关于卫星姿态确定非线性滤波算法的研究

本文探讨了利用方位矢量和陀螺速率观测信息确定卫星姿态的问题。该问题实际上是一个非线性/非高斯状态滤波问题,因此,经典的基于EKF和UKF算法的姿态滤波器有可能失败,尤其是当初始状态的先验估计不可能精确得知的情况下。近来,粒子滤波理论已经开始应用于姿态确定问题,但是,这类算法往往需要大量的“粒子”,这对有限计算能力来说是一个沉重的负担。为此,本文尝试利用双重滤波方法,在每个序贯估计过程中,将有陀螺姿态确定问题暂时分解为1个四元数估计问题和1个陀螺常漂参数估计问题。本文提出了2个双重滤波器,包括1个姿态确定双重粒子滤波器和1个姿态确定的混合型滤波器。这两者都采用一个相同的四元数粒子滤波器,但在粒子重采样和平滑处理方面,不同于近来提出的类似滤波器。至于陀螺常漂估计,双重粒子滤波器发展了一个辅助粒子滤波器,而混合滤波器中则发展了一个参数UKF滤波器。通过与经典的姿态确定滤波器的仿真比较,证实了本文新提的2个算法的有效性和优越性。
     

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.      

Remaining useful life prognostics for aeroengine based on superstatistics and information fusion

Remaining useful life（RUL） prognostics is a fundamental premise to perform conditionbased maintenance（CBM） for a system subject to performance degradation. Over the past decades,research has been conducted in RUL prognostics for aeroengine. However, most of the prognostics technologies and methods simply base on single parameter, making it hard to demonstrate the specific characteristics of its degradation. To solve such problems, this paper proposes a novel approach to predict RUL by means of superstatistics and information fusion. The performance degradation evolution of the engine is modeled by fusing multiple monitoring parameters, which manifest non-stationary characteristics while degrading. With the obtained degradation curve,prognostics model can be established by state-space method, and then RUL can be estimated when the time-varying parameters of the model are predicted and updated through Kalman filtering algorithm. By this method, the non-stationary degradation of each parameter is represented, and multiple monitoring parameters are incorporated, both contributing to the final prognostics. A case study shows that this approach enables satisfactory prediction evolution and achieves a markedly better prognosis of RUL.     

基于天基边缘计算的在轨智能技术

针对低轨互联网星座的发展以及天基应用不断拓展对计算能力的需求,开展基于天基边缘计算的在轨智能技术研究,这对提升星地带宽利用率和实时决策效率具有重要意义。提出了以低轨卫星为核心的天基边缘计算架构,在此基础上,进一步提出了一种基于深度模仿学习的智能计算卸载模型,以及该模型的在轨分布式联邦学习训练方案。基于空天地海一体化网络,开展了面向移动应用的实时计算卸载决策,以及空间数据、模型的在轨学习及训练方法研究。该方案在保障空间数据隐私的基础上,可进一步降低程序运行时延和提升模型的决策准确率。结果表明:与传统方法相比,该技术最多降低了54.96%的程序运行时延。     

温度外推预报技术在热平衡试验中的应用研究

在航天器的稳态热平衡试验中 ,应用温度外推预报技术可以准确的给出航天器热平衡极限温度 ,缩短热平衡试验时间 ,从而降低航天器研制成本。文章对非线性最小二乘估计和广义卡尔曼滤波 (EKF)两种温度外推预报方法在航天器热平衡试验中的应用做了相关的研究。     

基于摄动轨道的卫星自主天文导航仿真研究

针对星光折射间接敏感地平的卫星自主天文导航方法 ,利用推广的卡尔曼滤波方法进行仿真研究。为了准确建立运动模型 ,在系统方程中引入了非球形地球引力中的二阶带谐项 ;在考虑具有指数密度的球状分层大气的基础上 ,建立了以星光视高度为观测量的量测方程。在建立了推广的卡尔曼滤波方程后 ,文章进行了计算机仿真 ,并对仿真结果进行了详细的误差分析 ,结果表明基于摄动轨道的星光折射间接敏感地平的卫星自主天文导航方法能取得较高的导航精度     

L-D分解求逆法在联邦卡尔曼滤波中的应用

求逆是联邦卡尔曼滤波算法中数据融合的关键步骤.它的计算精度的高低和运算速度的快慢将直接影响到整个滤波算法的成功与否.经过数字仿真,把矩阵分析中的L-D分解算法运用到联邦卡尔曼滤波中的矩阵求逆当中能得到良好的效果,不但运算速度和精度有提高,整个滤波算法的容错性也有明显改善.      

车辆组合导航定位系统中测量元件的参数修正

阐述了GPS(Global Positioning System)/DRS(Dead Reckoning System)/MM(Map Matching)车辆组合导航定位系统组成和车辆定位算法,提出了利用Kalman滤波和非Kalman滤波算法修正测量元件参数,解决了测量元件参数的漂移问题.仿真实验表明该方法具有较好的修正效果.      

捷联惯导/星敏感器组合导航技术研究

针对在捷联惯导系统中陀螺的误差存在随着时间积累而逐渐增大的缺点,提出了捷联惯导系统+星敏感器的组合导航方案,并进行了仿真及结果分析。以Kalman滤波为基础,通过将捷联惯导系统和CCD光学传感器所测得的飞行器相关姿态信息进行数据融合,估计出组合导航系统的误差状态量,进而修正捷联惯导系统的位置、速度和姿态角。详细推导了捷联惯导+星敏感器组合导航的算法,并通过对仿真结果的分析证实了该方案的可行性和算法的有效性。     

SINS/CNS组合导航系统的降阶模型研究

在利用卡尔曼滤波器对数据进行处理时,其计算时间是由模型的状态矢量维数n决定的,每一步迭代的计算量与n3成正比。状态维数的减少会使计算时间大大缩短。本文首先介绍了SINS/CNS组合导航系统的动态模型,研究了基于奇异值分解的状态可观测度分析方法并提出一种改进的方法,在求状态变量的可观测度时,抛开了观测量,只利用可观测矩阵进行分析,然后应用该理论对SINS/CNS组合导航系统进行状态可观测度的分析,略去不可观测的状态分量,提出一种降阶的系统模型。仿真结果证明,降阶模型可以提供满意的导航精度。