|
|
| Боровков Владимир Алексеевич. Алгоритм спутниковой радионавигации низковысотного космического аппарата при перерывах в поступлении измерений: Дис. ... канд. техн. наук : 05.07.09 ,-М.: РГБ, 2006, 2006 |
2.2.1 Особенности реализации сглаживающего алгоритма |
|
|
Анализ точностных характеристик решения навигационной задачи при помощи сглаживающего алгоритма с получением навигационной оценки на момент времени последнего навигационного измерения и с последующим решением задачи прогнозирования на выбранный момент времени t* выявил существенные недостатки данного подхода. При этом подходе используется модель движения с неточно известным параметром за пределами интервала навигационных измерений, а именно, баллистическим коэффициентом. При таком подходе появляются существенные ошибки прогнозирования, зависящие от длины интервала [tfj, t*]. На основании сказанного, предлагается, для нахождения навигационной оценки в заданный момент времени, совместить решение двух задач в одну, а именно, вычислять навигационную оценку непосредственно в момент времени t* её использования. При этом возрастает чувствительность результата к изменению плотности верхней атмосферы, что потенциально может привести к повышению точностных характеристик. в качестве целевого функционала рассматривается использование I (из 2.1.1) записанного для момента времени t*.
* N
I
j=i
q(t*),S6)-q® ] V] ^.qn.Sebq® ]| > (2-5)
где Q(t*)- искомый шестимерный вектор навигационной оценки на время t*e[ tH, tj (tH и tK - начало и конец интервала времени без навигационных измерений);
- вектора ПДЦМ, поступившие из НП в моменты времени tj; ?^,(tj.3(t*),S6)- вектор искомой навигационной оценки, пересчитанный с момента времени t*
на момент времени tj;
D^- диагональная матрица, по диагонали которой стоят квадраты дисперсии
2 2 2 2 2 2 ~ Ш
°АЯ2> °АЦЗ> °Дд5' АЛЦЕ погрешностей определения qw.
При таком выборе функционала I* навигационная оценка находится, как согласующий веюгор параметров между векторами навигационных измерений q0) в моменты времени tj, t2, ,.., tjj и параметром модели движения Sg на всем интервале прогнозирования [ti, t* ]. Необходимо указать на отличие решения задачи определения навигационной оценки f|(t*) КА на момент времени t* с задачей, описанной в разделе 2.1.1, в которой традиционный
алгоритм сглаживания используется для вычисления оценки на момент времени последнего навигационного измерения tfg и последующего прогнозирования ее на выбранный момент времени t*. Таким образом, значение функционала, описанного в данном разделе, в существенной мере зависит от значений параметров модели движения на всем временном промежутке. Основным источником информации о текущем состоянии параметров среды, в которой движется КА, являются навигационные измерения. Функционал I* (2.5) для нахождения навигационной оценки позволяет одновременно решить задачу статистического вычисления навигационной оценки fj(t*) и учитывает значения Sg на всей длине интервала прогноза [tN, t*J. При такой постановке задачи навигационная оценка находится с учетом траектории движения на интервале навигационных измерений. Таким образом, решение навигационной задачи в данной постановке обладает чувствительностью к значениям параметров модели движения на интервале навигационных измерений и длительности интервала прогнозирования навигационной оценки.
На интервале [IN, t*] отсутствуют навигационные измерения. Поэтому, единственной априорной информацией о значении параметра 8б является величина уровня отклонения его от значений на предыдущем интервале уточнения движения КА. Информацию об уровне изменения Зб получают в результате анализа наблюдений на протяжении суток за движением космических объектов.
Оценка вектора параметров движения ^(t*) = (X(t*)lY(t*)l2(t*),Vx(t*),Vy(t*)1Vz(t*)) в момент времени t* ищется по измерениям q(lJ до момента t^ включительно методом наименьших квадратов.
Оценка Q{t*) на момент t* определяется по формулам МНК:
т = q(t*)+R'(D^)-1(qN - qNp) (2.6)
в выражении (2.6):
qN =^q1lq2(...,qH) - вектор размерности Nx6 состоит из векторов измерений q(1), q(2), q(N) в моменты времени ti, T2,..., IN;
qNp=(jqp,qp q^) - вектор размерности N=<6 состоит из расчетных векторов q^^,...^
полученных прогнозированием вектора q(t") с момента времени t* в моменты времени ti, t2,
q(t*) - вектор первого приближения оценки получается прогнозированием вектора измерений q(N) на момент t* : q(t*) = ^(t*,qqj - расчетные вектора получаются при интегрировании вектора q(t*) на моменты времени ti, \г при помощи оператора прогнозирования ^(tj,q(t*), Sg) J
Pt*- весовая матрица ошибок оценки состояния Јj(t*) по выборке q^1', q'2J, .
