纯磁控微小卫星的姿态捕获控制研究

针对纯磁控微小卫星姿态捕获问题,提出了一种基于姿态角和姿态角速度反馈的磁
矩能量控制律。利用Matrosov定理证明了该控制律具有一致渐近稳定性,能够保证星体最终
稳定到唯一的零轨道姿态角平衡位置。结合某在研低轨纳星,分析了气动力矩作用下星体大
角度姿态捕获的纯磁控性能。仿真结果表明,所设计的能量控制律具有一致渐近稳定特性,
考虑气动力矩影响时可在一个轨道周期内完成纳星姿态捕获,控制精度较高。该控制律具有
较好的工程应用前景,对于低成本微小卫星的研制是一个有益的探索。     

动态分布参数验前分布的稳健性分析

讨论了动态分布参数的验前建模问题,并由此运用边缘分布给出验前分布的ML-Ⅱ估计;对于不同的验前分布所引起的验后稳健性问题作了初步分析。     

Bayes小子样理论的应用研究——回顾与展望

本文回顾了Bayes方法在国防科技领域的应用研究。指出我国对Bayes方法的运用研究历经了三十余年沧桑,道路并不平坦,并存在不同的看法。文中还论述了运用Bayes小子样理论的关键问题以及对一些问题的看法。最后,展望未来,认为Bayes方法必将得到进一步的发展,提出了需重点研究的命题。     

Unscented Kalman滤波用于再入飞行器跟踪

本文引入Unscented Kalman滤波用于再入飞行器跟踪。Unscented Kalman滤波通过设计少量的σ点，并计算这些σ点经由非线性函数的传播，从而获得滤波值基于非线性状态方程的更新。在应用中，由于Un-scented Kalman滤波无需象广义Kalman滤波那样求动力学系统函数和观测系统函数关于状态向量的导数。给计算带来了极大的方便。     

基于最小二乘支持向量机的工具误差分离与折合

制导工具误差分离与折合是导弹精度评定中的重要问题,提出了利用支持向量机方法获得工具误差系数估计和进行弹道误差折合的新方法,由于支持向量机综合考虑了结构风险和经验风险,使得模型的泛化能力增强。仿真计算表明,与最小二乘和主成分方法相比,最小二乘支持向量机获得的误差系数估计与真值更加接近,折合得到的全程弹道遥外差更加准确。     

逼近段惯性/视觉组合相对导航算法

针对交会对接最终逼近段相对位姿测量,提出了惯性/视觉组合相对导航算法.基于对接航天器相对运动模型,利用追踪航天器上惯性测量单(IMU)获取两航天器间的相对运动信息作为短期参考,以电荷耦合器件(CCD)视觉测量作为长期参考,综合姿态四元数运动学方程,分别建立了姿态滤波器和位置滤波器.仿真结果表明算法可行且有效,并仿真分析...     

基于质量矩技术的机动弹头再入仿真研究

对基于质量矩技术的机动弹头再入性能进行了探讨。首先建立了弹头的空间运动数学模型;然后在此基础上根据再入段特性对运动方程作了适当简化并计算了弹头内部质量块分别处于静止、瞬时置位、线性平动这三种运动状态下的落点参数;最后分析比较了质量块运动的变化对机动范围的影响。仿真结果表明了质量矩技术作为弹头再入机动控制方式的可行性。     

基于对偶四元数的航天器相对位置和姿态耦合控制

针对交会对接、在轨服务等航天任务中存在的轨道和姿态动力学耦合问题,突破传统的轨道姿态分而治之模式,利用对偶四元数建立了相对位置和姿态的一体化耦合动力学模型,并分析了模型中存在的轨道和姿态耦合影响.针对此强耦合、非线性系统,基于对偶四元数的李群结构设计了误差PD（Proportional Derivative,比例微分）控制律,采用Lyapunov（李雅普诺夫）方法分析了控制系统的稳定性,并指出其相比传统的轨道和姿态分别控制方法更有优势.仿真结果表明,该控制方法能够一体化控制航天器的相对位置和姿态,相对位置控制精度在0.01m以内,相对姿态控制精度在0.05°以内,这表明所设计的控制器有效可行.     

基于构型控制的多平台协同轨迹规划

编队卫星的整体机动需要充分考虑各成员之间的协同运动关系,同时到达和不分散/不碰撞是其应满足的约束条件。首先基于C-W方程和Lawden方程得出了参考轨道为圆轨道/椭圆轨道下的周期性相对运动条件,针对不同飞行任务要求(对应中心航天器不同转移轨道),提出了一种整星编队机动的规划策略。仿真结果表明,该规划方法实现简单,且能满足编队协同运动的约束条件。     

有色噪声作用下的INS/地磁组合导航算法研究

为了克服基本扩展卡尔曼滤波对噪声统计特性的约束,针对地磁测量噪声为有色噪声的特性,基于扩维卡尔曼滤波算法实现了惯性/地磁组合导航算法。分析了分布式组合导航方案的基本原理,在子滤波器观测信息为实测地磁场总强度信息条件下,基于巡航导弹巡航段飞行过程采用基本扩展卡尔曼滤波和扩维卡尔曼滤波算法进行了仿真分析。仿真结果表明,扩维卡尔曼滤波具有较好的稳定性和收敛性,解决了扩展卡尔曼滤波算法的发散问题。