Lenkstruktur für Flugkörper

Abstract

 Die Erfindung betrifft eine Lenkstruktur zum Lenken eines mit einem Sensorsystem versehenen Flugkörpers zu einem Ziel, wobei aus dem Sensorsystem ein Meßvektor von beobachtbaren Größen ableitbar ist. Der Erfindung liegt die Aufgabe zu Grunde, die Trefferwahrscheinlichkeit bei Einsatz eines Flugkörpers gegen hochagile Ziele zu verbessern, indem für die Lenkung des Flugkörpers die "Begegnungskinematik", also die Bewegungen von Flugkörper und Ziel herangezogen wird. Nach der Erfindung wird in einem flugkörperseitigen Rechner ein Modell sowohl des Flugkörpers und des Sensorsystems als auch des Ziels dargestellt. Das Sensorsystem liefert einen realen Meßvektor. Der Meßvektor ergibt sich aus der realen Relativkinematik von Flugkörper und Ziel. Der reale Meßvektor wird mit einem geschätzten Meßvektor verglichen, der sich aus dem Modell von Flugkörper, Ziel und Sensorsystem ergibt. Der reale und der geschätzte Meßvektor werden normalerweise nicht übereinstimmen, insbesondere da die Bewegungszustände des Ziels nicht bekannt sind. Deshalb wird ein Optimalfilter, z.B. ein Kalmanfilter, ein erweitertes Kalmanfilter oder die zustandsabhängige Riccatigleichung SDRE, von den Abweichungen des geschätzten Meßvektors vom realen Meßvektor beaufschlagt und modifiziert das Flugkörper-Ziel-Modell, also verändert dessen Parameter, in dem Sinne, diese Abweichung zu vermindern und die Meßvektoren einander anzugleichen. Das führt schließlich zu einem Modell, das nicht nur die Bewegungsparameter des Flugkörpers sondern auch die Bewegungsparameter des Ziels nachbildet. In diesem Modell gibt es einen Vektor der Relativkinematik. In Abhängigkeit von diesem Vektor erfolgt dann die Lenkung des Flugkörpers. Es läßt sich in der Simulation zeigen, daß damit auch bei hochagilen Zielen der Flugkörper trotz Fluchtmanövern mit erheblich verbesserter Trefferwahrscheinlichkeit zu dem Ziel geführt werden kann.

Beschreibung

[0001] Die Erfindung betrifft eine Lenkstruktur zum Lenken eines mit einem Sensorsystem versehenen Flugkörpers zu einem Ziel, wobei aus dem Sensorsystem ein Meßvektor von beobachtbaren Größen ableitbar ist.

[0002] Ein Flugkörper soll zu einem Ziel, z.B. einem zu zerstörenden gegnerischen Flugzeug geführt werden. Zu diesem Zweck weist der Flugkörper einen Suchkopf mit einem oder mehreren Sensoren auf. Die Sensoren erfassen ein Ziel. Aus den Signalen dieser Sensoren werden Lenksignale abgeleitet, welche den Flugkörper zu dem Ziel führen.

[0003] Bekannte Flugkörper weisen z.B. einen bildauflösenden Infrarotdetektor auf, der aus einer zweidimensionalen Anordnung von Detektorelementen besteht. Durch ein abbildendes optisches System wird eine das Ziel enthaltende Objektszene auf dem Infrarotdetektor abgebildet. Der Infrarotdetektor beobachtet somit ein Wärmebild, in welchem z.B. die heißen Triebwerke eines Flugzeugs und deren Abgasstrahl als intensive Strahlungsquelle erscheinen. Durch Bildverarbeitung wird aus dem von dem Infrarotdetektor gelieferten "elektronischen Bild" die Position des Ziels im Gesichtsfeld ermittelt. Bei bekannten Flugkörpern ist der Suchkopf im Raum stabilisiert und von den Bewegungen des Flugkörpers entkoppelt. Der Suchkopf kann aber auch mit dem Infrarotdetektor starr im Flugkörper sitzen, wobei durch ebenfalls starr mit der Zelle des Flugkörpers verbundene ("Strap-Down") Inertialsensoren die Entkopplung des elektronischen Bildes von der Bewegung des Flugkörpers erfolgt.

[0004] Üblicherweise wird der Suchkopf real oder virtuell dem Ziel nachgeführt. Aus dieser Nachführung wird die Sichliniendrehrate bestimmt. Die Lenkung erfolgt bei der "Proportionalnavigation" so, daß die Querbeschleunigung des Flugkörpers proportional dieser Sichtliniendrehrate ist.

[0005] Es gibt auch Flugkörper mit Radar- oder Lasersensor oder Sensoren, die in anderen Wellenlängenbereichen als Infrarot arbeiten. Es gibt auch Flugkörper mit mehr als einem Sensor. Man spricht dann von einem Sensorsystem.

[0006] Das Ziel, z.B. ein angegriffenes Flugzeug, hat üblicherweise ebenfalls Sensoren, welche den Angriff durch einen anfliegenden Flugkörper erkennen. Das Ziel trifft dann "Gegenmaßnahmen", die anstreben, den anfliegenden Flugkörper zu stören oder abzulenken. Insbesondere wird aber das angegriffene Flugzeug durch geeignete Manöver dem anfliegenden Flugkörper zu entkommen suchen.

