本發(fā)明屬于光電跟蹤控制領域,具體的涉及一種基于光電設備自身角位置和探測到的目標脫靶量獲取目標真實軌跡位置和速度,從而利用該信息進行預測跟蹤和前饋控制的方法。
背景技術:
在光電控制系統(tǒng)目標跟蹤過程中,主要目的是實現(xiàn)目標的高精度跟蹤。隨著目標對象的機動性越來越大,普通的閉環(huán)控制方法已經(jīng)無法滿足該跟蹤要求,需要此基礎上對目標的運動信息(位置、速度、加速度)進行準確估計,然后利用該估計信息實現(xiàn)前饋控制。美國林肯實驗室研發(fā)的“火池”控制系統(tǒng)利用角位置信息和高精度測距信息實現(xiàn)共軸跟蹤,取得了很好的控制效果。國內(nèi)研究人員利用基于模型的卡爾曼濾波器對目標的角速度和角加速度進行估計,然后依靠估計量進行前饋控制以提高跟蹤精度。文獻《預測濾波技術在光電經(jīng)緯儀中的應用仿真》(光電工程,Vol(8),2002)采用了速度前饋方法進行仿真,提高了跟蹤精度。在此基礎上,公開號為CN 102736636A《跟蹤系統(tǒng)中基于角度信息的前饋控制方法》的中國專利對預測濾波模型進行了改進,添加了加速度前饋,進一步提高系統(tǒng)跟蹤精度。文獻《Combined line-of-sight error and angular position to generate feedforward control for a charge-coupled device-based tracking loop》(Optical Engineering,Vol(54),2015)利用卡爾曼速度前饋對圖像延時進行補償,并分析了卡爾曼預測濾波在前饋控制中對系統(tǒng)穩(wěn)定性的影響。
前饋控制利用其對目標機動的提前響應,可有效提高光電系統(tǒng)跟蹤精度。高性能的前饋效果主要依靠對目標當前運動參數(shù)估計的準確性和實時性。但是,由于光電系統(tǒng)中圖像傳感器(CCD)所采集到的目標脫靶量具有更新頻率低、延時大、且含有一定的噪聲,同時所采用的預測濾波算法本身會帶來時滯特性,所以通過預測濾波后所得的目標信息的準確性實時性被降低,從而導致在實際系統(tǒng)中前饋效果有限。同時,隨著目標的靈活性和機動性大幅提高,例如像無人機、航模此類目標,其具有小速度、大加速度、機動頻率高、軌跡規(guī)律性弱等特性,傳統(tǒng)的預測濾波算法,例如卡爾曼預測濾波,已經(jīng)逐漸無法適應,特別是在目標突然機動或突然停止的情況下,由于估計信息的不準確性,從而導致跟蹤誤差放大,嚴重的直接導致目標跟蹤丟失。在這種情況下,對預測算法的改進或者尋找一種預測精度高,本身延時特性小的預測濾波算法成為前饋控制的需要解決的問題。
技術實現(xiàn)要素:
針對傳統(tǒng)預測濾波算法精度不足和本身延時特性大,無法滿足當前實際跟蹤系統(tǒng)需求等問題,本發(fā)明提出了一種基于正交最小二乘的前饋控制方法。該方法利用正交最小二乘本身所具有的同時考慮自變量噪聲和因變量噪聲進行軌跡擬合和其滯后小、計算量小等特性,可在滿足系統(tǒng)實時性的要求下有效提高預測精度,從而提高系統(tǒng)對高頻目標機動的適應性,改善目標突然機動或突然停止的情況下的預測跟蹤誤差,提高系統(tǒng)性能。
為實現(xiàn)本發(fā)明的目的,本發(fā)明提供一種基于正交最小二乘的前饋控制方法,具體實施步驟如下:
