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 cosit ci sinit 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 />
yki 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,...,i1; j v ; (4)<br />
j1<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 (40200)<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 />
(40140)<br />
140) giây, ttậpập kiểm tra B trong khoảng (140(140200)<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