UKF位姿估计的超静平台耦合模型参数辨识

针对载荷无陀螺时辨识超静平台耦合动力学参数存在位姿确定问题,设计了一种基于Schur分解以及无迹卡尔曼滤波(UKF)的位姿确定及参数辨识方法。首先,建立加速度计和姿态敏感器组成的测量系统状态模型和观测模型,并给出测量系统的可观性分析。然后,给出基于UKF的载荷位姿确定方法;在UKF中引入姿态修正信息,从而提高载荷角速度估计精度,实现载荷广义位移、广义速度、广义加速度的准确估计。通过Schur分解实现超静平台动力学模型解耦及辨识模型中动力学参数显式表达。以滤波器估计载荷位姿信息为依据,采用最小二乘法辨识动力学参数。仿真结果表明UKF能够准确估计载荷角速度以及超静平台支杆刚度系数,辨识误差优于百分之一。     

具有有色观测噪声和未知模型参数的自适应状态估计器

本文针对具有有色观测噪声和未知模型参数的状态估计问题，基于ＡＲＭＡ新息模型的在线辨识，输出多步推预报和白噪声滤波器，提出了一种新颖的自适应状态估计器。方法简单，且具有渐近最优性。仿真结果说明了瓣方法的有效性。     

基于AR模型的MEMS惯导随机误差分析方法

由于微机械惯性器件(MEMS)捷联惯导系统的惯组误差和漂移较大,在较短的时间内也会由于器件误差积累和模型算法误差引起很大的导航偏差。采用Allan方差法分析了MEMS陀螺的随机误差,并对陀螺中主要的5项随机误差系数进行辨识。辨识结果显示,角度随机游走在随机误差中占主要部分。针对MEMS陀螺的实测数据,运用时间序列方法对其随机误差进行分析,并建立了AR模型,试验结果表明,根据所建立的AR(1)模型,采用Kalman滤波方法可以减小其随机误差,滤波后的陀螺输出精度可提高3倍。     

基于自适应KF动态虚拟陀螺数据融合算法的研究

微机电系统(MEMS)陀螺与光纤陀螺相比，传感器的精度较低。为了提高MEMS陀螺的精度，通过组合多个相同陀螺实现虚拟陀螺的功能，同时提高虚拟陀螺的静态和动态性能。通过分析陀螺的Allan方差，并考虑陀螺之间的相关性，建立陀螺的测量模型;使用自回归(AR)模型建立预测模型，对卡尔曼滤波(KF)算法进行优化;搭建多MEMS陀螺仪硬件平台，获取数据并实时计算，融合多陀螺数据输出最优估计值，使用高精度转台分别在静态和动态条件下测试滤波效果。实验结果表明:静态条件下虚拟陀螺误差的方差可降低为单个陀螺的1/94，动态条件下降低为单个陀螺的1/18。基于自适应KF的虚拟陀螺可以显著提高精度。     

基于LuGre摩擦模型的转台伺服系统自适应摩擦补偿研究

为消除非线性摩擦对测试转台性能的影响,选用LuGre摩擦模型描述转台系统所受的非线性摩擦。根据转台直流电机系统数学描述,提出了非线性摩擦补偿方法。设计了双观测器结构估计LuGre模型中的不可测状态;考虑LuGre模型中3个参数的非一致性变化,设计了自适应摩擦补偿控制算法,在线估计摩擦模型中的参数,并对非线性摩擦进行补偿。用李雅普诺夫方法证明了采用自适应摩擦补偿方法的闭环系统的稳定性。仿真结果表明:正弦波输入时,摩擦补偿后的位置跟踪误差(峰-峰值)较无摩擦补偿减小了1个量级,位置跟踪性能有较大改善,辨识出的摩擦模型参数能稳定收敛于真实值附近;三角波输入时,自适应控制的位置跟踪精度更高。     

自适应滤波在平台自标定数据处理中的应用

对平台标定中数据处理的一种方法是对角度传感器输出分析，解算出移角速率，并在此基础上辨识出漂移参数。由于平台自标定在动基座条件下进行，角度传感器输出中的噪声统计难以确定，并且会出现时变的情况。传统的卡尔曼滤波方法不能适用。自适应卡尔曼滤波的估计状态的同时，利用观测数据带来的信息，可在线估计噪声的统计特性，从而不断地改进滤波器的设计。建立输出数据常速度模型，采用Sage和Husa自适应滤波算法，进行参数辨识，得到较好的效果。     

