共查询到17条相似文献,搜索用时 187 毫秒
1.
根据GPS和陀螺的不同特点,将两者结合起来,设计了一种基于GPS和陀螺的相对状态自主确定算法.采用修正罗德里格参数(MRPs)作为姿态描述参数,通过建立相对轨道和相对姿态运动方程以及GPS和陀螺观测方程,运用unscented卡尔曼滤波方法(UKF)设计了双星编队相对状态自主确定算法,仿真结果验证了方法的可行性和有效性. 相似文献
2.
针对三轴稳定卫星,研究基于星敏感器双矢量观测信息的卫星高精度姿态确定算法。建立了姿态运动学模型、敏感器测量模型、QUEST算法模型和扩展卡尔曼滤波(EKF)模型。对比分析了QUEST算法以及星敏感器与陀螺组合的扩展卡尔曼滤波(EKF)算法的定姿精度。通过数学仿真,表明基于星敏感器和陀螺的扩展卡尔曼滤波组合姿态确定算法具有更高的定姿精度。 相似文献
3.
《天津大学学报(自然科学与工程技术版)》2019,(12)
可重复使用运载器(RLV)再入返回段的气动参数表现为不确定和快时变的特点,导致RLV气动特性具有强耦合性和非线性,使气动模型难以设计和控制,降低了飞行器的稳定性.在系统噪声存在的前提下,针对RLV的动力学模型,提出一种由最大期望(EM)算法和扩展卡尔曼滤波(EKF)算法相结合的RLV再入段气动参数辨识方法,以飞行高度和攻角为基准,每10 km一个区间将RLV再入段划分为3个飞行阶段,并分别进行了气动参数辨识.首先,将RLV飞行器再入段的动力学模型转换为非线性系统的状态空间模型;其次,基于状态空间模型,将飞行器的原始状态向量进行扩维,得到由待辨识气动参数和原始状态向量组成的新扩维状态向量;然后,采用EKF算法对RLV气动模型的扩维状态向量进行辨识,达到滤除噪声和估计未知气动参数的目的;之后,为了降低测量和过程噪声统计特性的设置对EKF辨识结果带来的影响,在EKF算法前向滤波和Rauch-Tung-Striebel(RTS)后向平滑过程的基础上,采用EM算法对EKF的测量和过程噪声的先验统计数据进行估计,基于估计所得到的精确噪声特性,能够更好地提高EKF算法对气动参数估计的精度;最后,通过基于EM-EKF算法与极大似然方法的气动参数辨识值对各种气动系数影响的仿真对比,验证了EM-EKF结合辨识算法的准确性. 相似文献
4.
针对轻型星敏感器、微机电系统(MEMS)陀螺、太阳敏感器和磁强计构成的轻型化卫星姿态确定系统,设计了一种分布式非线性融合滤波结构,提出一种快速采样点姿态估计算法,仅需4个采样点,即可实现完整的姿态及陀螺漂移估计,精度不低于常规采样点滤波,而运算量显著降低,与扩展Kalman滤波(EKF)算法相当。综合考虑器件特点,采用方差插值,融合子滤波器的相关信息,实现异类传感器的优势互补,从而获得高精度、高实时性、持续稳健的姿态及速率估计。仿真结果验证了算法的有效性。 相似文献
5.
航天器交会对接是载人航天工程的一项关键技术,而航天器相对定姿又是在交会对接中首要解决的关键问题。通常用交会对接航天器体坐标系间各对应坐标间的夹角来表示相对姿态,这样相对定姿的任务就是要确定两交会对接航天器体坐标系间的旋转矩阵。采用无相对测量的航天器相对定姿态方法,基于围绕系统最优估计状态线性化的扩展卡尔曼滤波(EKF)滤波技术,以乘性误差四元数为状态量,设计了陀螺仪/星敏感组合的航天器相对定姿算法,并进行数字仿真验证该算法的可行性。仿真表明乘性误差四元数有效解决了协方差阵为零的问题,EKF技术大大提高了滤波精度。所设计的算法为航天器的相对定姿提供了一定的理论依据。 相似文献
6.
