误差四元数及其在航天器姿态控制中的应用

以四元数作为定位参数对航天器进行姿态控制。首先导出了误差四元数矢量,从而解决了航天器姿态控制中最终姿态表示的非单值性问题;其次,通过一个典型例子提出了非线性三轴姿态控制方法,该方法以误差四元数作为反馈量,以控制力矩陀螺作为执行元件,利用李亚普诺夫函数对非线性系统进行控制,为大型航天器的姿态控制开辟了新的途径;最后,给出了仿真结果,从而说明了以误差四元数作为定位参数的航天器姿态控制法具有计算速度快、计算精度高等优点。     

基于Rodrigues参数的姿态估计算法

 以Rodrigues参数作为姿态描述参数提出一种快速的全姿态估计算法。Rodrigues参数具有简洁高效的特点,但它具有奇异性,不适用于大角度情况。首先将序贯旋转方法和Rodrigues参数相结合,提出了一种简洁、无奇异的姿态描述方法。然后应用该姿态描述方法,针对“矢量观测+陀螺”这种典型的姿态测量方案,讨论飞行器的姿态估计问题。在姿态估计算法设计中,给出了陀螺模型和观测矢量模型,推导了状态和状态误差协方差阵的预测方程和量测更新方程,并提出了预测方程的一种高效积分方法。仿真结果表明在估计精度等同的条件下,该姿态估计算法比四元数算法效率大约提高10%。     

基于混合粒子滤波的激光惯导系统误差的补偿

针对激光陀螺捷联惯导系统在动态尤其是高动态环境下的姿态误差显著增大的问题,提出了一种基于改进高斯混合粒子滤波的纯方位跟踪算法。算法基于混合粒子的卡尔曼滤波和粒子滤波的特点,用有限的高斯模型来近似后验状态密度、系统噪声和观测噪声的分布通过EM的算法设计实现模型的降阶,一定程度上克服了EM算法迭代的结果需要依赖初始值、可能收敛到局部最大点或可能收敛到参数空间边界的缺点,从而改善了粒子携带信息的衰减问题。通过仿真与试验结合,在纯动态应用环境下的姿态与定位精度补偿效果,与传统Kalman滤波相比,算法在保持高精度估计能力的同时,具有较强的鲁棒性,是解决非线性系统状态估计问题的一种有效方法。     

基于退步法的敏捷航天器姿态控制方法

主要研究敏捷航天器大角度姿态机动问题。首先,以SGCMG(Single Gimbal Control Momentum Gyroscope,单框架控制力矩陀螺)为执行机构,建立了基于四元数的航天器姿态机动数学模型;然后,针对SGCMG的奇异问题,研究了基于力矩输出和回避奇异能力最优的联合操纵律;最后,基于敏捷航天器姿态误差模型和李雅普诺夫稳定理论设计了一种退步控制律。仿真结果表明,该控制方法能够很好地实现大角度机动目标并有效避免了SGCMG的奇异状态,满足姿态机动任务的控制精度和稳定度要求。     

X射线脉冲星信号时延的实时估计方法

针对在频域内计算X射线脉冲星信号延时量存在滞后性,进而难以为航天器自主导航提供实时信息的问题,提出将脉冲星信号延时估计转化为时域内标量估计的方法。首先,通过人工神经智能网络获得脉冲星信号的标准轮廓函数作为状态方程;应用粒子滤波算法对脉冲星信号延时量进行实时估计;其次,为了避免标准粒子滤波器中的粒子退化现象,推导并证明了一种新型粒子滤波算法;最后,推导出粒子滤波算法的精度函数,为航天器的导航策略提供参考。以航天器在轨运行中可能遇到的3种情况为背景,验证了所提粒子滤波算法的正确性与有效性。     

航天器自主导航状态估计方法研究综述

自主导航是航天器自主运行的核心关键技术。状态估计是实现航天器自主导航的核心手段,是指实时确定航天器在轨位置、速度和姿态等导航参数,是航天器自主导航技术的重点发展方向之一。首先,针对航天器自主导航的实际需求,阐述了研究航天器自主导航状态估计方法的必要性,具体从导航系统可观测性分析、导航滤波算法、导航系统误差补偿3个方面介绍了航天器自主导航状态估计方法的研究现状;然后,分析并总结状态估计方法在航天器自主导航系统中的实际应用;最后,结合理论研究和实际应用,给出了状态估计方法目前存在的主要问题并对其后续发展进行了展望。     

基于改进粒子滤波的多传感器融合空间目标跟踪

为了跟踪空间目标,构建了基于局部粒子滤波器的多传感器融合方法估计空间目标状态。粒子滤波重要采样过程中,设计了基于融合估计的重要密度函数减少粒子贫化问题,并设计基于 McDE(Memetic compact Differ. ential Evolution)重采样策略,通过对粒子的变异与选择等进化操作来解决粒子退化问题。理论推导与仿真结果皆证明方法的有效性。     