[0007] Bei der Lenkung des Flugkörpers in das Ziel wird natürlich die Bewegung des Flugkörpers selbst durch eine inertiale Meßeinheit bestimmt und berücksichtigt. Die Bewegungsgrößen des Ziels sind dagegen unbekannt. Das zu erwartende Verhalten des Ziels, etwa ob das Ziel ein Fluchtmanöver ausführt und wie dieses Fluchtmanöver aussehen wird, "weiß" der Flugkörper nicht. Der Flugkörper erfaßt nur die Sichtlinie zum Ziel, ggf. Entfernung und Entfernungsänderung und reagiert auf deren Änderungen.

[0008] Der Erfindung liegt die Aufgabe zu Grunde, die Trefferwahrscheinlichkeit bei Einsatz eines Flugkörpers gegen hochagile Ziele zu verbessern.

[0009] Der Erfindung liegt insbesondere die Aufgabe zu Grunde, für die Lenkung des Flugkörpers die "Begegnungskinematik", also die Bewegungen von Flugkörper und Ziel heranzuziehen.

[0010] Erfindungsgemäß wird diese Aufgabe dadurch gelöst, daß

(a) in dem Flugkörper ein Modell von Flugkörper-Ziel-Relativkinematik und Sensorsystem dargestellt ist,

(b) das Modell durch Optimalfiltermittel modifizierbar ist, welche von der Abweichung eines sich aus dem Modell ergebenden Meßvektors von dem realen Meßvektor beaufschlagt sind, wobei durch die Modifikation eine Anpassung des Modells an die Realität angestrebt wird, und

(c) der Flugkörper in Abhängigkeit von einem in dem Modell erzeugten, die relative Kinematik von Flugkörper und Ziel darstellenden Relativkinematik-Vektor lenkbar ist.

[0011] Nach der Erfindung wird in einem flugkörperseitigen Rechner ein Modell sowohl des Flugkörpers und des Sensorsystems als auch des Ziels dargestellt. Das Sensorsystem liefert einen realen Meßvektor. Der Meßvektor ergibt sich aus der realen Relativkinematik von Flugkörper und Ziel. Der reale Meßvektor wird mit einem geschätzten Meßvektor verglichen, der sich aus dem Modell von Flugkörper, Ziel und Sensorsystem ergibt. Der reale und der geschätzte Meßvektor werden normalerweise nicht übereinstimmen, insbesondere da die Bewegungszustände des Ziels nicht bekannt sind. Deshalb wird ein Optimalfilter, z.B. ein Kalmanfilter, ein erweitertes Kalmanfilter oder die zustandsabhängige Riccatigleichung SDRE, von den Abweichungen des geschätzten Meßvektors vom realen Meßvektor beaufschlagt und modifiziert das Flugkörper-Ziel-Modell, also verändert dessen Parameter, in dem Sinne, diese Abweichung zu vermindern und die Meßvektoren einander anzugleichen. Das führt schließlich zu einem Modell, das nicht nur die Bewegungsparameter des Flugkörpers sondern auch die Bewegungsparameter des Ziels nachbildet. In diesem Modell gibt es einen Vektor der Relativkinematik. In Abhängigkeit von diesem Vektor erfolgt dann die Lenkung des Flugkörpers. Es läßt sich in der Simulation zeigen, daß damit auch bei hochagilen Zielen der Flugkörper trotz Fluchtmanövern mit erheblich verbesserter Trefferwahrscheinlichkeit zu dem Ziel geführt werden kann.

[0012] Vorteilhafterweise ist der Relativkinematik-Vektor nach einem optimalen Lenkgesetz auf den Autopiloten des Flugkörpers aufgeschaltet.

[0013] Auf den Autopiloten wird eine kommandierte Querbeschleunigung a_MC aufgeschaltet. Die kommandierte Querbeschleunigung hängt von dem Relativkinematik-Vektor nach einer Funktion f (x̂_k) ab. Diese Funktion f (x̂_k) stellt das Lenkgesetz dar und ist so gewählt, daß sich ein optimales Regelverhalten ergibt.

[0014] Das Modell von Flugkörper und Ziel kann dadurch verbessert werden, daß die Signale einer inertialen Meßeinheit des Flugkörpers auch auf das Modell aufgeschaltet sind. Die Bewegungen des Flugkörpers im inertialen Raum können ja gemessen werden. Durch die Aufschaltung dieser Meßgrößen auf das Modell wird die Bestimmung der Flugkörper-Bewegungszustände in der Relativkinematik x_M verbessert.

[0015] Eine weitere Verbesserung der Modellierung kann erreicht werden durch Schätzermittel zum Schätzen der Zielbeschleunigung, auf welche der Meßvektor, Bilddaten von einem bildauflösenden Detektor des Flugkörpers und Daten der Trägheitsmeßeinheit des Flugkörpers aufgeschaltet sind und durch welche das Modell korrigierbar ist.

[0016] Zweckmäßig sind die Schätzermittel ein entsprechend trainiertes neuronales Netz oder ein fuzzy-neuronales Netz.

[0017] Das Ziel ist in dem hier interessierenden Abstandsbereich kein Punktziel mehr. Ein bildauflösender Detektor "sieht" eine Kontur im Bild des Ziels. Bei einem Flugzeug als Ziel ist eine Querbeschleunigung mit einer Änderung der Kontur verbunden. Das Flugzeug muß notwendig in eine Schräglage und/oder in Lageänderungen um die Hochachse gehen. Aus diesen Konturänderungen kann ggf. unter Berücksichtigung anderer beobachteter Größen wie der Entfernung auf die Querbeschleunigung geschlossen werden. Das kann ein menschlicher Pilot auf Grund seiner Erfahrung abschätzen. Das kann dementsprechend auch ein darauf trainiertes neuronales Netz, das außer von den Bilddaten von dem Meßvektor und -zu Berücksichtigung der Eigenbewegung des Flugkörpers- von den Signalen der Trägheitsmeßeinheit des Flugkörpers beeinflußt ist.

