Central difference predictive filter for attitude determination with low precision sensors and model errors

Attitude determination is one of the key technologies for Attitude Determination and Control System (ADCS) of a satellite. However, serious model errors may exist which will affect the estimation accuracy of ACDS, especially for a small satellite with low precision sensors. In this paper, a central difference predictive filter (CDPF) is proposed for attitude determination of small satellites with model errors and low precision sensors. The new filter is proposed by introducing the Stirling’s polynomial interpolation formula to extend the traditional predictive filter (PF). It is shown that the proposed filter has higher accuracy for the estimation of system states than the traditional PF. It is known that the unscented Kalman filter (UKF) has also been used in the ADCS of small satellites with low precision sensors. In order to evaluate the performance of the proposed filter, the UKF is also employed to compare it with the CDPF. Numerical simulations show that the proposed CDPF is more effective and robust in dealing with model errors and low precision sensors compared with the UKF or traditional PF.     

运用信息融合式高阶UKF的微小卫星姿态确定算法

为提高微小卫星微型低成本姿态敏感器的姿态确定精度，基于磁强计/太阳敏感器/陀螺仪的姿态敏感器配置以及无迹卡尔曼滤波方法（Unscented Kalman Filter，UKF），设计了一种基于高阶UKF算法并且融合磁强计与太阳敏感器观测信息的微小卫星姿态确定算法.为提高系统状态方程非线性函数的一步预测精度，采用基于五阶UT变换的高阶UKF算法，增加了Sigma采样点数量，提高了系统状态预测精度.单一观测向量滤波算法不能同时满足多个不同量纲观测数据，本文提出一种同时利用两个观测向量的信息融合式滤波算法，根据磁强计和太阳敏感器的观测信息，通过卡尔曼滤波原理中的增益计算，分别得出地磁矢量和太阳矢量对应的卡尔曼增益信息.采用高斯概率密度准则进行信息融合，进而完成预测值的修正，得到同时满足磁强计以及太阳敏感器观测需求的四元数估计值，降低了观测误差的影响.仿真分析验证了算法的优越性.      

基于修正似然滤波的无人机编队相对导航方法

针对无人机编队相对导航系统中视觉导航传感器量测数据存在随机时延问题,提出一种能够处理多步随机延迟量测的修正似然容积卡尔曼滤波（ML-CKF）算法。用多个伯努利随机变量对量测模型进行修正以描述随机延迟;通过边缘化延迟变量来计算滤波的似然函数以从延迟量测中提取准确的信息;采用三阶球面-径向容积准则计算高斯加权积分以解决系统的非线性。滤波中的加权因子根据接收量测的特性进行调整,因此,所提修正似然滤波具有自适应卡尔曼滤波属性。利用罗德里格斯参数表示姿态误差,设计了基于修正似然容积卡尔曼滤波的相对导航滤波器。仿真结果表明：所提算法可以准确地估计出长机和僚机之间的相对位置、速度和姿态,且估计精度高于容积卡尔曼滤波和传统随机时延滤波。     

基于自适应UKF的敏感器故障诊断算法

针对非线性系统中敏感器测量过程存在异常干扰和出现仪器故障问题,提出一种基于自适应UKF(Unscented Kalman Filtering)的鲁棒故障诊断算法.算法通过新息特性分析引入自适应矩阵对异常干扰和仪器故障建立系统级抑制和部件级诊断.系统级检测将UKF的新息特性通过自适应函数引入状态预测,修正异常值对状态预测值的影响,达到对异常干扰的鲁棒性.部件级检测将新息特性分解成各部件参数的新息特性,建立各自敏感器的自适应矩阵,通过对自适应矩阵的迹进行判断,检测是否发生故障并隔离故障.仿真结果表明,算法对异常值具有较强的鲁棒性,对测量仪器失效造成的故障能够准确地检测并给出故障大小.算法结构简单,计算量小,对工程应用具有较好的参考价值.      

