一种基于正交最小二乘的前馈控制方法

摘要

本发明涉及一种基于正交最小二乘的前馈控制方法。针对传统预测滤波算法精度不足和本身延时特性大，无法满足当前实际跟踪系统需求等问题，该方法利用正交最小二乘本身所具有的同时考虑自变量噪声和因变量噪声进行轨迹拟合和其滞后小、计算量小等特性，可在满足系统实时性的要求下有效提高预测精度，从而提高系统对高频目标机动的适应性，改善传统预测滤波算法在目标突然机动或突然停止的情况下的预测跟踪误差，提高系统性能。除此之外，本发明只依靠CCD探测器、编码器提供的角位置信息，同时实现对当前真实目标位置和速度进行估计，用减少滞后的脱靶量信息替代传统的直接测量的脱靶量信息，从而进一步提高光电跟踪系统的跟踪能力。

权利要求

1.一种基于正交最小二乘的前馈控制方法，其特征在于：其具体实施步骤如下：

步骤(1)：在跟踪设备上面安装编码器和CCD图像传感器，编码器获取跟踪设备自身的姿态角度信息，CCD图像传感器接收编码器的角度信息和目标的轨迹信息做相减处理，输出测量目标脱靶量e(k)；

步骤(2)：由于测量的目标脱靶量e(k)带有延时，因此需要将高帧频的编码器角度信息y(k)与低帧频的目标脱靶量e(k)在时间对齐后相加得到含有滞后的测量目标运动轨迹的信息r(k)；

步骤(3)：正交最小二乘预测算法通过对最近时间段的一系列测量目标轨迹数据r(k)进行拟合，得到与当前轨迹匹配的轨迹模型，从而利用该模型对当前的真实目标位置和速度进行外推估计，以获取到真实目标轨迹和速度；

步骤(4)：在获取到真实目标轨迹r’(k)后，通过减去当前的编码器值来得到当前目标真实的脱靶量e’(k)，把其作为输入送入位置修正控制器；

步骤(5)：前馈控制器接收预测得到的目标速度生成并输出前馈控制信号；

步骤(6)：前馈控制信号和位置修正控制信号相加，生成并输出驱动控制信号，用于驱动控制对象，实现对目标脱靶量e(k)的闭环校正；

步骤(1)中编码器的数据特性为精度高、帧频高，其滞后时间小可忽略；CCD图像传感器精度相对较低，帧频低，帧频为50Hz，滞后在20ms～60ms；

步骤(2)中时间对齐在实际工作中只能做到粗对齐，因为CCD图像传感器对不同图像的处理过程中，所耗费的时间会有所差异，从而导致其数据滞后会存在一定的漂移，在粗时间校准后依旧会存在一定的未校准误差；

步骤(3)中利用正交最小二乘法对最近的历史轨迹数据进行拟合，得到较准确的拟合模型，每接收到一个新的数据点则删除一个最旧的数据点，然后重新更新该拟合模型参数，然后针对CCD图像传感器滞后时间外推计算当前目标的位置和速度，用以反馈和前馈跟踪控制；

步骤(4)中的位置修正控制器是在未加入前馈控制回路前针对被控对象进行设计完成；

该方法不基于目标的运动模型，避开了依靠先验和对初始参数敏感，且其选取最近时间段内的测量数据作为考虑，排除了所有历史数据对拟合的影响，能够更好的跟随目标机动，且其计算量较小，满足系统实时性要求；另一方面，由于其时间滞后特性相比卡尔曼小，在更高频的目标机动时，能更好的估计出目标的速度，从而大幅减少其跟踪误差；

由于正交最小二乘预测算法本身所具有的同时考虑自变量噪声和因变量噪声进行轨迹拟合，该方法通过拟合得到的轨迹参数更加接近真实，从而能够提升对目标当前位置和速度估计的准确性，最终体现在跟踪误差的大幅减少；

该方法只依靠CCD图像传感器、编码器提供的角位置信息，同时实现对当前真实目标位置和速度进行估计，用减少滞后的脱靶量信息替代传统的直接测量的脱靶量信息，从而进一步提高光电跟踪系统的跟踪能力。

说明书

一种基于正交最小二乘的前馈控制方法

技术领域

[0001] 本发明属于光电跟踪控制领域，具体的涉及一种基于光电设备自身角位置和探测到的目标脱靶量获取目标真实轨迹位置和速度，从而利用该信息进行预测跟踪和前馈控制的方法。

