一种基于增广Kalman滤波的卫星干扰力矩估计方法技术

本发明专利技术公开了一种基于增广Kalman滤波的卫星干扰力矩估计方法，包含如下步骤：S1，在卫星在轨数据中提取稳态一个轨道周期内卫星飞轮转速、陀螺测量的卫星惯性角速度，将飞轮转速转化为飞轮角动量，对飞轮角动量进行数值差分得到飞轮输出力矩的近似值；S2，以飞轮输出力矩的近似值和陀螺测量的卫星惯性角速度作为Kalman滤波器的输入，将卫星在轨受到的环境干扰力矩视为状态量，建立增广系统的状态更新方程和量测方程，得到环境干扰力矩的Kalman滤波算法；S3，对增广系统进行Kalman滤波，得到环境干扰力矩的估计值，并将所述的环境干扰力矩的估计值作为卫星控制系统的前馈信号加入卫星姿态控制器中。

A satellite disturbance torque estimation method based on augmented Kalman filter

The invention discloses a satellite jamming moment estimation method based on augmented Kalman filtering, which includes the following steps: S1, the rotation speed of the satellite and the satellite inertial angular velocity measured by the gyroscope are extracted in the orbit period of the satellite in the orbit of the satellite, and the flywheel speed is converted to the angular momentum of the flywheel, and the angular momentum of the flywheel is numeric. The approximate value of the output torque of the flywheel is obtained by the difference. S2, taking the approximate value of the output torque of the flywheel and the satellite inertial angular velocity measured by the gyroscope as the input of the Kalman filter, the environmental disturbance moment of the satellite on orbit is regarded as the state quantity, and the state renewal equation and the measurement equation of the augmented system are established, and the environmental disturbance moment is obtained. The Kalman filtering algorithm and S3 filter the augmented system by Kalman filtering to get the estimated value of the environmental disturbance torque, and add the estimated value of the environmental disturbance moment as the feedforward signal of the satellite control system into the satellite attitude controller.

