电子产品世界

作者 李钊 孙健 上海航天控制技术研究所(上海 201109)

李钊(1986-)，男，博士生，工程师，研究方向：机电一体化; 孙健，男，硕士生，工程师，研究方向：仿真转台控制器研究。

摘要：为满足武器系统外场试验对目标、背景及干扰的数据采集及其它制导系统的性能验证，本文设计了一种随动式车载光电搜跟系统。利用光学跟踪平台实现对动态目标的搜索和跟踪，同时控制车载转台随动，车载转台可搭载导引头等其它光学探测设备，提高了系统的负载能力。针对系统延时带来的跟踪误差，采用卡尔曼滤波算法对目标位置进行预测。试验结果表明，加入预测算法后，跟踪平台运动更加平稳，跟踪精度得到提高。针对设备间由于坐标不一致及安装精度和零位偏差带来随动误差，通过位置补偿对随动控制指令进行修正，改善了随动观测精度。系统采用模块化设计，可靠性高，可用于武器系统的外场试验。

引言

　　光电搜跟系统作为一种现代化探测和侦查手段，广泛应用于无人机、侦察车、船舶等军事和民用领域^[1-3]。利用红外、微光、可见光、激光等光学探测设备，光电跟踪系统可对空中及地面目标进行搜索和捕获，同时通过计算脱靶量控制伺服系统运动，实现对目标的实时跟踪。为了方便携带、增加搭载设备的有效载荷及隐蔽侦查等方面的需要，光电搜跟系统逐步向着小型化和轻量化方向发展^[4-5]。为了提高搜跟精度和机动性能，光电搜跟系统的搭载能力受到了一定的制约，通常仅能搭载有限的光学设备。

　　武器系统外场试验时，导引头等精密制导设备由于视场较小而难于发现动态目标，其它探测设备，如红外热像仪、紫外成像仪等由于设备较重，通常需要放置在云台上由人工手动推动实现动态目标观测，因而对于机动性较大的目标观测极为不便。本文提出一种随动式车载光电搜跟系统，满足对目标搜索和跟踪的同时，提高了系统的负载能力。系统跟踪精度高，性能稳定。此外，系统集成在测试车上，可方便外场试验对目标、背景及干扰弹的各波段辐射能量进行采集，并完成相应的试验任务。

1 系统组成

　　系统由光电跟踪平台、车载转台系统和控制采集系统三大部分组成。光电跟踪平台包含红外探测器、激光测距机和伺服运动机构。工作时，平台升出车厢顶部，实现360°对空搜索。可搭载导引头及其它光学探测设备(长波红外热像仪、红外成像光谱仪、光谱辐射计等)，并在跟踪模式下随光学跟踪平台运动，实现搭载设备对动态目标的观测，车载转台负载能力大于50kg。

　　控制采集系统由存储显示计算机和控制采集计算机组成。存储显示计算机用于进行试验参数设置、试验过程监控、数据存储及数据回放分析;控制采集计算机用于采集试验过程中产生的各种数据，如导引头数据、光学设备探测数据、转台运动数据、雷达数据和GPS等数据，并将试验数据发送至存储显示计算机进行监控和存储。系统工作原理如图1所示，系统实物如图2所示。

2 系统软硬件设计

　　为实现动态目标的高精度搜索和跟踪，减少数据传输和信号处理带来的系统延时，对系统性能和实时性提出了较高的要求。

　　系统采用模块化设计，各分系统采用上下位机模式，实现控制与读显操作分离。上位机主要用于人机交互，硬件平台基于工业控制计算机架构，软件平台基于windows平台，程序采用模块化设计，具备用户管理、参数设定、数据监控、错误处理等功能。下位机主要用于各分系统之间数据传输、图像处理、目标解算、伺服控制等，要求实时性高、数据处理能力强，本系统中各分系统控制周期统一为1ms，各下位机之间采用千兆以太网进行数据交互。光电搜跟平台下位机采用DSP设计，芯片选用TMS320F28335，主要用于光电搜跟平台伺服控制、跟踪预测及位置信息发送;采集控制系统下位机采用PXI架构，软件编写基于LabVIEW RT实时操作系统，用于实现光电跟踪平台位置信号采集、目标位置预测和补偿、车载转台控制指令解算和发送、其它分系统信号和系统状态采集等;车载转台下位机采用PCI架构，软件编写基于Vxworks实时操作系统，用于实现车载转台闭环控制，控制指令接收及实时运动状态反馈。

　　光电搜跟平台技术指标：俯仰跟踪范围为﹣15°~﹢75°，方位跟踪范围为﹣135°~﹢135°，最大跟踪角速度不小于60°/s，轴线误差不大于0.2°，标准能见度下，红外热像仪探测距离大于15km，激光测距大于10km。

3 系统精度分析

3.1 跟踪预测

　　为保证随动系统的跟踪精度，要求光电跟踪平台伺服机构运动平稳且对大机动目标能够快速响应、精确跟踪。然而由于测量噪声及系统滞后等因素的影响，系统跟踪能力受到了一定的制约。本系统中红外图像跟踪器主频是25Hz，从而由图像处理带来40ms的系统延时，当目标机动性较大时，该延时足以使目标脱离视场范围，造成目标丢失。试验时发现，平台跟踪过程中激光中靶率不足80%，目标机动性大时跟踪能力不足，伺服平台运动曲线不够平滑，目标丢失现象时有发生。

　　为消除系统滞后，提高跟踪精度，需要对目标的运动特性进行预测。常用的预测算法包括最小二乘滤波[6]、维纳滤波[7]、卡尔曼滤波[8]等，本系统采用卡尔曼滤波算法对目标进行预测。

3.1.1 卡尔曼滤波[9]

　　离散系统动态方程由运动方程(1)和观测方程(2)构成，具体表述如下：

　　根据系统方程，可由卡尔曼滤波器对脱靶量即目标位置信息进行预测

3.1.2 试验分析

　　对某民航飞机进行观测，光电跟踪平台跟踪过程中实时图像如图3所示，目标飞机位于跟踪框内，图像上方显示目标的距离、高度，以及伺服机构的位置信息。

关键词： 光电跟踪 卡尔曼滤波 预测 实时系统 201704