بخشی از مقاله
چکیده- از آنجایی که دادههای شروع ردگیری یک پرتابه جهت پیشبینی نقطه شلیک از اهمیت فراوانی برخوردار میباشد در این کار با استفاده از یک الگوریتم جدید، ابتدا تخمین حالت اولیه مدل تصحیح میشود و سپس با استفاده از فیلتر کالمن روبهعقب، پیش-بینی نقطه شلیک گلوله انجام میشود . مزیت الگوریتم ارائه شده عالوه بر بهبود قابل قبول خطا نسبت به دیگر الگوریتمها، استفاده از تنها بخشی از مسیر حرکت پرتابه میباشد که عکسالعمل سامانه ضد آتش را جهت مقابله با آتش دشمن بطور چشمگیری بهبود می-بخشد.
-1 مقدمه
تسهیالت ضد هوایی همانند سیستمهای پرتاب جنگافزار نیازمند دقت تخمین نقاط شلیک و برخورد از هدف آشکار شده در طول بخشی از مسیر آن میباشد. اطالعات نقطه شلیک بهاین جهت مورد نیاز است که بدانیم هدف از کجا شلیک شده است و اینکه آیا هدف از خاک دشمن و یا دوست شلیک شده است. اطالعات نقطه برخورد مورد نیاز است که بدانیم هدف به کجا برخورد میکند، در اقیانوس و یا در یک شهر بزرگ، که درنتیجه اقدام مناسب برای انحدام هدف میتواند بنیادی باشد.
فیلتر ردگیری کالمن برای تخمین چنین مسیرهایی استفاده میشود. مزیت فیلتر کالمن این است که همراه با تخمین موقعیت، پیشبینی دقیقی نیز ارائه میدهد. اگر سنسورها تمام مسیر پرواز را مشاهده کنند، درنتیجه تخمین نقطه شلیک و برخورد سرراست و آسان است و فیلتر کالمن میتواند برای تخمین استفاده شود. بههرحال وضعیتی میتواند باشد که تنها بخشی از مسیر پرواز وجود داشته باشد. تخمین نقطه شلیک و برخورد در چنین وضعیتی نیازمند برونیابی از مسیر تخمین روبهعقب در زمان برای نقطه شلیک و روبهجلو برای پیشبینی نقطه برخورد میباشد.
روشهای متعددی برای تخمین مسیر و متعاقبا نقطه شلیک و برخورد یک پرتابه وجود دارد. برخی از روشهای پیچیده دقت باالیی دارند و نیازمند تعداد زیادی از دادههای ورودی میباشند درحالی که دیگر روشها دقت نسبتا ناچیز و کمی دارند اما نیازمند حداقل دادههای ورودی میباشند. تخمینگرهای نقطه شلیک پرتابه دارای سه منبع خطای مدل، خطای پارامتر و خطای حالت اولیه میباشند. در ]1[ چندین 1IPP پرتابه مختلف بررسی شد که مدلهای پرتابه غیرخطی پیچیده را با مدلهای ساده جرم نقطه2 در شرایط خال جایگزین میکند.
در ]2[ الگوریتم 3sIPDA برای تخمین موقعیت گلوله در محیط کالتری استفاده شده است و برای تخمین نقطه شلیک، تخمین روبهعقب با مدل تحمیل محور ثابت4 استفاده شده است. در ]0[ فرم فاکتورشده U-D کالمن فیلتر انتخاب شده است که پایداری محاسبات عددی و بازده محاسباتی خوبی دارد. برای پیشبینی نقطه برخورد فیلتر کالمن مبتنی بر فاکتور U-D و پیشبینی روبهجلو استفاده شده است و برای پیشبینی نقطه شلیک فیلتر کالمن مبتنی بر فاکتور U-D و نرمکننده 5RTS فاصله-ثابت6 استفاده شده است.
