intTypePromotion=1

Xây dựng thuật toán tự tổ chức lựa chọn mô hình trong xử lý kết hợp tín hiệu đo cao

Chia sẻ: ViColor2711 ViColor2711 | Ngày: | Loại File: PDF | Số trang:10

0
25
lượt xem
1
download

Xây dựng thuật toán tự tổ chức lựa chọn mô hình trong xử lý kết hợp tín hiệu đo cao

Mô tả tài liệu
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài viết đề xuất sử dụng thuật toán tự tổ chức xây dựng các mô hình ngoại suy từ các tập dữ liệu trước đó của từng bộ đo cao kết hợp tương ứng, đánh giá lựa chọn ra mô hình phù hợp nhất trong các mô hình ngoại suy đã xây dựng.

Chủ đề:
Lưu

Nội dung Text: Xây dựng thuật toán tự tổ chức lựa chọn mô hình trong xử lý kết hợp tín hiệu đo cao

Nghiên cứu khoa học công nghệ<br /> <br /> XÂY DỰNG THUẬT TOÁN TỰ TỔ CHỨC LỰA CHỌN MÔ HÌNH<br /> TRONG XỬ LÝ KẾT HỢP TÍN HIỆU ĐO CAO<br /> Phạm Đức Thỏa1*, Tô Bá Thành2, Nguyễn Quang Vịnh1, Bùi Minh Tuấn3<br /> Tóm tắt: Trong các kết quả nghiên cứu trước đây về xử lý kết hợp tín hiệu đo cao<br /> ứng dụng bộ lọc Kalman, cho ta kết quả tốt về nâng cao chất lượng phép đo cao<br /> [2],[3],[6]. Tuy nhiên, trong khoảng thời gian nào đó khi điều kiện bay thay đổi thì<br /> bộ lọc Kalman không thể đáp ứng được. Để giải quyết bài toán này, nhóm tác giả đề<br /> xuất sử dụng thuật toán tự tổ chức xây dựng các mô hình ngoại suy từ các tập dữ<br /> liệu trước đó của từng bộ đo cao kết hợp tương ứng, đánh giá lựa chọn ra mô hình<br /> phù hợp nhất trong các mô hình ngoại suy đã xây dựng. Kết quả nhận được sau khi<br /> kiểm chứng đánh giá bằng mô phỏng trên máy tính đã minh chứng tính đúng đắn<br /> của thuật toán đề ra.<br /> Từ khóa: Thuật toán tự tổ chức; Đo cao kết hợp; Bộ lọc Kalman.<br /> <br /> 1. ĐẶT VẤN ĐỀ<br /> Chất lượng phép đo cao trong quá trình bay của tên lửa hành trình đang được<br /> nghiên cứu và phát triển do tồn tại sai số tích lũy lớn trên kênh cao hệ thống dẫn<br /> đường quán tính, trong điều kiện tên lửa bay ở dải độ cao thấp và thời gian bay dài.<br /> Thực tế, tham số độ cao được đo từ rất nhiều bộ đo cao khác nhau và chưa có công<br /> trình nào trong nước đề cập đến vấn đề tối ưu về cấu trúc trong tổ hợp đo cao<br /> (THĐC), các nghiên cứu chỉ đạt được mục đích nâng cao chất lượng phép đo nhờ<br /> xử lý kết hợp tín hiệu [1], [2], [3]. Các công trình nghiên cứu trên thế giới liên<br /> quan vấn đề này rất hạn chế và chưa tường minh thuật toán, như trong [7], [8] ứng<br /> dụng thuật toán gen giải quyết cho kênh ngang của hệ thống dẫn đường quán tính.<br /> Vấn đề tối ưu cấu trúc trong THĐC có nhiều bộ đo cao kết hợp được giải quyết<br /> trong bài báo, trên cơ sở kết quả đánh giá mức độ quan sát của các biến trạng thái<br /> nhờ tiêu chuẩn đánh giá về lượng mức độ quan sát được để lựa chọn ra cấu trúc<br /> của mô hình đo kết hợp phù hợp nhất đưa vào xử lý tín hiệu, ứng dụng thuật toán<br /> tự tổ chức xây dựng và lựa chọn mô hình ngoại suy nhằm nâng cao độ chính xác<br /> của phép đo cao kết hợp sử dụng bộ lọc Kalman trong khoảng thời gian làm việc<br /> không hiệu quả. Đảm bảo chất lượng xử lý kết hợp tín hiệu đo cao trên toàn dải<br /> thời gian làm việc của THĐC. Tiến hành mô phỏng kiểm chứng thuật toán đã xây<br /> dựng trong tổ hợp xử lý tín hiệu đo cao.