基于非线性预测滤波的卫星姿态确定

为了提高卫星姿态确定系统的精度和可靠性,采用由姿态动力学与运动学方程构成的非线性卫星姿态运动模型,结合陀螺和矢量观测信息来确定卫星姿态。针对转动惯量变化等引起的模型不准确问题,研究基于预测滤波实现姿态估计的关键技术。仿真结果表明,在恰当选取加权阵的前提下,该方法可实时估计模型误差,当用低通滤波去除高频噪声的模型误差进行补偿后,大大削弱了模型不准确对姿态估计精度的影响,其估计效果明显优于传统的扩展卡尔曼滤波,由此验证了预测滤波在卫星姿态确定中的有效性和精确性。     

基于简化SSKF的SINS/GNSS紧耦合算法

针对捷联惯导(strapdown inertial navigation system,SINS)/ 全球卫星导航系统(global navigation satellite system,GNSS)紧耦合滤波算法中状态方程线性、观测方程非线性的特点,对超球面单型卡尔曼滤波器(spherical simplex Kalman filter,SSKF)进行了简化:采用普通卡尔曼滤波的状态矢量预测和SSKF的观测值预测及滤波更新完成滤波计算,省去了SSKF状态矢量预测时sigma点生成和对每个sigma点进行状态矢量预测和加权求和的过程,在不损失滤波精度的基础上缩短了滤波计算耗时。经过数学仿真验证,在SINS/GNSS紧耦合中,简化SSKF与SSKF几乎可到达一致的滤波估计精度,而且简化SSKF的计算耗时更短,效率更高。     

采用ESO补偿的再入飞行器姿态预测控制方法

针对飞行器再入姿态运动设计了一种基于扩张状态观测器(extended states observer,ESO)的预测控制方法。为了降低系统的阶数,将姿态系统分成姿态角子系统和姿态角速率子系统,分别设计控制器。采用动态逆方法将运动方程线性化,并基于此推导了解析的最优预测控制律。为了提高控制器的精度和鲁棒性,采用ESO对模型误差和不确定扰动进行估计,并在预测控制律中进行补偿。最后证明了算法的稳定性。通过六自由度仿真分析,验证了控制方法的良好性能。     

基于星敏感器/陀螺组合定姿建模及精度仿真

首先讨论了卫星姿态确定原理的建模问题,针对星敏感器/陀螺组合配置的定姿系统,详细分析了动态滤波算法原理,推导了星敏感器观测矩阵及误差四元数状态方程,进而建立了使用Kalman滤波方法进行姿态确定的整个过程;并基于该滤波算法,讨论了姿态确定系统的最终定姿精度的分析与综合评估问题,从理论分析和仿真验证两方面确定了影响姿态确定精度的主成分误差因素,定量描述了误差因素的影响范围,并针对实际工程指标完成了主成分因素的边界条件,为姿态测量方案的设计提供了理论支撑.     

基于星敏感器的卫星姿态确定方法研究

介绍了基于星敏感器的卫星姿态确定算法,包括静态确定性算法和动态状态估计方法。从理论上推导了静态算法的TRIAD方法、Euler-q方法、QUEST方法以及SVD和FORM方法;对比分析了几种常见的动态估计方法,它们是EKF方法、UKF方法、预测卡尔曼滤波;并讨论了一些最新的方法,例如粒子滤波等。最后进行了仿真分析,并给出了一些有用的结论。     

基于辅助信标的无人机协同目标跟踪

针对无人机姿态角误差与观测误差影响目标定位精度问题, 构建基于辅助信标的无人机协同目标跟踪模型, 提高了对目标的定位精度。提出基于辅助信标的姿态校正方法, 利用辅助信标的精确位置实时校正无人机的姿态角, 减小姿态角误差对定位精度的影响。根据双无人机的最优观测构型, 设计双无人机协同控制律, 得到无人机观测的优化轨迹, 以提高无人机对目标的观测质量, 最后采用容积卡尔曼滤波算法得到目标的状态估计。仿真结果表明该算法能有效减小无人机姿态角误差和观测误差对目标定位的影响, 提高目标跟踪精度, 具有一定的工程应用价值。     

