Nghiên cứu xây dựng thuật toán nâng cao chất lượng xử lý tín hiệu kênh cao cho một lớp tên lửa hành trình đối hải trên cơ sở lý thuyết điều khiển hiện đại

BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ QUỐC PHÒNG VIỆN KHOA HỌC VÀ CÔNG NGHỆ QUÂN SỰ PHẠM ĐỨC THỎA NGHIÊN CỨU XÂY DỰNG THUẬT TOÁN NÂNG CAO CHẤT LƯỢNG XỬ LÝ TÍN HIỆU KÊNH CAO CHO MỘT LỚP TÊN LỬA HÀNH TRÌNH ĐỐI HẢI TRÊN CƠ SỞ LÝ THUYẾT ĐIỀU KHIỂN HIỆN ĐẠI Chuyên ngành: Kỹ thuật điều khiển tự động hóa Mã số: 52 02 16 LUẬN ÁN TIẾN SĨ KỸ THUẬT NGƯỜI HƯỚNG DẪN KHOA HỌC: TS Nguyễn Quang Vịnh TS Nguyễn Xuân Căn HÀ NỘI - NĂM 2019 i LỜI CAM ĐOAN Tơi xin cam đoan cơng trình nghiên cứu Các số liệu, kết luận án trung thực chưa công bố cơng trình khác, liệu tham khảo trích dẫn đầy đủ Hà nội, ngày tháng năm 2019 Người cam đoan NCS Phạm Đức Thỏa ii LỜI CẢM ƠN Cơng trình nghiên cứu thực Viện Tên lửa, Viện Khoa học Cơng nghệ qn - Bộ Quốc Phịng Lời cảm ơn chân thành xin gửi đến hai thầy giáo: TS Nguyễn Quang Vịnh TS Nguyễn Xuân Căn trực tiếp hướng dẫn, tận tình bảo, tạo điều kiện tốt để tơi hồn thành luận án Tơi xin chân thành cảm ơn Ban giám đốc Viện Khoa học Cơng nghệ qn sự, Thủ trưởng Phịng Đào tạo, Thủ trưởng Viện Tên lửa tạo điều kiện thuận lợi giúp tơi hồn thành nhiệm vụ đạt kết mong muốn Tôi xin chân thành cảm ơn nhà khoa học, cán nghiên cứu Viện Tên lửa, Viện Tự động hóa Kỹ thuật Quân có đóng góp quý giá trình nghiên cứu Tơi xin bày tỏ biết sâu sắc đến gia đình, người thân bạn bè đồng nghiệp quan tâm, cổ vũ, động viên tạo điều kiện tốt cho thực luận án NCS Phạm Đức Thỏa iii MỤC LỤC Trang DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT vi DANH MỤC CÁC BẢNG viii DANH MỤC CÁC HÌNH VẼ ix MỞ ĐẦU CHƯƠNG TỔNG QUAN VỀ CÁC PHƯƠNG PHÁP ĐO CAO VÀ XỬ LÝ TÍN HIỆU TRÊN KÊNH CAO CỦA TÊN LỬA HÀNH TRÌNH 1.1 Tổng quan phương pháp đo cao 1.1.1 Hệ thống đo cao khơng sử dụng sóng điện từ 1.1.2 Hệ thống đo cao sử dụng sóng điện từ 1.2 Tình hình nghiên cứu xử lý kết hợp tín hiệu đo cao thiết bị bay8 1.2.1 Tình hình nghiên cứu giới 1.2.2 Tình hình nghiên cứu nước 1.3 Bài tốn xử lý kết hợp tín hiệu đo cao tên lửa hành trình 12 1.3.1 Các phương pháp xử lý kết hợp tín hiệu 12 1.3.2 Các phương án kết hợp đo cao 15 1.4 Ứng dụng thuật toán lọc Kalman vấn đề lựa chọn cấu trúc tổ hợp đo cao 17 1.4.1 Thuật toán lọc Kalman xử lý kết hợp tín hiệu đo cao 17 1.4.2 Lựa chọn cấu trúc đo cao kết hợp sử dụng tiêu chuẩn đánh giá mức độ quan sát 20 1.5 Tính khơng ổn định thuật toán lọc Kalman ứng dụng thuật toán tự tổ chức nâng cao chất lượng xử lý kết hợp tín hiệu đo cao 21 1.5.1 Tính khơng ổn định thuật toán lọc Kalman phương pháp xây dựng mơ hình ngoại suy 21 1.5.2 Thuật toán tự tổ chức xử lý kết hợp tín hiệu đo cao 23 1.6 Kết luận chương 30 iv CHƯƠNG THUẬT TỐN XỬ LÝ THƠNG TIN VÀ LỰA CHỌN CẤU TRÚC BỘ ĐO CAO KẾT HỢP 31 2.1 Sơ đồ cấu trúc hiệu chỉnh tham số trạng thái kênh cao 31 2.2 Xây dựng mơ hình sai số tín hiệu đo cao đo cao 33 2.2.1 Mơ hình động học sai số kênh cao hệ thống dẫn đường quán tính 34 2.2.2 Mơ hình động học sai số đầu đo cao vơ tuyến 35 2.2.3 Mơ hình động học sai số đo cao vi khí áp kế 37 2.3 Lựa chọn cấu trúc đo cao kết hợp tổ hợp đo cao 40 2.4 Tiêu chuẩn đánh giá mức độ quan sát cho đo cao kết hợp 42 2.4.1 Tính quan sát điều khiển theo tiêu chuẩn Kalman 42 2.4.2 Xây dựng tiêu chuẩn ĐMQSĐ đo cao kết hợp qn tính-vơ tuyến (QT-VT) 45 2.4.3 Xây dựng tiêu chuẩn ĐMQSĐ đo cao kết hợp quán tính-khí áp 51 2.4.4 Xây dựng tiêu chuẩn ĐMQSĐ đo cao kết hợp qn tính-vơ tuyến-khí áp (QT-VT-KA) 53 2.5 Thuật toán lựa chọn cấu trúc đo cao kết hợp sử dụng tiêu chuẩn 55 2.6 Kết luận chương 58 CHƯƠNG XÂY DỰNG MƠ HÌNH NGOẠI SUY TRONG XỬ LÝ TÍN HIỆU ĐO CAO ỨNG DỤNG THUẬT TOÁN TỰ TỔ CHỨC 59 3.1 Các nguyên lý thực thi thuật toán tự tổ chức 59 3.2 Cấu trúc thuật toán tự tổ chức 62 3.2.1 Nhập liệu sở đầu vào 62 3.2.2 Tổ chức nâng cao chất lượng mơ hình 64 3.2.3 Đánh giá lựa chọn mơ hình 67 3.2.4 Điều kiện kết thúc thuật toán 70 3.3 Tổ hợp đo cao ứng dụng thuật toán tự tổ chức 72 v 3.4 Xây dựng mơ hình ngoại suy sai số độ cao ứng dụng thuật toán TTC 74 3.4.1 Thu thập xây dựng liệu sở đầu vào cho thuật toán TTC 74 3.4.2 Nâng cao chất lượng mơ hình phương pháp tổ chức tổ hợp chọn lọc 75 3.4.3 Kiểm tra điều kiện dừng thuật toán 87 3.5 Xây dựng mơ hình ngoại suy sai số vận tốc gia tốc ứng dụng thuật toán TTC 88 3.5.1 Thu thập xây dựng liệu sở đầu vào cho thuật toán TTC 88 3.5.2 Tổ chức nâng cao chất lượng mơ hình 90 3.6 Kết luận chương 94 CHƯƠNG MÔ PHỎNG KHẢO SÁT, ĐÁNH GIÁ CHẤT LƯỢNG XỬ LÝ TÍN HIỆU KÊNH CAO 96 4.1 Thiết lập mô với giả thiết, liệu đầu vào tốn 96 4.1.1 Xây dựng chương trình mơ 96 4.1.2 Các giả