<br /> 2. XÂY DỰNG MÔ HÌNH NGOẠI SUY TRONG TỔ HỢP ĐO CAO<br /> SỬ DỤNG THUẬT TOÁN TỰ TỔ CHỨC<br /> 2.1. Tối ưu cấu trúc trong tổ hợp đo cao<br /> 2.1.1. Tổ hợp đo cao xây dựng và lựa chọn mô hình ngoại suy<br /> Một tổ hợp đo cao hiện đại ứng dụng thuật toán xây dựng và lựa chọn mô hình<br /> ngoại suy, trong đó bộ đo cơ sở là kênh cao của hệ dẫn đường quán tính, kết hợp<br /> với các bộ đo cao bên ngoài tạo thành các mô hình đo cao kết hợp (hình 1). Quá<br /> trình làm việc của bộ lọc Kalman, cần phải biết khả năng quan sát một cách hiệu<br /> quả của véc tơ trạng thái, đó là đánh giá mức độ quan sát được của biến trạng thái<br /> được В.Н. Афанасьев и К.А. Неусыпин khởi thảo là: tỷ số phương sai của phần<br /> tử bất kỳ của véc tơ trạng thái và phương sai của véc tơ trạng thái được đo trực tiếp<br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san TĐH, 04 - 2019 269<br /> Đo lường<br /> lường & Tin h<br /> học<br /> ọc<br /> <br /> có tính ttới<br /> ới ph<br /> phương<br /> ương sai ccủa<br /> ủa tạp đo.<br /> <br /> <br /> <br /> <br /> Hình 11.. Sơ đồ<br /> đồ tổ hợp đo cao sử dụng thuật toán xây d dựng<br /> ựng mô hình ngoại<br /> ngoại suy:<br /> H - thông tin đđộ<br /> ộ cao thực tế cần đo; xk - véc tơ sai ssố<br /> ố bộ ĐCQT; xˆ k - vécc tơ sai số<br /> số ước<br /> ớc<br /> lư<br /> lượng<br /> ợng bộ ĐCQT; D llà à đánh giá mmức<br /> ức độ quan sát đđược<br /> ợc của véc ttơ<br /> ơ tr<br /> trạng<br /> ạng thái; KM<br /> KM- BBộộ lọc<br /> Kalman; BĐCCS<br /> BĐCCS- B Bộ<br /> ộ đo cao ccơ<br /> ơ sở;<br /> sở; BĐC<br /> BĐC-ii (i = 1,2,3…N)-<br /> 1,2,3…N) bbộ ộ đo cao bổ trợ thứ i. MHNS<br /> MHNS-<br /> Thu ật toán xây dự<br /> Thuật dựng<br /> ng mô hình ngongoại<br /> ại suy.<br /> Tiêu chuẩn<br /> chuẩn mức độ quan sát đđược<br /> ợc thể hiện bằng ph<br /> phương<br /> ương tr<br /> trình<br /> ình [8].<br /> 2<br /> M   x i,k   R 0k<br /> D  x i,k     ; (1)<br /> 2<br /> M   H   R *ik<br />  <br /> trong đó: M[(xi,k)2] là phương sai ph<br /> phần<br /> ần tử thứ i của2 véc ttơ ơ 2tr<br /> trạng<br /> ạng thái; 2M[( M[(H) H)2] là<br />  <br /> tiếp; R kk     i1,k     i 2,k   ....    in ,k   R kk - cư<br /> *i<br /> *i 0<br /> phương sai véc tơ tr<br /> trạng<br /> ạng thái đo trực tiế cường<br /> ờng<br /> độộ của tạp đo dẫn xuất; R 0k là phương sai ban đđầu ầu của tạp đo; các các hệhệ số ij,k (j<br /> * *<br /> =1,2,...,n) là hàng<br /> hàng th<br /> thứứ i của ma trận O (O là ma tr trận<br /> ận nghịch đảo của ma trận quan<br /> sát O), tương ứng vvớiới ph ần tử véc ttơ<br /> phần ơ tr<br /> trạng<br /> ạng thái δV, δa, δg.<br /> Trong kho<br /> khoảng<br /> ảng thời gian nnàoào đó, m mứcức độ quan sát các biến trạng thái nhỏ nhỏ hhơn<br /> ơn<br /> ngưỡng quan sát (DNg),, ứng dụng thuật toán xây dựng mô hhình<br /> ngưỡng ình ngoại<br /> ngoại suy đểể hiệu<br /> ch nh các sai ssố<br /> chỉnh ố trạng thái của kkênh<br /> ênh cao hhệệ thống dẫn đđườngờng quán tính<br /> tính.. Khi<br /> hi THĐC<br /> có nhi<br /> nhiều<br /> ều bộ đo cao kết hợp<br /> hợp,, mô hình ngo<br /> ngoạiại suy đư<br /> được<br /> ợc xây dựng từ các bộ đo cao kết<br /> hợp<br /> ợp đó vvàà thuật<br /> thuật toán sẽẽ lựa<br /> ựa chọn mô hhìnhình ngoại<br /> ngoại suy tốtốt nhất từ<br /> ừ các mô hhình ình ngoại<br /> ngoại<br /> suy đđãã xây dựng<br /> dựng<br /> ựng.