基于平淡卡尔曼滤波器的微小卫星姿态确定算法 总被引:6,自引:1,他引:6
针对扩展卡尔曼滤波(EKF)在线性化过程中会引入误差的问题,采用平淡卡尔曼滤波器(UKF)进行了系统滤波器设计;提出一种构建虚拟观测量的方法,并分析了其噪声特性.虚拟观测量与高精度器件量测量搭配可实现对姿态的校正.以太阳敏感器、微电子机械系统(MEMS)陀螺、磁强计为姿态敏感器件,构建了定姿滤波器并用STK(Satellite Tool Kit)数据进行了仿真.结果表明,所提出方法能有效地提高定姿性能,采用UKF的系统定姿误差与EKF相当,但收敛时间、稳定性要优于EKF. 相似文献
7.
飞行器三轴姿态测量方法 总被引:1,自引:1,他引:1
介绍了到目前为止常用飞行器三轴姿态测量敏感器.详述了这些姿态敏感器的工作原理.根据这些原理分析了它们的优缺点,并比较了它们的性能指标.给出了具有指导意义的结论. 相似文献
8.
在卫星编队飞行系统中,射频(radio frequency,RF)相对测量敏感器能够完成两颗卫星的相对位置和姿态的测量,为了验证其测量精度,提出了一种基于激光跟踪仪的快速标定方法.在标定过程中,针对拟合坐标原点和坐标轴产生误差较大的问题,提出了一种基于最小二乘拟合球体和圆的方法,分别确定坐标系的原点和坐标轴;利用坐标系间的固有关系设计了相对坐标系的快速转换方法.在飞行器模拟平台进行验证,实验结果表明,拟合坐标系原点均方根误差为0.120 764 mm,拟合坐标轴轴向的均方根误差为0.157 138 mm,坐标系转换误差的范围为0.30~0.75 mm,能够满足敏感器毫米级定位精度的标定要求. 相似文献
9.
基于双星敏感器与陀螺仪组成的星光惯性组合,提出了一种卫星姿态确定方法。双星敏感器分别与陀螺仪采用模糊自适应的无迹Kalman滤波方法进行子系统级的姿态估计,而后采用协方差交集算法框架进行系统级数据融合,从而完成卫星姿态的确定。对典型的卫星大角度快速机动扫描过程以及卫星三轴稳定运动过程的数值仿真,验证了该方法具备实用性与有效性。 相似文献
10.
基于SINS/星敏感器的组合导航模式 总被引:1,自引:0,他引:1
针对利用捷联惯导系统导航的不足,提出了一种基于捷联惯导系统/星敏感器的新组合导航模式,来提高飞行器导航的精度和速度.利用星敏感器得到恒星星光矢量在星敏感器CCD光敏面上的星像点及其在导航星库中对应的坐标值,然后分别进行坐标变换得到星光矢量在数学平台坐标系和地理坐标系中的坐标角度值.以Kalman滤波为基础,将所得到的星光坐标角度值和姿态角速度进行数据融合,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、速度和姿态角参数.详细推导了SINS/星光的组合导航算法,并通过仿真证实了该方案可提高导航系统的精度和速度,有较好的容错性和环境适应性,具有实际使用价值. 相似文献
11.
12.
航天器相对姿态求解是编队控制和保持的前提条件,针对远距离编队相对姿态求解问题,提出了一种基于相对视线矢量测量的多航天器编队相对姿态确定方案.考虑编队由3个航天器组成,每个航天器装备视觉传感器,可以测量到相对其余两个航天器的相对视线矢量,基于视觉传感器测量模型,推导了确定性姿态求解方法,并进行了数学仿真研究.仿真结果表明,多航天器编队相对姿态求解方法可以有效估计出航天器间的相对姿态,估计精度较高,能够满足航天器编队控制需求,解决了远距离编队情况下视觉传感器应用的局限性. 相似文献
13.
