基于紫外敏感器的卫星自主导航方法研究

研究了卫星利用CCD紫外敏感器进行自主轨道确定的方法。敏感器通过地球紫外图像提供地心方向矢量及姿态误差信息进而确定卫星轨道。采用Unscented卡尔曼滤波算法,对紫外敏感器测量精度、姿态误差、部分轨道参数以及地球模型对导航精度的影响进行了仿真验证。仿真结果表明本方法具有较高的定轨精度,其导航误差主要取决于紫外敏感器测量精度和卫星姿态误差。     

相对轨道自主确定方法的改进

编队飞行卫星相对轨道的确定具有重要意义。本文提出一种完全自主的定轨方案,在利用星间测量信息实现编队飞行卫星自主定轨的基础上,引入太阳敏感器测量信息,利用扩展卡尔曼滤波算法提高环绕星相对轨道确定精度。仿真结果验证了这种导航方案和算法的有效性。     

利用雷达测高仪的卫星自主定轨

提出了利用星上雷达测高仪及星敏感器进行卫星自主定轨的基本方法。研究了地球海平面模型的重要性，提出了对测高仪测量数据处理的简明算法，利用滤波定轨算法，明显提高自主定轨的精度，数学仿真表明自主定轨精度可达１００米。     

全天球太阳矢量确定算法及在速率阻尼中的应用

介绍了一种全天球太阳矢量确定算法,算法采用的敏感器组件可以减少敏感器安装的约束条件,并在此基础上设计了一种基于太阳矢量的角速度阻尼算法,能够有效解决地磁矢量测量精度对于阻尼算法的影响。仿真结果表明算法能够确定任意姿态下的太阳矢量和地磁矢量低测量精度下的角速度阻尼,具有重要的工程实践意义。     

利用分步Kalman滤波器的自主定轨信息融合算法

将星敏感器/红外地平仪的天文定轨信息与星间观测进行信息融合是消除基于星间链路自主定轨中星座整体旋转问题的有效途径。针对两种定轨方法精度相差较大导致融合效果较差的问题,提出了一种分步 Kalman 滤波算法。该算法利用星敏感器观测信息能够有效修正旋转参数的特点,将星敏感器观测信息和星间观测信息进行分步处理和最优信息融合以消除自主定轨算法中存在的星座整体旋转误差,提高定轨精度。通过对Walker星座的仿真表明,利用提出的分步Kalman滤波信息融合算法,星座自主定轨60天后星座URE误差能够稳定在 1.5米 以内,且能有效消除星座整体旋转误差。     

基于星间链路的多星系统分散定轨算法

介绍了一种基于星间链路信息的多星系统自主导航方法。首先以星间相对位置矢量为观测量建立两星系统的观测方程,采用强跟踪滤波(STF)算法进行集中定轨,获得卫星的参考轨道信息。在此基础上,建立单星的观测方程,然后使用加权最小二乘估计器和卡尔曼滤波器进行单星轨道确定,从而实现了一种不需要长期轨道预报信息的分散定轨算法。数学仿真表明,该算法是可行的,且具有较好的定轨精度。     

NPF算法在X射线脉冲星导航中的应用研究

针对X射线脉冲星导航中航天器模型的强非线性、高阶模型不确定性等问题,提出应用非线性预测滤波(NPF)算法实时估计航天器的轨道信息。首先,建立具有模型不确定性的X射线脉冲星导航定轨指标函数,优化得到满足指标函数最小的系统模型误差值,通过降低模型不确定性的影响来提高航天器自主定轨精度。对STK生成的“火星探路者”和“金星快车”及“北斗一号”三种航天器轨道数据进行分析,仿真结果表明,该算法比EKF算法具有更高的定轨精度,能够满足深空以及近地轨道航天器的自主定轨精度指标要求。     

基于紫外敏感器的航天器自主导航

对基于紫外敏感器的卫星自主导航方法进行了研究 ,给出了自主轨道确定的滤波算法。对基于紫外敏感器的导航在地球中低轨道、大椭圆轨道和同步轨道上的应用进行了数学仿真验证。仿真结果表明 ,导航误差主要取决于地心方向的测量误差 ,而地心距测量误差的影响要小得多。在已知卫星惯性姿态的条件下 ,仅以地心方向为观测量 ,滤波器同样能够收敛 ,并能获得较高的定轨精度。     

基于新息趋势的纳卫星地磁定轨

针对地磁定轨系统受地磁偏差影响精度不高的问题,提出了一种基于新息趋势的自适应地磁定轨算法(AKF)。该算法将地磁偏差建模为随机游走模型,使之参与滤波。在滤波器运行过程中,依据新息的变化趋势,实时调整滤波器状态。以Swarm-A卫星的观测数据的实验表明,该算法和传统滤波器相比具有计算量低,收敛速度快,定位精度高等优点。通过改善地磁偏差的估计性能,该算法提升了系统的定位精度,其最大定位误差为6 km。     

基于日地月方位信息的月球卫星自主导航

采用自主导航技术，可以降低月球卫星的任务成本，提高其生存能力。现研究了利用太阳敏感器、地球敏感器和月球敏感器测量出的卫星-太阳、卫星-地球和卫星-月球方向矢量作为观测量，采用迭代最小二乘方法、定历元时刻的卫星状态，并以轨道预报的方式实现月球卫星的自主导航。对该自主导航算法进行了数学仿真，分析比较了敏感器精度、部分轨道参数等因素对定位精度的影响，总结了其变化规律。最后对比了迭代最小二乘方法与扩展卡尔曼滤波的导航仿真结果，结果表明前者具有更高的精度。