有摩擦补偿的驱动组件高精度位置控制研究

针对柔性、摩擦影响下的谐波驱动组件高精度位置控制问题,提出了一种自适应摩擦补偿的递阶控制策略。建立了考虑谐波驱动组件柔性、摩擦的级联动力学方程,采用LuGre摩擦模型描述摩擦特性,设计双状态观测器估计LuGre模型内部不可测状态,并引入自适应律辨识未知模型参数和惯量变化,实现了谐波驱动组件的高精度位置控制,并基于Lyapunov定理证明闭环系统的稳定性和跟踪误差的渐进收敛性,通过在空间机构驱动组件测试平台上的试验结果表明,该方法有效提高了驱动组件位置控制精度和鲁棒性。     

航天器柔性太阳翼最优PPF主动振动抑制方法

针对采用可变速控制力矩陀螺(VSCMG)进行柔性太阳翼振动抑制问题,提出一种基于求解非光滑 H∞ 综合问题的最优参数正位置反馈(PPF)控制方法。首先,建立考虑VSCMG和柔性太阳翼耦合的振动模型,得到了线性化的约束陀螺柔性板动力学模型,基于同位控制思想推导了以角度陀螺为测量装置的约束陀螺柔性板全阶状态空间模型。针对被控对象特性,确定最优PPF控制器的结构构型和待优化参数。进而,通过对约束陀螺柔性板全阶状态空间模型进行降阶、修正和加权处理,将PPF控制器参数优化问题转化为在PPF控制器构型约束条件下的非光滑H∞综合问题,并应用一阶下降算法进行寻优求解,实现最优PPF控制器的设计。该方法能够实现对各阶陀螺模态的独立控制,在保证快速性和鲁棒性的前提下,实现最优PPF参数的稳定高效求解。仿真结果表明,所提出的最优PPF控制方法能够快速、鲁棒地实现航天器柔性太阳翼的主动振动抑制。     

一种星间相对状态估计方法

编队自主导航是实现分布式遥感系统星间协同观测的基础。为实现分布式遥感系统星间相对状态的精确确定,提出一种基于MEMS激光雷达与纳型星罗盘的星间相对状态估计方法。借助相对姿态、轨道运动学方程建立了星间相对状态的无迹卡尔曼滤波(UKF)算法,解决了MEMS激光雷达测量与参考航天器姿态耦合的问题,并利用预定入轨参数及高精度轨道外推(HPOP)对方法进行仿真校验。结果表明,该方法具有可行性和实用性,估计精度满足分布式遥感任务需求,能够较好解决中远距离星间相对状态估计问题。     

陀螺稳定平台漂移误差参数的辨识方法研究

给出了一种平台工作在惯性稳定状态下的静态多位置测漂方案 ,建立了包含陀螺漂移、地球自转因素在内的平台漂移数学模型和系统状态方程 ,解决了三轴开路状态下的耦合问题。取框架角传感器的输出作为观测量 ,利用广义Kalman滤波器对含有噪声的测量数据进行处理 ,将参数辨识问题转化为状态估计 ,仿真结果表明 ,此方法可以获得较好的辨识效果     

基于UKF与修正罗德里格参数的GPS/陀螺组合姿态确定

提出了一种用于GPS/陀螺组合姿态确定的Unscented卡尔曼滤波(UKF)方法.采用姿态的修正罗德里格参数(MRPs)表示法,以消除状态误差方差阵的奇异性,建立了GPS/陀螺组合姿态估计系统的模型.仿真结果表明:与基于扩展卡尔曼滤波(EKF)相比,UKF的收敛速度更快、精度更高,且不同滤波器初值对稳态精度的影响较小.     

一种改进的航天器时变模态参数递推辨识方法

针对基于预测器的递推子空间辨识(RPBSID)方法在估计系统的状态变量时计算量较大的问题,提出一种改进的RPBSID方法并应用于航天器的时变模态参数辨识。与原算法相比,改进后的方法在求解状态量时不需要逐个时刻构建相应的Hankel矩阵,而是利用仿射投影算法(APA)实现状态量的递推估计,从而减少了辨识过程中的数据量。在此基础上,利用该状态变量递推得到时变系统的状态空间模型和模态参数。在数值仿真中,建立带有大型挠性附件的卫星动力学模型,分别考虑系统模态参数线性变化、突变和周期改变的情况,利用改进的RPBSID方法对结构的时变频率和阻尼比等参数进行了辨识。理论分析和数值仿真的结果表明这种改进的方法不仅能够有效地辨识系统的时变模态参数,而且与原方法相比具有更高的计算效率。     

