CN109533380A - 基于卡尔曼滤波的直升机旋翼遮挡缝隙时长预测方法 - Google Patents
基于卡尔曼滤波的直升机旋翼遮挡缝隙时长预测方法 Download PDFInfo
- Publication number
- CN109533380A CN109533380A CN201811556047.0A CN201811556047A CN109533380A CN 109533380 A CN109533380 A CN 109533380A CN 201811556047 A CN201811556047 A CN 201811556047A CN 109533380 A CN109533380 A CN 109533380A
- Authority
- CN
- China
- Prior art keywords
- rotor
- occlusion state
- state
- fast
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000004891 communication Methods 0.000 claims abstract description 21
- 238000012546 transfer Methods 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 39
- 238000012937 correction Methods 0.000 claims description 9
- 230000000903 blocking effect Effects 0.000 claims description 7
- 230000017105 transposition Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims 2
- 230000000737 periodic effect Effects 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 206010034719 Personality change Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
- B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C27/00—Rotorcraft; Rotors peculiar thereto
- B64C27/04—Helicopters
- B64C27/08—Helicopters with two or more rotors
- B64C27/10—Helicopters with two or more rotors arranged coaxially
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Mechanical Engineering (AREA)
- Manufacturing & Machinery (AREA)
- Transportation (AREA)
- Variable-Direction Aerials And Aerial Arrays (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明公开一种基于卡尔曼滤波的直升机旋翼遮挡缝隙时长预测方法,适用于卫星通信中的共轴式双旋翼直升机旋翼遮挡天线环境。该方法步骤如下:通过卫星通信***检测4个连续缝隙时间来确定初始旋翼遮挡状态;进入循环体迭代预测:用上一个旋翼遮挡状态通过状态方程预测下一个旋翼遮挡状态,判断预测的旋翼遮挡状态中缝隙时间是否在周期范围内,修正超出范围的缝隙时间,输出旋翼遮挡状态。该状态一方面用于指导返向链路信号的突发传输,另一方面会结合实际检测到的缝隙时间和卡尔曼增益进行校正,用于下次预测。该预测方法直接预测缝隙时间,利用卡尔曼增益和观测值不断修正预测值,保证滤波稳定、收敛性好,做到精确旋翼跟踪与预测。
Description
技术领域
本发明涉及卫星通信技术领域,具体涉及一种基于卡尔曼滤波的直升机旋翼遮挡缝隙时长预测方法。
背景技术
卡尔曼滤波是一种高效率的递归滤波器,通过***输入输出观测数据,对***状态进行最优估计,由于观测数据中包括***中的噪声和干扰的影响,所以最优估计也可看作是滤波过程。
在连续变化的***中使用卡尔曼滤波,仅利用前一时刻的状态量和当前时刻的观测值来更新状态变量的估计,不需要保留其它历史数据,故占用非常小的内存。利用卫星通信***检测的缝隙时间不断修正预测值,同时也修正环境中的噪声统计参数,估计的协方差矩阵会随着递推步数的增加趋于收敛,进而精确跟踪和预测旋翼变化。
