基于对偶数的航天器多特征融合相对导航算法

针对基于视觉的航天器相对导航问题,利用对偶数推导并给出了航天器相对耦合动力学方程,该方程一体化描述了追踪航天器相对于目标航天器的姿态运动和轨道运动,且考虑了由非质心点引起的相对姿态与相对轨道之间的耦合影响。在对偶代数的框架内,统一描述了目标航天器上的特征点和特征线,并基于特征点、线在像平面的投影建立了多特征融合的单目视觉测量模型。最后通过对系统状态方程以及测量方程的线性化,应用迭代扩展卡尔曼滤波(IEKF)算法对非质心点的相对运动状态进行了估计。仿真结果表明,本文的算法能够对航天器非质心点的相对运动状态进行较高精度的估计。     

一种星敏感器-陀螺组合定姿的实时在轨标定方法

研究了一种星敏感器一陀螺组合定姿方式中的姿态敏感器误差的实时在轨标定方法。首先,选择直观的欧拉角作为姿态描述参数,根据星敏感器和陀螺的测量原理建立星敏感器一陀螺在轨标定的测量方程和状态方程,并以此建立数学模型。其次,采用简单高效的EKF（ExtendedKalmanFilter,扩展卡尔曼滤波）作为估值算法,进行了在轨标定数值仿真。对于航天器姿态定向中出现的姿态角和星敏感器安装角之间的耦合问题,通过在特定姿态通道上施加简单姿态机动实现了解耦。数值结果表明,该实时在轨标定方法,尤其是所提出的姿态角和星敏感器安装角解耦策略,可以实现对航天器姿态的实时精确估计以及对星敏感器安装误差、陀螺常值漂移和相关漂移等误差的实时在轨标定。该方法可用于航天器姿态测量设备的实时在轨标定和航天器姿态的高精度实时确定。     

基于CKF的联合扩维误差配准算法

误差配准是多传感器信息融合的基础。为解决机载多平台多传感器的误差配准问题,研究并提出了一种基于容积卡尔曼滤波(CKF)的联合扩维误差配准算法。在算法实现中,首先采用状态矢量维数扩展方法建立非线性滤波框架下的系统误差配准模型,其次根据误差配准模型对各传感器的测量系统误差及各平台的姿态角系统误差进行估计,最后通过CKF滤波实现对状态预测值的修正,改善系统误差对滤波精度的影响。仿真结果表明,所提出的算法能够有效融合利用多传感器的测量信息,实现对多传感器系统误差及目标状态的实时联合精确估计。     

一种用于仿生导航无人机航姿求解的混合滤波方法

针对现有组合导航系统易被干扰欺骗以及姿态求解精度不足的问题,设计了惯性测量单元(IMU)与偏振光传感器组成的航姿参考系统(AHRS)。同时,考虑到传统的姿态求解方法精度不高,提出了一种用于仿生导航无人机航姿求解的混合滤波方法。将Mahony滤波后的姿态值作为系统观测量,再结合扩展卡尔曼滤波(EKF)实现传感器数据的深层融合,以获得高精度的姿态角信息。实验结果表明：在静态环境下采用混合滤波方法求解的姿态值能有效滤除偏振光传感器和加速度计内部噪声干扰,其稳定性明显优于两种方法各自求解时的情况;在动态实验中该方法能有效抑制单独采用Mahony滤波时存在的超调问题,表现出更高的动态解算精度,从而为偏振光组合导航系统提供了更精确的姿态估计信息。     

基于扩展卡尔曼滤波的小型固定翼无人机姿态估计方法分析

随着小型固定翼无人机的发展,由于其成本低、体积小的特点受到越来越多的企业青睐,但是由于成本问题,导致大部分企业只能选择成本较低的传感器,因此,针对固定翼无人机的姿态估计变得困难。为了解决这个问题,需要研究出一种新的姿态估计方法。利用离散型扩展卡尔曼滤波原理,结合常用的惯性导航系统和卫星定位系统,对小型无人机姿态进行估计解算。仿真结果显示,该方法可以准确地估计出无人机的姿态信息,其最大误差不超过2°,通过与未进行滤波算法处理的结果相比较,大大地减小了姿态估计的误差,因此这种基于扩展卡尔曼滤波的姿态估计算法针对小型无人机的姿态估计是可靠的。     

