高超再入无人飞行器惯性/卫星超紧组合导航信息融合技术研究

20211217

科学研究和技术服务业

高超再入无人飞行器可重复使用、高速飞行，未来应用广泛，意义重大。因其飞行过程复杂，精确导航的实现难度很大，主要是再入飞行过程中惯性/卫星导航系统面临大噪声、变噪声和高动态问题，传统的组合方案已经无法应对。为此本项目研究惯性/卫星超紧组合导航技术及其先进信息融合及滤波技术，采用神经网络优化的模糊控制和联邦滤波矢量跟踪实现量测噪声模型在线自适应，采用载波频率误差补偿技术提高系统动态性能，提高惯性/卫星超紧组合导航系统性能，以满足升力式高超再入无人飞行器的高精度导航需求。 为解决高超再入无人飞行器在大动态和强干扰情况下的导航问题，本项目首先设计高超再入飞行器组合导航系统总体方案，重点研究惯性/卫星超紧组合导航技术，实现惯导和卫导相互辅助，提高系统在大动态和强干扰下的性能。在此基础上拟研究先进信息融合及滤波技术，采用“神经网络优化的模糊控制”和“联邦滤波矢量跟踪”实现量测噪声模型在线自适应，采用“载波频率误差补偿技术”提高系统的超高动态下的性能。为验证上述方案，搭建全数字仿真验证平台，该平台需要包括轨迹生成、卫星中频数据仿真、惯导数据仿真及组合导航算法等各环节。 采用基于模糊神经优化的惯性/卫星超紧组合导航技术，高超再入飞行器在过载不超过30g或信噪比不低于30dB的情况下卫星导航系统不失锁，惯性/卫星超紧组合导航位置精度优于10m。

针对升力高超声速再入飞行时传统的松组合或紧组合导航方法在大动态、强干扰、长距离、长时间飞行情况下可靠性差且精度低问题，提出基于模糊逻辑自适应和神经网络优化的惯性/卫星超紧组合导航方法，通过人工神经网络优化的模糊自适应滤波技术和基于联邦滤波的矢量跟踪技术提高高超声速再入飞行器在严苛和恶劣环境下的导航性能，包括可靠性、精度等指标。升力再入飞行器具有速度高、航程远、机动大且落点精确的巨大优势，具有广阔的应用前景。军事方面，可实现高速突防、精确打击，对战略目标进行致命性攻击，是未来攻防对抗体系中的重要组成部分；民用方面，能作为太空开发、空间科研的运输和试验平台。升力再入飞行器可靠、精确导航是其完成飞行任务的重要前提，也是前沿技术重点和难点，本项目对此开展攻关，具有重要意义。 为实现上述成果转化，需要与有意向进行成果转化的单位或公司进行进一步细化沟通，对拟转化技术项目进行深入交流及确定。由于高超声速再入属高精尖技术，产品及技术投入大，希望拟成果转化单位为国有企业或科研院所，需要场地面积投稿不超过300平方米，需要资金投入不超过2000万元，需要人员投入不超过30人，需要成果落地转化的时间3-5年。

仅限国内转让

要实现再入全程可靠精确导航，必须采用多种方式（如惯性、卫星、天文、无线电等）通过多源信息融合和最优估计技术进行组合导航。然而传统的信息融合方式暴露出极大的劣势和缺陷，特别是再入飞行过程中大过载（几十个重力加速度）、强干扰（大气等离子鞘）情况下惯性/卫星松或紧组合系统无法满足再入高精度高可靠导航要求。因此，通过不同类型导航系统各自优势深度相互辅助，采用更先进的多源信息融合技术解决上述问题具有必要性及重要的工程价值。 以高超再入飞行器为代表的现代空间载具机动大、过载高、飞行环境复杂，飞行过程中量测噪声变化剧烈。本项目所研究的采用先进信息融合技术的惯性/卫星超紧组合导航更适用于抗干扰性、精确性、可靠性要求高的场合，可进一步提升此类飞行器的性能。本研究在提高此类飞行器的导航精度和可用性方面具有较大的潜力，应用前景广阔。 此外，由于惯性/卫星组合导航系统应用的广泛性，本项目所研究的惯性/卫星超紧组合导航及先进信息融合与滤波技术不但能够在高超再入无人飞行器中发挥作用，也能够在其余作战装备中应用，如现代战机、战术导弹、坦克、装甲车、水面舰船等，特别适合在复杂环境中，如由于遮挡或多路径效应造成卫星信号弱、不稳定的情况，以及地面作战装备通过高架、隧道、桥梁时卫星信号受影响或短时不可用的情况等等。此外，还能应用在室外机器人、自动驾驶汽车及商用民用无人机等领域，其应用前景同样广阔。

北京市自然科学基金青年项目

北京市科学技术委员会;中关村科技园区管理委员会

高超再入无人飞行器可重复使用、高速飞行，未来应用广泛，意义重大。重返大气层过程中面临的主要难点之一就是精确导航。惯性导航系统与卫星导航系统是最重要的导航子系统，原有的松/紧组合方案无法承受再入过程的大动态和强干扰，应采用更先进的导航方案。 首先设计了高超再入无人飞行器导航总体方案，重点研究惯性/卫星超紧组合导航技术，实现惯导和卫导相互辅助，提高系统在大动态和强干扰下的性能。在此基础上研究先进信息融合及滤波技术，采用神经网络优化的模糊控制和联邦滤波矢 量跟踪实现量测噪声模型在线自适应，采用载波频率误差补偿技术提高系统动态性能。 为了解决在变噪声情况下量测噪声模型失真导致组合精度降低甚至发散的问题，在超紧组合导航系统中加入模糊逻辑自适应技术，并采用人工神经网络对模糊逻辑自适应调节器进行离线训练，优化模糊逻辑自适应调节器的参数，以达到更优的调节效果。基于模糊逻辑自适应的惯性/卫星超紧组合导航系统采用INS和GNSS的伪距/伪距率差值作为组合导航滤波器的量测。DLL和PLL采用传统二阶跟踪回路，标量跟踪，各跟踪通道相互独立。 基于矢量跟踪的惯性/卫星超紧组合导航系统采用联邦卡尔曼滤波技术，通过构建三个卡尔曼滤波器分别实现卫星信号幅度估计、矢量跟踪和组合导航三大功能。基于矢量跟踪的惯性/卫星超紧组合导航系统结构最显著的特征是采用集中的“矢量跟踪滤波器”替代了传统GNSS接收机并行标量跟踪环路。信号幅度估计器首先根据相关信息得到信号幅度，之后矢量跟踪滤波器以各跟踪环路的超前信息、当前信息和延迟信息作为输入，融合各通道信息进行最优估计，输出各通道的伪距和伪距率及其各自可信度，并将这些信息提供给组合导航滤波器作为量测和量测的噪声模型。 为验证上述方案，需搭建全数字仿真验证平台，包括轨迹生成、卫星中频数据仿真、惯导数据仿真及组合导航算法等各环节。本项目可有效提升导航系统在大动态、强干扰和变噪声情况下的可用性及精度，对高超再入飞行器具有重要意义。