共轴式双旋翼直升机,上下两个旋翼相向旋转,形成直升机水平方向的力矩平衡,故不需要尾桨来平衡此方向上的力矩,使直升机更加机动灵活,但是也正因为两个旋翼相向运动,产生两个旋翼遮挡的叠加效果,增加了直升机卫星通信的复杂度。
发明内容
本发明的目的是为了解决共轴式双旋翼直升机卫星通信中旋翼遮挡影响信号传输的问题,提供一种基于卡尔曼滤波的直升机旋翼遮挡缝隙时长预测方法,通过预测共轴式双旋翼直升机旋翼遮挡天线的缝隙时间来指导返向链路信号的突发传输,提高直升机卫星通信返向通信链路传输质量。
本发明的目的可以通过采取如下技术方案达到:
一种基于卡尔曼滤波的直升机旋翼遮挡缝隙时长预测方法,直升机为共轴式双旋翼直升机,包括上下两个旋翼,每个旋翼对应一个旋翼遮挡状态,所述的预测方法包括下列步骤:
S1、双旋翼直升机旋翼遮挡状态的初始化。通过卫星通信***检测4个连续缝隙时间来确定上下两个旋翼当前的旋翼遮挡状态。比较4个连续缝隙时间中相邻两个数相加的结果,最小值为较快旋翼周期时间。相邻的旋翼遮挡状态一般情况下分别由上下两个旋翼遮挡;特殊情况下,较快旋翼可能超过较慢旋翼一周或者较快旋翼和较慢旋翼同时遮挡,这是同遮挡旋翼下旋翼遮挡状态中缝隙时间周期性变化的原因,这时标记较慢旋翼周期性变化的起点;
S2、利用上一个旋翼遮挡状态通过状态方程Xk=FX′k-2预测下一个同遮挡旋翼的旋翼遮挡状态,其中,Xk′-2为上一个同遮挡旋翼下的旋翼遮挡状态,状态转移矩阵F为预定义参数,Xk为预测的旋翼遮挡状态;
S3、判断是否存在较快或较慢旋翼遮挡状态周期变化起点标记及步骤S2预测的旋翼遮挡状态中缝隙时间是否在较快旋翼周期时间内,若旋翼遮挡状态超出范围则对旋翼遮挡状态进行修正,并设置起始标记,输出旋翼遮挡状态,并利用该状态中的缝隙时间指导返向链路信号的突发传输,控制突发时间长度;
S4、判断输出的旋翼遮挡状态属于较快旋翼还是较慢旋翼造成,根据旋翼遮挡状态中双旋翼转速时间差的符号确定,当双旋翼转速时间差为正时,表示旋翼遮挡状态属于较快旋翼遮挡,反之亦然。当判断属于较快旋翼遮挡时,利用公式Pfast,i=FP′fast,i-1FT+Q预测较快旋翼遮挡下的协方差矩阵,其中,P′fast,i-1为的上一个较快旋翼遮挡更新后的协方差矩阵,F为步骤S2中预定义的状态转移矩阵,FT为状态转移矩阵的转置,Q表示外界噪声的方差,Pfast,i为预测的较快旋翼遮挡下的协方差矩阵;
利用公式K=Pfast,iHT(HPfast,iHT+R)-1更新较快旋翼遮挡下的卡尔曼增益,其中,观测矩阵H为预定义参数,HT为观测矩阵的转置,R为测量噪声方差,Pfast,i为上文求得的协方差矩阵,K为当前较快旋翼遮挡下的卡尔曼增益;通过卫星通信***检测到的缝隙时间校正步骤S3中输出的旋翼遮挡状态,校正公式为X′k=Xk+K(zk-HXk),其中,Xk为步骤S3中输出的旋翼遮挡状态,zk为卫星通信***检测到的缝隙时间,K为上文公式求得的卡尔曼增益,观测矩阵H为上文中提到的预定义参数,X′k为校正后的旋翼遮挡状态;利用公式P′fast,i=Pfast,i-KHPfast,i更新协方差矩阵,其中,Pfast,i为上文公式预测的较快旋翼遮挡下的协方差矩阵,P′fast,i为更新后的协方差矩阵;同理当判断是较慢旋翼遮挡时,利用上一个较慢旋翼遮挡更新后的协方差矩阵预测当前的协方差矩阵Pslow,i,更新当前较慢旋翼遮挡下的卡尔曼增益K,校正旋翼遮挡状态X′k,更新协方差矩阵P′slow,i;
S5、判断步骤S4中检测到的缝隙时间与校正后旋翼遮挡状态中缝隙时间的差值的绝对值是否大于转速变化阈值,转速变化阈值为预定义参数。若判断成立,说明此时直升机旋翼转速发生变化,根据变化趋势修改较快旋翼周期时间;
S6、返回步骤S2继续预测下一个旋翼遮挡状态,直至停止预测。
进一步地,所述的旋翼遮挡状态包括缝隙时间和双旋翼转速时间差。缝隙时间是指直升机卫星通信链路未被直升机旋翼遮挡的时间间隙;上下两个旋翼因转速不同分为较快和较慢旋翼,通过双旋翼转速时间差的符号确定旋翼遮挡状态属于较快旋翼或较慢旋翼遮挡。
进一步地,所述的步骤S2中状态方程Xk=FX′k-2中Xk′-2为上一个同遮挡旋翼下的旋翼遮挡状态,因为双旋翼直升机的上下旋翼是相向运动,且交替遮挡天线,所以相邻的旋翼遮挡状态分别由上下两个旋翼遮挡。
进一步地,所述的步骤S3中较快和较慢旋翼遮挡周期变化起点标记是指转速较快旋翼的旋翼遮挡状态中缝隙时间呈周期性变化的起点位置和转速较慢旋翼的旋翼遮挡状态中缝隙时间呈周期性变化的起点位置;旋翼遮挡状态超出范围包括预测的旋翼遮挡状态中缝隙时间大于较快旋翼周期时间或等于零。
进一步地,所述的步骤S3中对预测的旋翼遮挡状态中缝隙时间进行判断,目的是修正超出较快旋翼周期时间范围的旋翼遮挡状态,并确定较快和较慢旋翼遮挡状态周期性变化的起点,所述步骤S3具体包括:
