论文部分内容阅读
卫星在处于快速机动状态时,其系统模型非线性程度较高,直接采用稳态时的姿态确定算法会产生较大的系统模型误差,从而使得滤波精度大幅下降。针对这种情形,本文引入了不同估计方法,分别从不同的系统假设与估计准则出发,设计针对快速机动卫星的姿态确定算法。同时,针对星敏感器在卫星快速运动时容易故障的情况,设计了星敏感器的故障诊断与隔离算法。本文的具体研究工作如下:简要介绍卫星姿态确定基础知识,建立描述卫星姿态运动的姿态运动学与动力学方程,针对本次研究所采用敏感器,建立其测量模型。引入扩展卡尔曼滤波算法(EKF),对于系统状态方程做近似线性化并建立姿态确定算法。针对线性化模型与真实模型偏差较大的情况,引入非线性预测滤波理论,对于系统模型误差做出假设,基于模型误差最小准则,通过状态观测校正线性化模型,使其更接近于真实模型,再针对校正后的系统模型进行滤波,从而得到高精度的状态估计。针对系统非线性强的特点,引入基于无迹变换的卡尔曼滤波算法(UKF)。由于UKF不对非线性系统做任何变换,从而使得其对于非线性系统有较强的适应性。针对UKF运算量大的缺陷,引入超球面采样点分布变换(SSUT),使得系统采样点数目大幅减少,在基本保持原有滤波精度的基础上大幅减少了运算量。引入鲁棒滤波算法,将近似线性化系统与原系统模型误差看作能量有限的噪声,针对系统模型中存在不确定项,无法直接得到状态估计误差方差矩阵的情况,引入矩阵不等式变换,得到了误差方差矩阵上限最小的估计准则,对于系统模型存在不确定的系统建立了滤波算法。针对卫星快速机动,状态存在突变的情况,引入强跟踪滤波算法。应用正交性原理,强行使系统观测误差具有高斯噪声的特性,充分利用观测量的信息,从而使得状态估计实现对于真实状态的追踪。针对快速机动卫星星敏感器容易出现故障的情形,设计了对于星敏感器的故障诊断与隔离算法,在其故障时进行隔离,恢复正常时解除隔离。