背景技术

[0002] 在光电控制系统目标跟踪过程中，主要目的是实现目标的高精度跟踪。随着目标对象的机动性越来越大，普通的闭环控制方法已经无法满足该跟踪要求，需要此基础上对目标的运动信息(位置、速度、加速度)进行准确估计，然后利用该估计信息实现前馈控制。美国林肯实验室研发的“火池”控制系统利用角位置信息和高精度测距信息实现共轴跟踪，取得了很好的控制效果。国内研究人员利用基于模型的卡尔曼滤波器对目标的角速度和角加速度进行估计，然后依靠估计量进行前馈控制以提高跟踪精度。文献《预测滤波技术在光电经纬仪中的应用仿真》(光电工程，Vol(8)，2002)采用了速度前馈方法进行仿真，提高了跟踪精度。在此基础上，公开号为CN 102736636A《跟踪系统中基于角度信息的前馈控制方法》的中国专利对预测滤波模型进行了改进，添加了加速度前馈，进一步提高系统跟踪精度。文献《Combined line-of-sight error and angular position to generate feedforward control for a charge-coupled device-based tracking loop》(Optical Engineering，Vol(54)，2015)利用卡尔曼速度前馈对图像延时进行补偿，并分析了卡尔曼预测滤波在前馈控制中对系统稳定性的影响。

[0003] 前馈控制利用其对目标机动的提前响应，可有效提高光电系统跟踪精度。高性能的前馈效果主要依靠对目标当前运动参数估计的准确性和实时性。但是，由于光电系统中图像传感器(CCD)所采集到的目标脱靶量具有更新频率低、延时大、且含有一定的噪声，同时所采用的预测滤波算法本身会带来时滞特性，所以通过预测滤波后所得的目标信息的准确性实时性被降低，从而导致在实际系统中前馈效果有限。同时，随着目标的灵活性和机动性大幅提高，例如像无人机、航模此类目标，其具有小速度、大加速度、机动频率高、轨迹规律性弱等特性，传统的预测滤波算法，例如卡尔曼预测滤波，已经逐渐无法适应，特别是在目标突然机动或突然停止的情况下，由于估计信息的不准确性，从而导致跟踪误差放大，严重的直接导致目标跟踪丢失。在这种情况下，对预测算法的改进或者寻找一种预测精度高，本身延时特性小的预测滤波算法成为前馈控制的需要解决的问题。

发明内容

[0004] 针对传统预测滤波算法精度不足和本身延时特性大，无法满足当前实际跟踪系统需求等问题，本发明提出了一种基于正交最小二乘的前馈控制方法。该方法利用正交最小二乘本身所具有的同时考虑自变量噪声和因变量噪声进行轨迹拟合和其滞后小、计算量小等特性，可在满足系统实时性的要求下有效提高预测精度，从而提高系统对高频目标机动的适应性，改善目标突然机动或突然停止的情况下的预测跟踪误差，提高系统性能。

[0005] 为实现本发明的目的，本发明提供一种基于正交最小二乘的前馈控制方法，具体实施步骤如下：

[0006] 步骤(1)：在跟踪设备上面安装编码器和图像传感器(CCD)，编码器获取跟踪设备自身的姿态角度信息，图像传感器接收编码器的角度信息和目标的轨迹信息做相减处理，输出测量目标脱靶量e(k)；

[0007] 步骤(2)：由于测量的目标脱靶量e(k)带有延时，一般为几十毫秒，因此需要将高帧频的编码器角度信息y(k)与低帧频的目标脱靶量e(k)在时间对齐后相加得到含有滞后的测量目标运动轨迹的信息r(k)；

[0008] 步骤(3)：正交最小二乘预测算法通过对最近时间段的一系列测量目标轨迹数据r(k)进行拟合，得到与当前轨迹匹配的轨迹模型，从而利用该模型对当前的真实目标位置和速度进行外推估计，以此实现测量滞后的减少。

[0009] 步骤(4)：在获取到真实目标轨迹r’(k)后，通过减去当前的编码器值来得到当前目标真实的脱靶量e’(k)，把其作为输入送入位置修正控制器；

[0010] 步骤(5)：前馈控制器接收预测得到的目标速度生成并输出前馈控制信号；

[0011] 步骤(6)：前馈控制信号和位置修正控制信号相加，生成并输出驱动控制信号，用于驱动控制对象，实现对目标脱靶量e(k)的闭环校正。

[0012] 其中，步骤(1)中编码器的数据特性具有精度高、帧频高，其滞后时间小可忽略；图像传感器一般精度相对较低，帧频低，帧频一般为50Hz，滞后一般在20ms～60ms。

[0013] 其中，步骤(2)中时间对齐在实际工作中只能做到粗对齐，因为图像传感器对不同图像的处理过程中，所耗费的时间会有所差异，从而导致其数据滞后会存在一定的漂移，在粗时间校准后依旧会存在一定的未校准误差。

[0014] 其中，步骤(3)中利用正交最小二乘法对最近的历史轨迹数据进行拟合，得到较准确的拟合模型，每接收到一个新的数据点则删除一个最旧的数据点，然后重新更新该拟合模型参数，然后针对图像传感器滞后时间外推计算当前目标的位置和速度，用以反馈和前馈跟踪控制。

[0015] 其中，步骤(4)中的位置修正控制器是在未加入前馈控制回路前针对被控对象进行设计完成。

[0016] 本发明与现有技术相比具有如下优点：

[0017] (1)相对基于运动模型的卡尔曼预测估计前馈控制方法，该发明不基于目标的运动模型，避开了依靠先验和对初始参数敏感，且其选取最近时间段内的测量数据作为考虑，排除了所有历史数据对拟合的影响，能够更好的跟随目标机动，且其计算量较小，满足系统实时性要求；另一方面，由于其时间滞后特性相比卡尔曼小，在更高频的目标机动时，能更好的估计出目标的速度，从而大幅减少其跟踪误差；