định, liệu cho mô 100 4.2 Kết khảo sát thuật toán lựa chọn cấu trúc đo cao kết hợp 101 4.3 Ứng dụng tiêu chuẩn đánh giá mức độ quan sát nâng cao chất lượng xử lý kết hợp cho đo cao QT-VT 105 4.4 Đánh giá chất lượng xử lý kết hợp tín hiệu đo cao ứng dụng thuật toán tự tổ chức 111 4.5 Kết khảo sát thuật toán tự tổ chức xây dựng lựa chọn mơ hình ngoại suy 114 4.6 Kết luận chương 117 KẾT LUẬN 119 CÁC CƠNG TRÌNH KHOA HỌC ĐÃ CƠNG BỐ 121 TÀI LIỆU THAM KHẢO ………………………………………………… 122 PHỤ LỤC ……………………………………………………………… P-1- vi DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT  ka  βvt   -  a g ka vt a g ka vt  c g g0 T T0 P P0 R Ra t3 VB DĐQT DGPS ĐCVT ĐCKA Hằng số tương quan sai số gia tốc kế, [1/s] Hằng số tương quan sai số áp suất, [1/s] Hằng số tương quan sai số hấp dẫn, [1/s] Hằng số tương quan độ dịch chuyển, [1/s] Góc xoắn hay cịn gọi góc cren, [rad] Gradient nhiệt độ, [0K/km] Góc chúc ngóc so với hệ tọa độ mặt đất, [rad] Khoảng tương quan sai số gia tốc kế, [s] Khoảng tương quan sai số hấp dẫn, [s] Khoảng tương quan sai số áp suất, [s] Khoảng tương quan độ dịch chuyển, [s] Sai lệch chuẩn sai số gia tốc kế, [m/s2] Sai lệch chuẩn sai số hấp dẫn, [m/s2] Sai lệch chuẩn sai số đo cao khí áp, [m] Sai lệch chuẩn độ dịch chuyển, [m] Góc hướng, [rad] Vận tốc lan truyền sóng điện từ, [m/s] Gia tốc trọng trường theo độ cao, [m/s2] Gia tốc trọng trường mực nước biển trung bình, [m/s2] Chu kỳ rời rạc, [s] Nhiệt độ khơng khí mực nước biển trung bình, [0K] Áp suất tương ứng với độ cao tên lửa, [Pa] Áp suất khơng khí mực nước biển trung bình, [Pa] Bán kính trái đất, [m] Hằng số khí, [J/kg.0K] Thời gian lan truyền sóng điện từ, [s] Tốc độ thay đổi độ cao tên lửa, [m/s] - Dẫn đường quán tính - Phép đo GPS vi sai - Đo cao vô tuyến - Đo cao khí áp vii ĐCQT - ĐMQSĐ - ĐTTT - HC - HTDĐQT - KM - MTCD - MHNS - QT-KA - QT-VT - QT-VT-KA XLSB - THĐC - TL - TLHT - TTG - TTC - Đo cao quán tính Đánh giá mức độ quan sát Điều tần tuyến tính Hệ thống dẫn đường Hệ thống dẫn đường qn tính Bộ lọc Kalman Máy tính chun dụng Mơ hình ngoại suy Bộ đo cao kết hợp qn tính- khí áp Bộ đo cao kết hợp qn tính- vơ tuyến Bộ đo cao kết hợp qn tính- vơ tuyến- khí áp Xử lý sơ Tổ hợp đo cao Tên lửa Tên lửa hành trình Thuật tốn gen Tự tổ chức viii DANH MỤC CÁC BẢNG Trang Bảng 3.1 Kết xây dựng mơ hình cho cấp độ tổ chức thứ 77 Bảng 3.2 Đánh giá mơ hình cấp độ tổ chức thứ 80 Bảng 3.3 Kết xây dựng mơ hình cho cấp độ tổ chức thứ hai 83 Bảng 3.4 Kết đánh giá mơ hình cấp độ tổ chức thứ hai 85 Bảng 4.1 Đánh giá sai số độ cao đo cao kết hợp 104 Bảng 4.2 Đánh giá sai lệch vận tốc với T khác trạng thái xác lập 107 Bảng 4.3 Đánh giá sai lệch vận tốc, sai lệch gia tốc với vt khác 110 Bảng 4.4 Bảng giá trị đánh giá sai số vận tốc 112 Bảng 4.5 Bảng giá trị đánh giá sai số gia tốc 113 Bảng 4.6 Bảng giá trị đánh giá sai số độ cao 113 Bảng 4.7 Đánh giá sai số độ cao đo cao kết hợp 116 ix DANH MỤC CÁC HÌNH VẼ Trang Hình 1.1 Sơ đồ mơ tả xử lý kết hợp tín hiệu phương pháp bù 12 Hình 1.2 Biểu diễn phương sai thành phần sai số 14 Hình 1.3 Sơ đồ xử lý tín hiệu phương pháp hiệu chỉnh 15 Hình 1.4 Sơ đồ cấu trúc hở đo cao kết hợp 16 Hình 1.5 Sơ đồ cấu trúc kín đo cao kết hợp 17 Hình 1.6 Lưu đồ thuật tốn lọc Kalman rời rạc 19 Hình 1.7 Sơ đồ cấu trúc lọc Kalman rời rạc 20 Hình 1.8 Tổng quan xây dựng mơ hình ngoại suy 22 Hình 1.9 Sơ đồ xây dựng mơ hình ngoại suy sai số sử dụng thuật toán TTC 24 Hình 2.1 Sơ đồ cấu trúc ĐCQT sử dụng hồi tiếp để hiệu chỉnh sai số tích lũy 32 Hình 2.2 Sự phụ thuộc áp suất vào độ cao 38 Hình 2.3 Chênh lệch độ cao áp suất bề mặt áp suất mực nước biển trung bình 38 Hình 2.4 Sơ đồ tổ hợp đo cao lựa chọn cấu trúc sử dụng tiêu chuẩn đánh giá mức độ quan sát biến trạng thái 41 Hình 3.1 Dạng đồ thị giả định xu hướng thay đổi tập liệu 63 Hình 3.2 Phân chia liệu mẫu để xây dựng đánh giá mơ hình 64 Hình 3.3 Phương pháp đánh giá mơ hình theo tiêu chuẩn cực tiểu độ chệch 68 Hình 3.4 Mơ tả đánh giá mơ hình sử dụng tiêu chuẩn cực tiểu độ chệch thuật toán TTC 68 Hình 3.5 Phương pháp đánh giá mơ hình theo tiêu chuẩn đồng 69 Hình 3.6 Mơ tả đánh giá mơ hình sử dụng tiêu chuẩn đồng thuật toán TTC 69 Hình 3.7 Phương pháp đánh giá lựa chọn mơ hình theo cấp độ tổ chức 71 125 [35] Rafael Yanushevsky (2008), “Modem Missile Guidance”, CRC Press Taylor & Francis Group, Boca Raton London New York [36] Salychev O.S (2012) MEMS-based inertial navigation: Expectations and reality Mos-cow: Bauman MSTU Press, 207p [37] Shau-shiun Jan (2003), “Aircraft landing using a modernized global positioning systems and the wide area augmentation systems”, Stanford University [38] Shen Kai, Proletarsky A.V., Neusypin K.A (2016) Algorithms of constructing models for compensating navigation systems of unmanned aerial vehicles, Interna-tional Conference on Robotics and Automation Engineering August 27-29, Jeju-Do, South Korea P 104-108 [39] Yantai (2015), “INS/Baro integration for INS vertical channel based on adaptive filter algorithm”, 2014 IEEE Tiếng Nga [40] Неусыпин К.