变机动高超声速滑翔目标的轨迹序列预测算法

TJ761%V448.2; 针对变机动临近空间高超声速滑翔目标轨迹难以准确预测的问题,提出一种基于ARIMA-UKF的轨迹预测算法.首先,在目标机动变化情况下通过无迹Kalman滤波(Unscented Kalman Filter,UKF)算法实现对目标的跟踪估计,为轨迹预测提供基础数据;其次,通过对数据进行平稳性分析、模型辨识、参数估计和模型诊断来确定自回归集成滑动平均(Autoregressive Integrated Moving Average,ARIMA)模型,并根据该模型预测目标加速度信息;最后,结合UKF算法中的一步预测方法对目标轨迹进行预测.仿真结果表明,UKF算法能为轨迹预测...

Full description

Saved in:
Bibliographic Details
Published in航空兵器 Vol. 28; no. 2; pp. 40 - 48
Main Authors 陈南华, 赵良玉, 雍恩米, 娄泰山
Format Journal Article
LanguageChinese
Published 北京理工大学 宇航学院, 北京 100081%中国空气动力研究与发展中心, 四川 绵阳 621000%郑州轻工业大学 电气信息工程学院, 郑州 450002 30.04.2021
Subjects
模型辨识
自回归集成滑动平均模型
高超声速滑翔目标
无迹Kalman滤波
轨迹预测
Online AccessGet full text
ISSN1673-5048
DOI10.12132/ISSN.1673-5048.2021.0007

Cover

More Information
Summary:TJ761%V448.2; 针对变机动临近空间高超声速滑翔目标轨迹难以准确预测的问题,提出一种基于ARIMA-UKF的轨迹预测算法.首先,在目标机动变化情况下通过无迹Kalman滤波(Unscented Kalman Filter,UKF)算法实现对目标的跟踪估计,为轨迹预测提供基础数据;其次,通过对数据进行平稳性分析、模型辨识、参数估计和模型诊断来确定自回归集成滑动平均(Autoregressive Integrated Moving Average,ARIMA)模型,并根据该模型预测目标加速度信息;最后,结合UKF算法中的一步预测方法对目标轨迹进行预测.仿真结果表明,UKF算法能为轨迹预测提供位置误差小于100 m和速度误差小于1.2 m/s的跟踪估计数据;在目标变机动情况下相较于复合函数拟合预测方法,ARIMA-UKF算法预测150 s,100 s和50 s时的位置精度分别提升了5 km,4.5 km和2.3 km.
ISSN:1673-5048
DOI:10.12132/ISSN.1673-5048.2021.0007