<br /> 2.1.2. Thuật<br /> 2.1.2 Thuật toán tự tổ chức xây dựngdựng mô hhìnhình ngoại<br /> ngoại suy<br /> Để đảm bảo phép đo cao luôn đđược<br /> Để ợc chính xác ttrong<br /> rong quá trình làm vi ệc ccủa<br /> việc ủa tổ<br /> ổ<br /> hợp<br /> ợp đo cao, các tham ssố ố của kênh cao ccủa ủa hệ<br /> hệ thống dẫn đư đường<br /> ờng quán tính luônluôn đưđược<br /> ợc<br /> hiệu chỉnh từ các bộ đo cao bbên<br /> hiệu ên ngoài. Tuy nhiên, tại tại thời điểm ta nào đó, sự sự thay<br /> đổi<br /> ổi của điều kiện bay tác động đến thuật toán lọc Kalman, dẫn đến phép đo cao<br /> không đđảmảm bảo<br /> bảo đđộ<br /> ộ tin cậy, các mô hình tiên nghinghiệm<br /> ệm trở nnên<br /> ên không phù hhợp ợp với quá<br /> trình th<br /> thực<br /> ực của sự biến thi ên sai số<br /> thiên số của ĐCQT trong bộ đo cao kkết ết hợp, th thìì có th<br /> thểể<br /> tiến<br /> ến hhành<br /> ành hiệu<br /> hiệu chỉnh các tham ssốố đo cao gián ti tiếp<br /> ếp bằng thuật toán xây ddựng ựng mô<br /> hình ngoại<br /> ngoại suy sai ssốố [4],[5],[9].<br /> [4],[5],[9]<br /> Bài báo chchọn<br /> ọn thuật toán tự ự tổ chức ((TTC<br /> TTC)<br /> TTC đểđể xây dựng mô hhình ình ngoại<br /> ngoại suy và tổ ổ<br /> chức đánh giá các mô hhình<br /> chức ình mới<br /> mới xây dựng. ThuậtThuật toán tự tổ chức là là thu ật toán xây<br /> thuật<br /> dựng<br /> ựng các mô hhình<br /> ình trên ccơơ sở<br /> sở phép quy nạp toán học. Ph Phương<br /> ương pháp này cho phép ttự ự<br /> xây ddựng<br /> ựng mô hhình<br /> ình ttối<br /> ối ưu<br /> ưu,, xuất<br /> xuất phát từ tập các hhàm àm cơ ssở ở đầu vào<br /> vào và các ddữ ữ liệu<br /> quan sát đưđược<br /> ợc (gồm cả nhiễu) khởi tạo các mô hhình ình qua nhi<br /> nhiều<br /> ều cấp<br /> cấp độ tổ chức khác<br /> <br /> <br /> 270 P. Đ. Thỏa,<br /> Thỏa, …<br /> …, B<br /> B.M.Tu<br /> M.Tuấn<br /> M.Tuấn, “Xây<br /> “Xây dựng<br /> dựng thuật toán tự tổ chức … kết<br /> ết hợp tín hi cao.””<br /> ệu đo cao<br /> hiệu<br /> Nghiên ccứu<br /> ứu khoa học công nghệ<br /> <br /> nhau<br /> nhau, sử<br /> ử dụng kkết<br /> ết hợp các tiêu chu<br /> chuẩn<br /> ẩn chọn lọc (điều kiện bbên<br /> ên ngoài) để<br /> để lựa chọn ra<br /> mô hình ttối<br /> ối ưu [9]<br /> <br /> <br /> <br /> <br /> Hình 22. Tổng<br /> Tổng quan về xây dựng mô hhình<br /> ình ngo<br /> ngoại<br /> ại suy:<br /> BĐCCS-<br /> BĐCCS Bộ ộ đo cao ccơ sở;ở; TT TTC<br /> TTC- Thuật<br /> Thuật toán tự<br /> ự tổ chức xây dựng<br /> dựng mô hhình<br /> ình<br /> ngoại suy<br /> ngoại suy;; kk- Tập<br /> ập dữ liệu đo của bộ đo cao kết hợp thứ k, k =1, 2, 3, …..;<br /> (ta ÷ tb)- khoảng<br /> khoảng thời gian ứng dụng thuật toán tự tổ chức.<br /> Trong<br /> rong kho<br /> khoảng<br /> ảng thời gian ((ta  tb) nào đó ph phải<br /> ải sửử dụng thuật<br /> thuật toán xây ddựngựng mô<br /> hình ngoại<br /> ngoại suy (hình<br /> ình 22)),, bằng<br /> bằng cách sử dụng các ước ước llượng<br /> ợng nhận đư được<br /> ợc trtrước<br /> ớc thời<br /> điểm ta là tập<br /> điểm ập giá trị mẫu z i  z 1 , z 2 , z 3 ....z N cập<br /> k k k k k<br /> cập nhật ttừ kkết<br /> ết quả xử<br /> xử lý kếtết hợp tín<br /> hiệu đo cao để<br /> hiệu đ đánh giá các mô hhình ình ngo<br /> ngoại ại suy xây dựng<br /> dựng m mới<br /> ới từ các mô hhình<br /> ình ccơ<br /> ơ ssở<br /> ở<br /> ban đđầu<br /> ầu.