Она определяется выражением:
Pt* = R"Hj, (2.7)
Ф2г
где Нф =
V
\4>н tV
D" , Dnj , - определены в начале раздела. Итерационный процесс вычисления навигационной оценки q(t*) по соотношению (2.6) организуется аналогично вычислению оценки по соотношению (2.1).
Прогнозируемая матрица ошибок Р," вычисляется по формуле Рг =
|
| << Предыдушая |
|
Следующая >> |
|
= К содержанию = |
|
Информация, релевантная "2.2.1 Особенности реализации сглаживающего алгоритма" |
- введение
особенностям функционирования КАДЗЗ с многоканальной аппаратурой задача синтеза рабочих созвездий НС рассматривалась в диссертациях И.в. Белоконова, О.в. Павлова, С.Е. Агафоновой и других авторов / 40, 41, 42/. в большинстве перечисленных работ рассматривались алгоритмы решения навигационной задачи получения универсальной навигационной оценки с различным составом и статистическими
- Заключение
особенностей баллистики низковысотного космического аппарата и качества навигационных решений по сигналам СРНС выбран функционал, отличающейся от традиционно используемых сглаживающих функционалов наличием регуляризирующего слагаемого, что обеспечивает устойчивость и повышение точностных характеристик навигационных оценок. Разработан регуляризирующий алгоритм получения оценок параметров движения
- 3.4.1 Формирование рекомендаций по выбору параметра регуляризации
реализации навигационного алгоритма. величина а соответствует характеристикам НП. Для НКА с известными параметрами орбиты, характеристиками систем, схемами навигационного обеспечения параметры ASemax, р> CF, N являются известными. Таким образом, функциональная зависимость величины параметра регуляризации а принимает простой вид: а = f (ДТ). Таким образом, есть возможность сформировать базу данных
- 3.1 выбор вида функционала для вычисления навигационной оценки НКА
особенности, определяющие качество навигационных решений: неустойчивость вычисления навигационной оценки на значительных интервалах прогнозирования до момента t*, как следствие применения линеаризованной модели на значительном удалении от моментов навигационных измерений; значительное влияние ошибок параметров модели движения на точность навигации в прогнозе на момент времени t*, вызывающее
- 1.2 Анализ современной структуры построения НБО при использовании СРНС
особенности. Автономным полетом называется полет на длительном интервале времени, при котором отсутствует управление КАДЗЗ из НКУ. Главной особенностью автономного полета является необходимость прогнозирования движения ЕЖА на продолжительном интервале времени (пеРи°Де автономного полета) с допустимой степенью точности. Указанная особенность требует в первую очередь корректного учета атмосферного
- 3.6 Область использования регуляризирующего алгоритма и формирование требований к БЦвМ для его реализации
особенности) "некорректно поставленной задачи" в полной мере, когда интервал навигационных измерений незначителен по длине и при этом ошибки навигационных измерений начинают оказывать существенное влияние на устойчивость процесса решения. Областью эффективного применения регуляризирующего алгоритма является решение навигационной задачи при отсутствии избытка навигационной измерительной
- 4.4. Генератор последовательностей GMW на основе сдвигов т-последовательностей.
особенностями данного метода. Остановимся на этом вопросе более подробно. Первая задача, которую необходимо решить, связана непосредственно с выбором примитивного полинома степени к над GF(2m). Ведь возможна ситуация, когда в существующих таблицах полинома с такими параметрами может не оказаться. Заметим, что синтез примитивного полинома является достаточно непростой математической задачей,
- 2.1 Структура сети для выделения сюжета изображения
особенностей на изображении, изменение ориентации) Кроме того, при практической реализации возникают алгоритмические трудности применения классических нейронных сетей к реальным задачам рас-познавания и классификации изображений, связанные с особенностями реальных изображений. Изображения имеют большую размерность, соответственно вырастает размер нейронной сети (количество нейронов и т.п.).
- 3.2.2 Минимизация ресурсных требований к программной реализации
особенности изображения. В слое S1 происходит уменьшение масштаба входного изображения, что повышает устойчивость к искажениям и поворотам изображения лица. Полученные слоем S1 особенности объединяются в новые слоем С2. Выходное изображение, то есть матрица откликов нейронной сети, имеет белое пятно, которое соответствует местоположению лица на исходном изображении. {foto35} Рис. 3.22
- 3.5.1 Описание допущений, принимаемых при численном моделировании
алгоритма и сравнения его точностных характеристик с традиционным алгоритмом, вычисляющим оценку с использованием средневзвешенного МНК, использовалась модель со специально подобранными параметрами. выбор параметров модели для численного исследования обусловлен необходимостью имитирования решения навигационной задачи для характерных схем навигационных измерений при использовании СРНС, характерных
|
|