Sensor-fault tolerant attitude determination using two-stage estimator

Satellite attitude determination accuracy significantly drops when sensor-fault occurs. Hence, a proper mitigation strategy to detect sensor-fault and accurately estimate corresponding fault magnitudes is mandatory for robust and accurate attitude determination. In this paper, a novel sensor-fault tolerant precise attitude estimator is proposed consisting of two stages. In the first stage, sensor-fault is detected, and the associated sensor parameter change is roughly estimated using an interacting multiple-model (IMM) approach. Subsequently, the second stage is triggered. The sensor parameter change is precisely estimated with a new sensor-parameter-augmented filter. This is defined as a selectively augmented extended Kalman filter (SAEKF) in this paper. The conventional augmented extended Kalman filter (AEKF) is computationally more expensive than the proposed SAEKF. The SAEKF augments only the sensor parameters affected by sensor-faults, not the full sensor parameters, into the state vector. This leads to a significant computational time-saving. A transition method from the first stage to the second stage is also investigated. Numerical simulation results demonstrate that the proposed two-stage approach has smaller attitude determination errors than the existing algorithms, ranged from 21.7% to 88.8%, in cases with gyro scale factor error or misalignment.     

基于线性最小均方差估计的星敏感器故障诊断

针对使用两个星敏感器进行姿态测量的三轴稳定控制系统,利用星敏感器输出值与陀螺输出值的解析冗余关系,通过设计两个滤波器实现对不同星敏感器的故障隔离.考虑到陀螺测量噪声以乘性噪声的形式出现在姿态运动学方程中,利用陀螺输出测量值和目标星敏感器的测量值,采用线性最小均方差估计器得到包含目标星敏感器故障信息的残差; 以无故障情况下残差的统计方差为基础得到阈值,通过检验残差评价值是否超过相应的阈值,实现对目标星敏感器故障的检测; 分别将两个星敏感器作为目标星敏感器,综合两个故障检测结果隔离故障.对星敏感器出现测量偏差和精度逐渐下降两种故障的仿真验证了该方法的有效性.     

多敏感器联邦SSUKF融合姿态确定算法

针对四元数姿态估计问题,提出了一种分布式非线性滤波融合结构。通过引入基于超球面分布采样点变换(SSUT)技术的无迹卡尔曼滤波算法(SSUKF),以较低的计算量实现了高数据更新率、高精度的非线性滤波,并通过融合重构,保障系统无间断可靠工作,不受敏感器故障、视场盲区等因素影响。应用该算法对陀螺、磁强计、太阳敏感器、星敏感器构成的系统进行了具体设计并开展仿真研究,验证了算法的有效性。     

卫星导航系统传感器故障识别

传感器是卫星导航系统中的重要部件,其故障的检测和识别对提高系统可靠性具有重要意义。给出了一种基于模糊逻辑的卫星导航系统传感器故障识别方法。首先采用T-S模糊模型描述卫星导航系统,然后应用全解耦奇偶方程的方法进行故障检测,并利用卡尔曼滤波器进行故障参数识别。仿真结果表明,针对导航系统中多个传感器同时发生故障的情况,此方法能有效检测故障,并能准确识别故障参数。     

近地卫星利用光学敏感器的自主导航方法

基于光学敏感器的卫星自主导航技术是利用红外地球敏感器（IRES）和星敏感器（ST）等姿态测量部件提供的测量信息,通过计算含有轨道信息的星光角距和地球视半径角,修正由轨道动力学模型递推得到的轨道参数。通过系统状态模型和观测模型的离散化和线性化,得到扩展卡尔曼滤波算法的递推关系,并在此基础上进行数学仿真。仿真结果表明,该方法的收敛速度和收敛精度都比较好。由于该方法不需要增加额外的星载敏感器,因此具有很好的应用前景。     

卫星姿态控制系统的故障可诊断性评价研究

在不依赖任何诊断算法的前提下,对卫星姿态控制系统中传感器和执行器的故障可诊断性进行评价,旨在将提高系统故障诊断能力的工作重点前移到设计阶段.由于反馈控制的存在,导致故障会在整个系统中进行传播,使得单故障源表现出多异常征兆,这给闭环系统的故障诊断带来极大挑战.将故障视作扩展状态,并考虑模型不确定性,得到卫星姿态闭环控制系统的状态空间模型;根据可观测性判据,给出并证明考虑建模不确定性的加性故障和乘性故障可诊断性条件.所得相关结论可为卫星姿态控制系统设计提供理论参考依据.     