<br /> 2.2. Xây d<br /> 2.2. dựng<br /> ựng thuật toán TTC lựa chọn mô hình ngo ngoạiại suy<br /> 2.2.1. Cơ<br /> 2.2.1. Cơ sở<br /> s dữ<br /> dữ liệu đđầu ầu vvào<br /> ào<br /> Qua quá trình nghiên ccứu ứu thực nghiệm, các dữ dữ liệu có đđượcợc về<br /> về đối ttư ợng nghiên<br /> ượng<br /> cứu<br /> ứu và khảả năng ư ước<br /> ớc đoán của ng ngưười<br /> ời thiết kế về xu hư hướng<br /> ớng biếnến thiên<br /> thiên sai số<br /> số trạng<br /> ạng<br /> thái ssẽẽ lựa chọn các hhàm àm cơ sở sở và<br /> và gi<br /> giới<br /> ới hạn số llư ượng<br /> ợng các hhàmàm cơ sởs một ột cách hợp<br /> lý coi đây là các mô hhình<br /> lý, ình sai ssố ố cơ<br /> cơ ssởở đđơn<br /> ơn giản<br /> giản hóa được ợc chấpấp nhận.<br /> nhận Mức ức độ chính<br /> xác ccủaủa mô hình<br /> hình ngo<br /> ngoại ại suy sai số đư đượcợc xây dựng ph phụụ thuộc nhiều vvào ào việc<br /> việc lựa<br /> chọn tập các hhàm<br /> chọn àm cơ ssở, ở, khi tập các hhàm àm cơ ssở ở càng<br /> càng sát vvớiới quy luật thay đổi các<br /> sai ssố<br /> ố trạng thái th<br /> thìì độ ộ chính xác của mô hhình ình ngoại<br /> ngoại suy sai số ccàng<br /> àng cao.<br /> Các dạng<br /> dạng hàm<br /> hàm cơ ssở ở trong thuật<br /> thuật toán tự tổ chức có thể sử dụng tổ hợp một số<br /> hàm tuyến<br /> tuyến tính cơ bbản ản ((hàm<br /> hàm đa th thức<br /> ức lũy thừa. hhàm àm lưlượng<br /> ợng giác, hhàm<br /> àm m ũ) để xây<br /> mũ)<br /> dựng<br /> ựng mô hhìnhình ngo<br /> ngoại<br /> ại suy theo dạng dạng tổng quát [5]: [5]<br /> n n n n<br /> y  t   ait  bi cosit  ci sinit  die  t<br /> i i (2)<br /> i 0 i 0 i 0 i 0<br /> <br /> trong đó: ai, bi, ci, di là các hhệ số tương ứngng với<br /> v i hàm cơ ssởở lựựaa chọn.<br /> ch n.<br /> M t số<br /> Một s trường<br /> trư ng hhợpp bài toán ở m mứcc đđộộ phức<br /> ph c tạ<br /> tạp<br /> p thì vi<br /> việệcc llựaa ch<br /> chọn<br /> n hàm cơ ssở ở có<br /> thể sử dụng các ph<br /> thể phương<br /> ương tr ình sai phân hay dãy Volterra ddạng<br /> trình ạng rời rạc tùy theo yêu<br /> cầu<br /> ầu bbài<br /> ài toán [5].<br /> [5].<br /> 2.2.2. Tổ<br /> 2.2.2. Tổ chức nâng<br /> nâng cao đđộ ộ phức tạp của mô hhình ình bbằng<br /> ằng phương<br /> phương pháp tổ tổ hợp<br /> chọn lọc<br /> chọn<br /> Trong phương pháp ttổ ổ chức tổ hợp chọn lọc, ở mỗi mỗi cấp độ tổ chức sẽ chọn ra<br /> một số lượng<br /> một l ợng cố định các mô hhình ình ttốt<br /> ốt nhất theo tiêu chu<br /> chuẩn<br /> ẩn đánh giá giá,, các mô hình<br /> tốt<br /> ốt nhất nnày<br /> ày sẽ<br /> s là các hàm cơ ssở ở ban đầu<br /> ầu để kết hợp với các hàm cơ ssở ở ccòn<br /> òn lại<br /> lại trong<br /> <br /> <br /> Tạp<br /> ạp chí Nghi<br /> Nghiên<br /> ên cứu<br /> cứu KH&CN quân<br /> uân sự,<br /> sự, Số<br /> ố Đặc san TĐH,<br /> TĐH, 04 - 2019 271<br /> Đo lường<br /> lường & Tin h<br /> học<br /> ọc<br /> <br /> cấp<br /> ấp độ tổ chức tiếp. D Dạng ng hàm đểể kkếtt hhợp p cho m mỗ ỗi cấp<br /> c p đđộộ tổ chức<br /> ch c là mô hình tuyến<br /> tuy n<br /> tính ddạng:<br /> ng:<br /> n<br /> y  a , t   y  g 1 , g 2 ,...., g n    a i g i  t  ; (3)<br /> i 1<br /> <br /> trong đó:<br /> đó n là số<br /> ố lư<br /> lượng<br /> ng hàm cơ ssở ở ban đầuu ccủ<br /> ủaa thuật<br /> thu t toán.