步枪的微型火控方法及系统 本发明涉及一种火控方法及系统。更确切地，但并不排它地讲，是一种针对目标狙击步枪的微型火控方法及系统。其利用从MEMS角速度传感器和加速度计、视线和激光测距器来的信息以及附加的惯性稳定平台，以便当操作者和目标都在运动时，在击中概率、部件微型化、减轻重量以及增加有效距离方面取得实质性的改进。
目前狙击步枪是应用标准动能子弹，辅以光学视线的常规枪枝，有时配备激光测距器，例如图1所示的麦克米兰(McMillan)M-32聚焦激光狙击步枪。该M-32步枪作为一种重型步兵狙击步枪，为陆军最优秀的狙击小组而开发。它主要用于在敌后区域消灭其高价的武装人员目标。为了完成这一任务，M-32装备了一个激光测距器，(其可用两个，因近距离可见激光工作)和一个第六代蔡斯(Zeiss)热成像器。
由于杀伤力的增强、使用者的运动、目标的运动和距离增加的要求，有必要应用创新技术，在许多领域内对现有的狙击步枪进行性能改进。专用集成电路(ASIC)和MEMS(Micro-Electro-Mechanical-System)技术的迅速发展使提高现有的狙击步枪的性能成为可能。
从原理上讲，另一个取得增加步枪的杀伤力、运动操作者、运动目标和扩展的距离要求的直接方法是发展一种智能子弹，即一种“微型导弹”。但在不久的将来还不可能将整个导引、导航与控制系统(GN&C)以及发动机植入如此小的子弹中。
随着专用集成电路和MEMS技术的迅速发展，有可能发展一种火控系统为使用者提供最优性能来控制步枪，以提高击中概率，提高射程，运动目标能力，和运动使用者能力。所以，本发明为步枪提供了一种低成本、重量轻、集成的微型火控系统，其综合了来自激光测距器和MEMS惯性传感器组件的信息以及子弹弹道特性，并实现了一个惯性稳定地视线和枪管。
步枪的火控系统需要隔离使用者的运动，通过处理角速度传感器和加速度传感器敏感到的信号，使枪管准确指向，子弹击中目标。然而，不能使用常规的角速度传感器和加速度传感器，因为它们的成本，体积，重量，和功耗对步枪和它的使用者来说太太了。
角速度传感器和加速度传感器技术的新前景正在展现。MEMS技术使得有可能制造出与常规惯性器件相比，在成本，体积，和可靠性方面有巨大改进的角速度传感器和加速度传感器。
MEMS的意思是微机电系统或微小的电气机械装置。MEMS装置涉及到应用集成电路技术产生可以控制的机械可运动结构。MEMS包括微电子和微机械概念。MEMS装置的例子有喷墨打印机的打印头，打开汽车安全气袋的加速度计，和微型机器人。微电子技术在硅片上制作电子线路，是一种很成熟的技术。众所周知，三十年前，随着第一块集成电路的出现，开始了硅革命。集成电路事实上改变了我们生活的各个方面。过去三十多年来，集成电路工业的标志一直是指数增长着的一个硅片内所集成的晶体管数目。一个硅片内晶体管数目迅速增长，导致集成电路性能的连续不断提高。随着时间的推移，庞大，昂贵，复杂的系统已经被小巧，高性能，廉价的集成电路所取代。虽然微电子电路功能的增长确实巨大，但大部分地，这一增长局限于芯片的处理能力。
MEMS被认为是硅革命合乎逻辑的下一步。相信这下一步将是不同的，比简单地集成更多晶体管到硅片更为重要。下一世纪三十年中，硅革命的标志将是集成到芯片结构中的新型功能。其将不仅使芯片思考，而且敏感、行动和通信。MEMS是组合电气与机械部件的微器件与系统。它们用集成电路(IC)批处理技术制作，其大小从微米到毫米。材料沉积，牺牲氧化物，和腐蚀工艺可用来雕刻不大于一微米的运动部件。这些系统可在微观上进行传感、控制和执行，单独起作用或以阵列形式产生宏观效果。一些MEMS应用包括：传感器：惯性，压力；光学开关：集成光学，微光学；生物医学器件；微流变学；海量数据存储；微仪表；微机械；微泵；微机器人。MEMS是正在成长的工业，有一个计算估计其今天有一百亿美元的市场，2003年有三百四十亿的市场。应用半导体工业典型的批量制造技术，可以同时制作成千相同的传感器，每个几个平方毫米大小。
