基于地磁场测量估计卫星姿态的UKF算法

提出了利用UKF（Unscented Kalman Filter）处理地磁场测量数据进行低轨道（LEO）卫星自主定姿的算法。通过使用估计姿态、轨道参数和国际地磁场参考（IGRF）计算得到的地磁矢量与三轴磁强计（TAM）的测量矢量之差作为更新信息，可以实现实时的姿态角和角速度估计。针对卫星稳态定姿、大角度快速机动的定姿以及姿态失控状态下的定姿等三种任务，分别用UKF和传统的EKF（Extended Kalman Filter）进行了数值仿真。仿真结果显示出本文提出的定姿算法的优越性。     

基于UKF的航天器最小参数姿态矩阵估计方法

钊对航天器的惯性-星光姿态确定系统，选取基于矢量观测的最小参数姿态矩阵估计方法为定姿算法。但是由于系统模型是非线性的，针对系统模型的非线性，将UKF（Unscented Kalman Filter）与最小参数姿态矩阵估计方法结合，设计了一种针对MEMS陀螺和CMOS APS星敏感器的UKF姿念估计器。仿真结果表明：在敏感器精度较差的情况下，该UKF、姿态估计器能够满足大多数航天器对姿态确定精度的要求。此外，UKF和EKF（Extended Kalman Filter）的仿真对比结果表明：UKF滤波器的收敛速度高于EKF滤波器，状态估计的精度也优于EKF滤波器，且数值稳定性好。     

大型三轴气浮台转动惯量和干扰力矩高精度联合辨识技术

利用三轴气浮台对遥感卫星进行载荷平台一体化全系统闭环物理仿真,可模拟卫星在轨运行时的动力学特性,验证整星在轨状态下的姿控特性和相机成像特性等。高精度辨识气浮台转动惯量和综合干扰力矩为三轴气浮台质量特性调整及量化评估整星级试验性能提供重要参数。文章提出一种新的大型三轴气浮台转动惯量和干扰力矩联合辨识技术,通过台上飞轮对三轴施加激励作用,利用激光陀螺等姿态测量数据实现对台体惯量矩阵和干扰力矩的高精度联合辨识。与传统辨识方法不同,该技术仅利用本体角速度信息,不需要角加速度信息,避免了角速度微分引起的噪声放大,将转动惯量辨识相对误差控制在3.5%以内,气浮系统综合干扰力矩优于0.003 N·m,满足了高精度参数辨识需求。     

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。     

对空间碎片的相对位姿估计

针对几何、质量特性参数均未知的空间碎片,提出一种基于扩展卡尔曼滤波（EKF）的相对位姿估计算法。该算法以单目相机获得的目标图像特征视线信息作为测量输入,以目标姿态、姿态角速度、惯量比、相对位置、相对速度和特征位置作为滤波状态。对算法进行可观性分析,给出两个可以保证算法可观性的条件。分别针对不同条件进行数值仿真,仿真结果表明新算法能够对几何和质量参数未知的空间碎片进行有效的相对位姿 估计。     

基于Rodrigues参数的视觉相对位姿确定算法

以Rodrigues参数作为姿态描述参数提出了一种视觉相对位姿确定算法。Rodrigues参 数作为一种简洁、高效的姿态描述法,适用于实时性要求高的视觉相对位姿确定,但它本身 的奇异性使其不能用于大角度的位姿确定。将视觉导航方法和无奇异姿态描述的Rodrig ues参数切换理论结合起来,推导了基于Rodrigues参数的视觉相对位姿解算模型,并给出了 这种相对位姿确定算法的流程。仿真结果表明该算法能很好地解决奇异问题,实现全姿态运 动情形下的相对位姿确定。
     

基于UKF的无陀螺姿态确定

针对无陀螺卫星的姿态和角速度估计问题,提出了基于UKF(Unscent-ed Kalman Filtering)的无陀螺的姿态确定算法。采用星敏感器作为姿态敏感器,构造了基于罗德里格参数的UKF滤波器。与EKF相比,UKF不必计算Jacoabian矩阵而且能够至少精确到泰勒展开的二阶。通过EKF和UKF仿真结果的比较,表明UKF比EKF具有更快的收敛速度和更高的精度。     

