一種三捷聯(lián)慣組量化動態(tài)閾值置信區(qū)間估計方法
【專利摘要】一種三捷聯(lián)慣組量化動態(tài)閾值置信區(qū)間估計方法，屬于基于分位數(shù)法的閾值置信區(qū)間估計方法，首先進(jìn)行分位數(shù)定義，其次將通過蒙特卡洛打靶方法生成帶有三捷聯(lián)慣組誤差模型的彈道數(shù)據(jù)作為樣本數(shù)據(jù)；之后對樣本數(shù)據(jù)按照數(shù)值大小進(jìn)行升序排序，將相同的數(shù)值進(jìn)行合并，計算每一個數(shù)據(jù)在原樣本數(shù)據(jù)中出現(xiàn)的次數(shù)占整體數(shù)據(jù)的比例，得到每個樣本數(shù)據(jù)的出現(xiàn)概率；最后進(jìn)行閾值置信區(qū)間的估計。該方法可以實(shí)現(xiàn)對于不服從正態(tài)分布的數(shù)據(jù)求解其置信區(qū)間，能有效地適應(yīng)量化動態(tài)閾值的區(qū)間估計，置信度高，且簡單易用，便于彈上實(shí)現(xiàn)。
【專利說明】
一種三捷聯(lián)慣組量化動態(tài)閾值置信區(qū)間估計方法
技術(shù)領(lǐng)域
[0001]本發(fā)明屬于大型運(yùn)載器高可靠飛行導(dǎo)航制導(dǎo)與控制領(lǐng)域，涉及一種三捷聯(lián)慣組量化動態(tài)閾值置信區(qū)間估計方法。
【背景技術(shù)】
[0002]未來大型運(yùn)載火箭對可靠性、安全性提出了更高的要求。控制系統(tǒng)作為運(yùn)載火箭的神經(jīng)中樞，對整個運(yùn)載火箭的性能具有舉足輕重的作用。捷聯(lián)慣組是制導(dǎo)控制的重要組成部分，對其進(jìn)行冗余設(shè)計可以大大提高可靠性。
[0003]對于三捷聯(lián)慣組冗余系統(tǒng)來說，閾值的設(shè)計是冗余系統(tǒng)設(shè)計的重要部分，動態(tài)、合理的閾值設(shè)計方法能夠盡可能保證易用性的同時，提高可靠性。當(dāng)前，動態(tài)閾值置信區(qū)間估計方法大多基于正態(tài)分布估計法，無法估計不服從正態(tài)分布數(shù)據(jù)的置信區(qū)間，不能有效地適應(yīng)量化動態(tài)閾值的區(qū)間估計，置信度低。

【發(fā)明內(nèi)容】

[0004]本發(fā)明所要解決的技術(shù)問題是:克服現(xiàn)有技術(shù)的不足，提供一種三捷聯(lián)慣組量化動態(tài)閾值置信區(qū)間估計方法，解決了量化動態(tài)閾值的區(qū)間估計精度問題。
[0005]本發(fā)明包括如下技術(shù)方案:一種三捷聯(lián)慣組量化動態(tài)閾值置信區(qū)間估計方法，步驟如下:
[0006]I)分位數(shù)定義
[0007]設(shè)隨機(jī)變量X的分布函數(shù)為F(X)，實(shí)數(shù)α滿足0<α<1;
[0008]則雙側(cè)α分位數(shù)分別為使P {X < A1} = F (A1) = 0.5α的數(shù)A1，以及使P {X < λ2} = 1-F(入2)=0.5<1的數(shù)入2;
[0009]2)生成彈道數(shù)據(jù)
[0010]將通過蒙特卡洛打靶方法生成帶有三捷聯(lián)慣組誤差模型的彈道數(shù)據(jù)作為樣本數(shù)據(jù)；
[0011]3)計算獲得每個樣本數(shù)據(jù)的出現(xiàn)概率
[0012]對步驟2)得到的樣本數(shù)據(jù)按照數(shù)值大小進(jìn)行升序排序，將相同的數(shù)值進(jìn)行合并，計算每一個數(shù)據(jù)在原樣本數(shù)據(jù)中出現(xiàn)的次數(shù)占整體數(shù)據(jù)的比例，得到每個樣本數(shù)據(jù)的出現(xiàn)概率；
[0013]4)閾值置信區(qū)間估計
[0014]設(shè)當(dāng)前的置信度為l-α，根據(jù)步驟3)獲得的每個樣本數(shù)據(jù)的出現(xiàn)概率，代入Ρ{Χ<λχ} =F(A1)=0.5α以及Ρ{Χ<λ2} = 1-F(A2)=0.5α，求得λ4Ρλ2，即確定出閾值置信區(qū)間(A1,λ2)，其中α的值為每個樣本數(shù)據(jù)的出現(xiàn)概率。
[0015]本發(fā)明與現(xiàn)有技術(shù)相比具有如下優(yōu)點(diǎn):