一种用于解决粒子滤波粒子退化现象的重要性重采样算法的研究

粒子滤波通过蒙特卡罗模拟来实现递推贝叶斯估计,在非线性非高斯系统中体现出良好的特性;但粒子滤波存在粒子退化现象的缺陷,针对这一问题,提出一种新的重采样算法,即分区重采样算法,其主要思想是根据多项式重采样与分层重采样算法的特点,把随机数区间划分成若干个区,每个区内的随机数任意排列,而区与区之间按升序排列。与目前常用的其他重采样算法相比,该方法提高了粒子滤波的平均性能,仿真实验验证了该算法的有效性和实用性。     

使用变速控制力矩陀螺的航天器鲁棒自适应姿态跟踪控制

 研究以变速控制力矩陀螺群（VSCMGs）为执行机构的航天器姿态跟踪问题。采用四元数描述姿态, 在姿态误差的描述中引入了现时姿态与期望姿态之间的方向余弦矩阵。考虑执行机构模型参数不确定和有外干扰的情况, 姿态误差动力学方程为多输入多输出(MIMO)的非线性系统。基于Lyapunov理论设计了鲁棒自适应控制器, 运用光滑投影算法避免了估计参数陷入奇异。仿真结果表明, 设计的鲁棒自适应控制律明显地缩小了姿态跟踪误差, 很好地解决了外部环境干扰和执行机构由于安装误差或机械磨损造成的轴承方向未对准的问题。     

考虑输入饱和与姿态角速度受限的航天器姿态抗退绕控制

 针对航天器姿态控制过程中同时存在输入饱和与姿态角速度受限的问题,提出了一种新型的姿态控制设计方法。该方法在保证系统渐近稳定的前提下,能够显式地给出输入力矩和姿态角速度的最大幅值,并通过引入一个时变锐度参数来增强系统对外部干扰的抑制能力;在此基础上,进一步考虑了由于四元数的冗余性所导致的退绕问题,设计了一组新的姿态偏差函数和偏差向量,使得控制器在满足上述约束的同时还具有抗退绕的优点。仿真结果表明,所提算法能够同时满足输入饱和与姿态角速度受限的约束,并且在较大外部干扰的情况下表现出了很强的鲁棒性,同时成功地规避了退绕现象。该算法为存在多重约束的航天器姿态控制问题提供了一个新的思路和解决方案,具有很好的实际应用价值。     

一种星敏感器-陀螺组合定姿的实时在轨标定方法

研究了一种星敏感器一陀螺组合定姿方式中的姿态敏感器误差的实时在轨标定方法。首先,选择直观的欧拉角作为姿态描述参数,根据星敏感器和陀螺的测量原理建立星敏感器一陀螺在轨标定的测量方程和状态方程,并以此建立数学模型。其次,采用简单高效的EKF（ExtendedKalmanFilter,扩展卡尔曼滤波）作为估值算法,进行了在轨标定数值仿真。对于航天器姿态定向中出现的姿态角和星敏感器安装角之间的耦合问题,通过在特定姿态通道上施加简单姿态机动实现了解耦。数值结果表明,该实时在轨标定方法,尤其是所提出的姿态角和星敏感器安装角解耦策略,可以实现对航天器姿态的实时精确估计以及对星敏感器安装误差、陀螺常值漂移和相关漂移等误差的实时在轨标定。该方法可用于航天器姿态测量设备的实时在轨标定和航天器姿态的高精度实时确定。     

改进粒子滤波算法及其在GPS/SINS组合导航中的应用

针对标准粒子滤波中存在的粒子退化问题,将无味卡尔曼滤波方法、线性规划方法与标准粒子滤波相结合,得到一种改进粒子滤波算法。改进粒子滤波算法中的重要性概率密度通过 UKF算法获得,从而使粒子使用效率得到提升;二次采样过程中加入线性规划方法,保证了粒子的多样性。将改进粒子滤波算法应用于 GPS/SINS组合导航,建立了 GPS/SINS组合导航模型,通过仿真验证了该滤波算法的有效性,使用该算法可使惯性组合导航系统导航精度得到提高。     

非线性非高斯秩滤波方法

基于秩滤波原理,提出一种非线性非高斯秩滤波方法,给出其递推过程.目前常用的非线性滤波方法有无迹Kalman滤波和粒子滤波,无迹Kalman滤波只适用于高斯分布的情况,粒子滤波方法却存在粒子退化及重采样引起的粒子贫化问题.而非线性非高斯秩滤波方法不仅适用于常见的多元t分布、多元极值分布等非高斯分布的非线性滤波,并且计算简单、工作量小,便于工程应用.从仿真算例可以看到,该方法的滤波精度与无迹Kalman滤波和粒子滤波方法相比提高了500%以上.      

