ИНФОРМАЦИЯ
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

3.5.2 Исследование эффективности регуляризирующего алгоритма при ошибках баллистического коэффициента



Как отмечалось в предыдущем разделе на "низких" орбитах влияние ошибок знание параметров атмосферы в математической модели на точность прогноза существенно возрастает, и при этом ошибки атмосферы относятся к так называемым неустранимым ошибкам, под которыми понимаются случайные ошибки, которые и не поддается прогнозу. Ошибки знания плотности атмосферы (Лр) на всем протяжении полета НКА согласуется с ошибкой знания баллистического коэффициента (ДЗе). При численном моделировании для получения статистических характеристик исследуемого алгоритма ошибки Др моделировались посредством ASQ. Данный подход методически обоснован и опробован в многолетней практике проектирования и эксплуатации НКА.
Для моделирования использовалась орбита с параметрами: высотами перигея и апогея: h=250 км, Н=350 км и наклонением 1=67 градус. Для орбит с этими параметрами характерно значительное влияние на точность навигационных определений ошибки знания баллистического коэффициента.
в качестве параметра для оценивания точностных характеристик используется величина ошибки координатной части, вычисляемая по формуле 6R= + 5Y2 + 5Z2 . в таблице помещены величины ошибок (SR) для оценки ошибки, вычисленной по средневзвешенному МНК и спрогнозированной на заданное время t* и ошибки оценки исследуемого регуляризи- рованного алгоритма. Эти ошибки приводятся для различных значений баллистического коэффициента Sg и его ошибок Д8б (размерность в %).
в таблицах 3.1, 3.2, 3.3 и соответственно на рисунках 3.4, 3.5, 3.6 помещены результаты статистического моделирования для следующих схем навигационного обеспечения:
пять измерений через две минуты;
пять измерений через 20 минут;
десять измерений через две минуты.
Анализ результатов моделирования, представленных в таблицах и рисунках, позволяет сделать вывод, что регуляризирующий алгоритм позволяет повысить точность определения навигационной оценки до двух раз в зависимости от количества измерений и длины интервала прогнозирования. На рисунках 3.4, 3.5, 3.6 отдельно отмечен рост методических ошибок, который соответствует нулевой ошибке баллистического коэффициента. При этом нужно отметить, что при коротком интервале измерений и ограниченном их количестве (таблица 3.1) наблюдается наибольшая эффективность регуляризирующего алгоритма. t*, С,
(витки), количество Sg,
м3/кг- С2,
(AS6),
% Ошибка оценки МНК при AS6=0, м Ошибка оценки МНК, при
м Ошибка регуляри- зированной оценки при а=0Л, м выигрыш относительно МНК,
% Ошибка регуляризиро- ванной оценки при выбранном о, м выигрыш относительно МНК, при выбранном а, % 1 2 3 4 5 6 7 8 29970 (5.55) 0.03, 40 953.0 2270.1 1602.7 29.3 1582.2 а=0.01 л
32.1 29970 (5.55) 0.03, 30 953.0 1770.6 1664.6 5.9 1513.0 а=0.001 14.4 41580 (7.7) 0.03, 40 1324.2 4411.2 2332.5 47.1 2221.0 а=0.01 49.6 41580 (7.7) 0.04, 40 1326.1 5936.9 2403,8 59.5 2305.0 а=0.01 61.1 47250 (8.75) 0.03, 40 1502.2 5731.4 2684.2 53.1 2544.0 а=0.01 55.6 47250 (8.75) 0.04, 40 1504.1 7700.3 2757.9 64.1 2601.3
а=0,01 66.2 53190 (9.85) 0.03, 40 1686.0 7345.9 3063.0 58.3 2881.1 а=0.008 61.0 53190 (9.85) 0.03, 30 1686.0 5461.5 2998.0 45.1 2890.1 а=0.007 47.1 58860 (10.9) 0.03, 30 1861.5 6711.1 3343.1 50.1 3203.2 а=0.00б 52.2 58860 (10.9) 0.03, 40 1861.0 8999.0 3274.6 63.6 3081.2 а=0.00б 52.2 70470 (13.05) 0.03, 30 2218.5 9689.7 4040.06 58.3 3831.2 а=0.0008 60.4 70470 (13.05) 0.03, 40 2218.5 13007.1 4348.5 66.5 4138.5 аЮ.007 68.1 70470 (13.05) 0.03, 20 2218.5 6377.6 ' 3968.4 37.7 3532.2 а=0.001 44.6 76410 (14.15) 0.03, 20 2401.2 7485.7 4312.2 42.3 4105.2 а=0.001 45.1 76410 (14.15) 0.03, 30 2401.2 11327.9 4256.3 62.4 4091.5 а=0.008 63.8 85050 (15.75) 0.03, 30 2683 13744.7 7238.8 47.3 4885.5 а=0.001 64.4 85050 (15.75) 0.03, 40 2683 18367,0 4976,3 72,9 4806.6 а=0.009 73,8 87750 (16,25) 0.03, 20 2817,9 9806.7 4879.3 50.2 4798.1 а=0.009 51,1 87750 (16,25) 0.03, 30 2817,9 14913 7970,5 46,5 7761.0 а=0,007 47.9
t*.
