一种自适应鲁棒容积卡尔曼滤波航天器姿态估计新方法技术

本发明专利技术的目的在于提供一种自适应鲁棒容积卡尔曼滤波航天器姿态估计新方法，包括如下步骤：应用航天器运行过程中星敏感器和陀螺的输出数据，将其作为量测量；选取四元数用作姿态描述参数，并建立基于四元数的星敏感器和陀螺的非线性姿态估计系统模型；基于MCC建立非线性回归模型，提出基于MCC的代价函数；基于新息序列和残差序列推导自适应衰落因子，根据自适应衰落因子对过程噪声进行校正，从而调节过程噪声统计信息不足对系统带来的影响；将得到的鲁棒滤波器及自适应因子代入容积卡尔曼滤波器框架中。本发明专利技术解决了噪声非高斯的问题，用于推导鲁棒滤波器的代价函数中常用的高斯核函数用柯西核函数进行替代，可以防止在算法运行过程中出现奇异矩阵。运行过程中出现奇异矩阵。运行过程中出现奇异矩阵。

【技术实现步骤摘要】
一种自适应鲁棒容积卡尔曼滤波航天器姿态估计新方法


[0001]本专利技术涉及的是一种姿态估计的方法，具体地说是航天器姿态估计新方法。

技术介绍

[0002]状态估计理论近年来发展迅速，已成功应用于航天器姿态估计等领域。为了解决非线性滤波问题，提出了许多估计算法，其中卡尔曼滤波理论是应用最广泛的方法之一。其中扩展卡尔曼滤波(Extended Kalman Filter,EKF)被广泛使用。然而，EKF在理论上存在局限性。该算法仅保留非线性函数泰勒级数展开的一阶项，降低了估计精度。此外，雅可比矩阵的计算非常耗时，这影响系统的实时性。与EKF相比，无迹卡尔曼滤波算法(Unscented Kalman Filter,UKF)方法可以达到泰勒级数展开卡尔曼滤波器的二阶精度。然而，在维度较高的系统中，UKF的性能可能难以达到预期。为了克服上述问题，提出了容积卡尔曼滤波(Cubature Kalman Filter，CKF)，CKF适用于具有高维状态估计的非线性滤波器。并且，CKF经过了严格的数学推导，滤波性能更加稳定。
[0003]对于航天器姿态的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自适应鲁棒容积卡尔曼滤波航天器姿态估计新方法，其特征是：(1)应用航天器运行过程中星敏感器和陀螺的输出数据，将其作为量测量；(2)选取四元数用作姿态描述参数，并建立基于四元数的星敏感器和陀螺的非线性姿态估计系统模型；(3)基于MCC，建立非线性回归模型，提出基于MCC的代价函数其中核函数C
δ
用柯西核函数代替常用的高斯核函数，根据代价函数推导鲁棒滤波器；(4)基于新息序列和残差序列推导自适应衰落因子a，根据自适应衰落因子对过程噪声进行校正从而调节过程噪声统计信息不足对系统带来的影响；(5)将得到的鲁棒滤波器及自适应因子代入容积卡尔曼滤波器框架中。2.根据权利要求1所述的一种自适应鲁棒容积卡尔曼滤波航天器姿态估计新方法，其特征是：步骤(2)中，速率积分陀螺仪模型如下所示：式中：为陀螺仪的测量输出；ρ(t)为陀螺漂移；ω(t)为真实角速度；ζ
v
(t)和ζ
u
(t)为独立的白噪声。选择四元数与陀螺漂移作为状态向量离散时间状态方程写为：式中：q＝[q1,q2,q3,q4]
T
＝[ρ,q4]
T
为姿态四元数；Δt为陀螺采样间隔；Ψ(ω)和Γ(q)分别为和其中ω＝[ω
1 ω
2 ω3]，星敏感器观测方程为：
式中：为量测向量，为表示对应的参考向量；表示测量噪声；A(q)为姿态矩阵，3.根据权利要求1所述的一种自适应鲁棒容积卡尔曼滤波航天器姿态估计新方法，其特征是：步骤(3)中考虑如下非线性系统：x
k
＝f(x
k
‑1)+w
k
‑1z
k
＝h(x
k
)+v
k
式中：x
k
∈R
n
×1和z
k
∈R
m
×1分别为状态向量和测量向量，f(
·
)和h(
·
)分别是过程函数和量测函数，w
k
‑1和v
k
分别是过程噪声和量测噪声；建立如下非线性回归模型：式中：令其中在的两边同时乘D
k
的负一次方得到：G
k
＝b(x
k
)+e
k
)式中：提出以下基于MCC的代价函数：式中：g
i,k
为C
δ
的第i个元素；b
i
(x
k
)为b(x
k
)的第i行；L＝m+n表示C
δ
的维数，C
δ...

【专利技术属性】
技术研发人员：钱华明，褚帅，王文娜，阎淑雅，周易鹏，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：