基于UKF的航天器最小参数姿态矩阵估计方法

钊对航天器的惯性-星光姿态确定系统，选取基于矢量观测的最小参数姿态矩阵估计方法为定姿算法。但是由于系统模型是非线性的，针对系统模型的非线性，将UKF（Unscented Kalman Filter）与最小参数姿态矩阵估计方法结合，设计了一种针对MEMS陀螺和CMOS APS星敏感器的UKF姿念估计器。仿真结果表明：在敏感器精度较差的情况下，该UKF、姿态估计器能够满足大多数航天器对姿态确定精度的要求。此外，UKF和EKF（Extended Kalman Filter）的仿真对比结果表明：UKF滤波器的收敛速度高于EKF滤波器，状态估计的精度也优于EKF滤波器，且数值稳定性好。     

基于四元数的UKF多传感器卫星姿态确定

对采用磁强计和太阳敏感器的卫星姿态模型,应用无迹卡尔曼滤波(UKF)算法确定卫星姿态。由四元数描述姿态,在算法中将其转换成旋转矢量,另设计了四元数求均值的迭代算法,解决了四元数在UKF算法中的处理。仿真结果表明:广义卡尔曼滤波(EKF)算法对初值依赖性较大,UKF算法不受初值影响且精度高于EKF,具快速性、精度高和稳定性强等优点。     

基于ANFIS自调整EKF的微卫星姿态确定研究

针对太阳敏感器、磁强计以及惯性陀螺组成的微卫星姿态确定系统，设计了有陀螺测量和基于四元数差分法的无陀螺测量两种广义卡尔曼滤波器（EKF）。由于EKF设计复杂，通常参数计算和调整依赖地面系统，现应用自适应神经模糊推理（ANFTS）进行EKF的参数自调整；使用四元数避免了欧拉角法的奇异问题；采用高斯-牛顿误差最小法显著减少直接使用EKF的计算量。设计仿真数据进行算法验证，结果表明该方法能成功地得到姿态估计，ANFIS可以提高EKF精度，增强鲁棒性，而且便于最优的在轨自主导航。     

基于UKF与修正罗德里格参数的GPS/陀螺组合姿态确定

提出了一种用于GPS/陀螺组合姿态确定的Unscented卡尔曼滤波(UKF)方法.采用姿态的修正罗德里格参数(MRPs)表示法,以消除状态误差方差阵的奇异性,建立了GPS/陀螺组合姿态估计系统的模型.仿真结果表明:与基于扩展卡尔曼滤波(EKF)相比,UKF的收敛速度更快、精度更高,且不同滤波器初值对稳态精度的影响较小.     

基于星敏感器四元数的卫星角速度预测滤波算法

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。     

非质心特征点相对位置和姿态估计方法研究

卫星编队飞行中,从星星体上偏离质心的任意特征点,其相对位置和相对姿态运动耦合。本文针对任意点的相对状态估计问题,推导了耦合相对轨道动力学方程和无陀螺相对姿态动力学方程,并且基于PSD敏感器对主星上点光源的视线测量值,提出了基于特征点耦合动力学和质心传统动力学的两种相对状态估计策略。针对每种策略分别设计了EKF和UKF两种滤波算法对相对状态进行估计。最后通过数学仿真对算法的有效性进行了验证,并对其计算量进行了分析。结果表明,四种算法均能对特征点的相对状态进行较高精度的估计。     

UKF在基于修正罗德里格参数的飞行器姿态确定中的应用

UKF是一种新的非线性滤波方法,在状态的时间更新阶段直接使用非线性模型,不引入线性化误差,而且不必计算Jacobi矩阵,相对于扩展卡尔曼滤波(EKF)不仅能提高滤波精度,而且更容易实现。修正的罗德里格参数(MRPs)是一种飞行器姿态参数,相对于四元数姿态参数,用MRPs表示飞行器的姿态时,状态误差方差不会产生奇异性,并且能在一定程度上减小估计的计算量。本文针对MRPs表示的无陀螺飞行器姿态系统,利用UKF设计了姿态估计器,并通过仿真验证了算法的有效性。     

基于陀螺和四元数的EKF卫星姿态确定算法

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。     

基于UKF的微小卫星姿态确定方法研究

围绕某日-地空间环境组网探测系统中三轴稳定微小卫星定姿分系统的设计需求,基于陀螺、太阳敏感器、磁强计和星敏感器4种敏感器,研究了微小卫星在速率阻尼模式、太阳捕获模式、对日对地定向及维持模式、试验模式下的系统建模方法,以及基于Unscented卡尔曼滤波(UKF)的组合定姿方法。数值仿真结果表明,本文定姿方法的姿态确定精度满足该系统中三轴稳定微小卫星在轨运行的定姿精度要求,为该微小卫星半物理仿真系统的研究及其在轨运行时的姿态确定提供了依据。     

基于星体角速度估计的陀螺故障诊断

为在星载惯性基准单元(IMU)正常工作的陀螺的冗余度不满足奇偶方程法条件时诊断陀螺故障，通过卫星稳态运行期间高精度星敏感器输出的姿态四元数信息，根据卫星姿态运动学和动力学方程，采用非线性广义卡尔曼滤波(EKF)得到星体角速度的估计值。在此基础上，通过设计的故障诊断器对陀螺故障进行定位。仿真结果表明，该法可检测陀螺的突变和缓变故障。     