S31、判断是否存在较快旋翼遮挡状态周期性变化的起点标记。若判断成立,则表明当前预测的旋翼遮挡状态为较快旋翼周期性变化的起始值。修正步骤S2中预测的旋翼遮挡状态,缝隙时间赋值为较快旋翼周期时间与较慢旋翼周期性变化起始值的差值,双旋翼转速时间差不变;重置较快旋翼遮挡状态周期性变化的起点标记,用于继续确定下一次较快旋翼遮挡状态周期性变化的起点;
S32、判断是否存在较慢旋翼遮挡状态周期性变化的起点标记。若判断成立,则表明当前预测的旋翼遮挡状态为较慢旋翼周期性变化的起始值。修正步骤S2中预测的旋翼遮挡状态,缝隙时间赋值为较慢旋翼周期性变化的起始值,双旋翼转速时间差赋值为上一个预测旋翼遮挡状态中双旋翼转速时间差的相反数;重置较慢旋翼遮挡状态周期性变化的起点标记,标记较快旋翼遮挡状态周期性变化的起点,因为较慢旋翼和较快旋翼的遮挡状态周期长度相同,且较慢旋翼遮挡状态周期性变化起点在较快旋翼之前;
S33、判断步骤S2中预测的旋翼遮挡状态中缝隙时间是否大于较快旋翼周期时间。若判断成立,则表明较快旋翼超过较慢旋翼一周,先于较慢旋翼遮挡天线。修正预测的旋翼遮挡状态,缝隙时间赋值为较快旋翼周期时间,双旋翼转速时间差赋值为上一个预测旋翼遮挡状态中的双旋翼转速时间差;标记较慢旋翼周期性变化的起点,设置较慢旋翼周期性变化起始值;
S34、判断步骤S2中预测的旋翼遮挡状态中缝隙时间是否等于零。若判断成立,则说明较快旋翼和较慢旋翼重叠,同时遮挡天线。修正预测的旋翼遮挡状态,缝隙时间赋值为较快旋翼周期时间,双旋翼转速时间差不变;标记较慢旋翼周期性变化的起点,设置较慢旋翼周期性变化起始值。
进一步地,所述的步骤S31、S32、S33和S34中,每一个判断条件在一次循环中仅有一个判断成立或者都不成立。
本发明相对于现有技术具有如下的优点及效果:
1、本发明公开的基于卡尔曼滤波的直升机旋翼遮挡缝隙时长预测方法是一种解决直升机卫星通信旋翼遮挡问题的创新方法,该方法并没有对双旋翼转速进行跟踪与预测,而是直接跟踪并预测旋翼遮挡的缝隙时间,并通过卫星通信***检测的缝隙时间对预测的缝隙时间进行校正,提高预测精度。该方法适用于共轴式双旋翼直升机复杂的旋翼遮挡环境。
2、本发明公开的基于卡尔曼滤波的直升机旋翼遮挡缝隙时长预测方法,预测能够快速收敛,较LMS算法滤波效果更好,而且具有一定的自适应,对转速变化的旋翼,也能够精准的跟踪与预测。
附图说明
图1是本发明提出的基于卡尔曼滤波的直升机旋翼遮挡缝隙时长预测方法的流程步骤图;
图2是卫星通信***检测的缝隙时间及本发明预测跟踪的缝隙时间的轨迹图;
图3是旋翼转速变化时预测值相对误差图;
图4是不同算法的收敛速度比较图;
图5是不同算法的预测精度比较图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例
设置仿真环境:
假设旋翼转速设置为上旋翼起始转速468r/min,周期时间132ms,下旋翼起始转速434r/min,周期时间142ms;每预测100个缝隙时间,双旋翼转速发生改变,上下旋翼同时增长10ms周期时间;转速变化阈值threshold=5。
预定义卡尔曼滤波参数:
状态转移矩阵F=[1,-1;0,1],观测矩阵为H=[1,0],外界噪声方差Q=[4e-4,0;0,1e-4],测量噪声方差R=0.25。
按照预测方法步骤详细描述:
S1、双旋翼直升机旋翼遮挡状态的初始化,卫星通信***检测4个连续缝隙时间z1=132ms、z2=10ms、z3=122ms、z4=20ms来确定上下两个旋翼当前的旋翼遮挡状态,即缝隙时间z3和z4对应的旋翼遮挡状态X3′和X4′,旋翼遮挡状态是一维数组,数组元素包括缝隙时间x3和x4及对应的双旋翼转速时间差d3和d4,其中,x3=122ms,x4=20ms,d3=10ms,d4=-10ms,所以X3′表示为[122;10],X4′表示为[20;-10]。4个连续缝隙时间中相邻两个数相加,结果为[132+10,10+122,122+20],取最小值132为较快旋翼周期时间Tf;因为d3为正,所以旋翼遮挡状态X3′被较快旋翼遮挡,同理,旋翼遮挡状态X4′是被较慢旋翼遮挡.初始化较快旋翼遮挡状态周期性变化的起点标记,flag2=0,和较慢旋翼遮挡状态周期性变化的起点标记,flag1=0,初始化较快和较慢旋翼遮挡的协方差矩阵P′fast,1=[10;01]和P′slow,1=[10;01]。
S2、利用状态方程Xk=FX′k-2预测下一个旋翼遮挡状态时,这时,k=5,Xk′-2为X3′,状态转移矩阵F=[1,-1;0,1],计算状态方程得到预测的旋翼遮挡状态X5=[112;10]。
S3、因为flag2=0,flag1=0,所以步骤S31、S32判断不成立,步骤S2中预测的旋翼遮挡状态X5中缝隙时间x5=112ms,小于较快旋翼周期时间Tf=132ms,且不等于零,输出旋翼遮挡状态X5=[112;10],利用旋翼遮挡状态中缝隙时间指导返向链路信号的突发传输,控制突发时间长度。