小型尾坐式飞行器航姿测量系统设计与验证

针对小型尾坐式飞行器航姿测量问题,设计了航姿测量系统。采用四元数法更新航姿参数再转换成欧拉角输出。由于小型尾坐式飞行器姿态变化范围大,针对传统四元数到欧拉角的转换算法在扰动下航向和姿态角易发生振荡的问题,提出了一种改进的全姿态四元数转换到欧拉角的转换算法,通过分析姿态矩阵中元素的符号,由四元数得到两组欧拉角,以姿态控制利益为牵引,选择正确的一组。针对无迹卡尔曼滤波(unscented Kalman filter, UKF)算法在外界噪声干扰下测量精度降低的问题,引入自适应算法,使量测噪声统计特性随噪声的变化而自适应的调整,提高系统的抗干扰能力。针对小型尾坐式飞行器姿态易突变的问题,设计了强跟踪滤波器,利用多个渐消因子减小历史数据在测姿中的作用,提高当前信息的比重,提高系统对突变姿态的跟踪精度。最后,通过实验验证了全姿态解算算法、自适应UKF滤波算法和强跟踪算法的可行性,实验结果表明了设计的航姿测量系统对小型尾坐式飞行器的适用性。     

基于乘性四元数和约束滤波的飞行器姿态估计算法

以单位四元数作为姿态描述参数提出一种乘性约束姿态估计算法。四元数具有全局非奇异、运动学方程双线性的优点,但归一化约束条件必须精确保持。首先,比较了加性和乘性滤波算法在估计误差定义和校正方式上的差别,并从物理概念和估计精度上详细分析了无约束四元数估计算法的不足。然后,针对“矢量测量+陀螺”姿态观测模式,利用乘性约束滤波算法设计了姿态估计器。针对状态部分受约束的姿态估计问题,推导了状态和方差预测方程及状态受约束的最优增益矩阵,并将约束增益矩阵应用到姿态估计算法的测量更新过程。最后,通过数学仿真验证了算法在估计精度和收敛性能上的优越性。     

一种改进的星敏感器/陀螺卫星定姿算法

针对传统的四元数估计(quaternion estimation,QUEST)算法在观测矢量之间夹角很小或噪声剧烈增大时,定姿性能显著降低的问题,提出一种基于当前星敏感器观测信息量的滤波算法。该算法通过引入动态增益系数,解决了历史观测信息和当前观测信息之间的比例问题。该系数能够根据当前观测矢量信息量的大小变化自适应调整,从而避免了需要另外一个滤波过程对其进行确定的复杂性。对该算法进行了仿真,对比结果表明,该算法可以有效提高系统的定姿性能。     

高分辨距离像辅助的机动目标跟踪算法

宽带相控阵雷达可以获得高分辨距离像,利用此特征获取目标的姿态角成为了一种可能,基于此提出了一种新的机动目标跟踪算法,充分利用高分辨距离像特征,实时估计目标姿态角,并将姿态角信息融合到雷达的量测方程,本文结合先进的非线性滤波算法,提出了利用姿态角的交互多模型不敏卡尔曼滤波算法。通过计算机仿真表明,利用目标姿态角的机动目标跟踪算法相比传统算法目标跟踪精度(位置精度和速度精度)得到很大提高。同时姿态角误差越小,目标跟踪性能越好。     

基于改进因子图模型的航天器组合姿态确定算法

航天器姿态确定是航天器姿轨控制、在轨正常运行的关键, 针对航天器多姿态传感器存在测量噪声非高斯分布、可能出现敏感器失效和故障等问题, 提出了一种基于改进因子图模型的航天器组合姿态确定方法。通过建立因子图模型, 将地磁/星敏/陀螺测量信息作为因子节点加入因子图模型, 利用观测蒸馏法对观测数据集进行提炼以及自适应调整, 实现对航天器的姿态确定。在复杂条件下, 该方法扩展性强, 可以实现即插即用, 合理而充分的利用其他姿态测量信息, 避免了基于卡尔曼滤波算法中的复杂系统重构过程, 从而有利于多传感器融合。实验结果表明, 在进行复杂条件下的地磁/星敏/陀螺组合定姿仿真时, 该算法可行有效; 有传感器切换时, 具有较好的动态稳定性, 实现了即插即用。该方法灵活度高, 为解决复杂条件下的多传感器组合定姿提供了新思路。     

