿; 通过Allan方差对Kalman算法对陀螺随机误差的补偿效果进行分析。实验结果表明: 角速率随机游走Kalman滤波前为0148 7°/h, Kalman滤波补偿后为0004 1°/h, 通过补偿可减小9724%的角速率随机游走误差; 零偏不稳定性Kalman滤波前为1940 8°/h, Kalman滤波补偿后为0054 2°/h, 通过补偿可减小9721%的零偏不稳定性误差; 速率随机游走Kalman滤波前为2698 5°/h32, Kalman滤波补偿后为0334 3°/h32, 通过补偿可减小8761%的速率随机游走误差。Kalman滤波适用于MEMS陀螺的滤波处理, 可有效降低陀螺的随机误差。

积分比例导引制导是适用于全捷联半主动激光导引头的一种典型制导方案。为解决该制导方案下的命中精度分析问题, 提出了一种基于伴随法的精度分析方法。首先, 建立了积分比例导引制导律模型, 并给出了一种具有较强工程实用性的积分比例导引制导律实现方法; 其次, 在分析制导回路各项误差源特性的基础上, 利用伴随法得到了各误差源对脱靶量的影响。分析结果表明, 制导精度与比例导引导航比、自动驾驶仪的动态特性密切相关。得到的结论可以为工程上利用全捷联半主动激光导引头进行制导提供重要参考。

针对微机电-船舶惯性导航/全球定位(MEMS-SINS/GPS)组合导航系统在GPS信号中断时造成的强非线性误差及重获信号后精度变差的问题, 设计了基于Rao-Blackwellised 无迹卡尔曼滤波(RB-UKF)的组合导航算法。首先, 基于捷联平台欧拉失准角定义了姿态误差, 建立了捷联惯导系统的非线性误差传播方程。然后, 针对组合导航的状态方程为非线性而量测方程呈线性的特点, 设计了RB-UKF算法, 在保证精度的同时降低了计算量。最后, 设计了滤波算法总体结构, 分别给出了GPS信号正常时和中断时组合导航滤波计算的流程。将提出的算法用于跑车实验, 结果表明: 在GPS失锁20 s和40 s再重获信号之后, 使用RB-UKF算法的组合导航系统位置精度分别优于6 m和7.5 m, 比扩展卡尔曼滤波(EKF)算法精度提高了1.5倍以上, 误差收敛速度提高了1.88~16.5倍, 计算量比UKF量测更新的计算量减小了41.7%。实验显示该方法显著提升了组合导航系统GPS信号中断再恢复后的滤波精度, 且易于工程实现。

为准确获取半捷联图像导引头视线角速率，构建了Kalman观测器对电机平台进行框架角速率估计。首先，根据半捷联导引头稳定跟踪原理，建立了以Kalman观测器为状态反馈的数学模型；其次，根据编码器误差特性，应用最优估计理论计算分析了估计精度与观测器参数之间的关系；再次，在保证稳定平台带宽的前提下，设计了两种不同采样率下的Kalman观测器；最后，进行了数字仿真实验验证。结果表明：在2 000 Hz采样率下，估计算法角速率精度为0.098 9 (°)/s，优于200 Hz采样率下的0.301 3 (°)/s；两种采样率下导引头带宽均为59.6 rad/s，平台隔离度为1.5%。提高导引头稳定系统采样率并与相应控制参数匹配，能有效提高平台角速率估计精度。

分析了平台式导引头的技术特点与要求,对捷联式导引头视线角提取方法、刻度因数及精度测试方法、制导系统结构等进行了研究。首先,建立了全捷联光学导引头的数学模型,提出了视线角提取方法;接着,分析了全捷联导引头刻度因数的特性及其测试方法,并利用稳态卡尔曼滤波器对体视线角进行滤波;最后,利用“姿态+过载”驾驶仪,结合“近似积分比例导引”进行全捷联导引头的制导与控制系统仿真实验。测试与仿真实验显示：全捷联导引头视场角大于0.289°时的刻度因数误差小于7%,符合刻度因数理论计算结果;0.0056°的分辨率小于一个周期内的体视线角平均变化量0.011°,满足采样更新的要求,可实现末制导1 m的打击精度。实验结果表明大面阵和高分辨率是全捷联图像导引头制导应用的重要手段。

为使基于微机电系统的捷联惯性导航/全球定位（MEMSSINS/GPS）组合导航系统在GPS接收机无法正常工作时，仍能提供满足精度要求的导航信息，提出了径向基函数神经网络(RBFNN)辅助自适应卡尔曼滤波(AKF)的信息融合方法。首先，基于该方法设计了由神经网络训练与预测两种模式构成的组合导航系统。在GPS可用时，对RBFNN进行在线训练；在GPS失锁时，由RBFNN预测AKF更新过程的量测输入。然后，建立了RBFNN与AKF的数学模型，并设计了RBFNN的训练策略与AKF的自适应算法。最后，通过跑车实验验证了该信息融合方法的有效性。实验结果表明，在GPS断开时间为40 s和100 s时，系统的位置精度分别优于15 m和90 m。该信息融合方法能在GPS失锁时对导航误差发散进行有效阻尼，是适用于小型无人机、制导炸弹与车辆的一种低成本、高鲁棒性、中等精度的导航方案。