【技术实现步骤摘要】
一种基于增广Kalman滤波的卫星干扰力矩估计方法
本专利技术涉及卫星所受外干扰力矩最优估计技术，特别涉及一种基于增广Kalman滤波的卫星干扰力矩估计方法。
技术介绍
Kalman滤波是信息融合算法中应用最普遍的算法之一，主要用于实时融合动态多敏感器冗余数据。其要点是通过测量手段校正模型的不确定性，以模型的连续性克服测量的离散性，以测量的确定性抑制模型的不确定性。当系统的状态方程和量测方程均为线性并且系统噪声与传感器的测量噪声均为高斯白噪声时，应用经典卡尔曼滤波算法可以为融合数据提供唯一的统计意义下的最优估计。用Kalman滤波器对数据进行融合后，既能获得系统的当前状态估计，又可预报系统的未来状态。为了能够在有限的带宽内提高卫星的抗干扰能力，通常会在姿态反馈控制器的基础上加入前馈控制，前馈控制对系统性能的提高严重依赖前馈精度。目前卫星所受的干扰力矩数学建模误差不可避免，使用数学模型得到的作为前馈力矩与实际干扰力矩差别较大，无法有效的提高控制精度。目前卫星上使用的卡尔曼滤波中通常将干扰力矩视为系统的过程噪声，但是干扰力矩为有色噪声，不能充分发挥Kalman滤波的最优性质。因此，可以考虑将干扰力矩视为系统的状态变量，将Kalman滤波器进行增广，实现对干扰力矩的精确估计，从而提高前馈力矩的精度，进而在不改变系统带宽的前提下改进姿态控制误差。新的航天任务对卫星的控制精度提出了更高的要求，但是受目前星上大型低频挠性附件的影响，以及姿态测量传感器和姿态控制执行机构性能的限制，卫星姿态控制器的带宽不能太高，进而制约了系统的抗干扰能力。由于地面对于星上所受的外干扰力矩无法进行精确建模，所以如果仅通过地面建立的干扰力矩模型对控制器施加前馈信号，无法实现对干扰的精确补偿，所以前馈信息对控制精度的提升并不理想。
技术实现思路
本专利技术的目的是提供一种基于增广Kalman滤波的卫星干扰力矩估计方法，实现对干扰力矩的精确补偿以提高控制精度。为了实现以上目的，本专利技术是通过以下技术方案实现的：一种基于增广Kalman滤波的卫星干扰力矩估计方法，其特点是，包含如下步骤：S1，在卫星在轨数据中提取稳态一个轨道周期内卫星飞轮转速、陀螺测量的卫星惯性角速度，将飞轮转速转化为飞轮角动量，对飞轮角动量进行数值差分得到飞轮输出力矩的近似值；S2，以飞轮输出力矩的近似值和陀螺测量的卫星惯性角速度作为Kalman滤波器的输入，将卫星在轨受到的环境干扰力矩视为状态量，建立增广系统的状态更新方程和量测方程，得到环境干扰力矩的Kalman滤波算法；S3，对增广系统进行Kalman滤波，得到环境干扰力矩的估计值，并将所述的环境干扰力矩的估计值作为卫星姿态控制器的前馈信号加入卫星姿态控制器中。所述的步骤S1后还包含：S4，通过n阶多项式对一个轨道周期内飞轮角动量和输出力矩的近似值进行最小二乘逼近，得到相应的多项式系数。所述的步骤S2还包含：将所述的飞轮输出力矩的近似值作为增广系统的状态更新方程的输入，将所述的陀螺测量的卫星惯性角速度作为建立增广系统的量测方程的输入。所述的步骤S2中所述的增广系统为：xk＝Ak-1xk-1+Bk-1uk-1+wk-1(14)yk＝Hkxk+vk(15)其中xk＝[ωx(k)ωy(k)ωz(k)Tdx(k)Tdy(k)Tdz(k)]THk＝[I3×303×3]Ts为系统的采样周期，Jx、Jy、Jz为卫星主惯量，ωx(k)、ωy(k)、ωz(k)为卫星惯性角速度估计值，Tdx(k)、Tdy(k)、Tdz(k)为卫星所受的外干扰力矩估计值；I6×6和I3×3分别为6阶和3阶单位矩阵；wk为过程噪声，满足vk为测量噪声，满足wk和vk还满足其中Qk为过程噪声的协方差矩阵，Rk为测量噪声的协方差矩阵，δ(·)为脉冲函数，定义为所述的步骤S4具体为：将一个轨道周期内的飞轮输出力矩进行多项式最小二乘逼近，保存成系数矩阵p＝[p1...pn]T其中n为多项式的阶数，这样在第k-1个时刻tk-1处，通过下式即可得到飞轮输出力矩的近似值Tk-1所述的步骤S2中的建立增广系统的状态更新方程和量测方程，得到环境干扰力矩的Kalman滤波算法具体为：将卫星非线性项与飞轮输出力矩的近似值的和作为状态更新方程的输入：uk-1＝Tk-1-[ωx(tk)ωy(tk)ωz(tk)]×J([ωx(tk)ωy(tk)ωz(tk)]+hk)(20)取第k-1个时刻陀螺测量得到的卫星惯性角速度作为量测方程的输入：yk＝[ωx(tk)ωy(tk)ωz(tk)]T；得到环境干扰力矩的Kalman滤波算法为：状态更新方程：Kalman滤波器增益更新方程包括计算估计误差的协方差矩阵Pk-和滤波增益Kk：状态估计方程其中为量测方程估计误差的协方差矩阵更新方程本专利技术与现有技术相比，具有以下优点：该技术通过将通常情况下在Kalman滤波中的视为系统噪声的外干扰力矩转换为系统的状态，将原系统进行增广得到增广系统的Kalman滤波状态更新方程，即可以避开Kalman滤波针对有色噪声非最优的问题，还可利用系统动力学和陀螺测量数据对卫星所受的外干扰力矩进行精确估计。由于卫星受到的干扰力矩具有周期性，所以只需保存一个轨道周期内的估计值，并将其与轨道钟关联变为控制器的前馈信号，实现对干扰力矩的精确补偿，可以在不提高卫星带宽的前提下显著提高姿态控制精度。整个算法采用的模型非常简单，计算量小，适宜地面处理和在轨实时计算。附图说明图1为本专利技术一种基于增广Kalman滤波的卫星干扰力矩估计方法的流程图。具体实施方式以下结合附图，通过详细说明一个较佳的具体实施例，对本专利技术做进一步阐述。如图1所示，一种基于增广Kalman滤波的卫星干扰力矩估计方法，包含如下步骤：S1，在卫星在轨数据中提取稳态一个轨道周期内卫星飞轮转速、陀螺测量的卫星惯性角速度，将飞轮转速转化为飞轮角动量，对飞轮角动量进行数值差分得到飞轮输出力矩的近似值；S2，以飞轮输出力矩的近似值和陀螺测量的卫星惯性角速度作为Kalman滤波器的输入，将卫星在轨受到的环境干扰力矩视为状态量，建立增广系统的状态更新方程和量测方程，得到环境干扰力矩的Kalman滤波算法；S3，对增广系统进行Kalman滤波，得到环境干扰力矩的估计值，并将所述的环境干扰力矩的估计值作为卫星控制系统的前馈信号加入卫星姿态控制器中。所述的步骤S1后还包含：S4，通过n阶多项式对一个轨道周期内飞轮角动量和输出力矩的近似值进行最小二乘逼近，得到相应的多项式系数。所述的步骤S2还包含：将所述的飞轮输出力矩的近似值作为增广系统的状态更新方程的输入，将所述的陀螺测量的卫星惯性角速度作为建立增广系统的量测方程的输入。所述的步骤S2中所述的增广系统为：xk＝Ak-1xk-1+Bk-1uk-1+wk-1(27)(1)yk＝Hkxk+vk(28)(2)其中xk＝[ωx(k)ωy(k)ωz(k)Tdx(k)Tdy(k)Tdz(k)]THk＝[I3×303×3]Ts为系统的采样周期，Jx、Jy、Jz为卫星主惯量，ωx(k)、ωy(k)、ωz(k)为卫星惯性角速度估计值，Tdx(k)、Tdy(k)、Tdz(k)为卫星所受的外干扰力矩估计值；wk为过程噪声，满足vk为测量噪声，满足wk和vk还满足本文档来自技高网...

