利用小行星测量信息的深空探测器自主导航算法研究

提出一种利用小行星图像信息的深空探测转移轨道段自主光学导航算法.该算法首先利用导航敏感器获取含有恒星背景的多颗小行星的图像;然后通过图像处理,提取出小行星和恒星中心点对应的像素;最后利用小行星和恒星中心点的像素、探测器的惯性姿态和观测时刻的小行星星历等信息,通过引入Unscented变换的批处理最小二乘滤波估计探测器的位置和速度.以"深空一号"探测器飞行轨道为例进行数学仿真,结果表明该算法导航精度优于"深空一号"应用的批处理最小二乘滤波.     

基于太阳观测的深空巡航段自主导航方法研究

针对基于小行星观测的自主光学导航在深空巡航段应用中存在的问题,提出了两种基 于太阳观测的自主导航方法。以太阳视线矢量为基本观测量,分别利用分光计和星载导航相 机测量探测器相对于太阳的径向速度和导航天体相对于探测器的视线矢量,进而构建了基于 太阳信息和视线信息的两种观测方案。对两种观测方案的原理和观测方程进行了详细分析和 推导,并采用扩展卡尔曼滤波算法实时估计探测器轨道。最后,以深度撞击任务的实际飞行 数据对本文提出的两种自主导航方法进行仿真验证。结果表明,两种自主导航方法的轨道估 计精度满足深空巡航段的要求。
     

深空自主光学导航观测小行星选取方法研究

深空探测转移轨道段的自主光学导航一般以小行星作为观测量来源.为了选出可观测的小行星,分析了小行星用于导航的限制因素,给出了视星等、太阳相角、视运动、三星概率、探测器与小行星距离和视线夹角等选取标准;然后,为了从多颗可观测小行星中选出最优组合,以提高导航精度,基于滤波误差协方差分析,给出了一种可量化的选取最优小行星组合的方法,该方法只与小行星到探测器距离和视线夹角有关;最后,参照"深空一号"飞行方案进行了仿真验证.分析和仿真结果表明该方法可有效提高导航精度.     

一种基于信息融合的深空巡航段自主导航算法

针对自主光学导航在深空巡航段应用中的问题,提出了一种基于信息融合的自主导航算法。由太阳敏感器测量获得太阳相对探测器的视线矢量,由分光计测量获得探测器相对太阳的径向速度,构建自主导航系统的两种信息观测方程;由基于状态估计误差协方差阵奇异值动态确定信息分配因子,用信息融合技术和扩展卡尔曼滤波算法实时估计探测器的位置与速度。对深度撞击任务的实际飞行数据的数值仿真结果表明:自主导航算法的轨道确定精度满足深空巡航段要求。     

基于地月信息的奔月探测器自主光学导航

基于地月信息提出了一种奔月转移轨道的自主光学导航算法。该算法首先利用导航相机得到的地球和月球边缘图像与地、月几何形状模型，运用扩展源的空间获取算法导出地心和月心对应的像素，然后利用地心和月心像素、探测器的惯性姿态和该观测历元的地、月星历信息，通过基于UD分解的递推加权最小二乘算法确定了探测器轨道。还引入导航系统的可观度定义来分析了导航系统的可观性，数学仿真结果表明导航的位置误差小于30km，速度误差小于0．3m／s，证明该自主光学导航算法是有效的。     

21世纪国外深空探测的关键技术（中）

（四）自主导航与控制技术 1．探测器智能自主导航控制技术 NASA的“新盛世”计划把智能自主技术放在首位，使深空探测器能自主完成导航控制、数据处理、故障判断和部分重构与维修工作。作为该计划的先导，美国的深空1号探测器通过远程代理、自主导航、信标操作、自主软件测试和自动编码等技术途径充分实现了智能自主控制，     

基于Unscented滤波的伴飞卫星自主相对导航滤波器

为提高导航滤波器的稳定性和计算精度,根据卫星自主导航原理,构造了基于Unscented Kalman滤波（UKF）的伴飞卫星自主相对导航滤波器,建立了算法模型。仿真结果表明：UKF的滤波精度优于扩展Kalman滤波（EKF）,且无需计算量测方程的Jacobi矩阵,计算量小、易于实现。     

基于UPF的航天器自主天文导航方法

利用红外地球敏感器和星敏感器直接敏感地平的天文导航方法是一种成熟、可靠的自主导航方法。这种导航方法的状态方程和量测方程都是严重非线性的,且在建立航天器轨道动力学模型时,通常将二阶带谐摄动项建模,而将其他摄动项等效为高斯白噪声,由于这些摄动项都有其精确的模型,通常不服从高斯分布。本文提出将UPF(Unscented Particle Filter)滤波方法应用于航天器自主天文导航,该方法用UKF(Unscented Kalman Filter)得到粒子滤波的重要性采样密度函数,从而克服了标准的粒子滤波没有考虑最新量测信息和UKF只能应用于噪声为高斯分布的不足。仿真结果表明,该方法可以取得比标准的粒子滤波和UKF更快的滤波收敛性和更高的滤波精度。     