利用GPS进行姿态估计的一种算法

首先建立了全球定位系统（ＧＰＳ）姿态确定的观测方程;然后给出了利用ＧＰＳ进行飞行器姿态估计的模型,并对该模型进行了线性处理;最后利用攻推广卡尔曼滤波技术,针对某飞行器进行了仿真计算。计算结果表明,对于不同的测量噪声和系统噪声,滤波器都有较好的估计,姿态估计的精度明显高于单纯ＧＰＳ姿态确定的精度,可以满足大多数飞行器对姿态确定的要求,证实了模型和算法可用性。     

基于星敏感器的卫星姿态估计方法研究

以星敏感器姿态信息作为测量数据,结合卫星姿态动力学方程组,采用增广卡尔曼滤波方法对无陀螺卫星姿态进行估计。研究发现,干扰力矩的变化会降低卫星姿态估计结果的精度,为此提出两种改进的姿态估计算法:增广自适应卡尔曼滤波方法和增广强跟踪卡尔曼滤波方法;仿真表明,两种算法都能很好地克服干扰力矩变化导致的精度下降现象。     

两种特殊稳健非线性跟踪算法的比较

本文论述了两种基于线性系统理论的稳健、自适应估计器扩展到上升阶段加速航天器的非线性情况。由于非线性的系统动力学(由于存在重力场和航天器级间分离)和非线性的测量模型(由视线距离、方位角和高低角的测量值组成),情况变得复杂化。本文的第一种算法是一种自适应批估计器(ABE),对真实系统动力学利用改正过程估计分段固定的加速度近似值。第二种算法是一种迭代最小二乘估计器(ILSE),将系统动力学作成加速度导数为恒定的模型。由于级间分离,目标加速度产生不连续变化造成模型不准,为了计及这一误差,在后一种估计器中使用一个随机探测器,以便在出现发散之后能重新启动算法。为了合理地比较这两种算法,在一个稳健性已被证实的实际跟踪任务中实施这两种算法。尽管仿真结果证实这两种算法都可以用,但迭代最小二乘法的精度明显优于ABE算法。     

基于“速度+姿态”快速传递对准的可观测性分析

惯导系统初始对准一般采用卡尔曼滤波器对初始姿态误差角进行估计,而在设计卡尔曼滤波器之前通常要对系统进行可观测性分析,确定卡尔曼滤波器的效果。捷联惯导系统的卡尔曼滤波模型在传递对准时,为线性时变系统,而线性时变系统的可观测性分析比较困难。文中采用一种依据系统矩阵的奇异值确定状态可观测度的方法对基于“速度＋姿态”快速传递对准的卡尔曼滤波模型进行可观测性分析,结果表明该方法可直接简单地实现系统状态的可观测度分析。     

星敏感器安装误差标定技术研究

星敏感器是一类具有自主高精度姿态测量能力的仪器,输出姿态精度可达到角秒级。但实际组合导航应用中,星敏感器安装误差往往可达角分级,远远大于仪器本身误差,影响其使用品质,因此有必要在使用前对星敏感器安装误差进行建模标定。研究发现,星敏感器安装误差与惯导姿态误差存在耦合关系,难于分离。设计了一种快速标定方法,利用惯导输出姿态、位置信息以及星敏感器姿态输出构造观测量,建立卡尔曼滤波模型,通过滤波估计实现安装误差的地面标定。仿真结果表明,载体需要进行2个轴向上的机动才能将星敏感器三轴安装误差估计出来。相较于依靠外部基准姿态进行标定的方案,本方法具有快速高效、可操作性强等优点。     