步驟(1):在跟蹤設備上面安裝編碼器和圖像傳感器(CCD),編碼器獲取跟蹤設備自身的姿態(tài)角度信息,圖像傳感器接收編碼器的角度信息和目標的軌跡信息做相減處理,輸出測量目標脫靶量e(k);
步驟(2):由于測量的目標脫靶量e(k)帶有延時,一般為幾十毫秒,因此需要將高幀頻的編碼器角度信息y(k)與低幀頻的目標脫靶量e(k)在時間對齊后相加得到含有滯后的測量目標運動軌跡的信息r(k);
步驟(3):正交最小二乘預測算法通過對最近時間段的一系列測量目標軌跡數(shù)據(jù)r(k)進行擬合,得到與當前軌跡匹配的軌跡模型,從而利用該模型對當前的真實目標位置和速度進行外推估計,以此實現(xiàn)測量滯后的減少。
步驟(4):在獲取到真實目標軌跡r’(k)后,通過減去當前的編碼器值來得到當前目標真實的脫靶量e’(k),把其作為輸入送入位置修正控制器;
步驟(5):前饋控制器接收預測得到的目標速度生成并輸出前饋控制信號;
步驟(6):前饋控制信號和位置修正控制信號相加,生成并輸出驅動控制信號,用于驅動控制對象,實現(xiàn)對目標脫靶量e(k)的閉環(huán)校正。
其中,步驟(1)中編碼器的數(shù)據(jù)特性具有精度高、幀頻高,其滯后時間小可忽略;圖像傳感器一般精度相對較低,幀頻低,幀頻一般為50Hz,滯后一般在20ms~60ms。
其中,步驟(2)中時間對齊在實際工作中只能做到粗對齊,因為圖像傳感器對不同圖像的處理過程中,所耗費的時間會有所差異,從而導致其數(shù)據(jù)滯后會存在一定的漂移,在粗時間校準后依舊會存在一定的未校準誤差。
其中,步驟(3)中利用正交最小二乘法對最近的歷史軌跡數(shù)據(jù)進行擬合,得到較準確的擬合模型,每接收到一個新的數(shù)據(jù)點則刪除一個最舊的數(shù)據(jù)點,然后重新更新該擬合模型參數(shù),然后針對圖像傳感器滯后時間外推計算當前目標的位置和速度,用以反饋和前饋跟蹤控制。
其中,步驟(4)中的位置修正控制器是在未加入前饋控制回路前針對被控對象進行設計完成。
本發(fā)明與現(xiàn)有技術相比具有如下優(yōu)點:
(1)相對基于運動模型的卡爾曼預測估計前饋控制方法,該發(fā)明不基于目標的運動模型,避開了依靠先驗和對初始參數(shù)敏感,且其選取最近時間段內(nèi)的測量數(shù)據(jù)作為考慮,排除了所有歷史數(shù)據(jù)對擬合的影響,能夠更好的跟隨目標機動,且其計算量較小,滿足系統(tǒng)實時性要求;另一方面,由于其時間滯后特性相比卡爾曼小,在更高頻的目標機動時,能更好的估計出目標的速度,從而大幅減少其跟蹤誤差;
(2)由于正交最小二乘預測算法本身所具有的同時考慮自變量噪聲和因變量噪聲進行軌跡擬合,該發(fā)明通過擬合得到的軌跡參數(shù)更加接近真實,從而能夠提升對目標當前位置和速度估計的準確性,最終體現(xiàn)在跟蹤誤差的大幅減少;
(3)相比于當前前饋控制算法,本發(fā)明只依靠CCD探測器、編碼器提供的角位置信息,同時實現(xiàn)對當前真實目標位置和速度進行估計,用減少滯后的脫靶量信息替代傳統(tǒng)的直接測量的脫靶量信息,從而進一步提高光電跟蹤系統(tǒng)的跟蹤能力。
附圖說明
圖1是本發(fā)明的基于正交最小二乘的前饋控制方法的結構示意圖。
圖2是本發(fā)明的無人機做連續(xù)突然機動或突然停止的飛行軌跡的方位數(shù)據(jù)。
圖3是本發(fā)明的針對無人機機動的速度預測結果對比。
圖4是本發(fā)明的針對無人機飛行的跟蹤誤差對比。
具體實施方式
