[发明专利]一种翼伞系统航迹重构的状态估计方法、装置、计算机设备和存储介质

说明书

本申请属于翼伞系统技术领域，涉及翼伞系统航迹重构的状态估计方法、装置、设备和介质。方法包括：获取翼伞系统的过程方程以及翼伞系统的观测数据，得到翼伞系统的观测方程，并得到线性卡尔曼状态转移方程得到先验估计以及后验估计方程；根据线性卡尔曼状态转移方程、先验估计以及后验估计方程，得到先验状态误差和后验状态误差，并得到卡尔曼增益方程；定义误差协方差矩阵和先验误差协方差矩阵，对卡尔曼增益方程进行求解，得到卡尔曼增益和卡尔曼增益方程的待定系数矩阵；根据后验估计方程、卡尔曼增益以及待定系数矩阵，得到翼伞系统状态的状态重构结果。采用本方法能够重构翼伞系统各状态量的时间历程。

技术领域

本申请涉及翼伞系统技术领域，特别是涉及翼伞系统航迹重构的状态估计方法、装置、设备和介质。

背景技术

翼伞系统是一种典型的非线性、多柔体飞行器，动力学特性十分复杂，建立一个精确可靠的动力学理论模型十分困难，目前对于翼伞系统的认识多由实验手段获得。通过翼伞飞行试验，可以分析系统飞行性能和动力学特性，为参数配置和控制策略的优化与改进提供依据。

根据在飞行试验中获得的数据和运动学关系，可以得到空投系统各状态变量的时间历程，这一过程称为重构输出或航迹重构。航迹重构对理论模型合理性验证以及传感器校准具有重要意义，甚至还可用于飞行异常时的故障诊断；此外，当某些状态量测不准或不可测时，通过航迹重构可以还原出这些状态量的变化情况，代替传感器的测量结果。

现有技术中，航迹重构采用的方法包括：最小二乘估计法、输出误差法以及滤波误差法等。其中，最小二乘估计法假设噪声仅存在于系统输入，方法较为简单，但对于复杂问题适用性较差；输出误差法假设噪声均由测量过程产生，该方法计算耗时，内存占用较大；滤波误差法假设噪声同时存在于系统过程和测量过程中，但算法复杂、计算量大，实际应用较少。

翼伞空投系统是一种复杂的非线性多柔体动力学系统，在伞衣和伞绳上安装传感器十分困难，且由于遮挡、固定、大变形等原因，所测数据可信度较低，飞行攻角等数据难以直接测量得到，若可以重构输出这些状态变量，则有助于更好了解翼伞的飞行特性。

发明内容

基于此，有必要针对上述技术问题，提供一种翼伞系统航迹重构的状态估计方法、装置、设备和介质，能够重构翼伞系统各状态量的时间历程。

一种翼伞系统航迹重构的状态估计方法，包括：

获取翼伞系统的过程方程以及翼伞系统的观测数据，并根据所述观测数据得到翼伞系统的观测方程；分别对所述过程方程和所述观测方程进行泰勒展开，得到线性卡尔曼状态转移方程；

根据所述线性卡尔曼状态转移方程，得到翼伞系统状态的先验估计以及翼伞系统状态的后验估计方程；

根据所述线性卡尔曼状态转移方程、所述先验估计以及所述后验估计方程，得到先验状态误差和后验状态误差；根据所述先验状态误差、所述后验状态误差以及所述后验估计方程，得到卡尔曼增益方程；定义误差协方差矩阵和先验误差协方差矩阵，对所述卡尔曼增益方程进行求解，得到使误差协方差矩阵的迹最小的卡尔曼增益，并得到卡尔曼增益方程的待定系数矩阵；

根据后验估计方程、卡尔曼增益以及待定系数矩阵，得到翼伞系统状态的状态重构结果。

在一个实施例中，获取翼伞系统的过程方程以及翼伞系统的观测数据，并根据所述观测数据得到翼伞系统的观测方程；分别对所述过程方程和所述观测方程进行泰勒展开，得到线性卡尔曼状态转移方程包括：

获取翼伞系统的过程方程：

式中，x_true为系统的真实状态向量；f(x_true)为关于状态向量的非线性函数；w为过程噪声；

获取翼伞系统的观测数据，并根据观测数据得到翼伞系统的观测方程：