基于序列图像的航天器自主导航降维滤波方法

非合作目标的运动感知与状态估计,是太空领域技术发展的重要组成部分。非合作目标相对状态的精确估计是相对导航的难点问题。传统的非合作目标扩展卡尔曼滤波算法需要结合非合作目标的质心位置,增加了状态变量的维数,提高了系统不确定性,从而会影响状态扩展卡尔曼滤波的收敛速度。提出了一种基于序列图像的非合作目标相对导航方法,该方法在不对质心进行估计的情况下首先对非合作目标姿态进行估计,在完成非合作目标姿态估计后再对其质心进行估计。本文推导了光学相机测量值与目标真实姿态的关系,构建了基于序列图像的测量模型,分别建立了不含有非合作目标质心位置的状态方程和基于非合作目标位置、速度矢量的状态方程,设计了适用于非合作目标状态估计的扩展卡尔曼滤波算法。仿真实验表明该方法可在10 Hz采样频率下经过50次采样（即5 s）内快速收敛,从而有利于空间飞行器的在轨服务与维护。     

无速度反馈的航天器姿轨耦合跟踪控制

提出了一种无速度反馈的航天器姿轨耦合跟踪控制算法。首先建立起基于对偶四元数的带扰动和参数不确定性的航天器姿轨耦合动力学模型。然后基于浸入与不变流形理论设计了速度观测器,通过增益注入对非线性项抑制,从而同时估计角速度和线速度。利用李雅普诺夫函数分析了观测器状态量的收敛性以及注入增益的有界性,证明了该观测器的指数稳定性。最后设计了一个比例-微分（PD）位置与姿态跟踪控制器,该控制器可以实现航天器的任意姿态与位置跟踪,分析了这种观测-控制结构的闭环系统渐近稳定性。仿真验证了该速度观测器和控制器的有效性以及对于参数不确定性和测量噪声具有较好的鲁棒性。     

基于模糊自适应卡尔曼滤波的大气数据辅助姿态算法

 针对中低精度航姿参考系统(AHRS)在机体机动时不能利用加速度计修正水平姿态,以及噪声统计特性随实际工作情况变化的问题,提出了一种基于模糊自适应卡尔曼滤波的大气数据辅助姿态解算的方法。首先,考虑大气数据系统和航姿参考系统的优势,利用真空速、攻角和侧滑角等大气数据信息对非重力加速度进行补偿,以辅助水平姿态解算;其次,基于模糊自适应卡尔曼滤波原理,对观测模型的参数进行估计和修正,以实现水平姿态的最优估计;最后,选取某型飞机的试飞数据进行仿真验证。仿真结果表明,该方法可使飞机的水平姿态估计精度达到1.3°,且在偏差较大时有明显的纠偏作用。因此,相对于无机动加速度补偿和常规卡尔曼滤波来说,该方法能够更好地进行姿态估计,具有一定的实用价值。     

基于深度学习的非合作航天器姿态估计

针对空间非合作航天器姿态测量时受光照和地球背景影响大的问题,提出了一种基于卷积神经网络的端到端姿态估计方法.在该方法中,主干网络采用AlexNet与ResNet.首先,移除主干网络末端的全连接层,并列连接3个全连接层,采用三分支网络分别对姿态角进行估计.然后,设计了将分类问题与回归问题相结合的损失函数,通过分类方法将姿态估计限定在某一范围内,再使用回归方法进一步微调姿态.姿态分类损失函数确定姿态角度基准点,姿态回归损失函数对估计角度进行微调.相较于仅采用回归方法进行姿态估计,此方法能够有效减小姿态估计平均绝对误差、标准差与最大误差.实验对比了不同主干网络的测量精度,平均绝对误差在0.376°～0.746°之间,最优标准差为0.474°.     