加速度表动态模型辨识和误差补偿

本文讨论全液浮陀螺加速度表的动态模型辨识及应用辨识所得模型进行动态跟踪误差补偿的方法。文章首先根据陀螺加速度表的动态模型估算了全程跟踪误差,其次介绍了脉冲传递函数参数的最小二乘估计和应用AIC准则来确定MA噪声的滑动阶数的原理。接下来讨论了用内环力矩器输入试验来实现辨识的可行性和实现辨识的一些问题。然后探讨了补偿动态跟踪误差的一些方法。最后对于一阶MA噪声情况应用增广最小二乘法进行了辨识仿真实验。仿真实验结果表明,全液浮陀螺加速度表的动态模型是可以辨识的。     

用于统计能量分析参数辨识的子空间方法研究

利用统计能量分析法预示航天器结构高频动力学响应时,正确估计各子系统的统计能量分析参数至关重要。论文从实验参数辨识角度,基于子空间法的统一理论框架,提出功率流模型辨识/耦合矩阵修正方法(PMI/CMA)辨识系统的内损耗因子和耦合损耗因子参数。首先利用子空间法直接由时域测试数据辨识功率流模型的等价状态空间模型,然后利用辨识模型特征参数修正初始耦合矩阵。耦合矩阵修正方法考虑了子系统间的耦合信息,并通过寻求耦合矩阵初始值相对误差的最小范数解得到修正参数。最后利用两个实际结构分别对算法进行了仿真分析并与功率流实现/统计能量分析模型修正方法(PRM/SMI)进行了对比,验证了PMI/CMA方法的有效性。     

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。     

基于灵敏度分析的惯导平台参数分步辨识方法

研究的是多位置静态测漂法平台参数辨识的问题。对平台漂移的非线性模型 进行了分析,提出了静基座下平台参数辨识的局限性、参数辨识位置选取的原则。最后考虑 到利用EKF辨识包含陀螺交叉项的参数时存在难以收敛甚至有些参数出现发散的问题,提出 了分步辨识的方法来解决这一问题。并且文中仿真结果证明了这种方法能有效抑制辨识中的 发散现象。     

飞行器气动参数智能在线辨识技术研究

气动参数辨识对于大气层内飞行器来说至关重要,通过在线气动参数辨识可规划更准确的飞行轨迹,并对控制参数进行自适应调整。传统辨识方法的模型较为复杂,运算量大,无法满足飞行器在线辨识的要求。而基于神经网络的智能参数辨识方法,不仅可以离线对网络模型进行训练,并利用历史飞行数据进行模型修正,也可在线时直接利用训练好的网络对参数进行快速调整,在保证参数估计精度的同时,保障参数估计的快速性。提出了一种基于支撑向量机(SVM)的样本扩充和神经网络参数在线快速修正方法。通过仿真和统计,证明了基于SVM的神经网络方法对飞行器气动参数进行在线快速智能辨识的可行性。     

激光陀螺随机误差的非参数建模与滤波

陀螺随机误差是影响惯导系统导航精度的重要方面.减小随机误差影响的有效方法是对随机误差进行建模并采用合适的滤波器进行滤波.为了更好地描述激光陀螺漂移的非线性,提出应用一类非参数ARMA模型--FARMA(p,q,d)模型(函数系数自回归滑动平均模型)对激光陀螺漂移数据进行建模.同时提出应用粒子滤波技术进行滤波,并采用交叠式Allan方差法辨识滤波前后随机误差噪声参数.仿真结果表明,应用该模型能较好的反映激光陀螺漂移的非线性;粒子滤波技术能有效抑制随机误差,5个误差项系数的减少均在29%以上.     

UKF在基于修正罗德里格参数的飞行器姿态确定中的应用

UKF是一种新的非线性滤波方法,在状态的时间更新阶段直接使用非线性模型,不引入线性化误差,而且不必计算Jacobi矩阵,相对于扩展卡尔曼滤波(EKF)不仅能提高滤波精度,而且更容易实现。修正的罗德里格参数(MRPs)是一种飞行器姿态参数,相对于四元数姿态参数,用MRPs表示飞行器的姿态时,状态误差方差不会产生奇异性,并且能在一定程度上减小估计的计算量。本文针对MRPs表示的无陀螺飞行器姿态系统,利用UKF设计了姿态估计器,并通过仿真验证了算法的有效性。     

基于观测器的高超声速飞行器模糊自适应控制

针对高超声速飞行器输出跟踪问题,提出了一种基于观测器的分层模糊自适应鲁棒控制器的设计方法。本文设计了一种基于分层模糊系统的间接自适应控制器,减少在线辨识参数的数量;同时设计非线性干扰观测器(NDO)对系统复合干扰进行估计补偿;最后引入鲁棒补偿控制项,克服传统非线性干扰观测器的限制条件,并利用Lyapunov理论证明了整个系统的稳定性。仿真结果表明,该方法不仅能够保证高超声速飞行器具有良好跟踪性能,而且具有很强的鲁棒性。