S4、判断输出旋翼遮挡状态X5=[112;10]的遮挡旋翼,其中双旋翼转速时间差d5=10为正,故旋翼遮挡状态X5属于较快旋翼遮挡。利用公式Pfast,i=FP′fast,i-1FT+Q得到较快旋翼遮挡下的协方差矩阵,其中,P′fast,i-1为P′fast,1=[10;01],解得协方差矩阵Pfast,2=[0.00040;00.0004];利用公式K=Pfast,iHT(HPfast,iHT+R)-1更新卡尔曼增益,其中,Pfast,i为Pfast,2,解得卡尔曼增益K=[0.8889;-0.4444];通过卫星通信***检测到的缝隙时间z5=113ms校正旋翼遮挡状态X5,校正公式为X′k=Xk+K(zk-HXk),其中,Xk为X5=[112;10],解得校正后的旋翼遮挡状态X5′=[112.8889;9.556];利用公式P′fast,i=Pfast,i-KHPfast,i更新协方差矩阵,其中,Pfast,i为Pfast,2,解得更新后的协方差矩阵P′fast,2=[0.2222-0.1111;-0.11110.5557]。
S5、判断S4中检测到的缝隙时间与校正后旋翼遮挡状态中缝隙时间的差值的绝对值是否大于转速变化阈值。检测到的缝隙时间z5=113ms减去校正后旋翼遮挡状态X5′中缝隙时间x5′=112.8889ms,得到差值value=0.1111ms,其绝对值小于转速变化阈值threshold=5,故不需要对较快旋翼周期时间Tf进行修改。
S6、返回步骤S2继续预测下一个旋翼遮挡状态,直至停止预测。
针对S31、S32、S33、S34和S5中判断条件成立的情况进行讨论,结果如下:
(1)假定上下旋翼最新的旋翼遮挡状态为X1=[130;-10],X2=[2;10]。
通过步骤S2中状态方程Xk=FX′k-2得到下一个旋翼遮挡状态X3=[140;-10],根据旋翼遮挡状态X3中的双旋翼转速时间差d3=-10,了解到天线被较慢旋翼遮挡。因flag2=0,flag1=0,故步骤S31、S32判断不成立,缝隙时间x3=140ms大于较快旋翼周期时间Tf=132ms,步骤S33判断成立,表明这时较快旋翼超过较慢旋翼一周,先于较慢旋翼遮挡天线,故预测的旋翼遮挡状态应为较快旋翼遮挡,对预测的旋翼遮挡状态X3中缝隙时间x3和双旋翼转速时间差d3进行修改,将缝隙时间x3赋值为较快旋翼周期时间Tf,双旋翼转速时间差d3赋值为上一个旋翼遮挡状态中的双旋翼转速时间差d2,修改后的旋翼遮挡状态X3=[132;10];且标记较慢旋翼周期性变化的起点,即flag1=1。设置较慢旋翼周期性变化起始值T1=xk-Tf,得到T1=8ms。因为缝隙时间已修改为x3=132ms,故步骤S34判断不成立,输出旋翼遮挡状态X3=[132;10],利用旋翼遮挡状态中缝隙时间指导返向链路信号的突发传输,控制突发时间长度。进入循环下一步骤S4,之后与上述过程相同,完成步骤S5、S6。
返回步骤S2预测下一个旋翼遮挡状态,通过状态方程Xk=FX′k-2预测得到下一个旋翼遮挡状态X4=[-8;10]。因flag2=0,步骤S31判断不成立,经上一个循环得到flag1=1,存在较慢旋翼遮挡状态周期性变化的起点标记,步骤S32判断成立,当前预测的旋翼遮挡状态X4应为较慢旋翼周期性变化的起始值。将预测的旋翼遮挡状态X4中缝隙时间x4赋值为较慢旋翼周期性变化的起始值T1=8ms,双旋翼转速时间差d4赋值为上一个预测旋翼遮挡状态X3中双旋翼转速时间差d3=10ms的相反数,最终得到旋翼遮挡状态X4=[8;-10]。重置较慢旋翼遮挡状态周期性变化的起点标记,flag1=0,标记较快旋翼遮挡状态周期性变化的起点,flag2=1。因为修改后的旋翼遮挡状态X4中缝隙时间x4=8ms,故步骤S33、S34判断不成立,输出旋翼遮挡状态X4=[8;-10],利用旋翼遮挡状态中缝隙时间指导返向链路信号的突发传输,控制突发时间长度。进入循环下一步骤S4,之后与上述过程相同,完成步骤S5、S6。
返回步骤S2预测下一个旋翼遮挡状态,通过状态方程Xk=FX′k-2预测得到下一个旋翼遮挡状态X5=[122;10]。经上一个循环得到flag2=1,存在较快旋翼遮挡状态周期性变化的起点标记,步骤S31判断成立,当前预测的旋翼遮挡状态X5应为较快旋翼周期性变化的起始值,将预测的旋翼遮挡状态X5中缝隙时间x5赋值为较快旋翼周期时间Tf=132ms与较慢旋翼周期性变化起始值T1=8ms的差值,双旋翼转速时间差d5不变,故旋翼遮挡状态X5=[124;10],重置较快旋翼遮挡状态周期性变化的起点标记,flag2=0。因flag1=0,修改后的旋翼遮挡状态X5中缝隙时间x5=124ms,小于较快旋翼周期时间Tf=132ms,且不等于零,故步骤S32、S33、S34判断不成立,输出旋翼遮挡状态X5=[124;10],利用旋翼遮挡状态中缝隙时间指导返向链路信号的突发传输,控制突发时间长度。进入循环下一步骤S4,之后与上述过程相同,完成步骤S5、S6。