[0018] Eine Verbesserung der Modellierung kann auch erreicht werden durch Schätzermittel zum Schätzen der dreidimensionalen Bahn des Ziels sowie des Zieltyps, auf welche der Meßvektor, Bilddaten von einem bildauflösenden Detektor des Flugkörpers und Daten der Trägheitsmeßeinheit des Flugkörpers aufgeschaltet sind und durch welche das Modell korrigierbar ist.

[0019] Auch hier sind zweckmäßig die Schätzermittel ein entsprechend trainiertes neuronales Netz, ein fuzzy-neuronales Netz oder im einfachsten Fall eine regelbasierte Fuzzy-Logikeinheit.

[0020] Ein Beobachter kann aus dem Bild des Ziels bei Kenntnis der Meßgrößen des Meßvektors und natürlich bei Berücksichtigung der Eigenbewegung auf Grund seiner Erfahrung Aussagen über die dreidimensionale Bahn des Ziels sowie des Zieltyps machen. Das kann dann auch ein darauf trainiertes neuronales Netz oder eine regelbasierte Fuzzy-Logikeinheit.

[0021] Wenn so durch "Vorwissen" schon gewisse Aussagen über das Modell, insbesondere über das Ziel und seine Bahn, gemacht werden können, dann wird es einfacher, d.h. geht es schnell er und erfordert geringeren Rechenaufwand, mittels des Optimalfilters das Modell an die Realität anzupassen.

[0022] Das Modell kann in der Weise weitergebildet werden, daß

(a) das das Modell der Flugkörper-Ziel-Relativkinematik eine Mehrzahl von Hypothesen über die Bewegung des Ziels enthält.

(b) das Modell parallel für jede dieser Hypothesen durch ein zugehöriges Optimalfilter im Sinne einer Anpassung des Modells an die Realität modifizierbar ist,

(c) die dabei erhaltenen geschätzten Zustandsvektoren und eine Ausgangsgröße des zugehörigen Optimalfilters auf eine Inferenzeinheit aufgeschaltet ist, die einen oder mehrere Zustandsvektoren auswählt,

(d) durch die Inferenzeinheit wenigstens ein ausgewählter Zustandsvektor auf einen zugehörigen Lenkregler aufschaltbar ist, der nach einem zugehörigen optimalen optimalen Lenkgesetz arbeitet.

[0023] In vielen Fällen liegen Kenntnisse über das Bewegungsverhalten potentieller Ziele vor. Wenn das Ziel ein gegnerisches Flugzeug ist, dann kommt nur eine begrenzte Anzahl von Flugzeugtypen als Ziel in Frage. Das Flugverhalten solcher Flugzeugtypen ist in der Regel bekannt. Insbesondere ist bekannt, welche optimalen Fluchtbewegungen ein solches Flugzeug bei Anflung eines Flugkörpers ausführt -und ausführen muß, wenn es dem Flugkörper entkommen will. Diese Kenntnis kann zur Vereinfachung der Modellierung ausgenutzt werden, indem für die verschiedenen Zieltypen, z.B. Flugzeugtypen, Hypothesen über denen Bewegungen aufgestellt werden. Mit diesen Hypothesen werden parallele Modelle der Flugkörper-Ziel-Relativkinematik vorgesehen. Jedes dieser Modelle wird durch ein zugehöriges Optimalfilter optimiert. Die Optimalfilter liefern Größen, die angeben, wie gut nach einem Rechenschritt die Anpassung des Modells an die Realität erfolgt ist. Bei einem Optimalfilter liefert das Residuum, d.h. die Differenz des sich aus dem Modell ergebenden Meßvektors und des real gemessenen Meßvektors ein Maß für die Güte dieser Anpassung. Diese von den Optimalfiltern gelieferten Größen, z.B. Residuen, und Schätzwert der Relativkinematik aus dem Modell sind auf eine Inferenzeinheit geschaltet. Die Inferenzeinheit kann ein neuronales Netz oder ein fuzzy-neuronales Netz sein. Die Inferenzeinheit wählt dann ein der Realität am nächsten kommendes Modell aus. Die Inferenzeinheit kann auch mehrere Modell mit entsprechenden Gewichten auswählen, wenn mehrere solcher Modelle etwa gleich gut an die Realität angepaßt sind. Der Schätzwert der Relativkinematik jedes der ausgewählten Modelle ist mit einem zugehörigen optimalen Lenkgesetz auf den Autopiloten des Flugkörpers aufgeschaltet.

[0024] Durch die Ausnutzung von Vorkenntnissen über das Ziel braucht das Optimalfilter weniger Rechenaufwand, um das Modell von Flugkörper und Ziel an die Realität anzupassen. Die Anpassung geht schneller und wird genauer. Dementsprechend steht auch der Vektor der Flugkörper-Ziel-Relativkinematik schneller und genauer zur Verfügung. Das entspricht der Arbeitsweise des menschlichen Gehirns: Das Gehirn erzeugt sich auf Grund der Sinneseindrücke ein Modell der realen Welt, und der Mensch handelt entsprechend. Dabei werden aus dem Unterbewußtsein Erfahrungen über ähnliche Situationen hervorgeholt und mit verarbeitet. Ein Autofahrer, der feststellt, daß auf der Retina erzeugte Bild eines vor ihm fahrendes Fahrzeugs plötzlich größer wird, stellt keine Überlegungen darüber an, daß das scheinbare Größerwerden des Fahrzeugs auf eine Annäherung durch verminderte Geschwindigkeit dieses Fahrzeugs verursacht wird, daß er dementsprechend zur Vermeidung eines Auffahrens seine Geschwindigkeit ebenfalls vermindern sollte und daß man dies durch Betätigen eines Bremspedals erreichen kann. Solche Überlegungen würden viel zu lange dauern und zu einem Auffahrunfall führen. Vielmehr holt der Autofahrer aus seinem Unterbewußtsein Erfahrungen aus vergleichbaren Situationen und tritt ohne Nachdenken auf die Bremse. Das Nachdenken ist nur erforderlich zur Anpassung des Grundmusters an die spezielle Situation. Die vorgenannten logischen Überlegungen entsprechen der Wirkungsweise des Optimalfilters. Der Einsatz von Vorwissen durch Schätzer oder Hypothesen entspricht dem Unterbewußtsein.