<br /> Dạng tổng quát của mô hhình<br /> Dạng ình xây ddựng<br /> ựng mới theo cấp cấp độ tổ<br /> ổ chức bằng<br /> ằng ph<br /> phương<br /> ương<br /> pháp ttổ<br /> ổ chức tổ hợp chọn lọc llà:<br /> i 1<br /> yki a, t   a1,k<br /> (i) (i 1)<br /> g j  t   ai(i)1,k gv  t  ;k  1,2,....,n; j  1,2,...,i1; j  v ; (4)<br /> j1<br /> <br /> trong đó: g(ij 1)  t  là mô hình cơ sở<br /> sở đầu vvào<br /> ào tương ứng trong p tổ<br /> ổ hợp mô hình<br /> hình ttốt<br /> ốt<br /> được<br /> đư ợc chọn sau m<br /> mỗi<br /> ỗi cấp<br /> ấp độ tổ ổ chức thứ (i<br /> (i--1);<br /> 1); gv(t) là mô hình ccơ<br /> ơ sở<br /> sở còn ại; (i) là ch<br /> còn llại; chỉỉ<br /> số<br /> ố cấp độ tổ chức thứ i.<br /> Phương pháp ttìm<br /> ìm hhệệ số cho mô hhình<br /> ình tuy<br /> tuyến<br /> ến tính trong các ccấp<br /> ấp độ tổ chức [5] 5]<br /> Việc tìm<br /> Việc hệ số ai,k ,k 1,2,..,n trong tổ<br /> tìm các hệ tổ hợp tuyến tính ứng với từng mô hình<br /> trong mỗi<br /> m cấp ấp độ tổ chức sẽ dựa vvào<br /> ào các giá tr<br /> trịị ước<br /> ớc llượng<br /> ợng mẫu nhận đđư ược<br /> ợc trong<br /> khoảng thời gian trư<br /> khoảng trước<br /> ớc đó khi bộ lọc Kalman llàm<br /> àm việc<br /> việc tốt<br /> tốt,, ddữ<br /> ữ liệu mẫu<br /> m ẫu nhận<br /> nhận đđư<br /> ược<br /> ợc<br /> chia ra làm 2 ph<br /> phần:<br /> ần: A – phần học; B – phần<br /> phần phần kiểm tra (hình<br /> hình 33)).<br /> <br /> <br /> <br /> <br /> Hình 3. Biểu<br /> ểu diễn phân chia mô hhình<br /> ình để<br /> đ xây dựng<br /> dựng vvà<br /> à đánh giá mô hhình<br /> ình..<br /> Tại<br /> ại từng thời điểm tm trong phần<br /> phần học tập A sẽ cho giá trị y(tm) tương ứng<br /> ứng. Tổ<br /> ổ<br /> T<br /> hợp<br /> ợp y(a,t) phụ ào véc tơ hhệệ số A  a1 a 2 .... a n  :<br /> ụ thuộc tuyến tính vvào<br /> y  a,<br /> a , t   a 1g 1  t   a 2 g 2  t   a 3 g 3  t   .....  a n g n  t  (5))<br /> Để tìm<br /> Để tìm hệhệ số cho các mô hhình ình dạng<br /> dạng tuyến tính dạng tổng quát ((55), ), sử<br /> sử dụng<br /> phương pháp ccực ực tiểu bbình<br /> ình phương<br /> phương trong ttập ập học<br /> học tập A. Phương pháp ccực ực tiểu bbình<br /> ình<br /> phương là phương pháp ttìm ìm hệhệ số tối ưu mô hhình ình sao cho ttổng ổng bình<br /> bình ph ương ccủa<br /> phương ủa<br /> các sai llệch<br /> ệch là nh<br /> nhỏỏ nhất [[5]. ].<br /> 1<br /> A   GTG  GTY (6))<br /> trong<br /> rong đó:<br />  y  t1    g1  t1  g 2  t1  .... g n  t1    a1 <br />  ;   ; a  ;<br /> y t  g  t  g2  t 2  .... g n  t 2  <br />  Y   2  [G]   1 2 [A]   2 <br /> .... .... .... .... ....   ... <br />      <br />  y  t m  g1  t m  g 2  t m  .... g n  t m   a n <br /> <br /> <br /> <br /> 272 P. Đ. Thỏa,<br /> Thỏa, …<br /> …, B<br /> B.M.Tu<br /> M.Tuấn<br /> M.Tuấn, “Xây<br /> “Xây dựng<br /> dựng thuật toán tự tổ chức … kết<br /> ết hợp tín hi cao.””<br /> ệu đo cao<br /> hiệu<br /> Nghiên cứu khoa học công nghệ<br /> <br /> n cấp k-1)) thì thuật<br /> ấp độ (k thuật toán dừng lại.<br /> + Theo yêu ccầu ầu của bài toán vềề tính tác động nhanh ssẽẽ đặt khoảng<br /> khoảng thời gian<br /> cụ<br /> ụ thể hay sau mộtmột số cấp độ tổ chức thì thuật thuật toán sẽ dừng lại<br /> lại.<br /> -TTừừ các mô hhình<br /> ình tốtốt nhất đđãã xây ddựng ựng vvàà đánh giá ở trtrên.<br /> ên. Thuật<br /> Thuật toán<br /> toán TTC ssẽẽ sử<br /> dụng<br /> ụng ti<br /> tiêu<br /> êu chu<br /> chuẩn<br /> ẩn (7<br /> (7)) trên ttập<br /> ập tập dữ liệu mẫu ứng với bộ đo cao kết hợp có mức độ<br /> quan sát đưđược<br /> ợc lớn nhất theo tiêu chu chuẩn<br /> ẩn đánh giá về llưượng<br /> ợng mức độ quan sát đđư ược..<br /> Kết<br /> ết quả sẽ cho mô hình ngo ngoại ại suy sai số tốttốt nhất đưa đđến<br /> ến hiệu chỉnh các sai số<br /> trạng<br /> ạng thái.