基于多模型简化CDKF的故障诊断方法

针对使用传统卡尔曼滤波器对非线性系统进行故障诊断,估计精度低的问题,提出了一种新的故障诊断方法.该方法结合多模型自适应估计和简化中央差分卡尔曼滤波器的优点,能在线快速地检测出故障,利用中央差分代替了雅可比矩阵的求解,使系统状态估计准确收敛到真实值附近,而且避免了反复求解量测预测方差等一系列繁杂过程.在执行机构不同故障的情况下,通过与其他算法进行诊断对比,结果表明提出的算法在精度上和运行速度上具有明显的优势.     

航空发动机传感器故障与部件故障诊断技术

结合局部学习思想与集成学习技术,提出了一种基于支持向量机-极端学习机-卡尔曼滤波器(SVM-ELM-KF,Support Vector Machine-Extreme Learning Machine-Kalman Filter)的航空发动机传感器故障与突发性部件故障诊断的方法.将改进的迭代约简最小二乘支持向量回归机训练技术推广到分类机中,用于区分传感器故障与部件故障,使得该分类机具有一定的稀疏性.对于传感器故障,利用ELM分类机对故障进行定位.对于部件故障,利用改进的卡尔曼滤波器对发动机各部件的健康参数进行估计,从而对部件故障进行定位.仿真结果表明,提出的故障诊断方法能够准确地区分传感器故障和部件故障,实现故障的有效定位,验证了方法的可行性.     

小视场星敏感器量测延时滤波算法

针对小视场（NFOV）星敏感器用于姿态估计时存在的量测延时情况,提出了一种用于解决量测延时的鲁棒扩展卡尔曼滤波（REKF）算法。根据最小方差准则的思想求解各方差的最小上界,通过最小上界确定滤波增益,设计的REKF算法可以有效解决量测延时问题,提高了姿态估计的精度。对REKF算法进行了仿真验证,结果表明:该算法优于常规加性扩展卡尔曼滤波（AEKF）算法、鲁棒有界时域滤波（RFHF）算法及鲁棒卡尔曼滤波（RKF）算法,能较好解决非线性系统存在的量测延时问题,验证了该算法的有效性。      

自旋稳定卫星姿态参数的容错Kalman滤波

Kalman滤波是一组用递推关系给出的动态 测量系统状态向量的最优线性无偏滤波 ,它在航天测控领域中有广泛应用。以自旋稳定型卫星姿态确定为研究对象 ,探讨Kalman滤波算法的实现途径 ,并对Kalman滤波算法本身进行适当改进 ,建立一组对测量数据野值点具有容错能力的修正型滤波算法 ;此外 ,还对滤波初值选取和测量数据误差协方差阵的估计等技术给出了有价值的建议     

基于递阶联合滤波器的故障检测与重构方法

随着现代航天器等高精度飞行系统的日益复杂，飞行控制系统的安全运行问题愈来愈突出地表现出来。故障检测、隔离和重构（FDIR）技术是航天器可靠性的重要保证。文章在卡尔曼滤波估计算法的基础上，提出 了基于递阶联合滤波器族的故障检测、隔离和重构方法。该方法根据备份滤波器的概念，构造了一种融合滤波器的树状递阶联合结构，在此基础上，可以设计并实现多级故障检测和隔离措施，进而有效地完成系统的重构功能。通过一个INS／GPS／Doppler组合导航系统的仿真实例， 说明了该方法的可行性和有效性。基于递阶联合滤波器结构的多传感器信息处理技术克服了集中卡尔曼滤波器和普通联合滤波器的缺陷，对提高多传感器系统的容错性能具有重要意义。     

Assessing attitude error of FORMOSAT-3/COSMIC satellites and its impact on orbit determination

An attitude determination and control system (ADCS) is critical to satellite attitude maneuvers and to the coordinate transformation from the inertial frame to the spacecraft frame. This paper shows specific sensors in the ADCS of the satellite mission FORMOSAT-3/COSMIC (F3/C) and the impact of the ADCS quality on orbit accuracy. The selection of main POD antenna depends on the beta angles of the different F3/C satellites (for FM2 and FM4) during the inflight phase. In particular, under the eclipse, alternative attitude sensors are activated to replace the Sun sensors, and such a sensor change leads to anomalous GPS phase residuals and a degraded orbit accuracy. Since the nominal attitude serves as a reference for ADCS, the 3-dimensional attitude-induced errors in reduced dynamic orbits over selected days in 2010 show 9.35, 10.78, 4.97, 5.48, 7.18, and 6.89 cm for FM1–FM6. Besides, the 3-dimensional velocity errors induced by the attitude effect are 0.10, 0.10, 0.07, 0.08, 0.09, and 0.10 for FM1–FM6. We analyze the quality of the observed attitude transformation matrix of F3/C and its impact on kinematic orbit determination. With 249 days of GPS in 2008, the analysis leads to the following averaged 3-dimensional attitude-induced orbit errors: 2.72, 2.62, 2.37, 1.90, 1.70, and 1.99 cm for satellites FM1–FM6. Critical suggestions of geodetic payloads for the follow-on mission of F3/C are presented based on the current result.     

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.      

基于数据驱动的非合作航天器姿态估计与预测方法

针对临近操作对非合作航天器的相对导航问题，考虑角速度测量缺失以及视觉特征丢失，提出了一种融合乘性扩展卡尔曼滤波和姿态预测的框架，实现了对非合作航天器的姿态估计和预测。采用惯性参数对状态向量进行了扩维，在缺少角速度测量的情况下预估了非合作航天器的姿态和相对转动惯量的比值。基于函数拟合和神经网络分别设计了两种姿态预测方法，解决了传统方法误差随时间累积的问题，有效减少了计算成本。最后，通过数值仿真验证了滤波估计和姿态预测算法的实时性和准确性。     

基于观测器的传感器故障检测与信号重构方法

针对含未知有界干扰输入的线性系统进行传感器故障检测研究.通过对输出信号进行非奇异线性变换,将传感器故障等效转化为执行机构故障,提出对干扰具有鲁棒性、对故障具有敏感性的残差生成方法,设计滑模观测器进行残差估计,实现对传感器故障的检测,得到对传感器故障信号的精确估计,并实现对传感器信号的重构.基于飞机纵向小扰动模型,对于传感器的缓变偏差、突变偏差、完全失效和反相等故障的信号重构仿真结果都表明了该方法的有效性.     

基于并行模型自适应滤波的空间目标相对位姿估计

摘要： 扩展卡尔曼滤波(EKF)的估计精度受限于测量噪声统计特性的准确程度,如果敏感器测量噪声方差偏离其标称值,将会对滤波性能产生不利影响.尽管自适应扩展卡尔曼滤波(AEKF)能够对测量噪声方差进行估计,但是,噪声特性准确的情况下,AEKF的性能往往不及传统EKF.针对上述问题,本文提出一种并行模型自适应滤波(PMAF),基于特定的自适应率将EKF和AEKF结合起来,使得在先验信息准确的情况下,EKF在状态估计中起主导作用;相反,在实际噪声方差偏离标称值时,令AEKF起主导作用.这样,即能有效削弱测量噪声统计特性不确定性对滤波性能的影响,又能确保正常情况下的估计精度.以空间目标相对位姿估计为例,通过数学仿真对EKF、AEKF和PMAF进行了对比研究,表明所提算法的综合性能优于传统方法.