[0025] Ausführungsbeispiele der Erfindung sind nachstehend unter Bezugnahme auf die zugehörigen Zeichnungen näher erläutert.

Fig.1

ist ein Blockdiagramm einer Lenkstruktur zum Lenken eines mit einem Sensorsystem versehenen Flugkörpers zu einem Ziel, wobei die Anpassung des Modells der Begegnungssituation an die reale Welt ausschließlich durch ein Optimalfilter erfolgt.

Fig.2

ist ein Blockdiagramm ähnlich Fig.1, wobei zusätzlich eine Schätzung der Zielbeschleunigung mittels eines neuronalen Netzes erfolgt.

Fig.3

ist ein Blockdiagramm ähnlich Fig.1, wobei zusätzlich eine Schätzung der dreidimensionalen Flugbahn des Ziels mittels eines neuronalen Netzes erfolgt.

Fig.4

ist ein Blockdiagramm einer Lenkstruktur mit einer Mehrzahl von Zielmodellen und einer Mehrzahl von Optimalfiltern, wobei jedem Zielmodell eine Hypothese über die Zielbewegung zu Grunde liegt und mittels eines neuronalen oder fuzzy-neuronalen Netzes deine Auswahl des für die Lenkung verwendeten Zielmodells erfolgt.

Fig.5

ist ein Blockdiagramm einer Lenkstruktur ähnlich Fig. 1 bis 4, wobei auf den Autopiloten des Flugkörpers zusätzlich Sensorsignale reaktiv, z.B. nach einem algorithmischen Lenkgesetz aufschaltbar sind.

[0026] In Fig. 1 ist als Blockdiagramm oberhalb einer strickpunktierten Linie 10 die reale Welt dargestellt. Block 12 bezeichnet den Flugregler des Ziels, eines anzugreifenden gegnerischen Flugzeuges. Die Zieldynamik 14 liefert die Änderung eines Zustandsvektors ẋ_T des Zieles. Ein Block 16 stellt den Autopiloten eines Flugkörpers dar. Der Autopilot 16 erhält an einem Eingang 18 in noch zu beschreibender Weise eine kommandierte Querbeschleunigung a_MC. An einem Eingang 20 erhält der Autopilot 16 Signale von einer Trägheitsmeßeinheit ("IMU"). Aus der Flugkörperdynamik ergibt sich die Änderung ẋ_M des Zustandsvektors des Flugkörpers. Diese Änderung ẋ_M des Zustandsvektors des Flugkörpers beaufschlagt die Trägheitsmeßeinheit 22 des Flugkörpers.

[0027] Aus den Änderungen der Zustandsvektoren ẋ_T und ẋ_M von Ziel und Flugkörper ergibt sich eine Änderung der Relativkinematik, die durch einen Vektor ẋ_R dargestellt ist. Das ist in Fig.1 schematisch durch einen Summierpunkt 24 dargestellt. Tatsächlich ist der Vektor ẋ_R nicht einfach die Differenz der Zustandsvektoren ẋ_T und ẋ_M, sondern es ist generell ẋ_R = f(ẋ_T,ẋ_M) plus Rauschen.

[0028] Der Vektor ẋ_R der Änderung der Relativkinematik wird integriert, was durch Block 26 dargestellt ist. Das Liefert den Vektor x_R. In Block 26 ist "s" die Variable der Laplace-Transformation. Die durch Vektor x_R gekennzeichnete Relativkinematik wird durch Sensoren, die ein Sensorsystem 28 bilden, erfaßt. Diese Sensoren können passive Sensoren wie bildauflösende Infrarotsensoren sein, oder aktive Sensoren wie Radar- oder Lasersensoren. Das Sensorsystem liefert z.B. Signale nach Maßgabe der Sichtlinie σ, der Sichtliniendrehrate σ̇, des Abstands R zwischen Flugkörper und Ziel und dessen Änderung Ṙ. Diese Signale werden einer Signalverarbeitung 30 unterworfen und liefern einen realen Meßvektor z.

