多敏感器卫星姿态确定的联邦滤波器设计

针对由惯性测量组件、星敏感器、数字式太阳敏感器和红外地球敏感器构成的卫星姿态确定系统 ,提出采用联邦滤波器进行信息融合。设计了多敏感器信息融合的联邦滤波器结构和算法 ,推导了卫星姿态确定的误差状态方程和各子系统的量测方程。仿真分析结果表明 ,采用联邦滤波器对多敏感器卫星姿态确定系统进行信息融合 ,能够以较小的计算量实现高精度的信息融合 ,并且还能使高精度的信息融合具备容错性能     

多星敏感器测量最优姿态估计算法

多数利用星敏感器加陀螺组合的姿态确定方法中,由于星敏感器精度较高,使得系统定姿的精度比较高.然而,姿态确定的算法因观测模型和误差处理不当,导致滤波器观测修正能力下降,从而不能有效地估计陀螺的漂移误差.提出了基于星敏感器观测姿态角的误差建模,研究了多星敏感器组合的最优安装构型和观测融合方法.利用加权最小二乘法对观测数据的预处理,使观测方程定常化.再利用陀螺加星敏感器组合的扩展Kalman滤波(EKF,Extended Kalman Filtering)对航天器姿态和陀螺漂移进行估计.仿真结果表明,提出的多星敏感器最优组合的滤波方法能够有效精确地估计卫星三轴姿态和陀螺漂移,且该方法计算量小,有利于卫星定姿系统的在轨自主运行.     

一种基于MEMS的微惯性测量单元标定补偿方法

根据微机电系统MEMS(Micro Electronic Mechanical System)惯性器件的特点,在建立微惯性测量单元MIMU(Micro Inertial Measurement Unit)角速度及加速度误差数学模型的基础上,提出一种适用于MIMU的、仅采用单轴速率转台(无指北装置)的"动态翻转6位置"快速标定补偿方法.与传统标定方法相比,标定补偿方法简单便捷,可以一次确定出MIMU的45个误差系数,辨识误差系数精度高,尤其适用于低精度捷联惯性测量单元.通过理论分析、推导以及大量的实验验证,标定补偿方法可以将MIMU的精度提高2~3个数量级.      

基于矢量观测的航天器分段信息融合定姿方法

针对基于MEMS(微机电系统)陀螺和CMOS APS星敏感器的集成惯性/星光姿态确定系统的低精度特点,研究了适用于该定姿系统的基于矢量观测的定姿算法.对于陀螺/星敏感器这种配置模式,有EKF(Extended Kalman Filter)、QUEST、最优REQUEST等几种适用的定姿算法.针对EKF和最优REQUEST算法的不同特点并结合确定性算法QUEST,以四元数为姿态参数,将姿态估计的EKF方法分别与QUEST算法和最优REQUEST算法进行了融合,提出一种分段信息融合的姿态估计器:陀螺漂移估计误差较大时,将EKF与QUEST结合,快速估计出陀螺漂移.当陀螺漂移误差减小到一定程度,再切换为EKF与最优REQUEST算法融合的双重滤波器.仿真比较结果表明,这种分段信息融合的姿态估计器既可以估计姿态参数也可以估计陀螺漂移,并能达到很高的定姿精度.     

基于联合滤波器的高精度卫星定姿系统设计

设计了由陀螺、GPS姿态敏感器、红外地平仪和太阳敏感器构成的太阳同步极轨卫星姿态确定系统。提出联邦滤波器结构和算法,推导了各子系统的量测方程和姿态确定系统的误差状态方程。为规避对量测值进行非相关处理,采用减小GPS姿态敏感器输出的姿态滤波值作为系统滤波器量测值的频率的方法。仿真结果表明,采用联邦滤波器对多敏感器卫星姿态确定系统进行信息融合,具有计算量小、精度高、可靠性好等优点。     

基于UPF滤波的微小航天器姿态矩阵估计方法

针对基于惯性-星光姿态确定系统噪声存在非高斯分布的情况,提出了将离散粒子滤波(UPF)方法应用于定姿系统滤波器设计,该方法用离散卡尔曼滤波(UKF)得到粒子滤波的重要采样函数,从而克服扩展卡尔曼滤波(EKF)和UKF只能应用到噪声为高斯分布的不足。文章以微机电系统(MEMS)陀螺和互补性金属氧化物半导体有源像素图像传感器(CMOS APS)星敏感器为姿态敏感器件,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,提出将UPF与最小参数姿态矩阵估计方法结合,设计了一种针对微小航天器的UPF姿态估计器,采用从MEMS陀螺采集的数据进行了半物理仿真并对其特性进行了分析与比较。仿真比较结果表明:在敏感器精度较差并且系统噪声非高斯分布的情况下,这种基于UPF的姿态估计方法可以取得比EKF和UKF更快的滤波收敛性和更好的滤波精度,有效地提高了定姿性能。     

