基于盒粒子滤波的低成本皮纳卫星高效姿态确定算法

针对低成本皮纳卫星姿态确定系统在质量、体积、计算量以及能耗等方面的限制问题，本文基于区间分析理论提出了卫星姿态区间化描述方法并建立了运动学区间化方程，提出了基于盒粒子滤波(BPF)的皮纳卫星姿态确定算法。该算法首先采用双矢量算法对太阳敏感器和磁强计得到的量测进行姿态解算，并将解算出的姿态四元数作为伪量测值输入传递给BPF，从而降低敏感器噪声对估计精度的影响。仿真实验表明，相比于传统粒子滤波的姿态确定算法，本文所提出的BPF姿态确定算法能够在保证姿态确定精度的同时大幅缩短算法运行时间。     

微型固体推进器阵列与磁力矩器联合姿态控制方法

针对传统皮纳卫星姿态控制系统中磁力矩器输出力矩小、姿态控制响应慢等问题，提出一种微型固体推进器阵列与磁力矩器联合姿态控制方法，提高了控制精度，缩短了控制周期，并利用Lyapunov稳定性理论证明了算法的稳定性。首先建立微型固体推进器阵列优化点火模型，然后给出其补偿控制时间设置方法，并推导出大角速度阻尼控制律和辅助速度阻尼控制律，同时设计了基于混合系统模型的姿态捕获联合控制律，最后通过仿真验证了速度阻尼联合控制律和姿态捕获联合控制律的有效性。仿真结果表明，相较于传统的纯磁控方法，联合控制方法能够有效提高控制精度，大幅度缩短控制周期。     

基于启发强化学习的大规模ADR任务优化方法

随着航天事业的蓬勃发展,空间碎片尤其是低轨碎片已成为航天任务不可忽视的威胁。考虑到碎片清除的紧迫性和成本,低轨多碎片主动清除（ADR）技术成为缓解现状的必要手段。针对大规模多碎片主动清除任务规划问题,首先,基于任务规划的最大收益模型,提出一种强化学习（RL）优化方法,并依照强化学习框架定义了该问题的状态、动作以及收益函数;其次,基于高效启发因子,提出一种专用的改进蒙特卡罗树搜索（MCTS）算法,该算法使用MCTS算法作为内核,加入高效启发算子以及强化学习迭代过程;最后,在铱星33碎片云的全数据集中检验了所提算法有效性。与相关MCTS变体方法以及贪婪启发算法对比,所提方法能在测试数据集上更高效地获得较优规划结果,较好地平衡了探索与利用。     

一种参数化非合作目标相对位姿和惯量估计方法

针对故障卫星、失效航天器、空间碎片等空间非合作目标无先验模型,且无法直接获得其角速度及惯量参数等问题,提出一种参数化非合作目标相对位姿和惯量参数估计方法。首先,基于自由航天器姿态动力学模型,用反双曲正切函数来描述含两个独立变量的惯量参数,建立非合作目标角速度传播模型方程;基于立体视觉测量模型,建立非合作目标上若干特征点的量测方程。然后,结合Clohessy-Wiltshire方程描述的航天器间相对运动学模型,以非合作目标的相对位置、相对线速度、相对姿态、惯性角速度及惯量参数为状态量,设计扩展卡尔曼滤波器以估计各状态量。最后,进行不同场景的数值仿真验证。蒙特卡洛仿真结果表明,所设计的滤波器在不同噪声水平下能够高精度地有效估计出非合作目标的相对位姿和惯量参数。