【技术保护点】
1.一种基于增广Kalman滤波的卫星干扰力矩估计方法，其特征在于，包含如下步骤：S1，在卫星在轨数据中提取稳态一个轨道周期内卫星飞轮转速、陀螺测量的卫星惯性角速度，将飞轮转速转化为飞轮角动量，对飞轮角动量进行数值差分得到飞轮输出力矩的近似值；S2，以飞轮输出力矩的近似值和陀螺测量的卫星惯性角速度作为Kalman滤波器的输入，将卫星在轨受到的环境干扰力矩视为状态量，建立增广系统的状态更新方程和量测方程，得到环境干扰力矩的Kalman滤波算法；S3，对增广系统进行Kalman滤波，得到环境干扰力矩的估计值，并将所述的环境干扰力矩的估计值作为卫星姿态控制器的前馈信号加入卫星姿态控制器中。

【技术特征摘要】
1.一种基于增广Kalman滤波的卫星干扰力矩估计方法，其特征在于，包含如下步骤：S1，在卫星在轨数据中提取稳态一个轨道周期内卫星飞轮转速、陀螺测量的卫星惯性角速度，将飞轮转速转化为飞轮角动量，对飞轮角动量进行数值差分得到飞轮输出力矩的近似值；S2，以飞轮输出力矩的近似值和陀螺测量的卫星惯性角速度作为Kalman滤波器的输入，将卫星在轨受到的环境干扰力矩视为状态量，建立增广系统的状态更新方程和量测方程，得到环境干扰力矩的Kalman滤波算法；S3，对增广系统进行Kalman滤波，得到环境干扰力矩的估计值，并将所述的环境干扰力矩的估计值作为卫星姿态控制器的前馈信号加入卫星姿态控制器中。2.如权利要求1所述的基于增广Kalman滤波的卫星干扰力矩估计方法，其特征在于，所述的步骤S1后还包含：S4，通过n阶多项式对一个轨道周期内飞轮角动量和输出力矩的近似值进行最小二乘逼近，得到相应的多项式系数。3.如权利要求1所述的基于增广Kalman滤波的卫星干扰力矩估计方法，其特征在于，所述的步骤S2还包含：将所述的飞轮输出力矩的近似值作为增广系统的状态更新方程的输入，将所述的陀螺测量的卫星惯性角速度作为建立增广系统的量测方程的输入。4.如权利要求3所述的基于增广Kalman滤波的卫星干扰力矩估计方法，其特征在于，所述的步骤S2中所述的增广系统为：xk＝Ak-1xk-1+Bk-1uk-1+wk-1(1)yk＝Hkxk+vk(2)其中xk＝[ωx(k)ωy(k)ωz(k)Tdx(k)Tdy(k)Tdz(k)]THk＝[I3×303×...

【专利技术属性】
技术研发人员：刘刚，尹海宁，叶立军，陈殿印，袁彦红，孙锦花，李芳华，王世耀，徐樱，李圣文，
申请(专利权)人：上海航天控制技术研究所，
类型：发明
国别省市：上海,31