X-ray pulsar navigation method for spacecraft with pulsar direction error

In order to reduce the impact of the pulsar direction error on the navigation system performance, a novel X-ray pulsar navigation technique is proposed. Through analyzing the system bias caused by the pulsar direction error, it can be seen that the system bias is slowly time-varying. Based on the analysis result, the augmented state unscented Kalman filter (ASUKF), in which the system bias is treated as the augmented state, is designed here to deal with the system bias and estimate spacecraft’s positions and velocities. The simulation results demonstrate the effectiveness and robustness of the proposed navigation method. The ASUKF-based navigation method for spacecraft is more accurate than the method based on unscented Kalman filter (UKF) in the presence of the pulsar direction error.     

非线性滤波在捷联惯导系统初始对准中的应用

惯性导航系统(INS)初始对准的误差方程在本质上是非线性的,估计惯性导航初始对准误差普遍采用的做法是把失准角假设为小角度,再将误差模型线性化.但当运载体遭遇恶劣环境姿态变化剧烈时,用于估计小失准角的误差模型将不再满足初始对准的要求.为满足大失准角下惯导系统的初始对准,在建立大失准角下的非线性误差模型基础上,分别应用2种...     

基于特征模型的高超声速飞行器姿态控制器与自适应滤波算法的设计

提出一种基于特征模型的强跟踪无迹卡尔曼滤波（CSUKF）算法对状态和参数进行联合估计,利用特征模型参数构造时变的二阶状态转移阵,使滤波和辨识模型简化;结合强跟踪滤波（STF）的强跟踪能力和无迹卡尔曼滤波的（UKF）的非线性高逼近性对含测量噪声的高超声速飞行器系统进行参数辨识和滤波,并将其与非线性黄金分割自适应控制律相结合,对高超声速飞行器进行姿态控制.最后,将提出的CSUKF与基于特征模型的无迹卡尔曼滤波（CUKF）和基于特征模型的普通扩展卡尔曼滤波算法（CEKF）进行比较,仿真结果说明CSUKF与非线性黄金分割自适应控制律相结合可以有效改善控制的平稳性,且具有更好的滤波精度和系统输出,从而能更好地处理含测量噪声情况下的高超声速飞行器的辨识与控制问题.     

一个用于目标跟踪的改进粒子滤波算法

简化UT（unscented transformation）转化参数，修改UKF（unscented Kalmanfilter）提议分布，提出了改进的粒子滤波算法。调节因子的增加使得能在线自适应估计，滤波性能提高，并形成一个自适应的算法。仅有角测量的目标跟踪仿真试验证实了改进的粒子滤波算法要优于其它滤波方式。     

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ATSUKF算法的卫星姿控系统故障估计

针对卫星姿态控制过程中可能发生的执行机构或敏感器故障,提出了一种基于无损卡尔曼滤波（UKF）及偏差分离原理的自适应二阶无损卡尔曼滤波（ATSUKF）算法。首先,提出TSUKF算法,通过UKF处理姿态机动时的非线性并通过偏差分离原理将非线性系统的状态及故障分别估计,避免非线性模型的线性化过程同时降低了计算过程中的矩阵维度。然后,在TSUKF算法的基础上提出了ATSUKF算法,通过滑动窗口内的残差计算自适应矩阵,使滤波器在统计特性不准确的情况下仍然具有较快的收敛速度,特别适用于卫星快速机动过程中的姿态与故障估计。数值仿真结果表明,ATSUKF算法相较于TSUKF算法能有效降低统计特性不准对系统造成的不利影响,实现卫星姿态、执行机构/敏感器故障的快速估计。     

UKF在基于修正罗德里格参数的飞行器姿态确定中的应用

UKF是一种新的非线性滤波方法,在状态的时间更新阶段直接使用非线性模型,不引入线性化误差,而且不必计算Jacobi矩阵,相对于扩展卡尔曼滤波(EKF)不仅能提高滤波精度,而且更容易实现。修正的罗德里格参数(MRPs)是一种飞行器姿态参数,相对于四元数姿态参数,用MRPs表示飞行器的姿态时,状态误差方差不会产生奇异性,并且能在一定程度上减小估计的计算量。本文针对MRPs表示的无陀螺飞行器姿态系统,利用UKF设计了姿态估计器,并通过仿真验证了算法的有效性。     

无迹增量滤波方法

提出无迹增量滤波(UIF)的概念,建立一般无迹增量滤波模型及其分析方法,并对具有加性噪声的无迹增量滤波进行了详细讨论,给出其递推算法.在工程实际中,由于环境因素的影响、测量设备的不稳定性、模型和参数的选取不当等原因往往带来未知的系统误差.在这种情况下,传统的无迹Kalman滤波方法(UKF)在递推过程中会产生较大误差,甚至导致发散.提出的无迹增量滤波方法能够成功消除这种未知的系统误差,提高滤波的精度.该方法计算简单,便于工程应用.      

多测速系统中系统误差实时估计与校准算法

在实际目标跟踪系统中,测量设备都存在系统误差,会导致跟踪滤波精度显著下降。针对多测速系统,对其测速系统误差进行了简化数学建模;然后将其增广为状态变量,应用扩维无迹卡尔曼滤波对目标运动状态和系统误差进行联合估计,以实时校准系统误差、提高状态估计精度。在存在主副站2类系统误差的条件下,设定恒定和线性时变2类系统误差场景,对算法进行仿真分析。仿真结果表明,算法在2类系统误差情形下都能有效校准系统误差,位置、速度滤波精度可提高80%以上;尤其是当系统误差恒定时,算法可完全消除系统误差的影响。     

基于无迹卡尔曼滤波法的串联型电池系统 荷电状态估计研究

以锂离子电池为载体的电源系统为航天器稳定可靠运行提供了一种有效的方式.多个电池单体经串联可扩大电池系统容量,即串联型电池系统.为准确估计串联型锂离子电池系统的荷电状态(State of Charge,SOC),针对扩展卡尔曼滤波(Extended Kalman Filter,EKF)计算复杂、精度不高等问题,结合串联型电池系统空间状态方程,提出基于无迹卡尔曼滤波法(Unscented Kalman Filter,UKF)的串联型电池系统荷电状态估计算法.在恒流和脉冲两种工况下,通过对比分析UKF与EKF算法的仿真结果与实验数据的匹配情况,证明了提出算法的准确性和高鲁棒性.