对接靠拢段的一种相对导航算法研究

自主相对导航技术是空间交会对接靠拢段的关键技术之一。Unscented卡尔曼滤波(UKF)是基于Unscented Transform(UT)变换的一种新型滤波器,它避免了扩展卡尔曼滤波(EKF)的线性化误差,不必计算Jacobian矩阵,而且其状态估计精度要比EKF的高。本文研究了基于UKF滤波器的自主相对导航算法。该算法根据追踪航天器上交会雷达的测量值,采用UKF滤波器对追踪航天器和目标航天器之间的相对位置和速度进行了估计,仿真结果表明该算法可以满足位置和速度估计精度的要求。     

关于卫星姿态确定非线性滤波算法的研究

本文探讨了利用方位矢量和陀螺速率观测信息确定卫星姿态的问题。该问题实际上是一个非线性/非高斯状态滤波问题,因此,经典的基于EKF和UKF算法的姿态滤波器有可能失败,尤其是当初始状态的先验估计不可能精确得知的情况下。近来,粒子滤波理论已经开始应用于姿态确定问题,但是,这类算法往往需要大量的“粒子”,这对有限计算能力来说是一个沉重的负担。为此,本文尝试利用双重滤波方法,在每个序贯估计过程中,将有陀螺姿态确定问题暂时分解为1个四元数估计问题和1个陀螺常漂参数估计问题。本文提出了2个双重滤波器,包括1个姿态确定双重粒子滤波器和1个姿态确定的混合型滤波器。这两者都采用一个相同的四元数粒子滤波器,但在粒子重采样和平滑处理方面,不同于近来提出的类似滤波器。至于陀螺常漂估计,双重粒子滤波器发展了一个辅助粒子滤波器,而混合滤波器中则发展了一个参数UKF滤波器。通过与经典的姿态确定滤波器的仿真比较,证实了本文新提的2个算法的有效性和优越性。
     

基于地磁场测量估计卫星姿态的UKF算法

提出了利用UKF（Unscented Kalman Filter）处理地磁场测量数据进行低轨道（LEO）卫星自主定姿的算法。通过使用估计姿态、轨道参数和国际地磁场参考（IGRF）计算得到的地磁矢量与三轴磁强计（TAM）的测量矢量之差作为更新信息，可以实现实时的姿态角和角速度估计。针对卫星稳态定姿、大角度快速机动的定姿以及姿态失控状态下的定姿等三种任务，分别用UKF和传统的EKF（Extended Kalman Filter）进行了数值仿真。仿真结果显示出本文提出的定姿算法的优越性。     

对日观测卫星无陀螺姿态确定算法研究

研究了两种无陀螺姿态确定算法:Kalman滤波算法和二阶差分算法。基于某对日观测卫星,将“陀螺 太阳导行镜”组合Kalman滤波算法与以上两种无陀螺定姿算法进行了仿真比较。结果表明,Kalman滤波算法和二阶差分算法均能较好地实现对日观测卫星三轴姿态角和姿态角速度的估计。     

无陀螺卫星姿态的二阶插值非线性滤波估计

采用四元数作为姿态描述参数，提出了一种确定无陀螺卫星姿态的新方法，即二阶插值非线性姿态估计算法，它能够利用星敏感器提供的矢量观测信息准确地估计三轴稳定卫星的姿态。这种姿态估计算法的实现非常简单，其运算量与传统的扩展卡尔曼滤波姿态估计算法相当，但滤波性能却与基于二阶泰勒级数近似得到的非线性姿态估计算法一致。而且，在二阶插值非线性姿态估计算法中，不会遇到由四元数正交约束所造成的协方差阵奇异性问题。     

基于MEP-UKF的组合导航滤波算法

针对目前应用于SINS／GPS组合导航系统中的扩展卡尔曼滤波(Extended Kalman
Filter, EKF)存在精度低、实时性差的缺点,提出一种基于模型误差预测(Model Error
Prediction, MEP)的Unscented 卡尔曼滤波(Unscented Kalman Filter,
UKF)。MEP-UKF滤波算法将惯性器件测量误差作为模型误差使用MEP进行实时预测的同时,采 用UKF估计载体的姿态、速度及位置等误差信息,并反馈给SINS系统来校正导航参数。MEP-U KF不仅克服了UKF必须假设惯性器件误差为高斯白噪声的局限性,而且降低了SINS／GPS组合 导航系统状态变量的维数,大大缩短了导航解算的时间。仿真结果表明,MEP-UKF的收敛速 度和滤波精度均明显优于EKF,更好地满足了工程应用中对导航精度和实时性的要求。     

基于UKF的机载无源定位算法

提出了一种基于UKF(Unscented Kalman Filter)的机载无源定位算法,并结合应用背景,对系统模型以及通常的UKF算法作了相应的改进。该算法对量测模型非线性问题采用UKF予以解决,克服了EKF(Extended Kalman Filter)中引入的较大线性化误差对性能的影响。与基于EKF的定位算法相比,本文提出的算法滤波性能更好,对初始估计误差不敏感,并且算法不用计算雅可比或黑赛矩阵,更容易实现。仿真结果验证了提出算法的优越性。