车载动基座 FOAM 对准算法

目前对动基座对准问题的解决方案大都基于惯性系，但这些方案需要存储导航期间惯性系矢量信息，且对准结束时定位精度不高。提出一种新的车载动基座快速最优姿态矩阵(fast optimal attitude matrix, FOAM)对准算法，有效提高了车辆动基座定向精度，并能够保证在对准结束时有一定的定位精度以保证后续直接进入组合导航。最后，车载试验验证了车载FOAM 对准算法的有效性。     

基于子系统重构的鲁棒滤波算法及其应用

复杂环境下航天器姿态确定系统存在系统参数不确定性,并且可能存在观测数据的间断丢失情况.对此,本文研究了一种新的鲁棒滤波算法.该算法采用线性预测子系统重构补偿丢失的观测信号,并利用其参与到测量更新阶段,采用极小极大理论推导出具有观测数据丢失的不确定性系统的鲁棒状态估计的递推形式.将该方法用于复杂环境下的航天器姿态确定系统中,通过仿真验证了算法的有效性.     

差分进化算法结合正则化解算病态方程

针对卫星导航快速定位中的观测方程病态问题,提出一种利用自适应加权的差分进化(differential evolution,DE)算法结合Tikhonov正则化求解病态方程的方法。在深入分析DE算法寻优过程的基础上,通过自适应地改变当前个体的加权因子,并在目标函数中引入正则化项,快速稳健地求解病态方程。仿真实例表明:当法矩阵条件数为10⁵左右时,新方法的解算精度比传统的截断奇异值法、Tikhonov正则化法、遗传算法(genetic algorithm,GA)和DE算法分别高约5倍、2倍、1.5倍和1倍;迭代次数是DE算法的22.37%、GA算法的5.67%,寻优速度最快;加入粗差后,新方法的解算精度基本不变,即具有较好的稳健性。     

绕地飞行器GPS/INS组合测量系统

采用全球定位系统 /惯性导航系统 (globalpositioningsystem/inertialnavigationsystem ,GPS/INS)组合方式实现对绕地飞行器定位和姿态测量。通过对可观测性能分析 ,得出了这样的结论 :仅用伪距和伪距变化率为观测量的组合系统对姿态角误差的可观测性较差。引入GPS载波测量信息作为观测量 ,可以提高姿态测量的可靠性和准确性。采用接收机自主完整性检测 (receiverautonomousintegritymonitoring ,RAIM)技术实时剔除异常数据 ,总结一种改进的自适应滤波算法进行数据处理 ,较之常规的Kalman滤波算法 ,收敛速度更快 ,平稳性更好。计算机仿真验证了算法的有效性     

相对姿态匹配传递对准方法

传统的姿态匹配传递对准需要主、子惯性测量单元 (inertial measurement unit, IMU)分别惯导解算,得到两个姿态向量或姿态阵构造观测量。提出利用主、子IMU输出直接解算主、子IMU之间的相对姿态来构造匹配量的一种新的传递对准方法。首先推导了主、子相对姿态矩阵微分方程,并给出求解方法,得到的相对姿态矩阵计算值与初始相对姿态矩阵相乘作为观测信息;然后推导建立了相对姿态的误差方程,由此给出了传递对准状态空间模型;最后讨论建立了仿真验证环境,仿真结果表明,子陀螺精度为1（°）/h时,子IMU对准精度可以达到3′以内,并在10 s内迅速收敛。该方法同时适用于精确确定大角度或小角度的子IMU相对姿态,为关键位置实时高精度姿态基准的建立提供了技术参考。     

基于固定半径包围球的核向量回归算法

为了进一步提高核向量回归算法用于大样本回归问题的训练速度,提出了一种改进的核向量回归算法。该算法利用样本数据在特征空间中的映射点确定包围球半径,并使该半径在迭代过程中保持不变。通过缩小核心数据集,提高了回归算法的训练速度。对几组回归时间序列预测的仿真实验表明,改进的核向量回归算法的训练时间和支持向量的数目均小于核向量回归算法,但二者具有相似的回归精度,从而验证了改进的核向量回归算法的有效性。     

基于加权支持向量回归的在线训练算法及应用

针对时变系统的在线辨识问题,提出了一种加权支持向量回归方法,根据时间信息给予历史数据不同的加权,实现了精确在线训练算法,在保持精度的同时避免了采集到新样本时重复训练,大大加快了训练速度。研究了该算法的复杂度并加以改进。将该方法应用于氯气投加系统过程模型的在线辨识,在训练速度和精度上都较为满意,这一结果说明了该算法的有效性。