上面级快速星图匹配算法研究

现有星图匹配算法存在搜索时间慢、算法实时性差的问题。为了满足上面级实时性的要求,文章采用K矢量查找算法来提高查找快速性,选择星对角矩作为星图匹配的特征量,构造星对角矩矢量,采用星棱锥星图匹配算法进行星图识别。最后采用上下位机的形式进行仿真分析,结果表明采用该星棱锥快速星图匹配算法成功率在99%以上,识别时间最长约为100ms,平均时间在15ms以内。该算法能够满足上面级对匹配算法快速性和高精度的要求。     

航天器轨道交会迭代制导算法

针对航天器轨道交会的脉冲推力模型与实际发动机连续推力模型不相符的问题,研究一种脉冲变轨策略的工程实现方法,使脉冲变轨策略可应用于工程实际.基于Lambert飞行时间定理和遗传算法,研究航天器最优脉冲变轨策略.根据脉冲变轨优化的结果,采用迭代制导算法研究脉冲变轨工程化问题.仿真结果验证了迭代制导算法在航天器轨道交会中的有效性.     

运载火箭推力故障不确定性下轨迹可达包络分析

针对运载火箭突发推力故障且故障存在不确定性的轨迹设计问题,提出了一种基于状态转移张量法(STT)的故障火箭轨迹可达包络分析方法。首先,建立了推力故障火箭的运动模型,通过构建故障火箭轨迹重规划问题,基于序列二次规划法获得了不考虑故障不确定性的重规划轨迹; 其次,基于线性协方差对非线性系统的不确定性传播进行建模,并对模型进行线性化,在此基础上提出了基于SST的运载火箭轨迹可达包络分析方法; 最后,通过与多次蒙特卡洛仿真对比验证所提方法在运载火箭轨迹可达包络定量分析中的有效性。     

一种基于多终端约束的最优制导方法

在航天器主发动机推力大小不可调的前提下,针对5个终端约束下传统迭代制导小角度修正假设的不足,对一种基于多终端约束的最优制导方法进行了研究。在入轨点轨道坐标系下建立航天器的最优控制模型,对横截条件方程组直接进行迭代求解获得制导角度指令,在此基础上,通过对开关机点进行优化以减小未被满足的终端位置约束的影响;进一步,推导了地心惯性系下等效的5个终端约束,并通过引入权重因子来提高制导方程数值求解的精度。标准条件下的仿真结果表明,所提制导方法与传统迭代制导相比,未被满足的终端位置约束精度提高了1595355m,而其余5个终端约束几乎不受影响;蒙特卡罗打靶仿真结果表明,所提制导方法对航天器初始位置和速度偏差具有一定的适用性。     

上面级天文导航恒星视位置计算方法研究

恒星视位置计算是上面级天文导航星库建立的基础。首先,在国际天文联合协会(IAU)工具箱的基础上,介绍了恒星视位置计算中的各个数学模型,并设计了视位置计算的算法;然后,对某些特定星表进行处理,获得相应恒星的标准星历信息,对这些恒星采用本文的视位置算法进行视位置计算;最后,将计算结果与专业的天文软件及中国天文年历进行比较,来验证本文视位置算法的精度。计算结果表明:本文提出的视位置算法具有较高的精度(0.03″级别),满足上面级天文导航的要求。另外,本文通过对视位置误差的分析,给出了各种误差因素对视位置计算精度的影响。     

一种适用于目标圆轨道的空间变轨迭代制导算法研究

迭代制导方法在运载火箭上升段入轨问题中已有成熟应用。本文针对空间变轨任务,提出一种适用于目标轨道为圆轨道情形的,以轨道要素为终端约束的迭代制导方法。在迭代制导方法的基础上,以推力方向矢量为控制量,推导直接以目标圆轨道的轨道要素为终端约束的边界条件,得到一种简单有效、适应大姿态角变化的迭代制导算法。通过仿真验证了改进方法的有效性和较高的入轨精度。     

一种基于轨道要素形式终端约束的航天器空间变轨迭代制导算法

针对航天器空间变轨任务的制导问题,研究了一种适用的迭代制导算法。在传统迭代制导方法的基础上,直接在地心惯性系中建立最优控制模型,以推力方向矢量为控制量来适应大姿态角变化情形;推导直接以目标轨道要素为终端约束的边界条件,给出终端约束方程求解精度和入轨精度的关系;得到一种简单有效的基于轨道要素形式终端约束的航天器空间变轨迭代制导算法。通过仿真验证了所给制导算法的有效性,相比传统迭代制导方法其具有更强的适应性。     

一种基于轨道根数约束的最优制导方法

针对航天器空间变轨的制导问题,研究了一种基于轨道根数约束的最优制导方法。在地心惯性坐标系下直接建立航天器的最优控制模型,给出了位置速度表达式和协态变量初值之间的关系;进一步,在不约束真近点角的前提下,推导了5个轨道根数的约束方程,并通过对轨道根数和最优控制理论中协态方程的特性分析,获得了另外两个约束方程。协态变量初值可直接通过求解7个完整约束方程组获得,进而得到最优推力方向。仿真验证了所提制导方法的有效性。     

基于特征图形匹配法的高效星图识别方法

针对目前星敏感器使用的星图识别算法存在的冗余匹配、匹配时间长、识别率低等缺点,对星图识别算法进行了研究,提出了一种高效星图识别方法。该算法首先对传统星表进行处理,取出冗余信息,重新分配天区,使每个天区的导航星数目均匀,将分区以及处理后的星表信息重新存储并作为导航星库,然后通过对拍摄的图像进行处理并提取特征信息,与导航星库中的特征信息进行匹配,从而改善传统星图匹配算法出现冗余匹配、匹配时间过长及识别率低等缺点。完成算法设计后,选取视场为15°×15°的大视场星敏感器,对该算法进行仿真验证分析,可以发现该算法可以实现部分天区与拍摄星图匹配时间在20ms以内,全天区星图的识别和匹配时间在15s以内,识别率达到98%以上,印证了该算法可以提高识别的成功率并且缩短识别时间,使识别算法具有高效性。