А (2009), “Разработка модифициро ванных алгоритмов самоорганизации для коррекции навигационной информации”, Автоматизация и современные технологии, № С 37-39 [41] Селезнева М.С [и др.], (2016), “Задача коррекции инерциальных навигационных систем с использованием самоорганизующейся прогнозирующей модели”, Технические науки – от теории к практике №12 С 28-33 [42] Селезнева М.С., оглоблина Ю.С (2015), “Построение самоорганизующейся модели с высокой степенью наблюдаемости”, Научный взгляд Труды международной научно- практической конференции С 250-253 [43] Фам С.Ф., Неусыпин К.А., Селезнева М.С (2016), “Разработка компактного алгоритма самоорганизации”, Наука сегодня: проблемы и пути решения Материалы международной научно-практической конференции в частях №6 С.64-65 [44] Шэнь Кай, Пролетарский А.В., Неусыпин К.А (2016), Исследование алгоритмов коррекции навигационных систем летательных аппаратов, Вестник МГТУ им Н.Э Баумана Сер Приборостроение № C 28-39 [45] Неусыпин К.А., Шарков А.А., Казаков К.А.(2003), 126 “Самоорганизация моделей алгоритма коррекции сигналов систем GPS/ГЛОНАСС”, Актуальные проблемы российской космонавтики: Труды XXVII Академических чтений по космонавтике Москва, С 20-24 [46] Боднер В.А.(1973), Системы управления летательными аппаратами, №.2039: Издательство“Машиностроение”,Москва Б-78 1-й Басманный пер., 3, 499c [47] Байбородина Ю.В (1975) Бортовые системы управления полетом, Под ред.- Москва.Транспорт, УДК 629.7.05.001(075.8) Басманный туп., 6а, 336c [48] Бабиченко А.В., (2009), Прикладные методы обработки информационно-управляющих комплексов высокоманевренных летательных аппаратов, доктор техн наук Москва 2009 422 с [49] Пролетарский А.В., Неусыпин К.А (2013), “Разработка редуцированного алгоритма самоорганизации для коррекции навигационных систем”, Научное обозрение № С 333-447 [50] Селезнева М.С [и др.], (2016) “Задача коррекции инерциальных навигационных систем с использованием самоорганизующейся прогнозирующей модели”, Технические науки – от теории к практике №12 С 28-33 [51] Салычев О.С., Лукъянов В.В (1992) Долговременный прогноз выходных ошибок инерциальной навигационной системы, Вестник МГТУ им Н.Э Баумана Сер Приборостроение № С 30-37 [52] Пролетарский А.В (2012), Формирование ансамбля критериев селекции компактного алгоритма само-организации, Автоматизация и современные тех-нологии № C 14-16 [53] Неусыпин К.А., Шэнь Кай (2014), “Модификация нелинейного фильтра Калмана с использованием генетического алгоритма”, Автоматизация и современные тех-нологии № С 9-11 [54] Чан Нгок Хыонг, Нгуен Динь Тхай (2015), “Разработка гибридного алгоритма построения моделей для коррекции навигационных систем”, Молодежный научно – технический вестник МГТУ им Н.Э Баумана Электрон журн № [55] Пролетарский А.В., Никифоров В.М., Неусыпин К.А., (2014), 127 “Исследование и разработка систем управления и навигационных комплексов летательных аппаратов” М.: ИИУ МГОУ, 232 с [56] А.П Жуковкий, В.В Расторгуев (1998), Комплекслые Радиосистемы Навигации и Управления Самолетов, Федеральная целевая программа книгоиздания России, Москва Иэдательство МАИ -268c.: ил [57] Стрижов В.В.,(2008), “Методы индуктивного порождения регрессионных моделей”, Вычислительный центр ран, Москва [58] О.А Фролова, А.Ю Мишин (2009), “Математическое моделирование и оценка предельных условий применимости комплексной радиоинерциальной системы управления маловысотным полетом”, Материалы XI конференции молодых ученых “Навигация и управление движением.” СПб: ГНЦ РФ – ЦНИИ «Электроприбор», 2002- С.410-417 [59] О.А Фролова., (2010),“Оценка параметров волновой поверхности по измерениям радиовысотомера”, Вестник МАИ – 2010 – №4 – С 159-166 [60] Ч Гаджиев (2002), “Интегрированный адиоинерциальный высотомер, использующий робастный фильтр Калмана” , IX СанктПетербургская международная конференция поинтегрированным навигационным системам, Санкт-Петербург, Россия [61] Августов Л.И (2015) “Навигация летательных аппаратов в околоземном пространстве”, под ред Джанджгавы Г.И М.: ООО «Научтехлитиздат», 529 с [62] Джанджгава Г.И., Голиков В.П., Шкред В.К (2008) “Алгоритмы обработки инфор-мации серийных самолетных платформенных инерциальных навигационных систем”, Авиакосмическое приборостроение № 11 С 4-11 [63] Чан Нгок Хыонг (2014), “The self-organization method”,Труды международной научно-практической конференции Фундаментальные и прикладные исследования проблемы и результаты, Москва.