与常规惯性器件相比，MEMS惯性器件为导引、导航与控制系统在成本、体积和可靠性方面提供了巨大的改进。
位于美国加州思美谷(Simi Valley)市的美国导航与控制公司(AmericanGNC Corporation)已发明了MEMS角速度传感器和MEMS IMU，请参照美国专利申请：“Micro Electro Mechanical System for Measuring Angular Rate(用于测量角速度的微电机系统)”，序列号：60/154,700，“Processing Methodfor Motion Measurement(运动测量处理方法)”，序列号：90/399,980，“AngularRate Producer with Micro Electro Mechanical System Technology(用微电机系统技术生成角速度)”，序列号：09/442,596，和“Micro Inertial MeasurementUnit(微惯性测量单元)”，序列号：09/477,151。
本发明的集成微型火控系统背后的动机来自需要获取和精确锁定运动目标，以对目标狙击步枪达到改进命中率，部件微型化，减小重量及增加有效射程的目的。我们可利用MEMS传感器的体积小，低成本，批量加工，和耐冲击的优点，为狙击步枪开发一种低成本，轻重量的微型火控系统。
本发明的主要目的是提供一个微型火控方法和系统，通过附加低成本、重量轻、体积小的硬件和复杂的算法和软件的手段，使目标狙击步枪在击中概率、元件的微型化、减轻重量和增加有效射程方面取得实质性的性能改善，其中，使用从MEMS角速度传感器和加速度计来的测量，实现了一个惯性稳定的视线和枪管；通过综合从激光测距器和MEMS惯性传感器组件来的信息和子弹弹道特性，算出步枪的开火提前角。
本发明的另一目的是提供一个微型火控方法和系统，通过微系统结构、创新的传感器技术和嵌入式算法和软件的手段，使现有的狙击步枪满足杀伤力的增强、使用者的运动、目标的运动和距离增加的要求。
本发明的又一目的是提供一个微型火控方法和系统，其直接应用于许多军事和商业用途，例如，执法机构、猎枪市场和其他两用目的。本发明的单个部件可用于小型装置，例如照像机，移动通信终端等。
图1显示了现有的麦克米兰(McMillan)M-32聚焦激光狙击步枪(Focused Laser Sniper Rifle)。
图2显示了具有微型火控系统的狙击步枪结构。
图3是显示了狙击步枪微型火控方法的方块图。
图4是显示了狙击步枪自动跟踪目标步骤的方块图。
图5显示了狙击步枪电子激发步骤的方块图。
图6显示了狙击步枪的视线率和扰动的去除实现方法的方块图。
图7显示了狙击步枪的提前角计算的方块图。
图8显示了狙击步枪的激光测距器测量几何原理。
图9显示了狙击步枪的微型火控系统。
参照图2，一种狙击步枪的微型火控系统包含：
一角速度传感器和加速度传感器组件1，固连于步枪枪管，用来提供枪管姿态和姿态变化率给火控单元；
一光学视线2，固连于步枪枪管，提供目标锁定指示，例如十字或网格；
一激光测距器3，固连于步枪枪管，火控单元提供使用者与目标之间的距离和距离变化率；
俯仰和方位支架及伺服单元4，用以支持步枪枪管及接收从火控单元来的命令，并产生俯仰和方位支架的运动，其承载枪管；
一支架角传感器5，连接于步枪枪管和枪基之间，用以提供支架角测量给火控单元；