<br /> 3. MÔ PHỎNGPHỎNG VÀ THẢO THẢO LUẬN<br /> Tiiến<br /> ến hành<br /> hành mô phphỏng<br /> ỏng theo llưu<br /> ưu đồ<br /> đồ thu<br /> thuậtật toán hhình<br /> ình 6, vi<br /> việc<br /> ệc khởi tạo bộ lọc Kalman<br /> trong các bbộ ộ đo cao kết hợp theo mô hhình ình sai sốsố các bộ đo cao trong [6] với ới ccác<br /> ác<br /> tham ssố ố phục vụ cho mô phỏng α = 1,25s-1 ; β = 0,05s--1; T = 1s; σδa2 = 10-6 -<br /> (m2/s4);<br /> τg = 200(s); σδg2 = 10--8(m2/s4) ; σvt2 = 1000(m2/s4); σka2 = 100(m2/s4), VГ = 280 m/s.<br /> Tạiại điều kiện phân bố bề mặt phổ biến của địa hhình ình có kích ththưước<br /> ớc lớn hoặc phẳng<br /> vt = (5  20)s và trong đi ều kiện nhiễu loạn thăng giáng chậm của khí quyển ka =<br /> điều<br /> (115  35)s.<br /> 35 . Các điều<br /> ều kiện cho thực<br /> thực thi tthu<br /> huậtt toán TTC:<br /> - Trong đi<br /> điều<br /> ều kiện giả định<br /> định, quá trình nghiên ccứu ứu thực nghiệm ta chọn ddữ ữ liệu đầu<br /> vào ccủaủa thuật toán TTC xây dựng mô hhình ình ngoại<br /> ngoại suy sai số độ cao là tập tập 24 hàm<br /> hàm cơ<br /> sởở bao gồm các hhàmàm dao đđộng<br /> ộng dạng sin, hhàmàm đa ththức<br /> ức và<br /> và m<br /> mộtột số hhàm<br /> àm mũ<br /> mũ sau:<br /> <br /> <br /> <br /> <br /> -LLựa<br /> ựa chọn phphương<br /> ương pháp ttổ ổ chức tổ hợp chọn lọc nâng cao độ phức tạp củ củaa<br /> mô hình;<br /> - Sau m<br /> mỗi<br /> ỗi cấp độ tổ chức chọn p = 8 mô hình ttốt ốt nhất cho cấp tổ chức tiế<br /> tiếpp theo;<br /> -SSử<br /> ử dụng kết hợp hai ti êu chu<br /> tiêu chuẩn<br /> ẩn đánh giá ((77);<br /> -DDữ<br /> ữ liệu cập nhật sai số ước ớc lư<br /> lượng<br /> ợng từ bộ lọc Kalman xử lý kết hợp cho thuật toán<br /> TTC trong kho<br /> khoảng<br /> ảng thời gian llàà (40200)<br /> (40 200) giây và đư được<br /> ợc chia làm hai tập:<br /> tập: tập học tập A<br /> trong khoảng<br /> khoảng (40<br /> (40140)<br /> 140) giây, ttậpập kiểm tra B trong khoảng (140(140200)<br /> 200) giây.<br /> Kết quả mô phỏng tr<br /> Kết trên<br /> ên ba bbộ ộ đo cao kết hợp QT QT-VT,<br /> VT, QT<br /> QT-KA,<br /> KA, QT<br /> QT-VTVT--KA<br /> KA ứng<br /> dụng<br /> ụng thuật toán TTC trong điều kiện giả định tại t < 200 giây, tên llửa ửa bay tr<br /> trên<br /> ên phân<br /> phân<br /> bốố bề mặt phổ biến của địa hhình ình có kích ththước<br /> ớc lớn hoặc phẳng, ccư ường<br /> ờng độ nhiễu<br /> loạn thăng giáng chậm của khí quyển tại H = 15 m (vt = 10s, ka = 25s, g =<br /> loạn<br /> 9,7803m/s2) và H = 14km ( ( vt = 15s, ka = 30s, g = 9,7786m/s2) và trong đi điều<br /> ều kiện<br /> giả định cho mô pphỏng<br /> giả ỏng tại thời điểm t > 200 giây điều kiện bay thay đổi đột biến<br /> các tham ssố vt, ka có giá tr<br /> trịị lớn hơn<br /> hơn nhi<br /> nhiều<br /> ều tại<br /> tại độ cao H = 15m ((vt = 35s, ka = 45s,<br /> <br /> <br /> Tạp<br /> ạp chí Nghi<br /> Nghiên<br /> ên cứu<br /> cứu KH&CN quân<br /> uân sự,<br /> sự, Số<br /> ố Đặc san TĐH,<br /> TĐH, 04 - 2019 275<br /> Đo lường<br /> lường & Tin h<br /> học<br /> ọc<br /> <br /> g = 9,7803m/s2) và ttại<br /> ại độ cao H = 14km ((vt = 30s, ka = 40s, g = 9,7786m/s2)<br /> <br /> <br /> <br /> <br /> Hình 7. Sai số<br /> số độ cao sử dụng bộ lọc Kalman Hình 8. Sai số<br /> số độ cao của các bộ đo cao kết hợp<br /> ủa các bộ đo cao kết hợp tại vt = 10s, ka =<br /> ccủa ại H =15m, khi vt = 35s, ka = 45s, g =<br /> tại<br /> 25s, g = 9,7803 m/s2. 