[0018] (2)由于正交最小二乘预测算法本身所具有的同时考虑自变量噪声和因变量噪声进行轨迹拟合，该发明通过拟合得到的轨迹参数更加接近真实，从而能够提升对目标当前位置和速度估计的准确性，最终体现在跟踪误差的大幅减少；

[0019] (3)相比于当前前馈控制算法，本发明只依靠CCD探测器、编码器提供的角位置信息，同时实现对当前真实目标位置和速度进行估计，用减少滞后的脱靶量信息替代传统的直接测量的脱靶量信息，从而进一步提高光电跟踪系统的跟踪能力。

附图说明

[0020] 图1是本发明的基于正交最小二乘的前馈控制方法的结构示意图。

[0021] 图2是本发明的无人机做连续突然机动或突然停止的飞行轨迹的方位数据。

[0022] 图3是本发明的针对无人机机动的速度预测结果对比。

[0023] 图4是本发明的针对无人机飞行的跟踪误差对比。

具体实施方式

[0024] 以下结合附图对本发明的具体实施方式做详细说明。

[0025] 如附图1所示是基于正交最小二乘的前馈控制方法的结构示意图，其中包括正交最小二乘预测算法模块、前馈控制器、位置修正控制器、控制对象；该控制装置组包含了由位置修正控制器形成的闭环反馈回路和由正交最小二乘预测算法模块、前馈控制器构成的前馈回路。采用所述装置实现前馈控制方法的具体实施步骤如下：

[0026] 步骤(1)：在跟踪设备上面安装编码器和图像传感器(CCD)，编码器获取跟踪设备自身的姿态角度信息，图像传感器接收编码器的角度信息和目标的轨迹信息做相减处理，输出测量目标脱靶量e(k)；其中，编码器的数据特性具有精度高、帧频高，其滞后时间小可忽略；图像传感器一般精度相对较低，帧频低，帧频一般为50Hz，滞后一般在20ms～60ms；

[0027] 步骤(2)：由于测量的目标脱靶量e(k)带有延时，因此需要将高帧频的编码器角度信息y(k)与低帧频的目标脱靶量e(k)在时间对齐后相加得到含有滞后的测量目标运动轨迹的信息r(k)；但是，时间对齐在实际工作中只能做到粗对齐，因为图像传感器对不同图像的处理过程中，所耗费的时间会有所差异，从而导致其数据滞后会存在一定的漂移，在粗时间校准后依旧会存在一定的未校准误差；

[0028] 步骤(3)：正交最小二乘预测算法通过对最近时间段的一系列测量目标轨迹数据r(k)进行拟合，得到与当前轨迹匹配的轨迹模型，从而利用该模型对当前的真实目标位置和速度进行外推估计，以此实现测量滞后的减少和时间未校准误差的消除；

[0029] 步骤(4)：在获取到真实目标轨迹r’(k)后，通过减去当前的编码器值来得到当前目标真实的脱靶量e’(k)，把其作为输入送入位置修正控制器；

[0030] 步骤(5)：前馈控制器接收预测得到的目标速度生成并输出前馈控制信号；

[0031] 步骤(6)：前馈控制信号和位置修正控制信号相加，生成并输出驱动控制信号，用于驱动控制对象，实现对目标脱靶量e(k)的闭环校正。

[0032] 下面以一实验控制系统对无人机跟踪为例对本发明的预测精度和跟踪精度进行详细说明：

[0033] 该实验系统中的编码器采样频率为2KHz，图像传感器采样频率为50Hz，通过实验测量其图像数据滞后约40ms(2帧数据)。无人机目标在距离跟踪设备300m左右、高度约100m做水平来回机动飞行。正交最小二乘选用线性二次多项式作为拟合模型，具体如下：

[0034]

[0035] 该实验通过对最近1秒内的历史飞行轨迹数据进行拟合，得到较准确的拟合模型，每接收到一个新的数据点则删除一个最旧的数据点，然后重新更新该拟合模型参数，然后针对图像传感器滞后时间外推计算当前目标的位置和速度，用以反馈和前馈跟踪控制。

[0036] 如附图2所示为无人机做连续突然机动或突然停止的飞行轨迹的方位数据，其机动频率较高。

[0037] 如附图3所示为各算法针对无人机机动的速度预测结果。这里利用编码器微分作为速度预测的基本参考。可以明显看出，在此种情况下，卡尔曼预测算法所估计出的目标速度存在较大的超调，这主要是由于卡尔曼预测算法自身的滞后特性所导致。相反，正交最小二乘则较好的估计出目标的速度量，相比于编码器微分速度，其还带有一定的滤波效果。

[0038] 如附图4所示为各算法针对无人机飞行的跟踪误差。可以明显看出，由于正交最小二乘对位置速度的准确估计，相比于卡尔曼算法，其预测跟踪误差大幅减少，整体性能优于卡尔曼预测滤波算法。