一种高动态条件下惯性星光组合定姿方法

针对高动态条件下星图拖尾导致惯性星光组合定姿精度下降甚至无法定姿的问题,提出了一种基于乘性扩展卡尔曼滤波的惯性星光深度组合姿态确定方法.利用星敏感器观测信息修正姿态误差,补偿陀螺漂移,并建立了陀螺输出的角度变化量与星图像移的关系,利用陀螺输出信息估计星图拖尾的模糊参数,采用维纳滤波复原方法对产生拖尾的星图进行复原以提高星图信噪比和观测精度.仿真结果表明该方法可以有效提高星像质心提取精度和星图识别率,对初始姿态误差修正更快,且不存在星图误匹配的情况,保证了惯性星光组合定姿方法在高动态条件下仍能保持较高的精度.     

微捷联姿态系统的一种扩展卡尔曼滤波方法

采用低精度的微惯性陀螺和加速度计作为微惯性捷联姿态确定系统元件,首先分析了捷联惯性姿态解算的非线性问题和误差累积的原因;根据姿态三角函数关系引入横滚、俯仰角的3个替换变量作为状态变量,并根据状态变量之间的约束方程和运动体前向速度测量,建立了捷联惯性姿态的一种扩展卡尔曼滤波模型;采用MTi微惯性捷联测量组合进行实验,将该扩展卡尔曼滤波方法解算载体姿态结果与捷联姿态解算结果相比较,验证了该方法抑制惯性姿态解算累积误差的能力.      

卫星高精度相对姿态确定技术

高分辨率遥感卫星姿态事后处理精度的典型指标要求为2.4″(3σ).受星敏感器低频误差影响,常规的星敏感器/陀螺组合定姿方法的姿态确定精度难以实现上述指标要求.考虑到陀螺短期测量精度高的特性,提出了一种基于陀螺测量信息的相对姿态确定方案.利用陀螺信息确定各时刻相对于起始时刻的相对姿态,起始时刻的绝对姿态精度由地面高精度标定等手段保证.采用该方案可以在一定时间内实现高精度的姿态确定精度.给出了针对该方案的理论分析、数学仿真以及物理仿真试验结果.     

直接敏感地平的空天飞行器惯性/天文组合方法

传统的惯性/天文位置组合导航系统中,由于天文定位观测输出耦合了水平观测平台基准误差,往往存在系统噪声与量测噪声不完全独立的问题.针对此问题,分析了利用天文观测量修正惯性系下陀螺漂移的原理,提出了一种直接敏感地平进行天文解析定位及组合滤波的空天飞行器自主导航定位方案,并建立了相应的组合滤波模型.所提出的方法采用星敏感器和陀螺仪构造惯性基准,并在此基础上进行基于红外地平仪的天文定位解算,最后进行惯性/天文组合定位.该方案充分利用了星光敏感器在惯性系下姿态测量精度高的优点,并使惯性/天文组合定位滤波中状态噪声和观测噪声完全独立,仿真结果验证了该定位方法的有效性.     

混合式惯导系统姿态四元数连续自标定模型

混合式惯导系统作为一种新型惯导系统,具有三轴全姿态物理平台、捷联姿态算法和系统装机自标定等特点。针对以上特点,为提高其导航定位精度,在混合式惯导系统框架角约束方程的基础上,利用姿态四元数代替欧拉角描述混合式惯导系统中三轴物理平台的转动,建立了一种混合式惯导系统姿态四元数连续自标定模型对其进行误差系数标定。针对该模型的特点,对传统的无迹卡尔曼滤波（UKF）算法进行改进,提出了一种基于奇异值分解的四元数无迹卡尔曼滤波（SVD-QUKF）算法进行模型误差系数辨识。仿真和试验结果表明,基于SVD-QUKF算法,四元数连续自标定模型能够以低于1%的相对误差标定出混合式惯导系统所有的误差系数,在标定精度和计算速度上相比基于传统UKF算法的框架角自标定模型都具有一定优势。      