(2)假定通过步骤S2中状态方程Xk=FX′k-2得到下一个旋翼遮挡状态Xk=[0;10],根据旋翼遮挡状态Xk中的双旋翼转速时间差dk,了解到天线被较快旋翼遮挡,此时flag2=0,flag1=0,且缝隙时间xk=0ms,故步骤S31、S32、S33判断不成立,步骤S34判断成立,说明较快旋翼和较慢旋翼重叠,同时遮挡天线。修改预测的旋翼遮挡状态Xk,将缝隙时间xk赋值为较快旋翼周期时间Tf=132ms,双旋翼转速时间dk差不变,故修改后的旋翼遮挡状态Xk=[132;10]。较慢旋翼周期性变化起始值T1赋值为预测的旋翼遮挡状态Xk中双旋翼转速时间差dk=10ms,即T1=10ms。标记较慢旋翼遮挡状态周期性变化的起点,flag1=1。输出旋翼遮挡状态Xk=[132;10],利用旋翼遮挡状态中缝隙时间指导返向链路信号的突发传输,控制突发时间长度。进入循环下一步骤S4,之后与上述过程相同,完成步骤S5、S6。
以上讨论(1)、(2)中的实施例是针对较快旋翼超过较慢旋翼一周,先于较慢旋翼遮挡天线,和较快旋翼与较慢旋翼重叠,同时遮挡天线的特殊情况,图2为卫星通信***检测的缝隙时间及本发明预测的旋翼遮挡状态中缝隙时间的跟踪轨迹图,从图中可以看出本发明对缝隙时间的预测效果。
(3)当旋翼转速发生变化时,假定在步骤S4中,通过卫星通信***检测到的缝隙时间zk=132和更新后的卡尔曼增益校正旋翼遮挡状态Xk,得X′k=[122;-10],在步骤S5中计算差值value=zk-x′k,即value=10。判断差值value的绝对值大于转速变化阈值threshold=5,故步骤S5判断成立,说明此时直升机旋翼转速发生变化,对较快旋翼周期时间Tf进行修改,因为差值为正,故Tf=Tf+threshold,即Tf=137ms。当直升机姿态发生变化时,旋翼转速会发生突变,此时预测的缝隙时间与测量值存在较大误差,但是当旋翼平稳时,预测快速收敛,得到较为精确的缝隙时间,如图3所示,在预测点为100和200位置处的较大误差均是由转速变化导致。
通过将基于卡尔曼滤波的直升机旋翼遮挡缝隙时长预测方法(下文简述为卡尔曼滤波算法)的仿真结果和LMS算法比较,发现卡尔曼滤波算法与LMS算法具有相同的收敛速度,如图4所示,卡尔曼滤波算法和LMS算法的相对误差曲线下降坡度相似;在预测精度上,卡尔曼滤波算法比LMS算法更加精确,如图5所示,卡尔曼滤波算法较LMS算法预测的相对误差曲线更加平坦,且相对误差更低。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (6)
1.一种基于卡尔曼滤波的直升机旋翼遮挡缝隙时长预测方法,直升机为共轴式双旋翼直升机,包括上下两个旋翼,每个旋翼对应一个旋翼遮挡状态,所述的预测方法包括下列步骤:
S1、初始化双旋翼直升机旋翼遮挡状态,通过卫星通信***检测4个连续缝隙时间来确定上下两个旋翼当前的旋翼遮挡状态,比较4个连续缝隙时间中相邻两个数相加的结果,最小值为较快旋翼周期时间;
S2、利用上一个旋翼遮挡状态通过状态方程Xk=FX′k-2预测下一个同遮挡旋翼的旋翼遮挡状态,其中,X′k-2为上一个同遮挡旋翼下的旋翼遮挡状态,状态转移矩阵F为预定义参数,Xk为预测的旋翼遮挡状态;
S3、判断是否存在较快或较慢旋翼遮挡状态周期变化起点标记及步骤S2预测的旋翼遮挡状态中缝隙时间是否在较快旋翼周期时间内,若旋翼遮挡状态超出范围则对旋翼遮挡状态进行修正,并设置起点标记,输出旋翼遮挡状态,并利用该状态中的缝隙时间指导返向链路信号的突发传输,控制突发时间长度;
S4、判断输出的旋翼遮挡状态属于较快旋翼还是较慢旋翼造成,利用上一次同遮挡旋翼协方差矩阵预测当前的协方差矩阵,预测公式如下:Pi=FP′i-1FT+Q,其中,P′i-1为上一次同遮挡旋翼更新后的协方差矩阵,F为预定义的状态转移矩阵,FT为状态转移矩阵的转置,Q表示外界噪声的方差,Pi为当前旋翼遮挡状态下的协方差矩阵;利用公式K=PiHT(HPiHT+R)-1更新当前旋翼遮挡状态下的卡尔曼增益,其中,观测矩阵H为预定义参数,HT为观测矩阵的转置,R为测量噪声方差,Pi为预测的协方差矩阵,K为当前旋翼遮挡状态下的卡尔曼增益;通过卫星通信***检测到的缝隙时间校正步骤S3中输出的旋翼遮挡状态,校正公式如下:X′k=Xk+K(zk-HXk),其中,Xk为输出的旋翼遮挡状态,zk为卫星通信***检测到的缝隙时间,K为上文公式求得的卡尔曼增益,观测矩阵H为上文中提到的预定义参数,X′k为校正后的旋翼遮挡状态;利用公式Pi′=Pi-KHPi得到更新后的协方差矩阵,其中,Pi为上文公式预测的协方差矩阵,Pi′为更新后的协方差矩阵;
S5、判断步骤S4中检测到的缝隙时间与校正后旋翼遮挡状态中缝隙时间的差值的绝对值是否大于转速变化阈值,其中,转速变化阈值为预定义参数,若判断大于,则调整目前存储的较快旋翼周期时间;