一火控单元6，装在步枪枪基内，接收从角速度传感器和加速度传感器组件1，激光测距器3，以及支架角传感器5来的信息，用以输出命令给俯仰与方位支架伺服单元4和电子板机7；
一电子板机7，连接于火控单元，用以输出火控命令给子弹；
一电子8，例如能量密度电池，连接于以上部件，并给它们提供动力。
在本发明步枪的结构中，参照图2，一个枪管，一个光学视线2，和一个激光激距器3，与一个火控单元6一起，安装于一个惯性稳定平台，以便在运动的使用者，运动的目标，和增加的距离要求的条件下，改善步枪的命中率。一个角速度传感器和加速度传感器组件，例如美国导航与控制公司(American GNC Corporation)先进的商业产品，微核IMU(coremicroTMIMU)，安装于枪管体，作为惯性稳定平台的传感器。
依照组合微型火控系统的性能要求。例如体积，成本，重量，功耗，和控制下的瞄准精度，转动能力，等等，组合微型火控系统通过以下组合而实现：
1.合适的支架微系统结构和设计，
2.主动支架控制系统的实现，
3.控制算法的实现。
为使命中率达到最大，提供了一个有附加能力的微型火控系统以锁定目标。通过一个使用者在环中的控制机制，该火控系统具有了锁定特性。开火提前角的计算基于从激光测距器得到的到目标的视线距离和距离的变化率，以及子弹的弹道特性。在视线的网格中进行自动和连续的调整，以考虑目标的运动和距离。关键的数据是视线率信息，其可从软件的估计滤波器得到。使用者接着像普通步枪一样，把网格对准目标以便在相对远的距离上达到高的命中率。通过排除由于使用者的运动引起的干优力矩，惯性稳定的视线和枪管提供了极精确的指向。
在微型火控系统中，枪管和激光测距器被稳定，这样适于测量目标坐标以及隔离使用者产生的扰动。然而，从激光测距器来的目标信息仅仅构成了火控计算所必需的输入数据的一部分。如果子弹要精确地击中一个运动目标，也需要计算出子弹飞行轨迹的精确描述。子弹一般地并不沿一条直线与目标交于一点。如果子弹直接瞄准运动目标，在子弹飞行时间过程中，作用在其上的物理现象会使子弹错过目标。
需要考虑解决的微型火控问题可分为两类：
1.子弹飞行时间过程中的目标相对运动效应，
2.被总体称为弹道学的物理现象，其产生一个弯曲的子弹运动轨迹。
参照图9，火控单元6进一步包含：
一视线率命令计算模块61，用于从支架角传感器5接收支架角信号，
从激光测距器接收距离测量，以便为平台控制算法62计算视线率命令；
一提前角计算模块62，从激光测距器接收距离测量，以便为平台控制算法62计算提前角；
一平台控制算法63，从平台控制算法62接收提前角，从视线率命令计算模块61接收视线率命令，以便为俯仰和方位支架及伺服单元2计算支架控制命令。
参照图7，提前角计算模块62进一步包含：
一滤波器621，例如一个扩展的卡尔曼(KALMAN)滤波器，用于从激光测距器3接收距离和距离变化率，以产生当前目标位置和速度；
一弹道计算模块622，利用当前目标位置和速度以及子弹未来目标位置，计算子弹飞行时间；
一相对运动过程模块623，利用子弹飞行时间估计未来目标位置，并反馈未来目标位置给弹道计算过程模块622，并计算提前角。
参照图3，步枪的微型火控方法包含以下步骤：
1.开始由使用者获取目标。
2.通过使用者在环中(Operator-in-the-Loop)的火控单元方法跟踪目标。
3.通过使用者在环中(Operator-in-the-Loop)的火控单元激发火控命令。
步骤1的优选实现方案公开如下：
1.1开始操作时，锁定两轴稳定支架与枪管；
1.2操作者移动步枪，在光学视线的十字光标上获取目标，像现有的步枪一样方便；