С.128 – 130 [64] Джанджгава Г.И., Бабиченко А.В., Пролетарский А.В., Неусыпин К.А (2015), Разработка алгоритма построения моделей для коррекции навигационных систем в автономном режиме, Авиакосмическое приборостроение № С 30 - 38 [65] Неусыпин К.А (2009), “Современные системы и методы 128 наведения, навигации и управления летательными аппаратами” М.: ИИУ МГОУ, 500 с [66] Лукашин Ю.П (1979), “Адаптивные методы краткосрочно прогнозирования” М.: Статистика, 416 с [67] Ивахненко А.Г., Мюллер Й.Я (1985) “Самоорганизация прогнозирующих моделей” Киев: Техника, 223 с [68] Коровин С.К., Фомичев В.В (2007), Наблюдатели состояния для линейных систем с неопределенностью М.: Физматлит, 224 с [69] Кузовков Н.Т., Карабанов С.В., Салычев О.С (1978), Непрерывные и дискретные системы управления и методы идентификации М.: Машиностроение, 224c [70] Парусников Н.А., Голован А.А., Бараева В.Г (1986), О стохастической мере оцени-ваемости, В сборнике Коррекция в навигационных системах и системах ори-ентации искусственных спутников Земли М.: Изд-во МГУ, С 4-9 [71] Парусников Н.А., Морозов В.М., Борзов В.И (1982), Задача коррекции в инерци-альной навигации М.: Изд-во МГУ, 1982 228 с [72] Салычев О.С (1987), Скалярное оценивание многомерных динамических систем М.: Машиностроение, 1987 216 с [73] Афанасьев В.Н., Неусыпин К.А.; (1994), Навигационный комплекс, Пат 2016383 Российская Федерация, МПК G01C 23/00 Бюл № 13 [74] Пупков К.А., Неусыпин К.А (1997), Вопросы теории и реализации систем управле-ния и навигации М.: Биоинформ, 368 с [75] Неусыпин К.А., Пролетарский А.В., Цибизова Т.Ю (2006), Системы управления летательными аппаратами и алгоритмы обработки информации М., Изд МГОУ [76] Неусыпин К.А (2009), “Современные системы и методы наведения, навигации и управления летательными аппаратами», М., Изд МГОУ, с.91; с.156, с.158-159, см фиг.1 [77] Шелухина H.А., Неусыпин К.А (2000), “Модификация нелинейного фильтра Калма-на посредством метода самоорганизации”, Вестник МГТУ им Н.Э Баумана Сер Приборостроение № С 54-55 P- PHỤ LỤC Phụ lục Các tham số giả định cho mô STT Tên, kí hiệu tham số Độ lớn Đơn vị Khối lượng tên lửa, m 520 kg Lực đẩy động hành trình, P 3500 N Hệ số lực nâng theo góc tấn, Cy 0,016 1/độ Hệ số lực nâng theo cánh lái, C y 0,95 1/độ Chiều lài thân tên lửa, LΦ 3,85 m Diện tích đặc trưng, S 1,65 m2 Tọa độ trọng tâm, Xsm 2,7 m Đường kính thân, D 0,42 m Mơ men qn tính theo trục X, Jx 19,2 kg.m2 10 Mơ men qn tính theo trục Y, Jy 1580,6 kg.m2 11 Mơ men qn tính theo trục Z, Jz 1580,6 kg.m2 12 Hằng số tương quan sai số gia tốc kế, α 100 1/s 13 Khoảng tương quan sai số gia tốc kế, τa 0,01 s 14 Sai lệch chuẩn sai số gia tốc kế, a 10-2 m/s2 15 Hằng số tương quan sai số hấp dẫn, β 20 1/s 16 Khoảng tương quan sai số hấp dẫn, g 0,05 s 17 Sai lệch chuẩn sai số hấp dẫn, g 10-3 m/s2 18 Bán kính trái đất, R 6371 km 19 Sai lệch chuẩn độ chệch ước lượng , vt 10-3 m 20 Sai lệch chuẩn sai số đo cao khí áp,  ka 10-2 m 21 Tốc độ thay đổi độ cao, VB 61 m/s 22 Gia tốc trọng trường, g 9,8 m/s2 P- Độ lớn Đơn vị const 24 Số phần tử tập học tập 1000 const 25 Số phần tử tập kiểm tra 600 const 26 Số mơ hình sở để xây dựng 24 const STT Tên, kí hiệu tham số 23 Số mơ hình chọn sau cấp độ tổ chức Phụ lục Một số Modul chương trình - Modul chương trình thuật tốn TTC xây dựng mơ hình tuyến tính; - Modul chương trình đánh giá đo cao kết hợp; - Modul chương trình tạo liệu giả định P2.1 Modul chương trình thuật tốn TTC xây dựng mơ hình tuyến tính % -CHUONG TRINH TINH TOAN TTC % Self-Organization - Linear model generation clear all clc load('data_dH.mat') %Du lieu chuan gia dinh load('Kalman_data.mat') %Du lieu Kalman %load('data_dV.mat') %load('data_da.mat') q = input('nhap tong so phan tu : q = '); m = input('nhap tong so phan tu de tao model: m = '); n = input('nhap so phan tu de hoc : n = '); y = data_dH(1:m); x = 0.1:0.1:(length(y)/10) ;%input('nhap gia tri x (theo hang) = '); yc = data_dH(1:q); xc = 0.1:0.1:(length(yc)/10) ; %n1 = input('nhap thoi gian ket thuc Tmax = '); x1 = zeros(1,n); y1 = zeros(n,1); for i = 1:n x1(1,i) = x(1,i); y1(i,1) = y(i,1); end x2 = zeros(1,m-n); y2 = zeros(m-n,1); for i = 1:m-n x2(1,i) = x(1,i+n); y2(i,1) = y(i+n,1); end p = input('nhap so luong phan tu can chon tung day p = '); % cac ham tham gia vao qua trinh tao model sai so dH g{1,1} = 'sin(x)'; g{2,1} ='sin(0.05*x)'; g{3,1} = 'x.^1.5'; g{4,1} = 'sin(0.5*x)'; g{5,1} = 'sin(0.02*x)'; g{6,1} ='x.