[0029] Der Flugkörper enthält nun in einem Rechner ein Modell 31 der vorstehend geschilderten realen Welt. Im vorliegenden Fall ist dies ein algorithmisch dargestelltes Modell. Dieses Modell 31 ist in Fig.l durch eine gestrichelte Linie umrandet. Dieses Modell umfaßt ein Modell 32 des Flugkörpers und ein Modell 34 des Ziels. Auf das Modell 32 des Flugkörpers sind die Signale der (realen) Trägheitsmeßeinheit 22 aufgeschaltet. Das Modell 32 des Flugkörpers liefert einen Schätzwert

der Änderung des Zustandsvektors des Flugkörpers. Das Modell 34 des Ziels liefert einen Schätzwert

der Änderung des Zustandsvektors des Ziels. Aus den beiden Vektoren

und

ergibt sich ein Vektor

der im Modell als Schätzwert die Änderung der Relativkinematik zwischen Flugkörper und Ziel darstellt. In Fig. 1 ist dies wieder symbolisch als ein Summierpunkt 36 dargestellt, obwohl der Vektor

nicht einfach die Differenz der Änderungen der Zustandsvektoren ist. Auch hier ist allgemein

= f(

,

) plus Rauschen. Der Vektor

wird integriert, wie durch Block 38 dargestellt ist. Das ergibt einen Schätzwert x̂ des Vektors der Relativkinematik. Dieser Schätzwert x̂_R ist auf ein Sensormodell 40 aufgeschaltet. Das Sensormodell 40 ist ein Modell der Sensoren und der zugehörigen Signalverarbeitung. Das Sensormodell 40 liefert einen Schätzwert ẑ des Meßvektors.

[0030] Da das Modell im allgemeinen zunächst nicht mit der Realität übereinstimmt, insbesondere weil das Verhalten des Ziels unbekannt ist, wird der Schätzwert ẑ des Meßvektors zunächst nicht mit dem realen Meßvektor z übereinstimmen. In einem Summierpunkt 42 wird die Differenz der beiden Meßvektoren z und ẑ gebildet. Diese Differenz wird auf ein Optimalfilter44 geschaltet. Dieses Optimalfilter 44 kann z.B. ein Kalmanfilter, ein erweitertes Kalmanfilter oder eine Lösung der zustandsabhängigen Riccatigleichung (SDRE) sein. Durch das Optimalfilter werden die Parameter des Modells modifiziert im Sinne einer Anpassung des Modells 31 an die Realität. Das ist in Fig.1 symbolisch dargestellt durch die Aufschaltung eines Vektors Δ

von dem Optimalfilter 44 auf den Summierpunkt 36. Damit wird der Vektor

korrigiert, was nach Integration zu einem korrigierten Relativkinematik-Vektor

führt. Dadurch wird der Schätzwert ẑ des Meßvektors an den realen Meßvektor z angeglichen.

[0031] Der sich so aus dem Modell ergebende Relativkinematik-Vektor

ist nun auf einen optimalen Lenkregler 46 aufgeschaltet, der eine kommandierte Querbeschleunigung a_MC auf den Autopiloten des Flugkörpers aufschaltet.

[0032] Die Lenkstruktur von Fig.2 entspricht im wesentlichen der Lenkstruktur von Fig.1. Entsprechende Teile sind in beiden Figuren mit den gleichen Bezugszeichen versehen und nicht noch einmal im einzelnen beschrieben.

[0033] Die Lenkstruktur von Fig.2 enthält zusätzlich ein ein neuronales Netz 50. Auf dieses neuronale Netz 50 ist einmal der Meßvektor z aufgeschaltet. Weiterhin erhält das neuronale Netz 50 Bilddaten von einem Bildsensor oder bildauflösenden Detektor. Schließlich sind auch die Signale der Trägheitsmeßeinheit auf das neuronale Netz aufgeschaltet und berücksichtigen die Eigenbewegung des Flugkörpers. Das neuronale Netz 50 ist so trainiert, daß aus diesen Eingangsgrößen Schätzwerte für die Querbeschleunigung des Ziels liefert. Das neuronale Netz 50 nutzt z.B. die Tatsache aus, daß eine Querbeschleunigung eines das Ziel bildenden Flugzeugs mit einer Lageänderung des Flugzeugs im Raum und damit einer charakteristischen Änderung der Kontur, die vom Flugkörper aus "gesehen" wird, einhergeht. Aus einer sochen Konturänderung kann daher nach Erfahrungen -in Form von Lernprozessen des neuronalen Netzes- auf Größe und Richtung der Querbeschleunigung geschlossen werden.

[0034] Die auf diese Weise gewonnene Kenntnis über das Ziel wird bei der Modellierung des Ziels berücksichtigt. Das ist in Fig.2 dadurch symbolisch dargestellt, daß die Beschleunigung a_T des Ziels über eine Schleife 52 zusätzlich auf den "Summierpunkt" 36 aufgeschaltet ist.

[0035] Die Lenkstruktur von Fig.3 entspricht ebenfalls im wesentlichen der Lenkstruktur von Fig.1. Entsprechende Teile sind in beiden Figuren mit den gleichen Bezugszeichen versehen und nicht noch einmal im einzelnen beschrieben.

[0036] Die Lenkstruktur von Fig.3 enthält in ähnlicher Weise wie Fig.2 zusätzlich ein neuronales Netz 54. Auf dieses neuronale Netz 54 ist wie in Fig.2 einmal der Meßvektor z aufgeschaltet. Weiterhin erhält das neuronale Netz 54 ebenfalls Bilddaten von einem Bildsensor oder bildauflösenden Detektor. Schließlich sind auch die Signale der Trägheitsmeßeinheit auf das neuronale Netz 54 aufgeschaltet und berücksichtigen die Eigenbewegung des Flugkörpers. Das neuronale Netz 54 ist aber so trainiert, daß aus diesen Eingangsgrößen Schätzwerte für die dreidimensionale Bahn des Ziels erhalten werden. Auch diese Schätzwerte dienen der besseren Modellierung der Relativkinematik. Das ist in Fig.3 dadurch symbolisiert, daß der Ausgang des neuronalen Netzes 54 über eine Schleife auf den "Summierpunkt" 36 aufgeschaltet ist.

[0037] Das neuronale Netz 54 liefert außerdem aus den aufgeschalteten Bilddaten eine Aussage über die Art des Zielobjekts.

