多探头星敏感器分布式视场融合方法

为了解决单探头星敏感器三轴姿态精度不一致问题,提高数据更新率和实时性,提出了多探头分布式视场融合方法。该方法通过控制各探头等时间间隔曝光,将相邻时刻曝光的2个探头的观测星矢量信息进行时间配准、空间配准,之后进行视场融合并采用QUEST算法解算姿态。仿真试验表明,该方法可将光轴方向精度提高8~9倍,同时可将数据更新率提高3倍以上,从而提高了系统的实时性。     

星敏感器低频误差分析

介绍星敏感器的误差分类、低频误差定义、误差产生原因及其测试标定方法等.星敏感器输出姿态周期性误差的主要原因为视场空间误差和热弹性变形误差,典型星敏感器采取相应的解决措施后,低频误差可控制在0.8″以内.     

星敏感器姿态测量相对基准偏差在轨标校方法研究

摘要： 对航天器星敏感间姿态测量基准偏差在轨标校及性能评估问题进行研究.建立包含敏感器安装误差与测量误差的星敏感器模型,针对两种不同形式的安装误差模型,推导出相应的观测方程,基于卡尔曼滤波方法设计相对基准偏差估计器,并比较分析两种估计器实际应用特点.然后针对在轨实际应用,给出一种基于敏感器光轴夹角的标校性能评估方法,通过数学仿真验证星敏感器相对基准偏差的标校的有效性,并基于在轨数据的标校应用获取相对基准偏差在轨特性.     

基于星敏感器的两种姿态确定算法比较分析

介绍了星敏感器的两种姿态确定算法：最小二乘算法和QUEST算法,推导了最小二乘算法和QUEST算法求解三轴姿态的公式;比较了两种算法在不同恒星数目下的计算精度以及在全天区范围内的计算精度;利用实例说明QUEST算法不仅在全天区范围内姿态计算精度高于最小二乘算法,而且在观测星数量较少,且观测星座呈现较为不利的构型时仍然具有较高的计算精度.     

多视场星敏感器工作模式设计

针对多视场星敏感器的特点设计了两种工作模式:高精度工作模式和高更新率工作模式.中央时序控制器根据指令完成工作模式配置,以相应的时序启动图像采集处理模块.结合工作模式的时序特点,在FPGA(Field Programmable Gate Array)内部设计了3个星点质心提取模块,与各自对应的图像采集模块同步运行,实现了两种工作模式下多视场星图快速质心提取.采用Cypress公司的IBIS5-A-1300作为图像传感器,基于FPGA设计了实验平台,对工作模式配置及数据更新率进行测试.实验结果表明:工作模式可灵活配置和切换,在高更新率工作模式下,星敏感器的数据更新率为传统单视场情况的3倍.     

多曝光星敏感器的全运动参数建模及优化设计

多曝光成像方法是一种有效提升星敏感器姿态更新率的技术,但该方法随着运动角速度及角加速度增大,相邻星点轨迹的交叉概率显著增大,严重影响其提升性能。为了解决上述问题,建立了基于星敏感器全运动参数的星点成像位置模型,并据此确定了星点在工作周期内的运动位移。根据该模型,对交叉概率与全运动参数、焦距、星点位置等的关系进行了仿真,并确定了全运动参数的极限安全值为角速度ω≤26.4（°）/s,角加速度α≤5（°）/s2。外场观星实验充分验证了所提方法的有效性。      

星敏感器误差分析与补偿方法

星敏感器是目前航天器精度最高的姿态测量部件,其误差是影响姿态确定系统精度的关键要素.依据误差频率特性,系统地对星敏感器误差进行分析,主要阐述星敏感器低频误差和高频误差产生的原因以及当前的抑制与补偿方法.在此基础上,根据星敏感器误差的特点,展望星敏感器低频误差以及高频误差抑制与补偿方法的发展趋势.     

基于星敏感器的卫星角速度估计精度分析

重点研究星敏感器自身特性对角速度估计精度的影响,分析了星敏感器动态情况下恒星矢量测量精度,推导出恒星矢量测量误差与星像目标中心提取误差之间的关系;进而研究了最小二乘角速度估计算法的精度,得出其精度影响因素:星像目标中心提取误差、曝光时间、恒星矢量数目及相互夹角;最后以给定的星敏感器参数和实际恒星分布进行数学仿真,验证了采用星敏感器估计角速度的可行性.     