发射系下的SINS/CNS/GNSS组合导航UKF滤波算法

弹载系统的组合导航系统模型常建立在发射惯性坐标系下，且捷联惯性/天文导航/卫星导航（SINS/CNS/GNSS）是一种目前研究较多的组合模式。该组合导航系统的状态方程具有强非线性的特点，常用的滤波方法为扩展卡尔曼滤波（EKF）。为了提高组合导航系统的精度及可靠性，对该组合导航系统的无迹卡尔曼滤波（UKF）模型进行了设计，直接将姿态、位置与速度参数作为状态的一部分，利用CNS及GNSS提供的姿态与位置构成量测方程，并详细给出了姿态样本点的生成、均值及方差的生成过程。仿真结果表明，相对于EKF算法，采用UKF算法后各导航参数的精度可提高约20%~30%，并且系统的实时性也可以得到保证。     

SINS快速传递对准建模与仿真

针对空间武器捷联惯性导航系统SINS(Strapdown Inertial Navigation System)动基座快速、精确初始对准问题,建立了空间环境下武器SINS的动基座误差模型,并考虑武器SINS的惯性器件误差.根据姿态传递对准原理,推导了姿态匹配方式下卫星与武器SINS姿态角之差的量测方程.在此基础上,建立了空间武器SINS传递对准的数学模型,设计一种快速对准卡尔曼滤波器.计算机仿真结果验证了该模型的有效性.在10s时间内,可获得与卫星姿态测量系统姿态精度相当的对准精度,同时还能实现武器SINS惯性器件误差的准确标定.      

基于FD的微小型姿态系统的姿态估计算法

分别利用微惯性测量单元(MIMU,Micro Inertial Measurement Unit)中的3个加速度计与3个陀螺仪对载体的姿态角进行估计,同时,搭建捷联惯性导航系统,建立姿态误差方程,使用卡尔曼滤波估计载体姿态误差角.构造残差及统计量,利用状态残差检验的故障检测方法,对载体的运动状态进行分离,判断加速度计估计出的姿态角的可用性,对姿态角进行融合.既保证了姿态估计系统的动态性能,又提高了估计精度.由于使用微电子机械系统(MEMS,Micro Electro Mechanical System)惯性器件,使得姿态估计系统的体积小、重量轻、造价低,特别适于微小型载体使用.      

捷联惯导与星敏感器组合导航算法研究

以Kalman滤波为基础,通过将捷联惯导系统和星敏感器所测得的飞行器相关姿态信息进行数据融合,估计出组合导航系统的误差状态量,进而修正捷联惯导系统的位置、速度和姿态角。详细推导了捷联惯导与星敏感器组合导航的算法,并通过对仿真结果的分析证实了该方案的可行性和算法的有效性。     

一种组合导航系统快速滤波方法及半物理仿真

在利用卡尔曼滤波器对数据进行处理时,协方差矩阵的预报运算过程需要的计算量最大,每一步迭代的计算量与n3(n为状态矢量维数)成正比,约占整个卡尔曼滤波过程70%的CPU时间.协方差阵预报计算过程中,数据输入输出所需要的传递工作量也最大.由于微小型飞行器导航系统采用小体积、低功耗、低成本的微处理器作为导航计算机,为了保证导航实时性的要求,提出了一种降维滤波器加矩阵外积法的快速滤波方法来减少MIMU(Micro Inertial Measurement Unit)/GPS(Global Positioning System)/MMC(Micro Magnetic Compass)组合导航滤波算法的计算量,以提高算法的实时性.半物理仿真试验结果表明:此种算法不仅可以提供较为满意的导航精度,而且大大减小了计算量,提高了系统的实时性.      

A model-free method for attitude estimation and inertial parameter identification of a noncooperative target

Determining the attitude and inertial parameters of a noncooperative target is essential in an on-orbit servicing mission. Various methods based on machine vision have been proposed, but most of them require the 3D model of the target. This paper proposes a model-free method through sequentially registering point clouds captured by a depth camera. Our main contributions are the avoidance of the ambiguity in registration, and the combination of the multiplicative extended Kalman filter and the pose graph optimization to reduce the effect of measurement noise and drift error. A hardware experiment was performed to generate the sequence of point clouds of a three-axis free-floating target and validate our method. The result shows that the proposed method outperforms existing methods and effectively identifies the inertial parameters, including the normalized principal moments of inertia and the orientation of principal axes.