[0038] Eine weitere Ausführung der Lenkstruktur ist in Fig.4 dargestellt. Die Ausführung nach Fig.4 geht davon aus, daß die Anzahl möglicher Ziele in vielen Fällen begrenzt ist. So gibt es nur eine begrenzte Anzahl von Flugzeugtypen, die von einem Gegner eingesetzt werden. Die Flugeigenschaften dieser Flugzeuge sind bekannt. Es ist auch bekannt, welche optimalen Fluchtmanöver ein bestimmter Flugzeugtyp machen kann, um einem anfliegenden Flugkörper zu entkommen. Dieses Wissen ist bei der Lenkstruktur von Fig.4 verwirklicht.

[0039] Die Lenkstruktur von Fig.4 entspricht in wesentlichen Teilen der von Fig.1. Auch hier sind entsprechende Teile mit den gleichen Bezugszeichen versehen wie dort und nicht nochmals im einzelnen beschrieben.

[0040] Statt eines Modells des Zieles sind bei der Lenkstruktur von Fig.4 eine Mehrzahl von Modellen vorgesehen, von denen jedem Modell eine Hypothese über die Zielbewegung zu Grunde gelegt ist. Diese Hypothesen entsprechen z.B. möglichen Fluchtbewegungen eines Flugzeugtyps oder mehrerer Flugzeugtypen. Diese Hypothesen über die Zielbewegung sind in Fig.4 durch Blöcke 34.1, 34.2 ... 34.n dargestellt. Jede dieser Hypothesen ergibt einen Vektor

. Jeder der Hypothesen 34.1, 34.2 ... 34.n ist ein Optimalfilter 44.1, 44.1... 44.n zugeordnet. Das Modell des Flugkörpers ist natürlich in allen Fällen das gleiche. Es ergeben sich eine Mehrzahl von parallelen Modellen der Flugkörper-Ziel-Relativkinematik mit zugeordneten Optimalfiltern, die in der beschriebenen Weise durch Δ

an die Realität angepaßt werden.

[0041] Je besser die Hypothese über die Zielbewegung in einem bestimmten Modell der Flugkörper-Ziel-Relativdynamik der Realität entspricht, desto kleiner wird bei einem Optimalfilter das "Residuum"

, d.h. die Differenz von gemessenem und geschätzem Wert. Eine Inferenzeinheit 58 erhält als Eingänge einmal die Vektoren

von den verschiedenen Modellen und zum anderen die Residuen

. Die Inferenzeinheit 58 wählt dann nach Maßgabe der Residuen

einen Vektor x̂_R eines der Modelle aus. Dieser wird dann auf ein zugeordnetes optimales Lenkgesetz gegeben, woraus sich eine kommandierte Querbeschleunigung a_MC ergibt. Es kann sein, daß nach den Residuen

mehr als ein Modell die Realität ziemlich gut annähert. In diesem Fall kann es geschehen, daß die Inferenzeinheit 58 mehr als einen Vektor x̂_R auswählt und die ausgewählten Vektoren sowie die zugehörigen Lenkgesetze gewichtet überlagert werden. Die Inferenzeinheit 58 kann, wie in Fig.4 angedeutet, ein neuronales Netz oder ein fuzzy-neuronales Netz enthalten.

[0042] Fig.5 zeigt eine weitere Ausführung einer Lenkstruktur, bei welcher der Relativkinematik-Vektor x̂_R aus dem Modell einmal über einen ersten Kanal nach einem wissensbasierten, optimalen Lenkgesetz und zum anderen über einen zweiten Kanal reaktiv, z.B. nach einem algorithmischen Lenkgesetz auf den Autopiloten aufschaltbar ist.

[0043] Die Lenkstruktur mit der realen Welt und dem Modell der realen Welt ist die gleiche wie bei den Ausführungen nach Fig.1 bis 4. Entsprechende Teile sind mit den gleichen Bezugszeichen versehen wie in Fig.1 bis 4 und nicht mehr im einzelnen beschrieben. Das Modell 31 liefert einen Schätzwert x̂_R für den die Relativkinematik zwischen Flugkörper und Ziel darstellenden Relativkinematik-Vektor. Nach diesem Schätzwert des Relativkinematik-Vektors x̂_R erfolgt die Lenkung.

[0044] Bei der Ausführung nach Fig.5 sind zwei Kanäle 60 und 62 auf den Autopiloten 16 aufgeschaltet. Über den Kanal 60 erfolgt die Lenkung -wie bei den Ausführungen von Fig. 1 bis 4- nach einem wissensbasierten, optimalen Lenkgesetz in Abhängigkeit von dem im Modell 31 geschätzten Relativkinematik-Vektor x̂_R.

[0045] Ein solches Lenkgesetz kann beispielsweise dadurch implementiert werden, daß ausgehend von verschiedenen simulierten, durch Relativkinematik-Vektoren dargestellten Begegnungssituationen Verläufe von Stellsignalen berechnet werden, die schließlich dazu führen, daß der Flugkörper das Ziel trifft. Diese Verläufe werden nach bestimmten Kriterien z.B. hinsichtlich Flugzeit und Treibstoffverbrauch optimiert. Für jede solche Begegnungssituation ergibt sich dann eine Art "mehrdimensionale Kennlinie". Die Gesamtheit dieser Kennlinien liefert ein mehrdimensionales Kennlinienfeld. Dieses Kennlinienfeld gestattet das Trainieren eines neuronalen Netzes zur Darstellung des optimalen Lenkgesetzes. Das ist in Fig.5 durch Blöcke 64 dargestellt.