9,7803m/s2.<br /> <br /> <br /> <br /> <br /> Hình 9.. Sai số<br /> số độ cao sử dụng bộ lọc Kalman Hình 10. 10. Sai số<br /> số độ cao của các bộ đo cao kết hợp<br /> ủa các bộ đo cao kết hợp tại vt = 15s, ka = tại<br /> ccủa ại H =14km, khi vt = 30s, ka = 40s, g = 9,7786<br /> 30s, g = 9,7786 m/s2. m/s2.<br /> Trên hình 7, 9: 11- Sai sốsố độ cao của bộ QT-VT;<br /> QT VT; 22- Sai ssố ố độ cao của bộ QT QT--<br /> KA; 33- Sai số số độ cao của bộ QT<br /> QT--VT<br /> VT-KA;<br /> KA; 4 - Giá trị trị sai số độ cao thực tếtế.<br /> Trên hình 8, 10: 1,2,3<br /> 1,2,3- Mô hình ngo<br /> ngoại<br /> ại suy sử dụng thuật toán tự tổ chức; 4,5,6 4,5,6--<br /> Đánh giá sai ssố ố sử dụng bộ lọc Kalman; 77-Giá<br /> Giá trị<br /> trị đánh giá sai số thự<br /> thựcc ttế;<br /> ế; (trong đó:<br /> 1,4 giá trị<br /> 1,4- trị sai số độ cao của QT<br /> QT--VT;<br /> VT; 2,5<br /> 2,5-- giá trị<br /> trị sai số độ cao của QTQT-KA;KA; 3,6<br /> 3,6- giá<br /> trịị sai số độ cao của QTQT--VT<br /> VT-KA).<br /> KA).<br /> Dữ liệu thu đđược<br /> Dữ ợc từ kết quả mô phỏng, tính các sai lệch đánh giá sai số độ cao<br /> lấy<br /> ấy trong dải thời gian mô phỏng, đánh giá các sai trên hai khoảng khoảng thời gian t =<br /> (4 ÷200) giây khi bộ<br /> (40÷200) ộ lọc Kalman vẫn llàm<br /> àm việc<br /> việc hiệu quả vvà khoảng<br /> khoảng t = ((200<br /> 200 ÷280)<br /> giây sử ử dụng thuật toán TTC so với sử dụng bộ lọc Kalman theo bảng ảng 1..<br /> Bảng 1. Đánh giá sai ssố<br /> Bảng ố độ<br /> độ cao của các bộ đo cao kết hợp<br /> hợp..<br /> QT-VT<br /> QT VT QT KA<br /> QT-KA QT VT--KA<br /> QT-VT KA<br /> Thời gian (s)<br /> Thời Kalman TTC Kalman TTC Kalman TTC<br /> ố độ cao (m2) ttại<br /> Phương sai sai ssố ại H =15m<br /> t =(<br /> =(40<br /> 40 ÷200) 0,000325 0,0045 0,000532 0,0081 0,000686 0,0116<br /> t = ((200<br /> 200 ÷280) 0,6391 0,0297 0,8577 0,0358 0,9789 0,0527<br /> 2<br /> Phương sai sai ssố<br /> ố độ cao (m ) ttại<br /> ại H =14km<br /> t = (40<br /> (40÷÷200<br /> 200) 0,00126 0,0099 0,000373 0,0060 0,00242 0,0452<br /> t = (200<br /> (200÷÷280<br /> 280) 0,9671 0,088 0,6629 0,0698 0,9944 0,1357<br /> <br /> <br /> <br /> <br /> 276 P. Đ. Thỏa,<br /> Thỏa, …<br /> …, B<br /> B.M.Tu<br /> M.Tuấn<br /> M.Tuấn, “Xây<br /> “Xây dựng<br /> dựng thuật toán tự tổ chức … kết<br /> ết hợp tín hi cao.””<br /> ệu đo cao<br /> hiệu<br /> Nghiên cứu khoa học công nghệ<br /> <br /> Nhận xét: Mô phỏng khi sử dụng thuật toán TTC xây dựng đa mô hình ngoại<br /> suy từ tập các dữ liệu đo tương ứng với bộ đo cao kết hợp, kết quả mô phỏng cho<br /> thấy việc ứng dụng thuật toán tự tổ chức lựa chọn mô hình cho phép nâng cao độ<br /> chính xác xử lý kết hợp tín hiệu đo cao khi có nhiều lựa chọn bộ đo cao kết hợp.<br /> Cụ thể tại độ cao H = 15m (hình 8) cho thấy phương sai sai số đánh giá sai lệch<br /> độ cao của mô hình tương ứng bộ đo cao QT-VT là 0,0297 m2, phương sai này nhỏ<br /> hơn so với phương sai sai số của sai số độ cao của bộ đo cao QT-KA, QT-VT-KA<br /> tương ứng là 0,0358 m2 và 0,0527 m2. Trường hợp này mô hình ngoại suy xây<br /> dựng từ bộ đo cao QT-VT được lựa chọn và có giá trị phương sai sai số độ cao nhỏ<br /> hơn so với hai mô hình còn lại là 20% và 44%.