基于卫星跟踪和星敏感器的地月L2点星座自主导航（英文）

近年来在地月L2点构建自主导航星座用于深空探测已经成为研究热点。针对摄动引起的未知模型误差和量测异常造成单独使用卫星跟踪定轨性能较差的问题,提出了一种基于卫星跟踪和星敏感器组合的导航方案。在方案中融合了星间跟踪的距离、多普勒频移信息以及星敏感器测量的星座卫星与月球之间的角度信息,设计了一个联邦自适应平方根容积卡尔曼滤波器,利用自适应尺度矩阵对测量协方差进行改进,提高了异常测量下的定轨精度和鲁棒性。仿真结果表明,在异常测量下所提出的导航滤波方法的位置误差和速度误差,相比传统的联邦平方根容积卡尔曼滤波分别降低了68.85%和44.17%。     

卫星惯性/星光组合自主定姿方法研究

利用星敏感器测量所得的恒星星光方向信息,采用六状态变量推广卡尔曼滤波,得到卫星姿态误差和陀螺漂移误差信息并进行相应的修正。仿真结果表明,这种方法修正效果良好,采用中等精度陀螺组件就可以实现高精度定姿;仿真结果还验证了陀螺随机误差、星敏感器测量噪声和滤波周期等因素对定姿精度的影响。     

AUTONOMOUS NAVIGATION OF PROBE BY X-RAY PULSARS BASED ON FADING MEMORY FILTERING

针对扩展Kalman滤波(Extend Kalman Filter, EKF)在处理X射线脉冲星的自主导航定轨问题上易发散的问题,本文提出了基于记忆衰减滤波的抑制发散自主导航算法。在研究了自主导航滤波中误差变化的特征的基础上,从原理上分析了预报误差随迭代次数增加而增大的原因。针对EKF存在的这一缺陷,本文应用记忆衰减滤波控制误差发散,推迟了误差发散的时间并减小了发散的幅值,使得滤波结果稳定于更精确的结果。本文的结论均通过数值计算的方法验证     

基于记忆衰减滤波的X射线脉冲星自主导航

针对扩展Kalman滤波(Extend Kalman Filter, EKF)在处理X射线脉冲星的自主导航定轨问题上易发散的问题,本文提出了基于记忆衰减滤波的抑制发散自主导航算法。在研究了自主导航滤波中误差变化的特征的基础上,从原理上分析了预报误差随迭代次数增加而增大的原因。针对EKF存在的这一缺陷,本文应用记忆衰减滤波控制误差发散,推迟了误差发散的时间并减小了发散的幅值,使得滤波结果稳定于更精确的结果。本文的结论均通过数值计算的方法验证。     

一种航天器天文自主定轨方法

提出用星敏感器和地平仪测量星光角距作为主要观测量,用地平仪直接测量得到地心方向矢量,用间接测得的地心距离作为补充观测量,并用推广卡尔曼滤波方法来实时确定航天器的轨道。文中对系统的构成、模型的建立、以及卡尔曼滤波的方法都作了认真的仿真研究,并获得了满意的结果。     

一种小卫星高精度自主定轨/定姿一体化新方法

基于传统小卫星对轨道和姿态参数确定采用分别计算的复杂模式,提出了一种利用地磁场和天文信息同时确定卫星轨道和姿态参数的新方法。首先通过分析小卫星轨道动力学J2模型和卫星姿态动力学模型,建立系统状态方程。其次将三轴磁强计与地磁场模型参考值的矢量作差,分析微分差值与状态变量的数学关系,建立定位/定姿观测方程。利用星敏感器提供的高精度姿态信息,建立定姿观测方程,同时利用星敏感器间接敏感地平观测折射恒星,建立定位观测方程。最后提出基于信息融合的先进滤波算法,并通过对多种导航模式进行数值仿真及结果分析,论证所设计一体化方法提高了系统定轨/定姿的精度和可靠性。     

基于北斗导航卫星信号的低轨卫星自主定轨（英文）

利用北斗卫星导航信号对低轨卫星自主定轨进行了研究。首先对卫星轨道动力学方程进行了推导,建立一个考虑地球J2摄动下的卫星动力学模型,并利用4阶龙格-库塔数值积分法进行轨道传播。选用北斗卫星导航信号的伪距和伪距率作为定轨的测量方程。然后,对北斗卫星可见星的个数进行了分析。最后,采用SRUKF算法对低轨CHAMP卫星轨道状态进行估计,并通过STK8.1生成仿真数据对SRUKF、UKF和EKF算法的跟踪性能进行对比分析。仿真结果表明,在跟踪过程中最少能接收到18颗北斗卫星信号,能够满足定轨要求。在相同条件下,SRUKF算法的跟踪精度优于UKF、EKF算法,SRUKF算法能减少89%的位置误差和90%的速度误差。     

UKF容错滤波在脉冲星组合导航中的应用

针对X射线脉冲星组合导航系统中测量野值导致的导航精度下降问题,利用基于残差正交性的Unscented Kalman Filter(UKF)容错滤波方法进行野值修正。在深空巡航段,采用基于X射线脉冲星和太阳观测的组合导航方式,用X射线探测器测量脉冲星光子到达时间,利用太阳敏感器测量太阳视线方向矢量,并利用联邦滤波结构进行信息融合。仿真结果表明,基于UKF的容错滤波算法在脉冲星组合导航系统的应用中,能够对野值进行实时修正,避免了导航精度下降,提高了系统的鲁棒性和工程实用价值。     

基于Allan方差解耦自适应滤波的旋转SINS精对准方法

对旋转式SINS精对准方法进行了研究,由于转位机构转动干扰以及惯性器件误差不确定性带来的影响,旋转式SINS状态方程和量测方程噪声方差参数难以确定,进而导致初始对准精度降低,针对这个问题引入自适应Kalman滤波技术。Sage-Husa是一种常用的自适应滤波算法,但是存在噪声参数强耦合缺陷。通过研究Allan方差与量测噪声方差之间的关系,利用Allan方差滤波器具有带通滤波的特点,独立计算量测噪声协方差阵R_k,该方法能够有效克服Sage-Husa滤波耦合问题,相比其它改进方法具有简单易实现等特点。对该研究进行了仿真实验与实际系统验证实验,结果表明:对于中等精度光纤陀螺单轴旋转SINS,自适应Kalman滤波算法航向角对准精度比标准Kalman滤波算法精度要高0.6’左右,且在误差估计过程中,自适应Kalman滤波器能够更好地抑制外界干扰误差的影响,是一种较好的精对准方法。     

基于Elman神经网络和Kalman滤波的捷联惯导精对准

在采用Kalman滤波进行捷联惯导精对准时,当模型存在误差或系统噪声不能反映实际噪声时,会降低滤波精度甚至导致滤波发散.针对这个问题,提出基于Elman神经网络和Kalman滤波的捷联惯导精对准方法.首先对已知噪声统计特性的系统进行Kalman滤波,将稳定可靠的状态估值作为网络期望输出用来训练Elman网络,然后再用训练好的网络对未知噪声统计特性系统进行状态估计.利用仿真数据对该算法进行验证,结果表明该算法能够克服Kalman滤波精对准的缺陷,提高了对准精度,尤其是航向角的精度.