空间翻滚非合作目标相对位姿估计的视觉SLAM方法

针对空间翻滚非合作目标相对位姿测量中目标先验信息缺失和模型不确定问题,将移动机器人视觉同步定位与建图（SLAM）贝叶斯滤波估计模型推广到非合作目标相对位姿测量中,提出一种基于视觉SLAM的翻滚非合作目标相对位姿估计方法。首先,构建了相对位姿估计的贝叶斯滤波状态转移模型和量测更新模型。其次,为避免平动噪声协方差过大导致滤波性能下降的问题,对状态转移方程进行优化,采用最小二乘估计方法预测位置参数。最后,采用一种联合无损卡尔曼滤波和粒子滤波的贝叶斯滤波方法实现了目标全部位姿参数的快速平滑估计。基于计算机合成图像数据和真实图像序列的仿真实验表明：提出的方法具有较优的速度和精度,且对目标速度变化、特征提取和数据关联误差等具有较好的鲁棒性。     

三轴磁强计与太阳电池阵组合的皮卫星姿态确定方法

提出一种组合应用三轴磁强计信号与太阳电池阵列信号,在双矢量定姿的基础上,结合样点卡尔曼滤波(UKF)估计算法,连续输出六维姿态信息的姿态估计方法。数值仿真结果表明:两种测量信息有效组合时,精度水平可以满足皮卫星任务要求。     

基于修正Rodrigues参数和UKF的姿态估计算法

以修正Rodrigues参数作为姿态参数,利用无味Kalman滤波（UKF）设计了一种全姿 态估 计算法。修正Rodrigues参数在姿态估计中具有简洁高效的优点,然而,因其奇异性不能用 于全姿态运动情况。利用修正Rodrigues参数与其影子参数相互切换的方法可以避免奇异现 象的发生。UKF直接利用非线性模型而不需要线性化,适用于高精度的姿态估计。本文针对 “陀螺+矢量观测”这种典型的姿态确定模式,以修正Rodrigues参数与其影子参数相互切换 的方法描述姿态,利用UKF设计了姿态估计器。状态协方差阵在姿态参数切换时发生突变, 引起姿态估计器的滤波波动。为此,提出了在姿态参数切换时对姿态估计器进行修正的方法 。最后通过仿真验证了算法的有效性     

卫星姿态确定与三轴磁强计校正

讨论了三轴磁强计观测存在系统误差情况下的地磁姿态确定问题并提出几个可行算法。首先,通过将三轴磁强计系统误差参数扩展到四元数和陀螺常漂组成的原状态量中,提出一个姿态确定扩维UKF滤波器,接着利用姿态确定与参数辨识双重滤波器思想提出2个与姿态信息有关/无关的姿态确定双重UKF滤波器。最后,利用计算机仿真分析了扩维状态系统的可观性并检验了新滤波器的有效性与可行性。     

航天器姿态调整时的变结构控制与振动抑制方法

基于Hamilton变分原理,采用Timoshenko梁理论,对带有柔性附件的航天器建立了中心刚体—柔性梁的动力学模型。研究了调姿时带有柔性附件的航天器的动力学与控制问题,给出了问题的滑模变结构控制方法。基于Lyapunov方法证明了姿态的渐近稳定性。利用数值仿真过程讨论了卫星姿态角和姿态角速度的变化规律。最后,利用仿真结果验证了变结构控制方法的可行性和有效性。     

基于双目视觉的相对状态自主确定

基于双目视觉系统提出了一种适于交会对接最后阶段的近距离绕飞的相对状态自主确定方法。用修正罗德里格参数(MRP)描述姿态,给出了追踪器与目标器间的相对姿态运动学与动力学方程,以及相对运动方程,根据双目视觉系统的小孔成像原理建立了双目系统的测量数学模型,由扩展卡尔曼滤波(EKF)获得两航天器的相对位姿及其变化率。仿真结果表明该法可行。     

基于星敏感器四元数的卫星角速度预测滤波算法

为在无陀螺或陀螺故障时可用星敏感器估计姿态角速度，在扩展卡尔曼滤波（EKF）和非线性预测滤波的基础上提出了基于四元数的卫星角速度估计算法，并给出了相应的模型。该算法对角速度建模精度的要求较低，无需卫星动力学方程，方法简单且易于实现。仿真结果表明，算法的精度较高。虽然仍受噪声和步长的影响，但相对基于EKF和最小模型误差的角速度估计算法，其性能改善较大。     

