【技术实现步骤摘要】
一种适用于姿态机动工况下的星敏和陀螺数据融合方法
本专利技术涉及航天器姿轨控系统星敏感器(后面简称“星敏”)和陀螺之间数据融合方法,本方法适用于卫星姿态机动期间星敏和陀螺数据融合。
技术介绍
卡尔曼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。用卡尔曼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。经典卡尔曼滤波只适用于系统模型为线性的情况,而实际系统都包含非线性因素,扩展卡尔曼滤波(EKF)利用线性化技巧将非线性滤波问题转化为近似线性滤波问题,具体做法是假设步长足够小,围绕标称状态把状态量和观测量展开成泰勒级数,并取一次近似值。总之,扩展卡尔曼滤波(EKF)是一种常用的线性化方法,将非线性问题转换为标称状态附近的线性问题。克服了经典卡拉曼滤波仅用于线性估计的不足。实际工程上,采用扩展卡尔曼滤波的方式对星敏和陀螺数据进行融合,可以获得卫星稳态工作时高精度姿态数据,取得较好的应用效果。但是,随着卫星应用越来越多,卫星任务也越来越复杂,姿态确定精度也越来越高,比如某些卫星要求在姿态机动过程中仍需要进行高精度的星敏和陀螺数据融合,由于姿态机动的存在,不满足扩展卡尔曼滤波线性化的假设前提,即传统扩展卡尔曼滤波不适用于卫星姿态机动期间的星敏和陀螺高精度数 ...
【技术保护点】
一种适用于姿态机动工况下的星敏和陀螺数据融合方法,其特征在于,包含以下过程:第一:基于最小二乘原理,确定星敏测量增益系数Kxm
【技术特征摘要】
1.一种适用于姿态机动工况下的星敏和陀螺数据融合方法,其特征在于,包含以下过程:第一:基于最小二乘原理,确定星敏测量增益系数Kxm其中,σtl为陀螺积分姿态白噪声,σxm为星敏测量姿态白噪声;第二:基于上节拍估计姿态和当前陀螺测量角速度一步递推得到当前拍姿态其中:为的范数,Φ为欧拉轴转角,为的函数;第三:融合星敏测量姿态数据和陀螺递推姿态数据2.如权利要求1所述适用于姿态机动工况下的星敏和陀螺数据融合方法,其特征在于,陀螺积分姿态白噪声σtl和星敏测量姿态白噪声σxm,根据测量数据在线估计或者通过地面上注决定。3.如权利要求1所述适用于姿态机动工况下的星敏和陀螺数据融合方法,其特征在于,若陀螺当前节拍故障,则陀螺积分姿态白噪声σtl→∞,Kxm=1;若星敏当...
【专利技术属性】
技术研发人员:叶立军,丰保民,朱虹,尹海宁,任家栋,
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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。