星敏感器调焦方法研究

调焦是星敏感器产品设计生产的一个关键环节.精确的调焦可以提高星敏感器的灵敏度和测量精度,保证星敏感器的性能指标.从焦点位置、光轴与芯片法线不重合、芯片安装精确度、质心稳定性等方面分析了影响调焦的各种因素,总结出调焦方法.     

基于地标信息的星敏感器低频误差标定方法

针对星敏感器及其安装结构热变形等因素引起的星敏感器低频误差(LFE)影响卫星姿态确定精度的问题,提出了根据有效载荷提供的地标信息,采用最小二乘算法标定星敏感器低频误差的方法.考虑到卫星姿态确定系统是为有效载荷服务的,为了使卫星姿态确定系统输出的姿态信息与有效载荷相一致,从而准确反映有效载荷的指向变化情况,星敏感器低频误差的标定以有效载荷提供的地标信息为观测量进行.仿真结果表明,所提方法能够有效减弱星敏感器低频误差对卫星姿态确定精度的影响,从而提高卫星姿态确定精度.     

基于FD的微小型姿态系统的姿态估计算法

分别利用微惯性测量单元(MIMU,Micro Inertial Measurement Unit)中的3个加速度计与3个陀螺仪对载体的姿态角进行估计,同时,搭建捷联惯性导航系统,建立姿态误差方程,使用卡尔曼滤波估计载体姿态误差角.构造残差及统计量,利用状态残差检验的故障检测方法,对载体的运动状态进行分离,判断加速度计估计出的姿态角的可用性,对姿态角进行融合.既保证了姿态估计系统的动态性能,又提高了估计精度.由于使用微电子机械系统(MEMS,Micro Electro Mechanical System)惯性器件,使得姿态估计系统的体积小、重量轻、造价低,特别适于微小型载体使用.      

遗传算法在质量矩导弹姿态控制中的应用

研究了三轴稳定控制系统的姿态控制问题.建立了内部带有3个可移动滑块的数学模型.利用RBF(Radial Basis Function)网络的快速自学习以及自适应特性,将其作为控制器不断调整滑块的位置.同时利用遗传算法(GA)的全局、并行寻优及增强式学习能力对神经网络控制器的权系进行优化.通过对滑块位置的协调控制,改变导弹的飞行姿态.最后讨论了滑块运动特性对系统性能产生的影响并对系统稳定性进行了分析.仿真结果表明该控制律能在保证系统稳定的情况下有效地实现导弹的姿态调整,并且提高了系统的动态响应品质.      

基于深度强化学习的软件定义卫星姿态控制算法

深度强化学习（DRL）作为一种新型的基于机器学习的控制算法,在机器人和无人机等智能控制领域展现出了优异的性能,而卫星姿态控制领域仍然在广泛使用传统的PID控制算法。随着卫星的小型化、智能化以至软件定义卫星的出现,传统控制算法越来越难以满足姿态控制系统对适应性、自主性、鲁棒性的需求。因此对基于深度强化学习的姿态控制算法进行了研究,该算法使用基于模型的算法,比非基于模型的算法拥有更快的收敛速度。与传统控制策略相比,该算法无需对卫星的物理参数和轨道参数等先验知识,具有较强的适应能力和自主控制能力,可以满足软件定义卫星适应不同硬件环境,进行快速研发和部署的需求。此外,该算法通过引入目标网络和并行化启发式搜索算法之后,在网络精度和计算速度方面进行了优化,并且通过仿真实验进行了验证。      

基于混合粒子滤波的载波估计算法

针对粒子滤波载波估计算法的高复杂度、粒子退化及贫化问题,提出了一种基于混合粒子滤波的载波估计方法.该方法引入多阶马尔科夫模型,采用多个非零均值高斯分布的加权和来近似重要性函数的最佳选择,并根据最大后验概率准则规范粒子的迭代计算.仿真结果表明,在非高斯噪声环境下,低轨卫星通信TDMA/DEQPSK(Time Division Multiple Address/Differential Quadrature Phase Shift Keying)数据帧非合作接收载波估计时,与基于经典粒子滤波的载波估计算法相比,提高了粒子"效率",在误码性能相当的情况下,有效降低了计算复杂度.     