空间自旋目标混合EFIR/DFT运动轨迹预测算法

针对自旋目标运动轨迹的跟踪与预测中鲁棒性与时效性问题,本文提出一种在视觉测量目标位姿的基础上,通过混合扩展有限冲击响应(EFIR)/离散傅立叶变换(DFT)估计目标状态与特征参数,进而预测目标轨迹的方法。在视觉相机对目标特征点位姿测量的基础上,将运动过程分解为平动与转动,时域与频域同步估计目标的状态与动力学参数,采用DFT估计与平动相关参量,采用EFIR估计与转动相关参量,根据空间漂浮目标动力学方程,实现在过程噪声与量测噪声未知的复杂条件下对目标轨迹的长期准确预测,并通过地面机器人模拟试验对预测方法的正确性和有效性开展验证。结果表明:利用本文提出的方法实现了对空间自旋目标运动轨迹的准确预测;与传统基于扩展卡尔曼滤波的预测方法相比,在过程噪声、量测噪声未知的条件下,文中提出的方法有效缩短了参数收敛时间,提高了参数估计与轨迹预测精度。     

采用双目视觉的非合作空间目标相对导航与惯性参数辨识方法

针对面向在轨服务的非合作空间目标测量感知问题，提出了一种基于双目视觉的相对导航与惯性参数辨识方法。利用目标表面的特征点建立几何坐标系，并分别设计了姿态测量和相对导航滤波器，实现了目标姿态、角速度、轨道，质心位置与惯量比的高精度估计。在此基础上，通过黏附卫星与非合作目标形成组合体，利用相对导航算法获得的质心位置和惯量比在黏附前后的变化，实现了目标质量和转动惯量的辨识。数值仿真试验证明了算法的有效性。     

高轨失稳目标单载荷相对位姿测量方法

针对线阵扫描型激光雷达在探测高轨失稳目标过程中,发生时空非定常点云数据畸变,而需多载荷协同方式测量相对位姿问题,提出一种激光雷达同向差分扫描测量方法。该方法基于运动目标畸变点云信息瞬时拓扑结构不变性,首先对相邻两次扫描的畸变点云进行配准来获取目标运动增量、解算目标瞬时运动参数。其次,逐条恢复畸变扫描线点云所处目标真实几何位置、完成目标三维重建。然后以目标三维模型为初始位姿基准,通过设定增量次数阈值不断更新位姿基准实现误差自标定。最后通过叠加位姿增量获取目标相对位姿。该方法在缺失非合作目标先验信息的情况下,仅使用单一载荷,不仅实现了目标三维点云模型的重建,而且精确测量了空间非合作目标相对位姿。     

多姿态敏感器测量的信息融合定姿方法研究

基于最优融合估计理论,给出并证明了多敏感器组合姿态确定系统状态最优融合估计形式。设计了基于信息分配的多信息融合联合滤波器结构和算法,分析估计性能,讨论了决定联合滤波器融合的性能信息分配因子选择方法,提出了一种基于协方差阵特征值平方分解的动态自适应信息分配因子确定方法。以某卫星多姿态敏感器组合测量为例,推导了卫星姿态确定的误差状态方程和各子系统的量测方程及观测阵。仿真结果表明：采用联合滤波器对多敏感器卫星姿态确定系统进行信息融合能改善定姿精度,有效抑制滤波发散,并提高整个系统的运算与收敛速度。     

基于深度学习的航天器位姿估计研究进展

从在轨应用角度出发,对近年来基于深度学习的航天器位姿估计相关研究成果进行了综述。首先,对基于传统特征提取方法的航天器位姿估计研究进展与局限性进行了归纳梳理。在此基础上,引出基于深度学习的航天器位姿估计的重要意义,并聚焦公开比赛、数据集、姿态估计方法、开源模型等方面阐述基于深度学习方法在当前和未来的关键问题与解决途径。最后,从数据集逼真度、模型可部署、多任务域适应3个维度给出了相应关键技术后续发展的方向与思路。     

基于修iE Rodrigues参数和UKF的姿态估计算法

以修正Rodrigues参数作为姿态参数,利用无味Kalman滤波(uKF)设计了一种全姿态估计算法.修正Rodrigues参数在姿态估计中具有简洁高效的优点,然而,因其奇异性不能用于全姿态运动情况.利用修正Rodrigues参数与其影子参数相互切换的方法可以避免奇异现象的发生.UKF直接利用非线性模型而不需要线性化,适用于高精度的姿态估计.本文针对"陀螺 矢量观测"这种典型的姿态确定模式,以修正Rodrigues参数与其影子参数相互切换的方法描述姿态,利用UKF设计了姿态估计器.状态协方差阵在姿态参数切换时发生突变,引起姿态估计器的滤波波动.为此,提出了在姿态参数切换时对姿态估计器进行修正的方法.最后通过仿真验证了算法的有效性.