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。     

具有约束项的自校准卡尔曼实时滤波定轨方法

针对在传统卫星定轨方法中存在的轨道根数解算复杂 ,实时定轨精度低 ,以及系统误差校不准等问题 ,提出并详细阐述了具有约束项的自校准卡尔曼实时滤波定轨方法。该方法复杂度低、实时性强、计算量小 ,仿真结果表明该方法同时具有收敛速度快、定轨精度高的优点 ,具有很好的应用前景     

卫星姿态测量信息的二阶非线性滤波技术研究

卫星应用任务要求卫星姿态在空间保持高精度定向 ,为此有必要研究精确的递推非线性姿态估计算法。文中针对星光 陀螺这种典型的三轴稳定卫星姿态确定系统模式 ,应用基于二阶泰勒级数近似得到的非线性滤波算法处理姿态测量信息 ,设计了二阶非线性姿态估计器的实现方案。在设计过程中 ,把QUEST法作为矢量观测数据压缩技术有效地结合进姿态估计器中 ,使得在多矢量观测情况下的滤波修正算法得到了简化。相同条件下的仿真测试结果证明 ,二阶非线性姿态估计器的滤波性能要优于采用扩展卡尔曼滤波技术的一阶线性姿态估计器     

基于自适应容积粒子滤波的车辆状态估计

针对车辆状态估计中由模型的强非线性、噪声的非高斯分布等相关因素导致估计精度下降甚至发散的问题,本文提出了基于自适应容积粒子滤波(Adaptive cubature particle filter,ACPF)的车辆状态估计器。首先基于非稳态动态轮胎模型,构建高维度非线性八自由度车辆模型。其次利用自适应容积卡尔曼滤波(Adaptive cubature Kalman filter,ACKF)算法更新基本粒子滤波(Particle filter,PF)算法的重要性密度函数,以完成自适应容积粒子滤波算法设计。利用车载传感器信息,运用ACPF算法实现对车辆的侧倾角、质心侧偏角等关键状态变量高精度在线观测。搭建Simulink-Carsim联合仿真平台进行了算法的验证,结果表明该算法状态估计精度高于传统无迹粒子滤波(Unscented particle filter,UPF)算法,且算法运算效率高于UPF算法,而传统PF估计值发散。研究结果为实现车辆动力学精准控制提供了理论支持。     

基于鲁棒状态观测器的运载火箭姿态控制系统设计

考虑弹性振动和液体晃动,采用鲁棒观测器设计了运载火箭的姿态控制系统。将姿态角测量结果中弹性振动的影响视为外界干扰,利用状态观测器的低通滤波特性实现对高频弹性信号的衰减,同时状态观测器替代速率陀螺估计得到姿态角速度,以姿态角和角速度信号为输入,采用扭曲二阶滑模控制方法设计了姿态控制律,并从理论上对该控制律稳定液体晃动和弹性振动的原理进行了证明,对观测器变换矩阵的选择进行分析。数值仿真表明,在参数摄动和干扰的影响下,所提出的变结构控制律能够有效的跟踪控制指令,稳定系统姿态,具有较强的鲁棒性,同时鲁棒状态观测器能够准确的估计出角速度信息。     

基于地磁场模型修正的自主定轨

地磁场模型存在的误差是磁测定轨精度较低的主要原因之一,为提高自主定轨的精度,本文采用扩展卡尔曼滤波作为处理磁测自主导航问题的滤波算法,以磁强计及星敏感器输出信号为测量信息,对卫星的位置及速度信息进行了估计,并对地磁场模型中几个重要的高斯系数进行了估计与修正。最后给出了数学仿真算例。     

基于精确伪距率观测模型的GPS/SINS组合导航系统研究

从泰勒公式及函数矩阵的基本定义出发，推导了考虑位置误差相关项时，GPS/SINS组合导航系统精确的伪距率观测数学模型。仿真结果表明，使用精确伪距率观测模型的伪距、伪距率交替组合导航系统，其位置误差能更好地跟踪GPS系统位置几何误差系数，能更真实地反映载体的短期位置误差，更适用于对航天器或大气飞行器短期位置导航精度要求较高的场合（如把航天飞机或大气飞行器作为高分辨率合成孔径雷达等遥感器的载体）。     

弹性体运载火箭建模及控制器设计

考虑运载火箭飞行过程中的弹性振动特性,对运载火箭进行全量动力学建模以及控制器设计。首先将运载火箭考虑为一维梁模型并建立全量动力学模型,分别引入自适应滤波姿态控制算法和H_2范数鲁棒增益调度控制算法设计控制器。仿真结果表明:在考虑舵机非线性情况下两种控制方法均能够满足精度要求,在具有较大外部扰动情况下,鲁棒增益调度控制算法相较于自适应滤波算法具有较强的鲁棒性。     

MEMS陀螺静态误差补偿方法研究

针对典型MEMS陀螺静态误差大、 影响工程上使用的难题,提出基于时间序列模型的Kalman滤波方法.通过对典型MEMS陀螺数据进行分析,提取其趋势项,进行周期检验与相关性分析,建立时间序列模型;针对建立的时间序列模型,提出利用Kalman滤波方法,消除零位不稳定性.仿真及试验结果表明,该解算方法能够有效补偿MEMS陀螺静态误差,显著提升其静态指标.     

间断制导下的反辐射无人机被动定位算法研究

目前,有关被动定位算法的研究多是在测量信息连续的情况下展开的,对于测量信息间断情况下的滤波鲜有涉及.针对该问题,以反辐射无人机为研究对象,提出一种基于卡尔曼滤波的间断制导下的被动定位算法,并通过仿真,验证了该方法的有效性.结果表明:提出的新方法能够用于间断制导下的被动定位,且具有一定的定位精度.