در این کار و در بخش 2 ابتدا فیلتر کالمن توضیح داده میشود که کاربرد آن در این کار جهت ردگیری هدف توسط سنسور و همچنین برای پیشبینی نقطه شلیک استفاده میشود. در ادامه و در بخش 0 اهداف غیر پرتابه از پرتابه تمیز میشود تا پیشبینی نقطه شلیک بدرستی برای اهداف انجام شود. در بخش 4 روشی جدید برای تصحیح حالت اولیه ارائه شده است که بهبود قابل قبولی در تخمین نقطه شلیک ایجاد میکند. سپس در بخش 5 روش پیشبینی نقطه شلیک ارائه شده است و در انتها و در بخش 6 نتایج الگوریتم ارائه بر روی دادههای واقعی و مقایسه آن با دیگر الگوریتمها ارائه شده است.
-2 فیلتر کالمن
فیلتر کالمن بدلیل تطبیق پذیرش برای پیادهسازی در پردازندههای دیجیتال در تخمینهای آنالین و سودمندی فضای حالت، اثر چشمگیری بر مبحث تخمین خطی داشته است. امروزه فیلتر کالمن، تکنیکی مشهور و تصدیقشده است که بطور گستردهای در حوزه ناوبری، هدایت، کنترل وضعیت، تعیین مدار ماهواره، ردگیری هواپیما و موشکها، رادار، سونار، مهندسی پزشکی، ورود مجدد حاملهای فضایی فضاپیما و ... بکار می-رود. کاربردهای جدید بسیاری از این تکنیک قدرتمند در حوزههای گوناگون مهندسی و فناوری گزارش شده است.
-3 تشخیص هدف پرتابه از دیگر اهداف در طراحی الگوریتم ارائه شده فرض بر این است که دادههای موجود شامل اهداف غیر از پرتابه نیز میباشد. به عبارتی ممکن است دادهها شامل اهداف کالتر، اهداف حرکت کننده بر روی سطح زمین و یا هواپیما و ... باشد. به همین دلیل نیاز است که دادهها بررسی شوند و تخمین نقطه شلیک تنها برای اهداف پرتابه انجام شود. فرض میشود که دادههای مربوط به یک پرتابه مفروض به شکل زیر میباشد.
که T برچسب زمان مربوط به دادهها و M تعداد نقاط نمونهبرداری شده از سنسور میباشند. در این کار تعداد نقاط M، عددی بین 53 تا 13 می-تواند باشد که با توجه به اینکه نمونهبرداری سنسور با نرخ 13 هرتز انجام شده است تعداد نمونهها معادل 5 تا 1 ثانیه نمونهبرداری از مسیر پرتابه میباشد. حرکت همه گلولهها بصورت سهموی میباشد که دارای منحنی به شکل فرضی نشان داده شده در شکل 1 میباشد.
-4 تصحیح حالت اولیه
جهت اعمال الگوریتمهای تخمین موقعیت نقطه شلیک نیاز است که پیشپردازشی بر روی داده انجام شود و از صحت خطای دادهها اطمینان حاصل نمود و در صورت نیاز دادههای با خطای زیاد را از بین دادهها حذف نمود. این کار باید بصورت کامال هوشمندانه انجام شود تا دادههای خوب از لیست دادهها حذف نشوند. شکل 2 دادههای مربوط به یک خمپاره 81 را که با استفاده از یک سنسور ردگیری شده است نشان میدهد. این دادهها مربوط به کل مسیر پرتابه میباشد و در اینجا فقط دادههای مشخص شده با رنگ قرمز مورد استفاده قرار میگیرند. میدانیم که در لحظه شروع پرتابه، حرکت آن در صفحه xy تقریبا خطی میباشد. ایده تصحیح حالت اولیه همین نکته میباشد و از این خاصیت استفاده میکنیم و با فیت کردن یک خط مستقیم روی دادهها در صفحه xy، خطای دادهها را کم کنیم.