^0.5'; g{7,1} = 'sin(0.2*x)'; g{8,1} = 'exp(-x)'; g{9,1} ='x'; g{10,1} = 'sin(0.1*x)'; g{11,1} = 'exp(-3*x)'; g{12,1} ='x.^2'; g{13,1} = 'sin(0.08*x)'; g{14,1} = 'exp(-5*x)'; g{15,1} ='x.^3'; P- g{16,1} = 'sin(2*x)'; g{17,1} = 'sin(1.4*x)'; g{18,1} ='sin(1.7*x)'; g{19,1} = 'sin(2.2*x)'; g{20,1} = 'cos(1.5*x)'; g{21,1} ='x.^(1.2)'; g{22,1} = 'x.^(1.6)'; g{23,1} = 'x.^(2.5)'; g{24,1} = 'cos(1.2*x)'; % -global % cac ham tham gia vao qua trinh tao model sai so dV g{1,2} = 'sin(0.01*x)'; g{2,2} = 'sin(0.03*x)'; g{3,2} = 'sin(0.05*x)'; g{4,2} = 'sin(0.2*x)'; g{5,2} = 'sin(0.4*x)'; g{6,2} ='sin(0.6*x)'; g{7,2} = 'sin(x)'; g{8,2} = 'sin(1.5*x)'; g{9,2} ='sin(2*x)'; g{10,2} = 'sin(2.5*x)'; g{11,2} = 'sin(3*x)'; g{12,2} ='sin(3.5*x)'; g{13,2} = 'exp(-0.5*x)'; g{14,2} = 'exp(-x)'; g{15,2} ='exp(-1.5*x)'; g{16,2} = 'x.^(3.5)'; g{17,2} = 'x^(0.2)'; g{18,2} ='x^(0.4)'; g{19,2} = 'x^(0.7)'; g{20,2} = 'x'; g{21,2} ='x.^(1.2)'; g{22,2} = 'x.^(1.6)'; g{23,2} = 'x.^(2.5)'; g{24,2} = 'x^3'; % -global % cac ham tham gia vao qua trinh tao model sai so da g{1,3} = 'sin(0.02*x)'; g{2,3} ='sin(0.05*x)'; g{3,3} = 'sin(x)'; g{4,3} = 'sin(1.4*x)'; g{5,3} = 'sin(1.7*x)'; g{6,3} ='sin(2*x'; g{7,3} = 'sin(2.3*x)'; g{8,3} = 'sin(2.6*x)'; g{9,3} ='sin(0.3*x)'; g{10,3} = 'sin(0.7*x)'; g{11,3} = 'sin(3*x)'; g{12,3} ='x.^(0.5)'; g{13,3} = 'x^3'; g{14,3} = 'x^(1.5)'; g{15,3} ='exp(-5*x)'; g{16,3} = 'exp(-4*x)'; g{17,3} = 'exp(-x)'; g{18,3} ='sin(-0.5*x)'; g{19,3} = 'exp(-1.5*x)'; g{20,3} = 'exp(-0.7*x)'; g{21,3} ='exp(-2*x'; g{22,3} = 'exp(-2.5*x)'; g{23,3} = 'exp(-3*x)'; g{24,3} ='exp(-3.5*x)'; % -global model = g ; s = 1; X_opt_min = []; Err_min = []; % Tap hop cac model tot nhat -for k =1 : size(g,1) ErrList = Error( model,x1,x2,y1,y2 ) ; X_opt,Err_min(s)] = optimal( ErrList, p, model) ; % Err_min ung voi gia tri sai so nho nhat cua model tren cac day for i = 1:size(X_opt,2) X_opt_min{s,i} = X_opt{1,i} ; % Tap hop cac model tot nhat cua cac day(k = 1:size(g,1)) end a = ktphantu( X_opt,g ) ; model = themphantu( a, X_opt, g ) ; s = s + ; end [d idx] = min(Err_min) ; for i = 1:size(X_opt,2) X{1,i} = X_opt_min{idx,i}; end X1 = [] ; s1 = 0; for i = 1:size(X,2) if X{1,i} ~= s1 = s1+1 ; % s1 - so luong phan tu X{1,i} khac pe = inline(X{1,i}); X1 = [X1 pe(x1)']; end end w = pinv(X1'*X1)*X1'*y1; X_fun = [] ; for i = 1:s1 X_fun{1,i} = X{1,i} ; end f = makefun(X_fun(1,:),w) ; P- % KIEM TRA LOI CUA CAC MODEL -function [ ErrList] = Error( model,x1e,x2e,y1e,y2e ) % tinh loi sai cua cac model -ErrList = zeros(size(model,1),1) ; for i = 1:size(model,1) X = [] ; for j = 1:size(model,2) pe = inline(model{i,j}); X = [X pe(x1e)']; end w = pinv(X'*X)*X'*y1e; f = makefun(model(i,:),w) ; err_n = sumsqr(f(w,x1e) - y1e') ; err_m_n = sumsqr(f(w,x2e) - y2e') ; ErrList(i,1) = sqrt(err_n + err_m_n) ; end end % KIEM TRA CÁC MODEL THUOC TAP -function [ a ] = ktphantu( X_opt,g ) % -kiem tra nhung phan tu g a = zeros(size(X_opt,1),size(g,1)) ; for i = 1:size(X_opt,1) for j = 1:size(X_opt,2) for s = 1:size(g,1) if strcmp(cellstr(X_opt{i,j}),cellstr(g{s,1})) == a(i,s) = a(i,s) + ; end end end end end % TAO RA CAC MODEL MOI -function [ f ] = makefun( g,w ) str = [] ; for j = 1:length(g) str = [str,'+','w(',num2str(j),')*',g{j}]; end if length(str) > f = inline(str(2:end),'w','x'); end end % -TOI UU CAC MODEL function [ X_opt, Error_min] = optimal( Error, p, model ) % sap xep theo day cac gia tri be nhat va index tuong ung mi = []; id = []; for i = 1:length(Error) [m idx] = min(Error) ; mi(i) = m ; % day cac gia tri tu be den lon id(i) = idx ; % index tuong ung gia tri be nhat Error(idx) = max(Error) + ; % +1 de phan biet max o moi vong! end % -chon p phan tu co gia tri be nhat for i = 1:p for j = 1:size(model,2) X_opt{i,j} = model{id(i),j}; P- % X_opt nhan cac gia tri cua ham g theo tung hang (g co tung hang X) end end Error_min = Error(id(1)) ; End % TAO THEM CAC MODEL NEW -function [ model ] = themphantu( a, X_opt, g ) k = 1; model = [] ; for i = 1:size(X_opt,1) for j = 1:size(g,1) if a(i,j) == for s = 1:size(X_opt,2) model{k,s} = X_opt{i,s} ; end model{k,s+1} = g{j,1} ; k = k +1 ; end end end end subplot(2,1,1) plot(x,y,'green'); subplot(2,1,1) plot(x, f(w,x),'blue'); subplot(2,1,1) plot(x, Kalman_data,'red'); hold on grid on xlabel('Thoi gian'); ylabel('Sai so danh gia'); legend('data', 'model','Kalman'); % x3 = 0.1:0.1:(length(yc)/10); subplot(2,1,2) plot(x3,f(w,x3),'blue'); subplot(2,1,2) plot(x3, Kalman_data ,'red'); subplot(2,1,2) plot(xc,yc,'green'); hold on grid on legend('data', 'model','Kalman'); P2.2 Modul chương trình đánh giá đo cao kết hợp % DANH GIA CAC BDC KET HOP %============================================= close; clear