S6、返回步骤S2继续预测下一个旋翼遮挡状态,直至停止预测。
2.根据权利要求1所述的基于卡尔曼滤波的直升机旋翼遮挡缝隙时长预测方法,其特征在于,所述的旋翼遮挡状态包括缝隙时间和上下两个旋翼转速时间差,其中,所述的缝隙时间是指直升机卫星通信链路未被直升机旋翼遮挡的时间间隙;所述的上下两个旋翼因转速不同分为较快和较慢旋翼,通过上下两个旋翼的转速时间差的符号确定旋翼遮挡状态属于较快旋翼或较慢旋翼遮挡。
3.根据权利要求1所述的基于卡尔曼滤波的直升机旋翼遮挡缝隙时长预测方法,其特征在于,所述的状态方程Xk=FX′k-2中X′k-2为上一个同遮挡旋翼下的旋翼遮挡状态,由于双旋翼直升机的上下旋翼是相向运动,且交替遮挡天线,因此相邻的旋翼遮挡状态分别由上下两个旋翼遮挡。
4.根据权利要求1所述的基于卡尔曼滤波的直升机旋翼遮挡缝隙时长预测方法,其特征在于,所述的较快和较慢旋翼遮挡周期变化起点标记是指转速较快旋翼的旋翼遮挡状态中缝隙时间呈周期性变化的起点位置和转速较慢旋翼的旋翼遮挡状态中缝隙时间呈周期性变化的起点位置;所述的旋翼遮挡状态超出范围包括预测的旋翼遮挡状态中缝隙时间大于较快旋翼周期时间或等于零。
5.根据权利要求1所述的基于卡尔曼滤波的直升机旋翼遮挡缝隙时长预测方法,其特征在于,所述的步骤S3包括:
S31、判断是否存在较快旋翼遮挡状态周期性变化的起点标记,若判断成立,修正步骤S2中预测的旋翼遮挡状态,重置较快旋翼遮挡状态周期性变化的起点标记;
S32、判断是否存在较慢旋翼遮挡状态周期性变化的起点标记,若判断成立,修正步骤S2中预测的旋翼遮挡状态,重置较慢旋翼遮挡状态周期性变化的起点标记,标记较快旋翼遮挡状态周期性变化的起点;
S33、判断步骤S2中预测的旋翼遮挡状态中缝隙时间是否大于较快旋翼周期时间,若判断成立,修正旋翼遮挡状态,标记较慢旋翼周期性变化的起点,设置较慢旋翼周期性变化起始值;
S34、判断步骤S2中预测的旋翼遮挡状态中缝隙时间是否等于零,若判断成立,修正旋翼遮挡状态,标记较慢旋翼周期性变化的起点,设置较慢旋翼周期性变化起始值。
6.根据权利要求5所述的基于卡尔曼滤波的直升机旋翼遮挡缝隙时长预测方法,其特征在于,所述的步骤S31、S32、S33和S34中,每一个判断条件在一次循环中仅有一个判断成立或者都不成立。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811556047.0A CN109533380B (zh) | 2018-12-19 | 2018-12-19 | 基于卡尔曼滤波的直升机旋翼遮挡缝隙时长预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811556047.0A CN109533380B (zh) | 2018-12-19 | 2018-12-19 | 基于卡尔曼滤波的直升机旋翼遮挡缝隙时长预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109533380A true CN109533380A (zh) | 2019-03-29 |
CN109533380B CN109533380B (zh) | 2022-03-15 |
Family
ID=65855841
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811556047.0A Active CN109533380B (zh) | 2018-12-19 | 2018-12-19 | 基于卡尔曼滤波的直升机旋翼遮挡缝隙时长预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109533380B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111924128A (zh) * | 2020-06-30 | 2020-11-13 | 南京天际易达通信技术有限公司 | 直升机卫星通信抗旋翼遮挡关键技术研究方法 |
GB2584294A (en) * | 2019-05-28 | 2020-12-02 | Airbus Defence & Space Ltd | Wireless communication |
CN115833976A (zh) * | 2022-11-16 | 2023-03-21 | 中国电子科技集团公司第十研究所 | 直升机卫星通信旋翼缝隙检测方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU18314U1 (ru) * | 2001-02-20 | 2001-06-10 | Государственное унитарное предприятие "Научно-исследовательский и проектный институт геофизических методов разведки океана" | Геодинамический полигон многоцелевого назначения |