改进的粒子滤波算法在软着陆小天体中的应用

针对小天体软着陆过程中估计目标天体质心视线的导航方法失效问题,给出了一种基于特征点信息的自主光学导航方法。为了进一步提高对轨道参数的估计精度,考虑到系统中存在的非高斯噪声,以及基本粒子滤波算法带来的粒子退化和采样枯竭问题,给出了一种改进的粒子滤波算法。最后,通过仿真计算,验证了所给出的自主光学导航方法以及改进的粒子滤波算法的可行性和有效性。     

基于势函数法的航天器自主姿态机动控制

主要研究存在禁止姿态的航天器自主姿态机动控制问题.首先,给出航天器的动力学和运动学模型,利用四元数描述航天器与机动姿态和禁止姿态的姿态偏差,用相应的欧拉转角描述不同姿态间的距离.为利用势函数完成禁止姿态回避,结合航天器的运动情况设计排斥势函数(RPF)存在条件后,根据禁止姿态最小允许夹角构造一种新的排斥势函数.接着,利...     

一种用于仿生导航无人机航姿求解的混合滤波方法

针对现有组合导航系统易被干扰欺骗以及姿态求解精度不足的问题，设计了惯性测量单元(IMU)与偏振光传感器组成的航姿参考系统(AHRS)。同时，考虑到传统的姿态求解方法精度不高，提出了一种用于仿生导航无人机航姿求解的混合滤波方法。将Mahony滤波后的姿态值作为系统观测量，再结合扩展卡尔曼滤波(EKF)实现传感器数据的深层融合，以获得高精度的姿态角信息。实验结果表明：在静态环境下采用混合滤波方法求解的姿态值能有效滤除偏振光传感器和加速度计内部噪声干扰，其稳定性明显优于两种方法各自求解时的情况；在动态实验中该方法能有效抑制单独采用Mahony滤波时存在的超调问题，表现出更高的动态解算精度，从而为偏振光组合导航系统提供了更精确的姿态估计信息。     

星敏感器低频误差与陀螺漂移离线校正方法

获取高精度事后姿态数据是提高遥感平台成像质量的必要条件之一,离线处理可有效降低敏感器测量误差,从而获得更高的姿态确定精度。基于滤波的校正方法中,星敏感器低频误差(LFE)与陀螺漂移将产生耦合影响导致校正精度低,本文针对该问题推导了耦合误差的数学模型,并设计了一种两步双向平滑事后处理算法,将陀螺漂移与低频误差分两步校正,通过反复滤波剥离陀螺漂移与低频误差。同时,针对低频误差参数收敛速度慢、噪声参数调节困难的问题,利用一种基于极大似然估计(MLE)的固定窗口自适应双向滤波算法进行处理以获得更好的噪声估计,提高了收敛速度和收敛精度。文中仿真工况下,离线姿态确定精度可达到0.8″(3σ),低频误差参数完全收敛时间不超过4个轨道周期。     

基于序列图像的航天器自主导航降维滤波方法

非合作目标的运动感知与状态估计,是太空领域技术发展的重要组成部分。非合作目标相对状态的精确估计是相对导航的难点问题。传统的非合作目标扩展卡尔曼滤波算法需要结合非合作目标的质心位置,增加了状态变量的维数,提高了系统不确定性,从而会影响状态扩展卡尔曼滤波的收敛速度。提出了一种基于序列图像的非合作目标相对导航方法,该方法在不对质心进行估计的情况下首先对非合作目标姿态进行估计,在完成非合作目标姿态估计后再对其质心进行估计。本文推导了光学相机测量值与目标真实姿态的关系,构建了基于序列图像的测量模型,分别建立了不含有非合作目标质心位置的状态方程和基于非合作目标位置、速度矢量的状态方程,设计了适用于非合作目标状态估计的扩展卡尔曼滤波算法。仿真实验表明该方法可在10 Hz采样频率下经过50次采样（即5 s）内快速收敛,从而有利于空间飞行器的在轨服务与维护。     

交互多模型PHD滤波跟踪多目标方法

在机动多目标跟踪问题中,目标数未知或随时间而变化,概率假设密度（PHD）滤波可以在每一时间步估计多目标状态和目标数,但单模型方法不能给出精确的估计。提出了一种交互多模型PHD滤波方法,建立多模型描述多目标运动方式,利用PHD滤波结合多模型跟踪目标运动轨迹。同时,给出了多传感器交互多模型PHD滤波方法,以提高目标跟踪精度。     

一种适用于MEMS惯组的低维传递对准方法

为适应惯导系统低成本、轻量化的发展方向,使用MEMS惯组作为敏感器逐渐成为惯导系统采用的主要方案.但是,该方案存在MEMS惯组内陀螺和加速度计常漂大、重复性差、安装误差难以标定的问题,需要使用高精度惯导作为基准对上述误差进行估计.通过构建导航速度、姿态阵的误差模型,使用Kalman滤波算法对误差参数进行估计,实现了对陀螺、加速度计常漂以及安装误差的快速、准确估计.通过仿真及跑车试验验证,该方法收敛速度在10s以内,经该方法估计并补偿后的导航精度能够提升60％.