基于有向图的航天器编队飞行自适应姿态协同控制

在有向通信拓扑下研究了编队航天器自适应姿态协同控制问题。针对航天器编队飞行系统中存在外部扰动和模型不确定性的情况,通过选取包含相对姿态误差和绝对姿态误差的辅助变量,提出了一种鲁棒自适应控制策略。提出了自适应律估计转动惯量矩阵和扰动上界等未知参数,并且利用Lyapunov稳定性理论分析了闭环系统的渐近稳定性。与滑模控制等传统鲁棒控制不同,所设计的鲁棒自适应控制器是连续的,更便于航天器编队飞行系统的实现。最后通过仿真验证了该控制策略能够实现高精度的编队飞行跟踪控制。     

近地航天器量子导航定位卡尔曼滤波算法研究

针对近地航天器量子导航定位系统,为了进一步提高其定位精度,利用滤波技术将QPS测量值结合航天器的运动模型进行状态量的滤波估计.给出了基于基线干涉原理的量子定位系统观测方程和以二体运动为主的航天器轨道运动模型,在此基础上详细推导了扩展卡尔曼滤波处理过程,并针对该模型进行了仿真.仿真结果表明,基于EKF的量子导航定位精度有明显提高.     

一种非线性滤波器的误差分析及应用

针对一类具有未建模误差和扰动的非线性系统的状态估计问题,提出一种在线估计并补偿模型误差的非线性滤波算法,该算法利用非线性预测滤波(NPF)基于预测输出残差的方差最小的基本原则估计模型误差,冉利用扩展卡尔曼滤波(EKF)的思想对补偿后的模型进行状态估计;详细推导了状态估计误差及其方差阵的传播模型.以卫星姿态确定系统为例,...     

航天器有限时间自适应姿态跟踪容错控制

非刚体航天器存在时变的惯量、执行器完全失效或衰退故障以及外界干扰的情况,提出一种有限时间自适应姿态跟踪容错控制方法。首先,基于有限时间理论和自适应方法,设计惯量不确定性自适应估计项和外界干扰参数自适应估计项进行系统补偿,克服惯量不确定性和抑制外界干扰;然后,基于容错控制和双幂次方法,设计一种自适应有限时间姿态跟踪容错控制算法,并且利用Lyapunov稳定性理论证明所提算法能够保证航天器姿态跟踪系统实际有限时间稳定;最后,对仿真结果进行验证。结果表明:所提有限时间姿态跟踪容错控制方法是有效的。     

基于不敏变换的动基座传感器偏差估计方法

提出了一种新的基于合作目标的动基座传感器误差绝对配准方法。该方法利用所获得的合作目标位置信息,将载体平台姿态角偏差转换为传感器测量偏差中的一部分,并建立偏差状态方程和测量方程。在此基础上,采用广义最小二乘方法以实现传感器测距误差的估计,不敏滤波的方法则用于实现平台载体的姿态偏差和角度测量偏差的实时估计。仿真结果表明,该方法实现简单,收敛速度快,可以实现单部动基座传感器的偏差估计。     

基于融合滤波的MEMS动态倾角仪算法设计

倾角仪是测量物体水平倾角的仪器,在测绘仪器、天线定位、平台控制、海上平台监控等方面有着广泛的应用。基于以MEMS陀螺仪和加速度计为核心传感器、STM32H743为核心控制器的高精度动态倾角传感器,针对加速度计受线加速度影响不适合跟踪动态角运动、陀螺仪受漂移影响存在误差累计的问题,设计了一种融合滤波算法,采用零速修正和姿态自观测方法建立扩展卡尔曼滤波模型,通过反馈矫正将陀螺仪和加速度计输出数据进行融合滤波,去除加速度计受动态环境产生的干扰误差和陀螺仪产生的累计漂移误差,得到高精度载体水平姿态信息。使用大理石平板及三轴转台分别进行静态及动态试验验证,测量过程中动态倾角仪通过RS422串口及CAN总线将仪表原始信息及姿态解算信息传输给地面采集设备,实现对载体姿态的连续、实时计算和显示。经试验验证,该算法能够有效提高系统倾角跟踪精度,测量精度优于0.008°(1σ)。