应用三向测量数据的深空探测器实时滤波定位算法

三向测量数据是深空探测器的一类重要观测数据,文章采用不敏卡尔曼滤波(UKF)算法实现了应用三向测量数据的深空探测器实时滤波定位计算,给出了三向测量体制下的观测模型及观测预测值计算方法,建立了动力学及非动力学两种方式下的滤波预测模型。利用嫦娥三号探测器的实测数据对算法进行了有效性验证,结果表明,文章所给出的观测及预测模型建立方法,适用于三向测量数据,动力学建模算法的稳定性与抗野值能力优于非动力学建模算法,但复杂度又高于非动力学建模方法。上述研究结果对深空探测器的定位或定轨计算具有一定的参考价值。     

21世纪国外深空控测的关键技术(中)

(四)自主导航与控制技术 1.探测器智能自主导航控制技术 NASA的"新盛世"计划把智能自主技术放在首位,使深空探测器能自主完成导航控制、数据处理、故障判断和部分重构与维修工作.     

利用UKF的航天器自主导航方法研究

UKF(Unscented卡尔曼滤波)是一种新型的直接针对非线性系统的滤波方法。用星敏感器和地平仪测量星光与地平之间的“星光仰角”为观测量的天文自主导航方法,其状态方程和量测方程都是非线性的,使用以往的EKF(推广卡尔曼滤波)进行导航滤波,需将上述两方程分别线性化,故精度较低。本文提出在航天器天文自主导航系统中采用UKF方法,并从仿真计算结果中看到,导航精度有显著提高。     

一种基于磁强计的卫星自主导航方法研究

以地磁场强度矢量的模为观测量,将Unscented卡尔曼滤波(UKF)用于近地卫星的磁测自主导航。给出了包括采样点生成、时间更新和量测更新的滤波模型,以及卫星瞬时轨道根数的计算公式。仿真结果表明,UKF滤波方法优于扩展卡尔曼滤波(EKF),精度更高。     

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。     

基于AE-UKF的航天器自主导航方法

针对自主导航过程中不确定的测量噪声和干扰的影响,提出了一种具有自适应能力的状态估计方法AE\|UKF方法。该方法通过对非线性的状态方程进行Unscented变换,对非线性的测量方程求取雅可比矩阵,同时在滤波迭代过程中引入自适应因子,使滤波器具有自适应能力。将AE\|UKF方法应用于自主导航系统导航信息的估计过程中,仿真结果表明：AE\|UKF方法在达到UKF方法精度的同时,能够克服自主导航过程中不确定的噪声和随机干扰的影响。     

北斗/罗兰C组合导航非线性滤波算法研究

北斗/罗兰C组合可以实现无源三维导航定位.建立了组合导航系统状态方程和量测方程,针对量测方程为非线性的情况,分别应用扩展卡尔曼滤波(EKF)和Unscented卡尔曼滤波(UKF),设计了滤波算法,仿真结果表明,采用UKF方法比EKF方法能改善定位效果,该方法已经成功应用在工程实践中.     

基于联邦UKF算法的月球探测器自主组合导航

研究了月球探测器在地一月转移轨道阶段的自主导航方法，提出了利用地月位置信息和星光角距测量信息实现探测器自主组合导航的方案。针对导航系统的状态方程非线性的特点，将Unscented卡尔曼滤波算法和信息融合技术相结合，设计了新的联邦滤波器并应用于自主导航系统中。对这种导航方案进行了数值仿真，和传统的联邦滤波算法进行了比较。仿真结果表明，所提出的组合导航方法和联邦滤波算法的导航位置估计精度约为1km，速度估计精度约为0．01m／s，并且具有良好的鲁棒性和容错性能。     

基于MEP-UKF的组合导航滤波算法

针对目前应用于SINS／GPS组合导航系统中的扩展卡尔曼滤波(Extended Kalman
Filter, EKF)存在精度低、实时性差的缺点,提出一种基于模型误差预测(Model Error
Prediction, MEP)的Unscented 卡尔曼滤波(Unscented Kalman Filter,
UKF)。MEP-UKF滤波算法将惯性器件测量误差作为模型误差使用MEP进行实时预测的同时,采 用UKF估计载体的姿态、速度及位置等误差信息,并反馈给SINS系统来校正导航参数。MEP-U KF不仅克服了UKF必须假设惯性器件误差为高斯白噪声的局限性,而且降低了SINS／GPS组合 导航系统状态变量的维数,大大缩短了导航解算的时间。仿真结果表明,MEP-UKF的收敛速 度和滤波精度均明显优于EKF,更好地满足了工程应用中对导航精度和实时性的要求。     

基于滤波算法的拟平均轨道根数自主实时确定方法

针对卫星长期自主运行的发展要求,首次提出了基于滤波算法的卫星自主计算拟平均轨道根数的在轨实时方法。首先以受地球非球形摄动影响的低轨卫星为研究对象,推导了拟平均轨道根数的变化率并考虑了J2平方项补偿;以拟平均轨道根数为状态变量并以卫星瞬时速度和位置作为观测量建立了滤波方程,然后分别应用平方根无迹卡尔曼滤波(SR UKF)和扩展卡尔曼滤波(EKF)对拟平均轨道根数进行估计。仿真结果表明,两种滤波方法均能有效地计算拟平均轨道根数,其中平方根UKF滤波具有更高的精度和稳定度,且都可以满足卫星在轨自主实时计算拟平均轨道根数的需求。