[0046] In dem zweiten Kanal 62 ist ein algorithmisches oder "reaktives" Lenkgesetz verwirklicht. Das ist durch Block 66 dargestellt. Als Meßgrößen dienen hier verarbeitete Sensorsignale, die durch einen Vektor z dargestellt sind. Das algorithmische Lenkgesetz kann, wie angegeben, die Proportionalnavigation sein, wobei z.B. die kommandierte Querbeschleunigung proportional zur Drehrate der Sichtlinie zum Ziel gemacht wird. Das algorithmische Lenkgesetz kann eine modifizierte Proportionalnavigation sein. Das algorithmische Lenkgesetz kann aber auch durch eine Lösung der zustandsabhängigen Ricatigleichung (SDRE) gegeben sein. Alternativ kann das "reaktive" Lenkgesetz auch durch ein neuronales oder fuzzy-neuronales Netz realisiert sein. Dieses neuronale oder fuzzy-neuronale Netz wird offline trainiert mit Daten, die als optimale Trajektorien für gegebene Begegnungssituationen zwischen Flugkörper und Ziel als ergebnis einer numerischen, genetischen oder evolutionären Optimierungsrechnung erzeugt werden.

[0047] Dieser reaktive Teil der Lenkung reagiert schnell und direkt und, z.B. im Fall der Proportionalnavigation, über ein einfaches und robustes Lenkgesetz. Dabei werden Sensordaten wie inertiale Sichtlinienrichtung σ, Sichtlinien-Drehrate und Entfernung R verwendet.

[0048] Ein Hauptlenkregler 68 steuert über Steuereinheiten 70 bzw. 72 die Aufschaltung der beiden Kanäle 60 und 62 auf den Autopiloten 16. Die Aufschaltung des einen oder des anderen Kanals 60, 62 oder beider Kanäle erfolgt in Abhängigkeit vom aerodynamischen Zustand des Flugkörpers (Geschwindigkeit, Anstellwinkel, Flughöhe) und des Status des Flugkörpers (z.B. des noch vorhandenen Treibstoffvorrats)

[0049] Ein weiteres wichtiges Kriterium, nach welchem der erste "Relativkinematik"- oder der zweite "reaktive" Kanal 60 bzw. 62 auf den Autopiloten aufgeschaltet wird, ist die Zuverlässigkeit des Relativkinematik-Vektors x̂_R. Der Schätzwert des Relativkinematik-Vektor x̂_R wird durch ein optimales Filter 44, z.B. ein Kalmanfilter, erhalten. Solche Filter liefern nicht nur einen Schätzwert für den Relativkinematik-Vektor x̂_R sondern auch Schätzwerte für die "Zuverlässigkeit" der Komponenten dieses Vektors in Form z.B. der Kovarianzen. Der Hauptlenkregler kann diese Zuverlässigkeiten abfragen. Wenn der Schätzwert des Relativkinematik-Vektors x̂_R etwa durch Störmaßnahmen des Ziels nur eine unzureichende "Zuverlässigkeit" besitzt, wird der Hauptlenkregler sich für die Lenkregelung ausschließlich oder vornehmlich auf den reaktiven Kanal 62 stützen.

[0050] Die Aufschaltung einerseits des Relativkinematik-Vektors x̂_R über einen optimalen Regler und andererseits der (verarbeiteten) Sensorsignale z in einem reaktiven Kanal bietet wesentliche Vorteile: Der optimale Regler führt den Flugkörper auf einer optimalen Flugbahn zum Ziel. Es hat sich aber gezeigt, daß der optimale Regler auf schnelle und unerwartete Änderungen der Relativkinematik, die z.B. durch ein unerwartetes Manöver des Ziels verursacht wird, zu langsam reagiert. Es erfordert Zeit, bis der optimale Regler in dem ersten Kanal die richtige "mehrdimensionale Kennlinie" für einen Relativkinematik-Vektor x̂_R ermittelt hat. Auch kann die Zuverlässigkeit des Schätzwertes des Relativkinematik-Vektors x̂_R unzureichend sein. In einem solchen Fall reagiert zunächst relativ schnell der "reaktive" Kanal 62 auf Sensorsignale, z.B. auf eine Änderung der Sichtlinie zum Ziel, und führt den Flugkörper nach dem Lenkgesetz der Proportionalnavigation. Welcher der beiden Kanäle 60 oder 62 durch den Hauptlenkregler aufgeschaltet wird, richtet sich nach dem aerodynamischen Zustand und dem sonstigen Status des Flugkörpers sowie der Zuverlässigkeit des Relativkinematik-Vektors x̂_R.

[0051] Bei der Ausführung von Fig.5 ist das Zielmodell 34 durch zusätzliche Informationen aus den Sensor- Bild- und Trägheitsmeßdaten ergänzt, wie das in den Figuren 2, 3 und 4 dargestellt ist. Das ist durch die Blöcke 50A und 50B, die dem Block 50 in Fig.2 entsprechen und Block 54 dargestellt. Block 74 liefert Informationen über übliche Fluchtmanöver eines dem Typ nach erkannten Ziels, z.B. eines bestimmten, erkannten Flugzeugtyps. Die verschiedenen so gelieferten Informationen werden einer Inferenzverarbeitung unterworfen, und das Zielmodell 34 wird danach modifiziert.