С,
(витки), количество Ss, м3/кг- С2,
(ASe),
% Ошибка оценки МНК при
дзб=о,
м Ошибка оценки МНК, при AS^O, м Ошибка регуляризированной оценки при а=0.1, м выигрыш относительно МНК, % Ошибка регуляризированной оценки при выбранном а, м выигрыш относительно МНК, при выбранном а, % 1 2 3 4 5 6 7 8 17010 (3.15) 0.03, 30 51.5 703.4 581.5 17.3 503.1 а =0.1 28.4 22680 (4.2) 0.03, 30 66.5 1181.0 921.9 21.9 800.3 а=0.2 32.2 28620 (5.3) 0.03, 30 82.4 1799.8 1273.9 29.2 1093.1 а =0.2 39.2 34290 (6.35) 0.03, 30 97.4 2513.0 1548.8 38.3 1337.3 а =0.3 46.7 39960 (7-4) 0.03, 30 111.9 3341.6 2053.1 38.5 1768.1 а=0,3 47.0 45900 (8.5) 0.03, 30 126.6 4302.4 2184.2 49.2 1963.3 а =0.3 54.3 51570 (9.55) 0.03, 30 143.2 5306.7 2429.6 54.2 2238.2 а =0.4 57.8 54540 (ЮЛ) 0.03, 30 147.5 6098.8 2728.5 55.2 2663.7 а=0,4 56.3 60480 (11.2) 0.03, 30 165.3 7438.8 3034.4 59.2 2804.2 а =0.5 62.3 66150 (12.25) 0.03, 30 180.9 8867.8 3403.6 61.6 3196.2 а =0.4 63.9 72090 (13.35) 0.03, 30 197.7 10477.9 3798.7 63.7 3731.0 а=0.4 64.6 77760 (14.4) 0.03, 30 212.8 12130.1 4175.5 65,5 3955.7 а =0.4 67.4 83430 (15.45) 0.03, 30 228.3 13893.5 4537.2 67.3 4288.2 а =0.3 69.0 86400 (16.0) 0.03, 30 239.1 14663.8 4709.9 67.8 4560.5 а=0.3 69.1
г,
с,
(витки), количество Se, м3/кг-с2
(AS6),
% Ошибка оценки МНК при AS6=0,
м Ошибка оценки МНК, при ASc^O, м Ошибка регуляризированной оценки при а=0,1, м выигрыш относительно МНК, % Ошибка регуляризированной оценки при выбранном а, м выигрыш относительно МНК, при выбранном а, % 1 2 3 4 5 6 7 8 21330 (3.95) 0.03, 50 259.3 1581.7 1293.8 18.1 1130.7 а =0.01 28.5 21330 (3.95) 0.05, 60 259.3 3268.8 1432.9 56.1 1307.3 а ~0.02 60.1 23490 (4.35) 0.03, 50 332.1 1727.9 1589.1 8.0 1332.1 а =0.05 22.3 23490 (4.35) 0.03, 60 332.1 2096.7 1580.0 24.6 1317.1 а =0.08 37.1 29430 (5.45) 0.03, 30 368.2 1572.9 784.6 50.1 651.2 а =0.05 58.2 32400 (6.) 0.03, 30 407.06 2042.7 1013.8 50.3 901.2 а =0.01 55.8 38070 (7.05) 0.03, 40 475.2 3801.6 2824.2 25.70 2689.2 а =0.03 29.3 38070 (7.05) 0.03, 50 475.2 4797.2 2820.7 41.2 2655.1 а =0.03 44.6 38070 (7.05) 0.03, 30 475.2 2796.3 1313.4 53.02 1228.2 а =0.02 56.0 46710 (8.65) 0.03, 40 590.2 5595.4 3558.9 36.3 3033.7 а =0.003 45.7 46710 (8.65) 0.03, 30 590.2 4131.4 2034.1 50.7 1866.1 а =0.02 54.8 52650 (9.75) 0.03, 30 666.08 5231.2 2488.1 52.4 2217.3 а =0.03 57.6 55350 (10.25) 0.03, 40 677.1 7783.9 4172.7 46.3 3767.2 а=0.003 51.6 55350 (10.25) 0.03, 30 677.1 5765.5 2620.19 54.5 2397.1 а =0.007 58.4 61290 (11.35) 0.03, 30 750.09 7023.57 3722.97 46.9 3488.1 а =0.009 50.3 66960 (12.4) 0.03, 30 820.5 8379.8 4020.2 52.02 3801.2 а =0.01 54.6 72630 (13.45) 0.03, 30 891.39 9865.75 4492.62 54.4 1 4223.3 а =0.02 57.1 78570 (14.55) 0.03, 30 967.7 11582.2 5017.21 56.6 4781.1 а =0.03 58.7 84240 (15.6) 0.03, 30 1039.3 13358.7 5498.7 58.8 5231.2 а =0.02 60.8 87210 (16.15) 0,03, 30 1088.7 14645.6 5494.5 62.4 5210.1 а =0.01 64.4