基于简化差分插值滤波的编队卫星相对导航 总被引:1,自引:0,他引:1
将一种基于Stirling内插公式的非线性差分插值滤波(Divided Difference Filter-DDF)算法的简化形式(Simplified Divided Difference Filter-SDDF)应用到编队卫星相对导航中.该算法通过对非线性系统方程进行多项式展开并取有限差分插值项进行近似.数值仿真结果表明:该算法相对于EKF(Extended Kalman Filter)算法有明显的优势,有较高的滤波精度、更快的收敛速度和较好的稳定性,其中相对位置估计相比EKF提高79%、相对速度提高52%,对编队卫星相对导航具有一定应用价值. 相似文献
14.
基于超分辨率重构的航天器位置姿态测量方法 总被引:2,自引:1,他引:1
航天器间相对位置和姿态的确定是实现航天器编队飞行的重要基础.为了解决航天器相对位置姿态的远距离测量精度问题,该文提出了基于超分辨率重构技术的测量方法.介绍了由单帧图像求解相对位置姿态的测量原理,研究了图像传感器退化成像模型和基于该模型下的图像配准算法,给出了超分辨率图像重构算法及其算法流程.利用地面试验原型系统的实际测量数据对算法进行了验证,试验结果表明该方法大大提高了高精度测量距离的范围,有效解决了航天器间相对位置姿态的远距离测量精度及稳定性问题. 相似文献
15.
低成本姿态测量系统研究 总被引:2,自引:0,他引:2
针对由低精度的惯性陀螺、加速度计、磁强计组成的低成本姿态测量系统,该文进行了组合算法研究.设计了有陀螺测量和基于四元数差分法的无陀螺测量2种广义卡尔曼滤波器(EKF);采用四元数避免了欧拉角法的奇异问题;用高斯-牛顿误差最小法将六维观测量转化为四元数,作为观测量的一部分,显著减少了直接使用EKF的计算量.设计了仿真数据进行算法验证,成功地得到姿态估计,并对2种EKF滤波器在低速和高速状态下进行验证,取得良好效果. 相似文献
16.
航天器大角度姿态快速机动控制器参数优化设计 总被引:2,自引:0,他引:2
针对许多空间任务对航天器大角度快速机动能力提出要求的问题,研究了控制器的参数优化设计。基于一类采用四元数描述的大角度姿态快速机动Lyapunov控制器模型,以设计参数为优化变量,时间最优为优化目标,执行机构输出力矩为约束条件,建立了大角度姿态快速机动控制器优化模型。使用混合遗传算法对控制器参数进行了优化设计。仿真结果表明,经优化处理的控制器参数可在满足输出力矩约束条件下有效缩短机动时间。该方法对控制器参数的选择不依赖于设计者的经验,实施起来简单有效。 相似文献
17.
为了提高四旋翼无人机姿态解算的精度,提出了基于平方根容积卡尔曼滤波(square-root cubature Kalman filter,SCKF)的多传感器数据融合策略。基于加速度计、磁力计和陀螺仪输出的数据,采用了四元数的姿态解算方法,避免了单一传感器获得的姿态角误差过大的问题,解决了扩展卡尔曼滤波(extend Kalman filter,EKF)精度低以及无迹卡尔曼滤波(unscented Kalman filter,UKF)、容积卡尔曼滤波(cubature Kalman filter,CKF)协方差矩阵正定性丧失的问题。设计了基于pixhawk飞控板的实验方案。通过实验数据表明,与传统的EKF、UKF、CKF算法相比,SCKF的精度最高。且与UKF、CKF算法相比,SCKF具有计算时间少、数值计算稳定性强等优势。 相似文献