共查询到17条相似文献,搜索用时 109 毫秒
1.
2.
3.
针对星上计算机运算资源有限的问题,为了降低卫星姿态确定系统故障诊断的运算量,提出一种基于卡尔曼滤波器的故障检测与分离方法。该方法首先基于卫星姿态运动方程设计了一种加性卡尔曼滤波器,然后将卡尔曼滤波器与简化观测器思想相结合,进一步提出一种采用简化滤波器思想的姿态敏感器故障诊断律。所提出的故障诊断方法既可以实现对陀螺故障的检测与分离,又能够诊断星敏感器的故障。此外,该方法只利用一个滤波器即可实现故障检测与分离,其计算量小,有利于在轨实施。最终采用一个由三正交一斜装陀螺组件和星敏感器构成的姿态确定系统对所提出的方法进行了仿真校验,仿真结果表明了所提方法的有效性。 相似文献
4.
基于陀螺和四元数的EKF卫星姿态确定算法 总被引:2,自引:0,他引:2
为保证卫星姿态确定的高精度,利用星敏感器提供的姿态四元数,结合扩展卡尔曼滤波(EKF)对陀螺漂移和安装误差进行实时补偿。建立了滤波器数学模型,并通过数学仿真获得了算法的理论精度,同时分析了星敏感器安装误差对姿态确定的影响。 相似文献
5.
6.
7.
基于模型误差确定卫星姿态的预测滤波算法 总被引:5,自引:2,他引:5
本文给出了一种高精度、鲁棒性强的实时姿态估计算法,即预测滤波算法。该算法利用星敏感器所提供的观测矢量,对运动学方程中由陀螺漂移造成的角速度模型误差进行一步预测,从而准确地估计卫星的运动姿态和角速度。预测滤波算法的良好性能已通过仿真测试得到了验证。文中进一步提出的修正算法,使滤波器的预测性能得到了改进。 相似文献
8.
基于低成本MEMS传感器的皮卫星融合定姿算法研究 总被引:2,自引:1,他引:1
基于低成本低精度的MEMS陀螺、太阳敏感器、磁强计组合,设计了Unscented Kalman融合滤波算法.同时考虑到可能的故障模式,提出了仅依赖磁强计的备份滤波算法.在姿态参数选取上,采用修正罗德师里德参数来描述卫星姿态,降低了滤波器的维数,避免了采用四元数时解算状态误差协方差参数的奇异.利用MEMS陀螺采集的随机噪声数据进行半物理仿真,仿真结果表明:该融合算法能有效对卫星姿态进行实时估计,在个别敏感器失效的情况下,同样能实现较高的精度,满足普通任务的要求.该算法具有工程实现意义,是对低精度MEMS敏感器在低成本皮卫星上应用的有益探索. 相似文献
9.
考虑卫星轨道运动和像移影响的星敏感器星图模拟方法 总被引:2,自引:0,他引:2
星图模拟技术是星图识别算法和星敏感器性能测试的基础.提出一种新的高精度星图模拟方法.该方法分为三个步骤:首先,利用两行轨道数据(TLE,Two-Line Orbital Element)与简化常规/深空扰动的近似解模型(SGP4/SDP4)计算出卫星在轨运行参数,进而获得卫星姿态矩阵;然后,根据星敏感器的方位和俯仰角度,确定星敏感器视场中的导航星及星敏感器安装矩阵,利用小孔成像模型,获得导航星在星敏感器成像面的投影位置;最后,为更准确模拟实际星像点的灰度扩散,在考虑卫星运动引起的恒星像移的基础上,按照二维高斯分布规律置灰度值来模拟星像点像素.在此基础上,还详细分析了不同曝光时间下,恒星像移对恒星位置测量的影响. 相似文献
10.
11.
GPS/速率陀螺组合Kalman滤波姿态确定算法研究 总被引:1,自引:1,他引:1
建立了GPS/速率陀螺组合姿态估计系统的模型,研究比较了三种典型的Kalman滤波姿态确定算法:状态扩充法、量测量求差法和时变噪声估计跟踪自适应滤波算法。给出了某航天器采用GPS/速率陀螺组合姿态确定的仿真计算结果,并对结果进行了分析。结果表明,与传统Kalman滤波算法比较,时变噪声跟踪自适应滤波算法和量测量求差滤波算法能较好地消除GPS测量中相关时变噪声的影响,提高姿态确定的精度;而且时变噪声跟踪自适应滤波算法能很好地消除由于噪声统计性能的不确定性对Kalman滤波的影响,提高姿态确定系统的性能。 相似文献
12.
13.
对遥感卫星高精度高稳定度控制技术进行了综述。给出了国内外高稳定度多挠性遥感卫星控制、快速机动控制、高精度姿态确定、自主智能控制等典型应用,以及未来发展趋势。分析了挠性多体卫星结构-控制一体化设计、卫星在轨试验和高精度姿态确定等关键技术。讨论了挠性多体卫星动力学建模仿真及地面试验验证,H∞控制、自适应滤波前馈等卫星姿态控制方法研究与应用,卫星结构模态与无干扰力矩在轨辨识,以及基于陀螺、星敏感器及其误差、卫星动力学模型、在轨热变形标定等高精度姿态确定技术。 相似文献
14.
15.
16.
17.
为在无陀螺或陀螺故障时可用星敏感器估计姿态角速度,在扩展卡尔曼滤波(EKF)和非线性预测滤波的基础上提出了基于四元数的卫星角速度估计算法,并给出了相应的模型。该算法对角速度建模精度的要求较低,无需卫星动力学方程,方法简单且易于实现。仿真结果表明,算法的精度较高。虽然仍受噪声和步长的影响,但相对基于EKF和最小模型误差的角速度估计算法,其性能改善较大。 相似文献