При этом нужно отметить, что выбор параметра регуляризации а путем моделирования не дает существенного выигрыша (см. столбцы 6 и 8 таблиц 3.1, 3.2, 3.3) по точности в сравнении с фиксированным значением а=0.1 для всего интервала прогнозирования. Это объясняется наличием в стабилизирующем функционале регуляризирующего алгоритма
фв)п ф0)т 1 г" t
-\-1
(см. 3.1) , которые соответствуют возрастанию
нормирующих множителеи ошибок измерений. о 19 18 17 16 15 14 13 12 11 10 9 8 7 6
5 - 4 ; 3 j 2
координатные ошибки ( 6 R), км
/


ж
14
6 7 8 9 ви™ошибки МНК AS6=0.3
10
11
12
13
15 16 витки
- ошибки регул, ал гор. Д8б=0.3
? методические ошибки - >"? ошибки МНК AS6=0.4 -ж - ошибки регул, ал гор AS6=0.4
Рисунок 3.4 - Сравнение ошибок (5R) МНК и регуляризирующего алгоритма (схема: 5-ть измерений через 2 минуты) для ошибок баллистического коэффициента AS6 = 30% и AS6=40%
о IП' 14
координатные ошибки ( 5 R), км 12
10
8
0 15 16 витки
14
10 11 12 13 -методические ошибки
ошибки МНК Д8б=0.3
-X-ошибки регул, алгор. Д3б=0.3 о
cs
Рисунок 3.5 - Сравнение ошибок (5R) МНК и регуляризирующего алгоритма(схема: 5-ть измерений через 20минуты )
витки
? методические ошибки -Х- ошибки МНК ДЭб=0.3 -х-ошибки регул, ал гор. AS6=0.3
Рисунок 3.6 - Сравнение ошибок (5R) МНК и регуляризирующего алгоритма (схема: 10-ть измерений через 2 минуты )
<< Предыдушая Следующая >>
= К содержанию =
Информация, релевантная "3.5.2 Исследование эффективности регуляризирующего алгоритма при ошибках баллистического коэффициента"
  1. 3.5.3 Исследование регуляризирующего алгоритма при ошибках модели геопотенциала
    эффективность регуляризирующего алгоритма невелика и проявляется только при р= 2 (нормальном поле). г, С (витки), б/р Количе ство гармон ик (р), б/р Ошибка оценки МНК при р=16, м Ошибка оценки МНК, м Ошибка регуляризиро ванной оценки при а=0.0005, м выигрыш относител ьно МНК, % Ошибка регуляризиров анной оценки при выбранном а, м выигрыш относитель но МНК при выбранном а, % 24300
  2. 3.1 выбор вида функционала для вычисления навигационной оценки НКА
    исследования выявили 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
  3. введение
    исследований в диссертационной работе является задача обеспечения качественной навигационной информацией систем НКА на примере КАДЗЗ при использовании СРНС в условиях возникновения перерывов в поступлении измерений. Задачей определения параметров движения космических тел по результатам нескольких наблюдений занимался Карл Фридрих Гаусс в 1809 году. Им был разработан метод наименьших квадратов
  4. 3.6 Область использования регуляризирующего алгоритма и формирование требований к БЦвМ для его реализации