all; load load load load 'data_dH.mat'; %sai so dH chuan 'dH_dolk1.mat'; %sai so dH bao gom ca nhieu cua BDC liên kêt 'dH_dolk2.mat'; %sai so dH bao gom ca nhieu cua BDC liên kêt 'dH_dolk3.mat'; %sai so dH bao gom ca nhieu cua BDC liên kêt % NHAP CAC GIA TRI KHOI TAO -N = 3000; P- g = 9.8; %gia toc truong R = 6371*10^3; %ban kinh trai dat anpha_a = 10^2; %hang so tuong quan sai so gia toc ke tau_a = 0.01; %khoang tuong quan sai so gia toc ke xichma_a = 10^(-2); %sai lech chuan sai so gia toc ke beta_g = 20; %hang so tuong quan sai so sai so hap dan tau_g = 0.05; %khoang tuong quan sai so hap dan xichma_g = 10^(-3); %sai lech chuan sai so hap dan xichma_qt = 10^(-3); %sai lech chuan sai so qt ban dau xichma_vt = 10^(-3); %sai lech chuan chech uoc luong xichma_v = 10^(-8); %sai lech chuan sai so van toc ban dau xichma_ka = 10^(-2); %sai lech chuan sai so cao khí ap xichma_h' = 10^(-2); %sai lech chuan sai so cao h' ban dau Vb = 61; %toc thay doi cao Nf = 100; %nhieu syms tau_vt tau_ka T; %tham so cap nhap mo phong anpha_ka = 1/tau_ka; beta_vt = 1/tau_vt; % H_lk1 = [1 0 -1]; %Ma tran cua bo cao lien ket thu nhat H_lk2 = [1 0 -1 0]; %Ma tran cua bo cao lien ket thu hai H_lk3 = [1 0 -1 -1 0]; %Ma tran cua bo cao lien ket thu ba E1 = eye(5,5); %Ma tran don vi E2 = eye(6,6); %Ma tran don vi E3 = eye(7,7); %Ma tran don vi dH_measur1 = dH_dolk1; dH_measur2 = dH_dolk2; dH_measur3 = dH_dolk3; % TINH TOAN CAC MA TRAN -F_lk1 = [0 0 0; 2*g/R 1 0; 0 -anpha_a 0; 0 -beta_g 0; 0 0 -beta_vt]; F_lk2 = [0 0 0 ; 2*g/R 1 0 ; 0 -anpha_a ; 0 -beta_g 0; 0 0 1; 0 0 -0.67*anpha_ka*Vb -(0.67*Vb+anpha_ka)]; F_lk3 = [0 0 0 0; 2*g/R 1 0 0; 0 -anpha_a 0 0; 0 -beta_g 0 0; 0 0 -beta_vt 0; 0 0 0 1; 0 0 -0.67*anpha_ka*Vb -(0.67*Vb+anpha_ka)]; G_lk1 =[0 0; 0 0; 0; 0; 0 1]; G_lk2 =[0 0; 0 0; 0; 0; 0 0; 0 3.2*10^4*anpha_ka]; G_lk3 =[0 0 0; 0 0; 0 0; P- 0; 0 0; 0 0 0 3.2*10^4*anpha_ka]; % -CHUYEN MA TRAN ROI RAC HOA -Phik_lk1 = E1+F_lk1*T; Phik_lk2 = E2+F_lk2*T; Phik_lk1 = E3+F_lk3*T; % Gk_lk1 = [Phik_lk1*G_lk1*T]'; Gk_lk2 = [Phik_lk2*G_lk2*T]'; Gk_lk3 = [Phik_lk3*G_lk3*T]'; %DIEU KIEN BAN DAU CUA BO LOC KALMAN est_x_pre_lk1=zeros(5,1); est_x_pre_lk2=zeros(6,1); est_x_pre_lk3=zeros(7,1); est_Ck_pre = 0; Pk_pre_lk1 = diag([xichma_qt,xichma_v,xichma_a,xichma_g,xichma_vt]); Pk_pre_lk2 = diag([xichma_qt,xichma_v,xichma_a,xichma_g,xichma_ka,xichma_h']); Pk_pre_lk3 = diag([xichma_qt,xichma_v,xichma_a,xichma_g,xichma_vt,xichma_ka,xichma_h'] ); Qk_lk1=diag([2*anpha_a*xichma_a/T,2*beta_g*xichma_g/T,2*beta_vt*xichma_vt /T]); Qk_lk2=diag([2*anpha_a*xichma_a/T,2*beta_g*xichma_g/T,2*3.2*10^4*anpha_ka *xichma_vt/T]); Qk_lk3=diag([2*anpha_a*xichma_a/T,2*beta_g*xichma_g/T,2*beta_vt*xichma_vt /T,2*3.2*10^4*anpha_ka*xichma_vt/T]); Rk=[Nf/dT]; % CHUONG TRINH CHINH MO PHONG -% -Chuong trinh BDC QT-VT -for i=1:1:N trans_x_est = Phik_lk1*est_x_pre_lk1 ; cov_P = Phik_lk1*Pk_pre_lk1*Phik_lk1' + Gk_lk1*Qk_lk1*Gk_lk1' ; Zk = dx_measur1(i); miu = Zk - H*trans_x_est ; est_Ck_nex = (i-1)/i*est_Ck_pre + 1/i*miu*miu' ; est_Rk = est_Ck_nex - H_lk1*cov_P*H_lk1' ; Kk = cov_P*H_lk1'/(H_lk1*cov_P*H_lk1'+est_Rk) ; est_x_nex = trans_x_est + Kk*miu ; Pk_nex = (I-Kk*H_lk1)*cov_P ; dH_Kal_data1(i,1) = est_x_nex(1,1); dV_Kal_data1(i,1) = est_x_nex(2,1); da_Kal_data1(i,1) = est_x_nex(3,1); dg_Kal_data1(i,1) = est_x_nex(4,1); Pk_pre_lk1 = Pk_nex ; est_x_pre_lk1 = est_x_nex ; est_Ck_pre = est_Ck_nex ; end; % -Chuong trinh BDC QT-KA -for i=1:1:N trans_x_est = Phik_lk2*est_x_pre_lk2 ; cov_P = Phik_lk2*Pk_pre_lk2*Phik_lk2' + Gk_lk2*Qk_lk2*Gk_lk2' ; Zk = dx_measur2(i); miu = Zk - H*trans_x_est ; est_Ck_nex = (i-1)/i*est_Ck_pre + 1/i*miu*miu' ; est_Rk = est_Ck_nex - H_lk2*cov_P*H_lk2' ; Kk = cov_P*H_lk2'/(H_lk2*cov_P*H_lk2'+est_Rk) ; est_x_nex = trans_x_est + Kk*miu ; P- Pk_nex = (I-Kk*H_lk2)*cov_P ; dH_Kal_ada2(i,1) = est_x_nex(1,1); dV_Kal_data2(i,1) = est_x_nex(2,1); da_Kal_data2(i,1) = est_x_nex(3,1); dg_Kal_data2(i,1) = est_x_nex(4,1); Pk_pre_lk2 = Pk_nex ; est_x_pre_lk2 = est_x_nex ; est_Ck_pre = est_Ck_nex ; end; % -Chuong trinh BDC QT-VT-KA -for i=1:1:N trans_x_est = Phik_lk3*est_x_pre_lk3 ; cov_P = Phik_lk3*Pk_pre_lk3*Phik_lk3' + Gk_lk3*Qk_lk1*Gk_lk3' ; Zk = dx_measur3(i); miu = Zk - H*trans_x_est ; est_Ck_nex = (i-1)/i*est_Ck_pre + 1/i*miu*miu' ; est_Rk = est_Ck_nex - H_lk3*cov_P*H_lk3' ; Kk = cov_P*H_lk3'/(H_lk3*cov_P*H_lk3'+est_Rk) ; est_x_nex = trans_x_est + Kk*miu ; Pk_nex = (I-Kk*H_lk3)*cov_P ; dH_Kal_data3(i,1) = est_x_nex(1,1); dV_Kal_data3(i,1) = est_x_nex(2,1); da_Kal_data3(i,1) = est_x_nex(3,1); dg_Kal_data3(i,1) = est_x_nex(4,1); Pk_pre_lk3 = Pk_nex ; est_x_pre_lk3 = est_x_nex ; est_Ck_pre = est_Ck_nex ; end; % -Tinh ma tran quan sat O_lk1 = [H_lk1; H_lk1*Phik_lk1; H_lk1*Phik_lk1*Phik_lk1; H_lk1*Phik_lk1*Phik_lk1**Phik_lk1; H_lk1*Phik_lk1*Phik_lk1*Phik_lk1*Phik_lk1]; O_lk1D = inv(O_lk1); O_lk2 = [H_lk2; H_lk2*Phik_lk2; H_lk2*Phik_lk2*Phik_lk2; H_lk2*Phik_lk2*Phik_lk2**Phik_lk2; H_lk2*Phik_lk2*Phik_lk2*Phik_lk2*Phik_lk2; H_lk2*Phik_lk2*Phik_lk2*Phik_lk2*Phik_lk2*Phik_lk2]; O_lk2D = inv(O_lk2); O_lk3 = [H_lk3; H_lk3*Phik_lk3; H_lk3*Phik_lk3*Phik_lk3; H_lk3*Phik_lk3*Phik_lk3**Phik_lk3; H_lk3*Phik_lk3*Phik_lk3*Phik_lk3*Phik_lk3; H_lk3*Phik_lk3*Phik_lk3*Phik_lk3*Phik_lk3*Phik_lk3]; O_lk3D = inv(O_lk3); % -tinh toan muc quan sat duoc for i=1:1:N Hang_dVlk1 = O_lk1D(2,1)^2+O_lk1D(2,2)^2++O_lk1D(2,3)^2++O_lk1D(2,4)^2++O_lk1D(2,5)^2; Mau_dVlk1 = dH_Kal_data2(i,1)(i)*Hang_dVlk1; D_lk1(dV) = (dV_Kal_data2(i,1)/Mau_dVlk1); Hang_dalk1 = O_lk1D(3,1)^2+O_lk1D(3,2)^2++O_lk1D(3,3)^2++O_lk1D(3,4)^2++O_lk1D(3,5)^2; P- Mau_dalk1 = dH_Kal_data2(i,1)(i)*Hang_dalk1; D_lk1(da) = (da_Kal_data2(i,1)/Mau_dalk1); Hang_dglk1 = O_lk1D(4,1)^2+O_lk1D(4,2)^2++O_lk1D(4,3)^2++O_lk1D(4,4)^2++O_lk1D(4,5)^2; Mau_dglk1 = dH_Kal_data2(i,1)(i)*Hang_dglk1; D_lk1(dg) = (dg_Kal_data2(i,1)/Mau_dglk1); end; % -i = 1:1:2800; subplot(2,1,1) plot(i,dH_Kal_data1(i,1)(i),'red',i,dH_Kal_data2(i,1)(i),'blue',i,dH_Kal_ data3(i,1)(i),'green',i,data_dH(i),'back'); %plot(i,dV_Kal_data1(i,1)(i),'red',i,dV_Kal_data2(i,1)(i),'blue',i,dV_Kal _data3(i,1)(i),'green'); %plot(i,da_Kal_data1(i,1)(i),'red',i,da_Kal_data2(i,1)(i),'blue',i,da_Kal _data3(i,1)(i),'green'); xlabel('Thoi gian'); ylabel ('Danh gia sai so'); hold on grid on % -subplot(2,1,2) plot(i,D_lk1(dV)(i),'red',i,D_lk2(dV)(i),'blue',i,D_lk3(dV)(i),'green'); %plot(i,D_lk1(da)(i),'red',i,D_lk2(da)(i),'blue',i,D_lk3(da)(i),'green'); %plot(i,D_lk1(dg)(i),'red',i,D_lk2(dg)(i),'blue',i,D_lk3(dg)(i),'green'); xlabel('Thoi gian'); ylabel ('Danh gia muc quan sat duoc'); hold on grid on P.2.3 Modul chương trình tạo liệu giả định %%%%%%%%%%%%%%%%%%%%%%TAO DU LIEU GIA DINH %%%%%%%%%%%%%%%%% % chuan bi so lieu global Lref Sref Xt01 Xt02 hp tp; % t(s) m(kg) P_day(N) Xsm(m) Jx(kg.m2) Jy Jz P=3500 bang21=[ 520 3500 2.7 19.2 1580.6 1580.6 2.06 511.98 3500 2.48 17.42 1253.93 1253.93 2.88 504.28 2.34 16.71 1124.72 1124.72 3.06 497.1 1.94 11.73 562.35 562.35 7.88 497.1 1.94 11.73 562.35 562.35 8.06 497.08 2189.95 1.94 11.73 562.31 562.31 558.42 440 2189.95 1.88 9.82 457.87 457.87]; %% thoi gian chay 2s thoi gian cat 2.6s %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% Lref=3.85; %% Chieu dai dac trung Sref=1.65; %% Dien tich dac trung Xt01=2.7; Xt02=1.94; xfocus=2.35; S=1.65; D=0.42; %cac tham so muc tieu hoithoai_muctieu; Hg_MT=MT(3); %huong muc tieu [do] V_MT=MT(4); %toc muc tieu [m/s] X0=MT(1); %toa x muc tieu [m] Z0=MT(2); %toa z muc tieu [m] gcx=atan(Z0/X0)*57.3; %goc kren ban dau [do] % cac tham so ban dau xinc0=[2 1e-5 1e-5 1e-5 1e-5 1e-5 1e-5 35/57.3 1e-5 2 1e-2];%%%% DK dau cu %xinc0=[0.1 0.01 0 0 -15*pi/180 0 0];%%%% DK dau SUA P- 10 xdot0=[0 0 0 0 0 0 0]; xfix=[1 1 1 1 1 1 1]'; %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% dcp.hp=[0.0 0.0];%%%Canh tay don luc day P cua dcp so voi tam khoi gia doan dcp.tp=[0 2];%%% Khoang thoi gian hoat dong cua dcp dcp.phi=0*pi/180;%[rad] goc lech dong co phong mat phang oXY so voi truc oX varargout{3}=dcp; GM.t=bang21(:,1); GM.m=bang21(:,2);%% Khoi luong GM.P=bang21(:,3); GM.xtt=bang21(:,4); GM.ytt=1e-2; GM.ztt=1e-2; GM.Jx=bang21(:,5); GM.Jy=bang21(:,6); GM.Jz=bang21(:,7); % tang1 -%Bang 1.1- Cx0(P,M) 2x9 M=[0 0.6 0.65 0.70 0.75 0.8 0.85 0.9 0.95]; alfa=[0 10 12];beta=alfa; cx0M1=[0.4462 0.4462 0.4612 0.4764 0.4871 0.4979 1.3732 1.6115 1.9033]; %Bang 1.2- DelCxi(al,M) 6x9 M=[0 0.6 0.65 0.70 0.75 0.80 0.85 0.9 0.95] cxialM1=[0 0 0 0 0 0.01651 0.01651 0.01669 0.01693 0.01721 0.01756 0.0184 0.01944 0.0210 0.033 0.033 0.03336 0.03385 0.03439 0.0351 0.03678 0.03886 0.0400 0.04944 0.04944 0.04999 0.05072 0.05154 0.05259 0.05512 0.05823 0.05423 0.06583 0.06583 0.06657 0.06753 0.06862 0.07003 0.07339 0.07753 0.07810 0.08250 0.08250 0.0835 0.0847 0.0861 0.087 0.087 0.087 0.087 0.09900 0.09900 0.1002 0.10164 0.10332 0.104 0.104 0.104 0.104]; %Bang 1.3- Cy(al,M) 7x9 M=[0 0.6 0.65 0.70 0.75 0.80 0.85 0.9 0.95] cyalM1=[0 0 0 0 0 0.9542 0.9542 0.9648 0.9782 0.9936 1.0136 1.0562 1.1156 1.4414 1.9084 1.9084 1.9296 1.9564 1.9872 2.0272 2.1124 2.2312 2.8828 2.8626 2.8626 2.8944 2.9346 2.9808 3.0408 3.1686 3.3468 4.3242 3.8168 3.8168 3.8592 3.9128 3.9744 4.0544 4.2248 4.4624 5.7656 4.771 4.771 4.824 4.891 4.968 5.068 5.281 5.578 7.207 5.7252 5.7252 5.7888 5.8692 5.9616 6.0816 6.3372 