<br /> Còn tại độ cao H = 14 km (hình 10) cho thấy phương sai sai số đánh giá sai lệch<br /> độ cao của mô hình tương ứng bộ đo cao QT-KA là 0,0698 m2, phương sai này<br /> nhỏ hơn so với phương sai sai số của sai số độ cao của bộ đo cao QT-VT, QT-VT-<br /> KA tương ứng là 0,088 m2 và 0,1357 m2. Trường hợp này mô hình ngoại suy xây<br /> dựng từ bộ đo cao QT-KA được lựa chọn và có giá trị phương sai sai số độ cao nhỏ<br /> hơn so với hai mô hình còn lại là 21% và 48%.<br /> 4. KẾT LUẬN<br /> Các kết quả đã nghiên cứu cho thấy việc ứng dụng bộ lọc Kalman trong xử lý<br /> kết hợp sẽ nâng cao chất lượng phép đo cao. Tuy nhiên, trong khoảng thời gian nào<br /> đó khi điều kiện bay thay đổi mà bộ lọc Kalman không thể đáp ứng được và cần<br /> một phương pháp xây dựng mô hình ngoại suy khắc phục sự phân kỳ của bộ lọc.<br /> Bài báo đã tiến hành phân tích sơ đồ cấu trúc của tổ hợp đo cao sử dụng thuật toán<br /> tự tổ chức xây dựng và lựa chọn mô hình, tiến hành xây dựng thuật toán tự tổ chức<br /> ứng dụng trong xử lý kết hợp tín hiệu trong tổ hợp đo cao, lấy kênh cao của hệ<br /> thống dẫn đường quán tính làm bộ đo cơ sở, kết hợp với các bộ đo cao bổ trợ khác<br /> (đo cao vô tuyến và đo cao khí áp).<br /> Kết quả mô phỏng cho thấy việc sử dụng thuật toán tự tổ chức để xây dựng mô<br /> hình ngoại suy bù sai số của đo cao quán tính trong các bộ đo cao kết hợp sẽ nâng<br /> cao đáng kể độ chính xác xử lý kết hợp tín hiệu đo cao. Kết quả này phù hợp với<br /> các lập luận, phân tích lý thuyết.<br /> TÀI LIỆU THAM KHẢO<br /> [1]. Nguyễn Văn Chung (2014), “Nghiên cứu hạn chế ảnh hưởng của sóng và gió<br /> biển đến kênh điều khiển độ cao của tên lửa đối hải khi bay ở độ cao thấp trên<br /> mặt biển”, Luận án Tiến sĩ kỹ thuật.<br /> [2]. Phạm Tuấn Hải (2011), “Nâng cao chất lượng hệ dẫn đường thiết bị bay trên<br /> cơ sở áp dụng phương pháp xử lý thông tin kết hợp”, Luận án TS.<br /> [3]. Trần Đức Thuận (2013), Hệ thống điều khiển Tên lửa và thiết bị phóng, Sách<br /> giáo trình chuyên khảo, Viện KH&CNQS, 2013.<br /> [4]. Пупков К.А., Неусыпин К.А.Вопросы теории и реализации систем<br /> управле-ния и навигации. М.: Биоинформ, 368 с. 1997.<br /> [5]. Ивахненко А.Г., Мюллер Й.Я.Самоорганизация прогнозирующих<br /> моделей. Киев: Техника, 223 с.1985.<br /> <br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san TĐH, 04 - 2019 277<br /> Đo lường & Tin học<br /> <br /> [6]. А.П Жуковкий, В.В Расторгуев (1998), Комплекслые Радиосистемы<br /> Навигации и Управления Самолетов, Москва.<br /> [7]. Неусыпин К.А.Алгоритмическое обеспечение систем навигации и<br /> наведения. М.: «Сигналъ» МПУ, 220 с.1999.<br /> [8]. Неусыпин К.А., Пролетарский А.В., Цибизова Т.Ю.(2006), Системы<br /> управления летательными аппаратами и алгоритмы обработки<br /> информации. М.: ИИУ МГОУ, 219 с.<br /> [9]. Неусыпин К.А., Современные системы и методы наведения,<br /> навигации и управления летательными аппаратами. М.: Изд-во МГОУ,<br /> 500c, 2009.<br /> <br /> ABSTRACT<br /> THE CONSTRUCTION OF A SELF-ORGANIZING ALGORITHM FOR<br /> CHOOSING A MODEL OF EXTRAPOLATION IN THE COMBINED<br /> PROCESS OF SIGNAL OF THE HEIGHT MEASUREMENT<br /> In the previous research papers about the combined process of signals of the<br /> height measurement using the Kalman filter good results of the quality<br /> improvement of the height measureme
ADSENSE
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản
2=>2