    исследований, приведенных в этом разделе, можно сделать вывод о возможности составления базы данных значений параметра а, от трех перечисленных факторов. При этом для использования в конкретной навигационной системе размерность массивов ограничена. Анализ результатов численного моделирования регуляризирующего алгоритма позволяет сделать вывод, что регуляризация даже при неоптимальном выборе
  5. 3.5.1 Описание допущений, принимаемых при численном моделировании
    исследования 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
  6. 3.4.2 Формирование требований к точности навигационных измерений для эффективного функционирования регуляризирующего алгоритма
    эффективности регуляризирующего алгоритма возрастает. На высоких орбитах величина плотности р, а следовательно и ошибка ускорения Да, уменьшается, и значит уменьшается степень эффективности алгоритма для коротких интервалов [ti, Ошибки знания геопотенциала Земли также порождают ошибки навигации, однако, на коротких интервалах их уровень не превышает стандартной точности навигационных измерений
  7. 3.4.1 Формирование рекомендаций по выбору параметра регуляризации
    эффективным способом для нахождения значения параметра а оказался способ подбора, который основывается на статистическом моделировании для разных моментов времени t*. При этом способе значение а выбирается из условия минимума отклонения: I q(t*,a , S60) - ^6(t*, q0j S6 ) | => min , a где q0, Sg) - прогноз опорного невозмущенного вектора q0 на момент времени t*, = Seo + ASgmax, q{ t*,a,Sso) -
  8. 3.4 Аналитическое исследование эффективности алгоритма на модельной задаче
    эффективности применения описанного в 3.2 алгоритма оценим на модельной задаче степень повышения точности определения навигационной оценки НКА относительно стандартного средневзвешенного МНК с вычислением оценки на момент времени t^ и прогнозированием её на момент t*. Изменение ошибок навигационного вектора относительно точного невозмущенного движения в координатах плоскости орбиты КА { т.е. по
  9. 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
    исследования. Целью диссертационной работы является разработка алгоритма вычисления навигационной оценки, адаптивного к ошибкам модели движения при прогнозировании навигационного вектора и к изменениям статистических характеристик навигационных измерений. Алгоритм должен вычислять навигационную оценку, которая обладает свойством чувствительности к изменениям параметров
  10. 3.5.4 Численное моделирование при совместных ошибках модели поля Земли и ошибках баллистического коэффициента
    эффективность регуляризирующего алгоритма при совместных ошибках модели поля Земли и ошибках баллистического коэффициента выше, чем при каждой ошибке в отдельности. Это делает его эффективным для использования в БКУ НКА. Можно обобщить результаты моделирования третьего раздела. При решении задачи идентификации модели движения НКА, к которой относится задача уточнения баллистического

Портал "Input" © 2011
info@1-ebook.com