一种基于误差四元数的战术导弹垂直发射姿态调转控制器

针对战术导弹垂直发射姿态调转时的快速性要求，研究了垂直发射快速姿态调转的控制问题。首先基于误差四元数并结合垂直发射的具体特点，建立了战术导弹垂直发射的非线性数学模型；然后通过李亚普诺夫第二方法进行控制系统设计，得出了基于误差四元数反馈控制器。分析了系统的稳定性和鲁棒性。该控制器实现了绕欧拉特征轴的旋转，缩短了姿态调转的时间，最后通过仿真验证其有效性。     

舰载导弹的动基座对准

本文将状态与偏差解耦卡尔曼滤波器应用于动基座对准中，根据舰载导弹动基座对准的特点，引入闭环，即在滤波过程中周期性地将滤波值补偿姿态失调角、速度误差和惯性元件误差。仿真结果表明，该方法能使收敛速度加快，估计精度提高，滤波值的振荡幅度减小。     

GPS/速率陀螺组合Kalman滤波姿态确定算法研究

建立了GPS／速率陀螺组合姿态估计系统的模型，研究比较了三种典型的Kalman滤波姿态确定算法：状态扩充法、量测量求差法和时变噪声估计跟踪自适应滤波算法。给出了某航天器采用GPS／速率陀螺组合姿态确定的仿真计算结果，并对结果进行了分析。结果表明，与传统Kalman滤波算法比较，时变噪声跟踪自适应滤波算法和量测量求差滤波算法能较好地消除GPS测量中相关时变噪声的影响，提高姿态确定的精度；而且时变噪声跟踪自适应滤波算法能很好地消除由于噪声统计性能的不确定性对Kalman滤波的影响，提高姿态确定系统的性能。     

一种基于信息融合的卫星自主天文导航新方法

直接敏感地平和利用星光折射间接敏感地平是两种基于天体敏感器的自主天文导航方法,其定位精度主要取决于地平的敏感精度。通常利用红外地平仪直接敏感地平的方法简单、可靠,但精度较低,而近年出现的利用星光折射间接敏感地平的方法精度高,但必须能观测到符合一定条件的折射星,根据上述两种方法的特点,提出了一种基于信息融合的直接敏感地平和利用星光折射间接敏感地平相结合的自主天文导航的新方法,计算机仿真结果表明该方法可以进一步提高系统的精度和可靠性。     

动平衡对小卫星姿态的影响及配重优化

针对小卫星动平衡问题;从小卫星姿态精度角度分析卫星动平衡的必要性,并提出配重优化方法、首先进行理论和仿真分析,表明质心偏移降低星体姿态精度、增加姿控能源和工质消耗、并导致姿态确定和控制器设计参数产生偏差;从而导致卫星姿态产生系统误差;因而动平衡是提高卫星服役质量和服役寿命的必要步骤。然后提出配重优化的动态规划法和单纯形法优化模型,并给出程序设计以及计算实例。     

GNSS9916(GPS/GLONASS)接收机

介绍七○四所独立研制开发的 GNSS991 6(GPS/ GL ONASS)接收机性能、指标、组成和工作原理。     

柔性航天器动力学分析

介绍了柔性航天器学分析设计的理想，方法和软件，给出了所采用的建模理论与方法；建立了工程实用的柔性航天器动力学分析模型及其各类耦合系数矩阵表达式，并就系统降价和模态截断等问题进行了讨论。介绍了带大型附件一类柔性航天器动力学分析软件ＤＡＳＦＡ的功能特点，并给出应用算例。     

ZN3火箭姿态测量用太阳角计

本文给出了用于ＺＮ３火箭姿态测量太阳角计的原理和测量结果，讨论了背景抑制和标定方法，分析了误差来源。该仪器采用选取适当探测波段和比值测量方法较好地消除了地外太阳辐照和大气消光的影响，也有效地抑制了背景辐射的干扰，大大提高了测量精度。实测结果表明，火箭姿态角测量的均方根误差约为０．７°。这一方法适用于各种自旋稳定飞行器的姿态测量。     

地球同步自旋稳定卫星的姿态确定方法及其微机实现

本文系作者根据航天部中国空间技术研究院和意大利国家研究委员会联合研究“卫星飞行动力学系统”课题的协议与意大利有关专家共同在微机上完成的自旋稳定地球同步卫星姿态确定的研究工作。文中提出了适用于不同轨道几何条件的六种确定性姿态确定模型。首先用批量最小二乘法统计确定卫星姿态,估计出系统误差,然后从实际量测中消去所估计出的系统误差,最后用修正过的数据按确定性姿态确定方法定出卫星姿态。文中给出了姿态确定方法的微机实现程序。仿真结果证明,本方法与大型机IBM 3081上取得的结果完全相同。     

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。