[0016](I)可以實(shí)現(xiàn)對于不服從正態(tài)分布的數(shù)據(jù)求解其置信區(qū)間；
[0017](2)能有效地適應(yīng)量化動態(tài)閾值的區(qū)間估計，置信度高；
[0018](3)簡單易用，便于彈上實(shí)現(xiàn)。
【附圖說明】
[0019]圖1為本發(fā)明方法流程圖。
【具體實(shí)施方式】
[0020]下面將結(jié)合附圖對本發(fā)明進(jìn)一步詳細(xì)說明。主要包括:
[0021]1.分位數(shù)定義:
[0022]分位數(shù)有三種不同的稱呼，S卩α分位數(shù)、上側(cè)α分位數(shù)與雙側(cè)α分位數(shù)，定義如下:
[0023]設(shè)隨機(jī)變量X的分布函數(shù)為F(X)，實(shí)數(shù)α滿足0<α<1，
[0024]α 分位數(shù)是使P {X < Pa} = F (Pa) = α 的數(shù)Pa;
[0025]上側(cè)α分位數(shù)是使Ρ{Χ<λ}= 1-F(A)=Q的數(shù)λ;
[0026]雙側(cè)α分位數(shù)分別是使P(XSA1)=F(A1)=0.5α的數(shù)A1，以及使Ρ{Χ<λ2} = 1-F(A2)=0.5<1的數(shù)入2。
[0027]2.生成彈道數(shù)據(jù):
[0028]將通過蒙特卡洛打靶方法生成的帶有三捷聯(lián)慣組誤差模型的彈道數(shù)據(jù)作為樣本數(shù)據(jù)；
[0029]3.計算獲得每個樣本數(shù)據(jù)的出現(xiàn)概率
[0030]對步驟2)得到的樣本數(shù)據(jù)按照數(shù)值大小進(jìn)行升序排序，將相同的數(shù)值進(jìn)行合并，計算每一個數(shù)據(jù)在原樣本數(shù)據(jù)中出現(xiàn)的次數(shù)占整體數(shù)據(jù)的比例，得到每個樣本數(shù)據(jù)的出現(xiàn)概率。
[0031]4.閾值置信區(qū)間估計
[0032]設(shè)當(dāng)前的置信度為1-α。
[0033]根據(jù)步驟3)獲得的每個樣本數(shù)據(jù)的出現(xiàn)概率，代入P{X< A1} = F (A1) = 0.5α以及P{X< λ2} = 1-F (λ2) = 0.5α，求得λ4Ρλ2，即確定出閾值置信區(qū)間(A1，λ2)，其中α的值為每個樣本數(shù)據(jù)的出現(xiàn)概率。
[0034]本發(fā)明說明書中未作詳細(xì)描述的內(nèi)容屬于本領(lǐng)域?qū)I(yè)技術(shù)人員公知的現(xiàn)有技術(shù)。
【主權(quán)項(xiàng)】
1.一種三捷聯(lián)慣組量化動態(tài)閾值置信區(qū)間估計方法，其特征在于步驟如下: .1)分位數(shù)定義 設(shè)隨機(jī)變量X的分布函數(shù)為F(X)，實(shí)數(shù)α滿足O<α< I; 則雙側(cè)α分位數(shù)分別為使P {X< A1} = F(A1) = 0.5α的數(shù)A1，以及使P {X<λ2} = 1-F (λ2)=.0.5<1的數(shù)入2; .2)生成彈道數(shù)據(jù) 將通過蒙特卡洛打靶方法生成帶有三捷聯(lián)慣組誤差模型的彈道數(shù)據(jù)作為樣本數(shù)據(jù)； .3)計算獲得每個樣本數(shù)據(jù)的出現(xiàn)概率 對步驟2)得到的樣本數(shù)據(jù)按照數(shù)值大小進(jìn)行升序排序，將相同的數(shù)值進(jìn)行合并，計算每一個數(shù)據(jù)在原樣本數(shù)據(jù)中出現(xiàn)的次數(shù)占整體數(shù)據(jù)的比例，得到每個樣本數(shù)據(jù)的出現(xiàn)概率； .4)閾值置信區(qū)間估計 設(shè)當(dāng)前的置信度為l-α，根據(jù)步驟3)獲得的每個樣本數(shù)據(jù)的出現(xiàn)概率，代入P{X<h}=F(A1) =0.5α以及Ρ{Χ<λ2} = 1-F(A2)=0.5α，求得λ4Ρλ2，即確定出閾值置信區(qū)間(A1A2),其中α的值為每個樣本數(shù)據(jù)的出現(xiàn)概率。
【文檔編號】G05D1/10GK105892481SQ201610192260
【公開日】2016年8月24日
【申請日】2016年3月30日
【發(fā)明人】徐國強(qiáng), 曹潔, 徐帆, 鞏慶海, 李學(xué)峰, 尚騰
【申請人】北京航天自動控制研究所, 中國運(yùn)載火箭技術(shù)研究院