CN102521503A (zh) * | 2011-12-07 | 2012-06-27 | 清华大学 | 一种基于lms的直升机旋翼缝隙时间预测方法及装置 |
CN103972654A (zh) * | 2014-05-22 | 2014-08-06 | 北京航天控制仪器研究所 | 直升机旋翼遮挡下的动中通天线卫星对星跟踪装置 |
CN104660323A (zh) * | 2015-03-10 | 2015-05-27 | 中国人民解放军国防科学技术大学 | 直升机抗旋翼遮挡卫星通信方法 |
CN106027079A (zh) * | 2016-05-04 | 2016-10-12 | 清华大学 | 一种直升机多用户卫星通信***的发射机和接收机 |
CN106209278A (zh) * | 2016-07-13 | 2016-12-07 | 国网福建省电力有限公司 | 一种无人直升机旋翼缝隙检测方法 |
CN107124219A (zh) * | 2017-06-30 | 2017-09-01 | 广东电网有限责任公司电力科学研究院 | 一种无人直升机卫星通信受旋翼遮挡的解决方法及*** |
CN108007474A (zh) * | 2017-08-31 | 2018-05-08 | 哈尔滨工业大学 | 一种基于地面标识的无人飞行器自主定位及位姿校正技术 |
CN108287962A (zh) * | 2018-01-19 | 2018-07-17 | 电子科技大学 | 一种基于卡尔曼滤波的直升机旋翼遮挡预测方法 |
CN108827313A (zh) * | 2018-08-10 | 2018-11-16 | 哈尔滨工业大学 | 基于扩展卡尔曼滤波器的多模式旋翼飞行器姿态估计方法 |
-
2018
- 2018-12-19 CN CN201811556047.0A patent/CN109533380B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU18314U1 (ru) * | 2001-02-20 | 2001-06-10 | Государственное унитарное предприятие "Научно-исследовательский и проектный институт геофизических методов разведки океана" | Геодинамический полигон многоцелевого назначения |
CN102521503A (zh) * | 2011-12-07 | 2012-06-27 | 清华大学 | 一种基于lms的直升机旋翼缝隙时间预测方法及装置 |
CN103972654A (zh) * | 2014-05-22 | 2014-08-06 | 北京航天控制仪器研究所 | 直升机旋翼遮挡下的动中通天线卫星对星跟踪装置 |
CN104660323A (zh) * | 2015-03-10 | 2015-05-27 | 中国人民解放军国防科学技术大学 | 直升机抗旋翼遮挡卫星通信方法 |
CN106027079A (zh) * | 2016-05-04 | 2016-10-12 | 清华大学 | 一种直升机多用户卫星通信***的发射机和接收机 |
CN106209278A (zh) * | 2016-07-13 | 2016-12-07 | 国网福建省电力有限公司 | 一种无人直升机旋翼缝隙检测方法 |
CN107124219A (zh) * | 2017-06-30 | 2017-09-01 | 广东电网有限责任公司电力科学研究院 | 一种无人直升机卫星通信受旋翼遮挡的解决方法及*** |
CN108007474A (zh) * | 2017-08-31 | 2018-05-08 | 哈尔滨工业大学 | 一种基于地面标识的无人飞行器自主定位及位姿校正技术 |
CN108287962A (zh) * | 2018-01-19 | 2018-07-17 | 电子科技大学 | 一种基于卡尔曼滤波的直升机旋翼遮挡预测方法 |
CN108827313A (zh) * | 2018-08-10 | 2018-11-16 | 哈尔滨工业大学 | 基于扩展卡尔曼滤波器的多模式旋翼飞行器姿态估计方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2584294A (en) * | 2019-05-28 | 2020-12-02 | Airbus Defence & Space Ltd | Wireless communication |
