非线性估计在卫星参数标定和姿态确定中的应用方法研究

摘要

虽然非线性估计方法目前已非常丰富，但客观来说，并不存在某一个估计方法可以“最好”地实现所有类型问题的估计，这在重力卫星质心在轨标定、KBR相位中心在轨标定和姿态确定这些实际估计问题中显得尤为突出。因此，本文将非线性估计方法与这些实际估计问题相结合进行了系统的总结、分析和改进研究，旨在为这些实际估计问题的解决提供一个系统化的应用平台，同时为我国重力卫星的研制提供一些参考。
　　首先，回顾和探讨了Batch估计方法在重力卫星质心在轨标定和KBR相位中心在轨标定这两大关键技术中的应用。其中，针对重力卫星质心在轨标定问题，提出了一种MME/Batch相组合的估计方法。该方法通过磁力矩器给卫星施加一个明显大于干扰力矩的周期性磁力矩，将静电加速度计量测信号分解为线性加速度和周期加速度两种形式的组合，然后将陀螺仪量测信息代入MME算法中实现角加速度的估计，最后利用Batch估计算法实现卫星质心位置的求解。仿真结果表明该方法的鲁棒性好，不需要卫星的磁控输入和动力学特性便可实现，并且可以保证标定精度。与此同时，为了提高重力卫星的质心在轨标定精度，确保静电加速度计尽可能准确地安装在重力卫星质心处，还将重力卫星的质心在轨调整任务引入至在轨标定任务中，提出了采用多次“标定——调整”的策略来降低重力梯度力由于被近似为线性加速度对质心信息分离的影响。并且还通过仿真研究找到了有利于降低线性加速度近似误差的最佳标定时间段和最佳标定位置。
　　其次，回顾和探讨了基于递推贝叶斯滤波的参数标定方法及其在重力卫星质心在轨标定和KBR相位中心在轨标定这两大关键技术中的应用。其中，针对参数标定问题其状态方程为线性的特点，以后验均值估计为展开点对IEKF的一阶Taylor级数展开线性化近似方法进行改进，从而优化量测Jaccobian阵的选取，得到了一个校正IEKF方法，并将其应用于非线性情况的KBR相位中心在轨标定问题中。仿真结果表明该方法在不同的初始先验误差情况下均能取得较为一致的标定结果。
　　最后，回顾和探讨了递推贝叶斯滤波方法在卫星姿态确定问题中的应用。其中，针对存在显著的未建模信息的强非线性状态滤波问题，提出了一种预测粒子滤波方法以降低粒子滤波对数学模型的依赖性以及预测滤波对初始先验信息的依赖性，并将该其应用至无陀螺姿态确定问题中。仿真结果表明当卫星姿态动力学模型误差和姿态初始先验误差均很大时，该方法仍能精确地实现卫星姿态确定。与此同时，为保证卫星姿态确定问题的滤波精度和实时性，还提出了先采用基于预测粒子滤波的无陀螺姿态确定方法获取准确的姿态四元数信息后，再切换至基于EKF的有陀螺姿态确定方法实现的组合方案。

目录

非线性估计在卫星参数标定和姿态确定中的应用方法研究

NONLINEAR ESTIMATION FOR SATELLITE PARAMETER CALIBRATION AND ATTITUDE DETERMINATION

摘 要

Abstract

目 录

Contents

第1章 绪 论

1.1 课题研究背景

1.2 课题目的与意义

1.3 非线性估计理论

1.3.1 估计的定义及其基本划分

1.3.2 批处理估计理论

1.3.3 递推贝叶斯滤波理论

1.4 重力卫星质心及其 KBR 相位中心在轨标定

1.4.1 重力卫星

1.4.2 卫星质心在轨标定

1.4.3 KBR 相位中心在轨标定

1.5 基于递推贝叶斯滤波的卫星姿态确定方法

1.6 本文的主要研究内容

第2章 基于MME/Batch 估计的卫星质心在轨标定

2.1 卫星质心在轨标定方案

2.1.1 坐标系定义

2.1.2 静电加速度计安装位置处受力分析

2.1.3 卫星质心信息的分离

2.1.4 算法分析

2.1.5 质心调整机构

2.2 卫星质心在轨标定算法

2.2.1 MME 估计算法

2.2.2 基于 MME 算法的卫星角速度估计模型

2.2.3 Batch 估计算法

2.2.4 基于 Batch 估计的卫星质心在轨标定模型

2.3 数学仿真

2.3.1 仿真参数

2.3.2 静电加速度计量测模型近似仿真

2.3.3 角加速度估计仿真

2.3.4 策略仿真

2.3.5 标定位置和时间段的选取仿真

2.4 本章小结

第3章 基于Batch 估计的KBR 相位中心在轨标定

3.1 KBR 相位中心在轨标定方案

3.1.1 KBR 相位中心

3.1.2 KBR 量测信息的近似模型

3.1.3 KBR 相位中心信息的分离

3.2 KBR 相位中心在轨标定算法

3.2.1 基于 Batch 估计的KBR 相位中心在轨标定模型

3.2.2 转换误差分析

3.2.3 可观测性分析

3.3 数学仿真

3.3.1 仿真参数

3.3.2 可观测性仿真

3.3.3 周期性姿态晃动参数的选取仿真

3.4 本章小结

第4章 基于递推贝叶斯滤波的参数标定方法

4.1 引言

4.2 递推贝叶斯滤波的理论解和解析解

4.2.1 理论解

4.2.2 解析解

4.3 基于校正 IEKF 的参数标定方法

4.3.1 一阶 Taylor 级数展开线性化近似方法分析

4.3.2 滤波过程

4.4 基于 χ 点Kalman 滤波的参数标定方法

4.4.1 SUT 线性化近似方法

4.4.2 滤波过程

4.5 数学仿真

4.5.1 基于递推贝叶斯滤波的卫星质心在轨标定仿真

4.5.2 基于递推贝叶斯滤波的 KBR 相位中心在轨标定仿真

4.6 本章小结

第5章 基于递推贝叶斯滤波的卫星姿态确定方法

5.1 引言

5.2 预测粒子滤波

5.2.1 粒子滤波

5.2.2 预测滤波

5.2.3 预测粒子滤波的滤波过程

5.3 基于预测递推贝叶斯滤波的无陀螺姿态确定方法

5.3.1 无陀螺姿态确定问题描述

5.3.2 基于预测粒子滤波的无陀螺姿态确定方法

5.3.3 基于预测 EKF 的无陀螺姿态确定方法

5.3.4 基于预测 UKF 的无陀螺姿态确定方法

5.4 基于递推贝叶斯滤波的有陀螺姿态确定方法

5.4.1 有陀螺姿态确定问题描述

5.4.2 基于 EKF 的有陀螺姿态确定方法

5.4.3 基于 UKF 的有陀螺姿态确定方法

5.5 数学仿真

5.5.1 仿真参数

5.5.2 基于预测递推贝叶斯滤波的无陀螺姿态确定仿真

5.5.3 基于递推贝叶斯滤波的有陀螺姿态确定仿真

5.5.4 组合方案仿真

5.6 本章小结

结 论

参考文献

攻读学位期间发表的学术论文及其它成果

哈尔滨工业大学学位论文原创性声明及使用授权说明

致 谢

个人简历