Ansprüche

1. Lenkstruktur zum Lenken eines mit einem Sensorsystem versehenen Flugkörpers zu einem Ziel, wobei aus dem Sensorsystem ein Meßvektor (z) von beobachtbaren Größen ableitbar ist, dadurch gekennzeichnet, daß

(a) in dem Flugkörper ein Modell (31) von Flugkörper-Ziel-Relativkinematik und Sensorsystem (28) dargestellt ist,

(b) das Modell durch ein Optimalfiltermittel (44) modifizierbar ist, welches von der Abweichung eines sich aus dem Modell ergebenden Meßvektors (ẑ) von dem realen Meßvektor (z) beaufschlagt sind, wobei durch Die Modifikation eine Anpassung des Modells (31) an die Realität angestrebt wird, und

(c) der Flugkörper in Abhängigkeit von einem in dem Modell erzeugten, die relative Kinematik von Flugkörper und Ziel darstellenden Relativkinematik-Vektor (x̂_R) lenkbar ist.

2. Lenkstruktur nach Anspruch 1, dadurch gekennzeichnet, daß der Relativkinematik-Vektor (x̂_R) nach einem optimalen Lenkgesetz (46) auf den Autopiloten (16) des Flugkörpers aufgeschaltet ist.

3. Lenkstruktur nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß die Signale einer inertialen Meßeinheit (22) des Flugkörpers auch auf das Modell (31) aufgeschaltet sind.

4. Lenkstruktur nach einem der Ansprüche 1 bis 3, gekennzeichnet durch Schätzermittel (50) zum Schätzen der Zielbeschleunigung, auf welche der Meßvektor, Bilddaten von einem bildauflösenden Detektor des Flugkörpers und Daten der Trägheitsmeßeinheit (22) des Flugkörpers aufgeschaltet sind und durch welche das Modell (31) korrigierbar ist.

5. Lenkstruktur nach einem der Ansprüche 1 bis 4, gekennzeichnet durch Schätzermittel (54) zum Schätzen der dreidimensionalen Bahn des Ziels, auf welche der Meßvektor, Bilddaten von einem bildauflösenden Detektor des Flugkörpers und Daten der Trägheitsmeßeinheit (22) des Flugkörpers aufgeschaltet sind und durch welche das Modell (31) korrigierbar ist.

6. Lenkstruktur nach Anspruch 4 oder 5, dadurch gekennzeichnet, daß die Schätzermittel (50,54) ein entsprechend trainiertes neuronales Netz sind.

7. Lenkstruktur nach einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, daß

(a) das das Modell (31) der Flugkörper-Ziel-Relativkinematik eine Mehrzahl von Hypothesen (34.1, 34.2 ... 34.n) über die Bewegung des Ziels enthält.

(b) das Modell (31) parallel für jede dieser Hypothesen (34.1, 34.2 ... 34.n) durch ein zugehöriges Optimalfilter (44.1, 44.2... 44.n) im Sinne einer Anpassung des Modells (31) an die Realität modifizierbar ist,

(c) die dabei erhaltenen geschätzten Zustandsvektoren (x̂_R) und eine Ausgangsgröße (

) des zugehörigen Optimalfilters (44.1, 44.2... 44.n) auf eine Inferenzeinheit (58) aufgeschaltet ist, die einen oder mehrere Zustandsvektoren (x̂_R) auswählt,

(d) durch die Inferenzeinheit (58) wenigstens ein ausgewählter Zustandsvektor (x̂_R) auf einen zugehörigen Lenkregler (46.1, 46.2 ... 46.n) aufschaltbar ist, der nach einem zugehörigen optimalen Lenkgesetz arbeitet.

8. Lenkstruktur nach Anspruch 2, dadurch gekennzeichnet, daß auf den Autopiloten (16) des Flugkörpers zusätzlich Sensorsignale (z) in einem reaktiven Kanal (62) aufgeschaltet oder aufschaltbar sind.

9. Lenkstruktur nach Anspruch 8, dadurch gekennzeichnet, daß die Aufschaltung der Sensorsignale nach einem algorithmischen Lenkgesetz erfolgt.

10. Lenkstruktur nach Anspruch 9, dadurch gekennzeichnet, daß das algorithmische Lenkgesetz das Lenkgesetz der Proportionalnavigation ist.

11. Lenkstruktur nach Anspruch 9, dadurch gekennzeichnet, daß das algorithmische Lenkgesetz ein Lenkgesetz einer modifizierten Proportionalnavigation ist.

12. Lenkstruktur nach Anspruch 9, dadurch gekennzeichnet, daß das algorithmische Lenkgesetz eine Lösung der zustandsabhängigen Ricatigleichung beinhaltet.

13. Lenkstruktur nach Anspruch 9, dadurch gekennzeichnet, daß der reaktive Kanal ein neuronales oder fuzzy-neuronales Netz enthält.

14. Lenkstruktur nach Anspruch 13, dadurch gekennzeichnet, daß das neuronale oder fuzzy-neuronale Netz offline mit Daten trainiert ist, die als optimale Trajektorien für gegebene Begegnungssituationen zwischen Flugkörper und Ziel als Ergebnis einer Optimierungsrechnung erzeugt werden.

15. Lenkstruktur nach einem der Ansprüche 8 bis 14, dadurch gekennzeichnet, daß

(a) die Aufschaltung des Relativkinematik-Vektors (x̂_R) nach einem wissensbasierten optimalen Lenkgesetz über einen ersten Kanal und die Aufschaltung von Sensorsignalen über einen zweiten, reaktiven Kanal erfolgt und

(b) ein Hauptlenkregler vorgesehen ist, der in Abhängigkeit von dem aerodynamischen Zustand und/oder dem Status des Flugkörpers und/oder der Zuverlässigkeit des Relativkinematik-Vektors (x̂_R) den ersten Kanal oder den zweiten Kanal oder beide auf den Autopiloten des Flugkörpers aufschaltet.

Zeichnung