US11842645B2 (en) | 2019-05-28 | 2023-12-12 | Airbus Defence And Space Limited | Wireless communication |
CN111924128A (zh) * | 2020-06-30 | 2020-11-13 | 南京天际易达通信技术有限公司 | 直升机卫星通信抗旋翼遮挡关键技术研究方法 |
CN115833976A (zh) * | 2022-11-16 | 2023-03-21 | 中国电子科技集团公司第十研究所 | 直升机卫星通信旋翼缝隙检测方法 |
CN115833976B (zh) * | 2022-11-16 | 2024-07-05 | 中国电子科技集团公司第十研究所 | 直升机卫星通信旋翼缝隙检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109533380B (zh) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109533380A (zh) | 基于卡尔曼滤波的直升机旋翼遮挡缝隙时长预测方法 | |
EP3676041B1 (en) | Method and system using a smart torch with positional tracking in robotic welding | |
JP7086600B2 (ja) | プロセス制御器、プロセス制御方法、プロセス制御デバイス、及び多重速度制御器 | |
CN108614426A (zh) | 一种基于干扰观测器的多移动机器人编队鲁棒控制方法 | |
US7795565B2 (en) | Guidance system with varying error correction gain | |
EP2869479A1 (en) | Airplane antenna control device, airplane, airplane antenna selection program, and airplane antenna control method | |
CN109857124A (zh) | 基于速度与航向双重制导的无人船精确路径跟踪控制方法 | |
JP2022500560A (ja) | メッキ量制御装置およびメッキ量制御方法 | |
CN110572577B (zh) | 一种跟踪聚焦的方法、装置、设备及介质 | |
GB2484917A (en) | Method of cooling a longitudinally profiled plate | |
JP6930507B2 (ja) | 溶銑温度予測方法、溶銑温度予測装置、高炉の操業方法、操業ガイダンス装置、溶銑温度制御方法、及び溶銑温度制御装置 | |
WO2015167695A1 (en) | Motion direction determination and application | |
CN110636923A (zh) | 一种机器人的运动控制方法、机器人及控制器 | |
CN108861819A (zh) | 卷绕排线自动补偿方法 | |
CN107065561B (zh) | 两轮自平衡车的机器学习控制方法 | |
EP2927744A1 (en) | Stabilization of gyro drift compensation for image capture device | |
US20160297508A1 (en) | Method for managing the speed of a vessel | |
JP2022000535A (ja) | 付着量予測モデルの生成方法、めっき付着量の予測方法、めっき付着量制御方法、溶融めっき鋼板の製造方法、及びそれらを実行する装置、並びに品質予測モデルの生成方法 | |
CN108646562B (zh) | 一种基于交叉耦合的多机械臂***有限时间参数辨识与位置同步控制方法 | |
CN114509087A (zh) | 定位方法、电子设备及计算机存储介质 | |
KR101644973B1 (ko) | 무전원 무선 온도센서 트래킹 시스템 및 방법 | |
JP7382980B2 (ja) | コントローラ、機器制御システム、時刻同期方法、および時刻同期プログラム | |
CN113030996B (zh) | 一种产线设备位置偏移检测方法、***、设备和介质 | |
CN108646561B (zh) | 一种基于交叉耦合的多机械臂***固定时间参数辨识与位置同步控制方法 | |
CN111007863B (zh) | 一种机器人航向角的测量方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |