一种图像辅助火星着陆段自主导航方法

针对未来深空探测软着陆高精度实时导航的需求,提出了一种图像辅助的自主导航方案。首先通过下降段图像与落点区域地形匹配,获得着陆器相对于落点的位置和姿态;然后基于误差Kalman模型估计着陆器的状态误差,修正惯性导航的结果;在图像信息不可用的情况下,只进行惯性递推导航;这种方案既提高了导航的精度,也能保证实时性的要求。 数值仿真验证了该方案的可行性,该方案对未来实际工程任务具有很大的参考价值。     

挠性太阳帆板驱动控制系统研究

主要研究了挠性太阳帆板的闭环驱动控制问题.利用挠性结构的模态恒等式,获得了广义状态空间形式的挠性太阳帆板驱动动力学方程.基于Lyapunov方法,设计了基于输出反馈的PD控制器,并根据广义系统理论讨论了闭环系统的正则性和无脉冲性,以确保控制系统是允许的.数值仿真验证了闭环控制算法的有效性并与开环控制进行了比对.最后进行了总结并提出新的研究问题.     

天问一号探测器高动态着陆惯导系统设计与试验

考虑到火星探测任务着陆过程动态变化大,稀薄大气环境下开伞会对探测器产生剧烈晃动,为此天问一号探测器研制了一套高动态着陆惯导系统,从硬件产品、使用时序到导航算法方面均进行了针对性设计,以适应着陆过程中的高动态环境.此外,为验证天问一号探测器高动态着陆惯导系统的性能,设计了模拟火星开伞工况的火箭弹高空开伞试验,结果表明该高...     

卫星自主导航中的偏差分离鲁棒滤波

研究卫星自主导航中的滤波算法.在以地心矢量为观测量的卫星自主导航系统中,由于观测模型不准、测量设备精度有限等因素,使得系统的观测量存在多种偏差,最终问题可抽象为观测量中含有偏差的离散线性系统的状态估计问题.把观测量中难以建模的复杂时变偏差看作不确定项,用一个模型误差界参数来描述不确定性的影响,由此设计鲁棒卡尔曼滤波器.进一步,把常值偏差与状态进行分离,分别构造无常偏的鲁棒滤波器和针对常偏的鲁棒滤波器,最终得到偏差分离鲁棒滤波算法.仿真表明该算法可以有效地抑制系统中的不确定性偏差,明显提高了卫星自主导航的精度.     

基于序列二次规划的推力矢量控制分配方法

  针对使用推力矢量控制的航天器,建立了游动发动机的数学模型,在分析了游动发动机摆角约束的基础上,提出了推力矢量控制分配问题。将该控制分配问题转化成以力矩误差最小和对变轨推力影响最小作为优化目标的多目标优化问题,引入序列二次规划进行求解,得到一种新的控制分配方法。仿真结果表明,该方法能够准确实现期望目标,验证了所提出的控制分配方法的可行性和有效性。     

飞轮和控制力矩陀螺高速转子的涡动特性研究

执行机构的高速转子在旋转过程中所造成的高频抖动,将对卫星的姿态控制精度和稳定度造成一定的影响。通过建立飞轮和控制力矩陀螺高速转子的动力学模型,分析转子的涡动特性,并通过振动测试试验验证了相关的理论分析结果。     

一种利用CES软件鉴别月球干扰的方法

月球和太阳干扰圆锥扫描红外地球敏感器(CES)导致卫星姿态波动,使若干颗中低轨道卫星在轨出现整星进入全姿态捕获模式.针对这一问题提出了一种利用CES软件鉴别月球干扰的方法,并进行了地面试验验证,试验结果表明该方法不仅可以给出"见月球"标志,并且可以剔除月球和太阳对CES姿态测量的影响.试验结果与在轨飞行遥测数据完全吻合,证明该方法完全有效.     

基于GTLS的零动量卫星惯量矩阵在轨辨识

使用广义总体最小二乘(GTLS,generalized total least squares)方法对零动量卫星进行惯量矩阵在轨辨识.提出了GTLS算法的先验最小距离解的定义:当测量信息不足以确定唯一解时,解空间中最接近先验估计的解.给出了先验最小距离解的算法,并应用于惯量矩阵在轨辨识.仿真结果表明了该辨识方法的有效性及先验最小距离解相对于最小范数解的优越性.     

姿态四元数相关问题

介绍了四元数计算中的相关问题,包括四元数与方向余弦阵之间的转换、四元数运动方程、求解四元数运动方程时积分步长的选取和高动态应用中非互易误差的补偿,此外还介绍了对偶四元数的发展。     

一种基于虚拟星敏感器的卫星姿态确定方法

对于配置多个星敏感器的卫星,采用常规的定常增益卡尔曼滤波方法进行姿态确定时,存在滤波定常增益矩阵众多、系统复杂的问题,为了简化滤波系统设计,统一定常增益矩阵,提出一种基于虚拟星敏感器的姿态确定方法.给出一种计算量小、适合星载计算机在轨实时计算的星敏感器时间滞后补偿及相对基准标定算法,将星敏感器的输出数据统一到当前星时,同时将星敏感器的测量基准统一.基于单星敏/双星敏的输出数据构造虚拟星敏感器(安装矩阵为单位阵)的输出数据,设计统一的定常增益矩阵进行姿态确定.仿真结果表明,本方法与常规的定常增益卡尔曼滤波方法姿态确定精度相当,从而验证该方法有效,且具有重要的工程应用价值.