基于引导型人工免疫算法的最优Lambert变轨

主要研究了燃料最省的Lambert双脉冲变轨问题.首先对普适变量法进行改进以避免奇异,并将其用于Lambert双脉冲变轨问题的求解.然后针对只给定初始时刻追踪航天器和目标航天器的轨道要素及总时间约束的交会问题,引入调相时间的概念,并将其和转移时间作为Lambert变轨的优化变量.最后采用引导型人工免疫算法GAIA(Guiding Artificial Im-mune Algorithm)对该优化问题进行寻优.仿真算例表明,与自适应遗传算法AGA(Adaptive Ge-netic Algorithm)相比,GAIA具有更强的寻优能力和更快的寻优速度,从而验证了GAIA用于最优Lambert变轨的有效性.     

基于降维观测器的最优故障诊断算法研究

为降低诊断算法的计算量,优化算法参数,设计了一种基于降维观测器的最优故障诊断算法。首先,利用正交原理,将故障状态与系统状态进行解耦,从而构造了用于故障估计且无需进行矩阵分块运算的降维观测器。其次,基于对偶原理,将诊断算法的增益优化问题转化为诊断误差方程对偶系统的最优控制律设计问题,从而实现了对故障的最小方差估计。然后,利用诊断结果设计了基于故障补偿思想的容错控制律,以此实现了系统与故障的隔离。最后,通过数值仿真验证了所提方法的有效性。结果表明,对于二阶系统,该诊断算法可在7s内快速收敛到故障真实值。     

基于特征点集的匹配算法应用于卫星姿态确定

综合了灰度与几何特征匹配方法,依据局部纹理能量分布选取特征点集,并利用特征点集的几何约束关系构建了可描述图像整体特征的模板.通过逐步求精方法实现了实时图像与基准图像的匹配.首先通过特征点集匹配进行粗搜索;然后通过精搜索以及角度校正得到实时图像中目标偏移旋转量.该特征点集算法与传统图像匹配算法相比较,在保证精度的基础上能提高匹配速度,且具有一定的旋转不变性和抗噪性.仿真实验证明了该算法的可行性.      

基于零速修正与姿态自观测的惯性行人导航算法

针对惯性行人导航中航向角发散致使导航精度降低的问题,提出了一种基于零速修正与姿态自观测的惯性行人导航算法。通过四条件零速检测算法对行走步态中的零速区间进行检测。在检测得到的零速区间内,利用零速修正算法原理构造速度误差的观测量;利用零速区间内行人脚部与地面保持静止、只受到重力加速度及姿态角不变的特性,构造姿态角误差的观测量。应用卡尔曼滤波对零速区间内的姿态角、速度及位置的误差进行估计。利用得到的误差状态估计结果对行人导航进行误差校正,提高惯性行人导航的精度。实验表明:小范围矩形路径中,所提算法的导航轨迹相对误差平均值仅占总路程的0.98%,比零速修正算法减小了78.11%;导航轨迹误差标准差仅为0.14 m,比零速修正算法减小了88.62%;400 m标准操场闭合路径中解算终点相对位置误差仅为1.18%。解算轨迹与实际轨迹匹配度较高,具有良好的应用价值。      

基于改进蚁群算法的低空突防航迹规划

为保证低空突防的成功率,在航迹规划时必须设计出以最小的被发现概率及可接受的航程为目标的航迹.蚁群算法ACA(Ant Colony Algorithm)作为一种新型的模拟进化算法,适合用于航迹规划中最优航迹的搜索,但是算法存在搜索时间长、收敛速度慢、易陷于局部最优解的缺点,为了克服算法自身不足,提高算法性能,引入了遗传算法中变异操作和挥发系数的自适应调节,从而形成改进蚁群算法,最后结合建立的航迹规划性能指标,利用等概率寻优、原有蚁群算法和改进蚁群算法3种方法分别进行航迹规划,并通过比较和分析结果的时间花费和航路代价,验证了改进蚁群算法的有效性.