6.6936 8.6484]; %Bang 1.4- mz(al,M) 7x9 M=[0 0.6 0.65 0.70 0.75 0.80 0.85 0.9 0.95] mzalM1=[0 0 0 0 0 -0.8854 -0.8854 -0.8834 -0.8828 -0.8826 -0.8824 -0.9508 -1.0744 -2.7922 -1.7708 -1.7708 -1.7668 -1.7656 -1.7652 -1.7648 -1.9016 -2.1488 -5.5844 -2.6562 -2.6562 -2.6502 -2.6484 -2.6478 -2.6472 -2.8524 -3.2232 -8.3766 -3.5416 -3.5416 -3.5336 -3.5312 -3.5304 -3.5296 -3.8032 -4.2976 -11.1688 -4.427 -4.427 -4.417 -4.414 -4.413 -4.412 -4.754 -5.372 -13.961 -5.3124 -5.3124 -5.3004 -5.2968 -5.2956 -5.2944 -5.7048 -6.4464 -16.7532]; czbetaM1=[-0.48 -0.4865 -0.4919 -0.4986 -0.5063 -0.5163 -0.5376 -0.5673 0.7303]; mzomzM1=[-274.20 -274.20 -275.19 -276.39 -277.84 -279.94 -295.60 -321.46 613.13]; myomyM1=[-274.20 -274.20 -275.19 -276.39 -277.84 -279.94 -295.60 -321.46 613.13]; mybetaM1=[0.4297 0.4297 0.4287 0.4284 0.4283 0.4283 0.4624 0.5242 1.3831]; mxomxM1=[-41.1036 -41.1036 -41.584 -42.194 -42.896 -43.783 -45.695 -48.226 64.2123]; % tang2 -%Bang2.1.2D 2x10 Cx0(P,M)P=[0 1] cx0M2=[0.3587 0.3587 0.3769 0.3952 0.4143 0.4334 0.6343 0.7246 0.8156]; %Bang2.2 2D 7x9 DelCxi(al,M)M=[0 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95] cxialM2=[0 0 0 0 0 0.00916 0.00916 0.0093 0.00946 0.00964 0.00986 0.01024 0.01369 0.01699 0.01832 0.01832 0.0186 0.0189 0.01926 0.0197 0.02046 0.02738 0.03398 0.02748 0.02748 0.02785 0.02833 0.02887 0.02952 0.03066 0.04103 0.05097 P- 11 0.03664 0.03664 0.03708 0.03772 0.03844 0.03931 0.04083 0.05462 0.06796 0.0458 0.0458 0.04627 0.04706 0.04796 0.04905 0.05094 0.06815 0.08495 0.05496 0.05496 0.05539 0.05634 0.05742 0.05873 0.06099 0.0816 0.10194]; %Bang 2.6 Cy(al.M) 8x9 M=[0 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95] cyalM2=[0 0 0 0 0 0.6912 0.6912 0.7012 0.7138 0.7284 0.7468 0.7742 0.8074 0.8362 1.3824 1.3824 1.4024 1.4276 1.4568 1.4936 1.5484 1.6148 1.6724 2.0736 2.0736 2.1036 2.1414 2.1852 2.2404 2.3226 2.4222 2.5086 2.7648 2.7648 2.8048 2.8552 2.9136 2.9872 3.0968 3.2296 3.3448 3.456 3.456 3.506 3.569 3.642 3.734 3.871 4.037 4.181 4.1472 4.1472 4.2072 4.2828 4.3704 4.4808 4.6452 4.8444 5.0172]; % Bang2.7 mz(al.M) 8x9 M=[0 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95 ] mzalM2=[0 0 0 0 0 -0.667 -0.667 -0.6796 -0.698 -0.719 -0.744 -0.7738 -0.8086 -0.8416 -1.334 -1.334 -1.3592 -1.396 -1.438 -1.488 -1.5476 -1.6172 -1.6832 -2.001 -2.001 -2.0388 -2.094 -2.157 -2.232 -2.3214 -2.4258 -2.5248 -2.668 -2.668 -2.7184 -2.792 -2.876 -2.976 -3.0952 -3.2344 -3.3664 -3.335 -3.335 -3.398 -3.49 -3.595 -3.72 -3.869 -4.043 -4.208 -4.002 -4.002 -4.0776 -4.188 -4.314 -4.464 -4.6428 -4.8516 -5.0496]; czbetaM2=[-0.355 -0.355 -0.3601 -0.3664 -0.3737 -0.3829 -0.3966 -0.4133 0.4277]; mzomzM2=[-52.2971 -52.2971 -53.001 -54.097 -55.356 -56.838 -58.452 -60.260 61.99]; mybetaM2=[0.3375 0.3375 0.3439 0.3531 0.3636 0.3761 0.3911 0.4085 0.4208]; myomyM2=[-52.2971 -52.2971 -53.001 -54.097 -55.356 -56.838 -58.452 -60.260 61.99]; mxomxM2=[-29.982 -29.982 -30.461 -31.067 -31.765 -32.645 -33.921 -35.476 36.804]; %Bang 2.9 2dong 1x8 Cy_del(M),mz_del(M)M=[0 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95] cydelM=[0.0368 0.0368 0.0373 0.0383 0.0393 0.0406 0.0419 0.0434 0.0447]; mzdelM=[-0.1271 -0.1271 -0.1290 -0.1322 -0.1359 -0.1401 -0.1445 -0.1493 -0.1535]; czdelM=[-0.0368 -0.0368 -0.0373 -0.0383 -0.0393 -0.0406 -0.0419 -0.0434 0.0447]; mydelM=[-0.1271 -0.1271 -0.1290 -0.1322 -0.1359 -0.1401 -0.1445 -0.1493 0.1535]; mxdelM=[-0.0648 -0.0648 -0.0658 -0.0674 -0.0693 -0.0716 -0.0739 -0.0765 0.0785]; mxbetaM=[-0.0057 -0.0057 -0.0057 -0.0057 -0.0057 -0.0057 -0.0057 -0.0057 0.0057]; mzdelM = mzdelM*(2); cydelM = cydelM*1; cyalM1=cyalM1./1;cyalM2=cyalM2./1; % -hoi thoai muc tieu -mt=inputdlg({'Toa X cua muc tieu[km]','Huong muc tieu [do]','Huong di chuyen cua muc tieu [dô]','Tôc dô muc tiêu [m/s]'},'Cac so liêu muc tiêu',1,{'35','40','30','20'}); Mt=char(mt); MT=str2num(Mt); MT(1)=MT(1)*1000; % -TL_HTDH sim('TL_HTDH') data_dH = data; dH_dolk1 = data1; dH_dolk2 = data2; dH_dolk3 = data3; data_dV = data4; data_da = data5; % end - ... đo cao kết hợp Dẫn đến chất lượng xử lý tín hiệu đo cao kết hợp đo cao quán tính với đo cao khác điều kiện bay khác Luận án ? ?Nghiên cứu xây dựng thuật toán nâng cao chất lượng xử lý tín hiệu kênh. .. kênh cao cho lớp tên lửa hành trình đối hải sở lý thuyết điều khiển đại? ?? tập trung nghiên cứu thuật toán xử lý kết hợp tín hiệu đo cao lựa chọn cấu trúc đo cao kết hợp, đảm bảo cho thơng tin độ cao. .. đo cao xử lý tín hiệu kênh cao tên lửa hành trình Phân tích cơng trình nghiên cứu ngồi nước liên quan đến tốn xử lý kết hợp tín hiệu đo cao, trình bày lý thuyết sở liên quan đến thuật tốn xử lý