以下結合附圖對本發(fā)明的具體實施方式做詳細說明。
如附圖1所示是基于正交最小二乘的前饋控制方法的結構示意圖,其中包括正交最小二乘預測算法模塊、前饋控制器、位置修正控制器、控制對象;該控制裝置組包含了由位置修正控制器形成的閉環(huán)反饋回路和由正交最小二乘預測算法模塊、前饋控制器構成的前饋回路。采用所述裝置實現(xiàn)前饋控制方法的具體實施步驟如下:
步驟(1):在跟蹤設備上面安裝編碼器和圖像傳感器(CCD),編碼器獲取跟蹤設備自身的姿態(tài)角度信息,圖像傳感器接收編碼器的角度信息和目標的軌跡信息做相減處理,輸出測量目標脫靶量e(k);其中,編碼器的數(shù)據(jù)特性具有精度高、幀頻高,其滯后時間小可忽略;圖像傳感器一般精度相對較低,幀頻低,幀頻一般為50Hz,滯后一般在20ms~60ms;
步驟(2):由于測量的目標脫靶量e(k)帶有延時,因此需要將高幀頻的編碼器角度信息y(k)與低幀頻的目標脫靶量e(k)在時間對齊后相加得到含有滯后的測量目標運動軌跡的信息r(k);但是,時間對齊在實際工作中只能做到粗對齊,因為圖像傳感器對不同圖像的處理過程中,所耗費的時間會有所差異,從而導致其數(shù)據(jù)滯后會存在一定的漂移,在粗時間校準后依舊會存在一定的未校準誤差;
步驟(3):正交最小二乘預測算法通過對最近時間段的一系列測量目標軌跡數(shù)據(jù)r(k)進行擬合,得到與當前軌跡匹配的軌跡模型,從而利用該模型對當前的真實目標位置和速度進行外推估計,以此實現(xiàn)測量滯后的減少和時間未校準誤差的消除;
步驟(4):在獲取到真實目標軌跡r’(k)后,通過減去當前的編碼器值來得到當前目標真實的脫靶量e’(k),把其作為輸入送入位置修正控制器;
步驟(5):前饋控制器接收預測得到的目標速度生成并輸出前饋控制信號;
步驟(6):前饋控制信號和位置修正控制信號相加,生成并輸出驅動控制信號,用于驅動控制對象,實現(xiàn)對目標脫靶量e(k)的閉環(huán)校正。
下面以一實驗控制系統(tǒng)對無人機跟蹤為例對本發(fā)明的預測精度和跟蹤精度進行詳細說明:
該實驗系統(tǒng)中的編碼器采樣頻率為2KHz,圖像傳感器采樣頻率為50Hz,通過實驗測量其圖像數(shù)據(jù)滯后約40ms(2幀數(shù)據(jù))。無人機目標在距離跟蹤設備300m左右、高度約100m做水平來回機動飛行。正交最小二乘選用線性二次多項式作為擬合模型,具體如下:
該實驗通過對最近1秒內(nèi)的歷史飛行軌跡數(shù)據(jù)進行擬合,得到較準確的擬合模型,每接收到一個新的數(shù)據(jù)點則刪除一個最舊的數(shù)據(jù)點,然后重新更新該擬合模型參數(shù),然后針對圖像傳感器滯后時間外推計算當前目標的位置和速度,用以反饋和前饋跟蹤控制。
如附圖2所示為無人機做連續(xù)突然機動或突然停止的飛行軌跡的方位數(shù)據(jù),其機動頻率較高。
如附圖3所示為各算法針對無人機機動的速度預測結果。這里利用編碼器微分作為速度預測的基本參考??梢悦黠@看出,在此種情況下,卡爾曼預測算法所估計出的目標速度存在較大的超調,這主要是由于卡爾曼預測算法自身的滯后特性所導致。相反,正交最小二乘則較好的估計出目標的速度量,相比于編碼器微分速度,其還帶有一定的濾波效果。
如附圖4所示為各算法針對無人機飛行的跟蹤誤差??梢悦黠@看出,由于正交最小二乘對位置速度的準確估計,相比于卡爾曼算法,其預測跟蹤誤差大幅減少,整體性能優(yōu)于卡爾曼預測濾波算法。