目标被连续跟踪，被两轴支架平台锁定在十字光标上，通过从电子矩器产生和惯性速率陀螺感测到的方位和高度角速率命令，操作者的运动被隔离，运动目标被锁定到十字光标。在稳定状态下，操作者可像标准步枪一样，通过给枪基输入运动来调整目标位置于十字光标。
同时，用复杂的火控算法连续计算提前角，其基于从测距器来的视线长度和长度变化率测量以及子弹的弹道特性，以便调整光学视线。
当使用者扣动步枪板机开火时，枪管已被平台稳定并自动转动一个提前角跟踪目标，并且排除了运动干扰。接着，通过电子板机发射子弹以使输入干扰力矩最小。
步骤2的目的是当目标在运动及使用者引入干扰时，在所有的时间保持目标处于光学视线的十字光标。即，视跟踪线和视线率理想地重合。视跟踪线和视线率直接的误差由应用来自激光测距器的信息和来自使用者的扰动估计目标运动，而其与目标运动无关。该误差可由使用者进一步修正。
能照图4，步骤2进一步由以下步骤组成：
2.1激活激光测距器和两轴稳定支架平台。
2.2利用从激光测距器来的信息和从支架角传感器来的角测量，计算视线率命令。
2.3执行视线命令，消除干扰力矩，以便通过控制两轴稳定支架平台的手段连续地跟踪和锁定目标于十字光标。
参照图5，步骤3进一步由以下步骤组成：
3.1应用从测距器来的视线距离和距离变化率测量以及子弹的弹道特性，连续计算提前角，以便调整光学视线；
3.2当电子板机被使用者扣下时，根据计算好的提前角自动转动枪管一个提前角，以便跟踪目标；
3.3以由平台稳定的枪管发射子弹，以消除运动干扰。
参照图6，步骤2.3可通过两轴机械支架和相关的主动控制算法实现。
参照图7，利用从激光测距器来的视线距离和距离变化率和子弹的弹道特性来预测提前角。相对运动效应的结果使得步枪需要指向当前运动目标位置加一个位移的一个点。位移量或提前量取决于相对速度和子弹从开火点到目标的飞行时间。子弹和目标的相撞点是未来的目标位置。外弹道学是一个常用术语，用于描述一些引起飞行中的投射体(子弹)改变方向、速度或两者都有的自然现象。这些现象包括：重力、粘滞、风力、漂移、哥氏(Coriolis)效应。相对运动效应的计算产生子弹和目标实际的相撞点。弹道效应的计算产生由于子弹飞行轨迹的弯曲而产生的瞄准修正。这些修正不改变最后的相撞点，但引起子弹轨迹与目标路径的相交。
参照图7，步骤3.1进一步包含：
3.3.1通过一个滤波器，计算当前目标的位置和速度；
3.3.2利用当前目标的位置和速度及未来目标位置，计算子弹的飞行时间；
3.3.3利用子弹飞行时间估计未来目标位置，并把未来目标位置反馈给步骤3.3.2及计算提前角。
例如，对于给定的一个空间点，可计算出一条轨迹和一个飞行时间。然而，不能直接给出准确的空间拦截点，由于该点取决于其计算所得的飞行时间。开始时，由于未来目标位置和后续的最终飞行时间都是未知的，火控问题的解是一个逐渐逼近方法的应用。因为测量到的当前目标位置，是空间第一个已知点，该位置被用来产生开火角和飞行时间的一次逼近第一号轨迹。如果基于该一次逼近而发射子弹，显然它会从运动目标后面穿过。现在计算子弹落后目标多远。换而言之，相对于当前位置计算飞行时间结束时目标的位置。计算新的位置和新的拦截点。如果对这一新点发射子弹，其仍会落后于目标。利用第二号轨迹的时间，可计算新的目标位置，第三条轨迹和时间。继续计算不同的目标位置和时间，最近两次所得的时间差别很小。
在步骤331中，优选的滤波器为一个扩展的卡尔曼滤波器。参照图8，其说明了扩展的卡尔曼滤波器的测量几何结构。目标位置和速度的估计和预测算法通过一个扩展的卡尔曼滤波器来实现，其测量方程如下：γ=x2+y2+z2,]]>θν=αtanzx2+y2,]]>φν=αtanyx]]>