[发明专利]一种基于星敏感器和陀螺的高精度卫星姿态确定方法无效
申请号: | 201010194288.2 | 申请日: | 2010-05-28 |
公开(公告)号: | CN101846510A | 公开(公告)日: | 2010-09-29 |
发明(设计)人: | 杨静;魏明坤 | 申请(专利权)人: | 北京航空航天大学 |
主分类号: | G01C1/00 | 分类号: | G01C1/00;G01C21/00 |
代理公司: | 北京永创新实专利事务所 11121 | 代理人: | 赵文利 |
地址: | 100191*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 敏感 陀螺 高精度 卫星 姿态 确定 方法 | ||
技术领域
本发明涉及一种基于星敏感器和陀螺的高精度卫星姿态确定方法,属于空间飞行器高精度姿态确定技术领域。
背景技术
飞行器姿态确定系统是飞行器姿态控制系统中的重要组成部分,其精度和可靠性是飞行器长期正常运行的重要保证和前提。该系统主要由姿态敏感器和相应姿态确定算法组成,为了克服参考矢量的不确定性对姿态确定精度的影响,状态估计的方法在高精度姿态确定场合得到了广泛的应用。
目前常用的方法是扩展卡尔曼滤波(Extended Kalman Filter,EKF),EKF具有收敛速度快,算法简单,可以实时解算等优点。但是EKF因为采用了对非线性模型Taylor展开近似的方法,在非线性较强时估计偏差较大。并且EKF需要计算雅克比矩阵,要求函数必须可微,限制了其使用范围。此外,EKF将系统噪声处理为零均值白噪声,这就要求建模必须十分精确,若实际系统中的噪声不是高斯白噪声,而被作为白噪声来处理,则将导致估计精度严重下降。非线性预测滤波(Nonlinear Predict Filter,NPF)考虑了系统模型误差或未知输入的影响,具有对模型误差的估计能力,与EKF等其他非线性滤波方法相比,预测滤波能够在线估计出未知模型误差,克服了将模型误差和系统噪声设为高斯白噪声的局限,在飞行器姿态估计领域中得到了应用。但是预测滤波收敛速度相对较慢,收敛时估计出的模型误差的不准确会对滤波收敛性和精度造成影响。
发明内容
本发明的目的是为了解决飞行器高精度姿态确定方面现有技术的不足,提出一种基于星敏感器和陀螺的高精度卫星姿态确定方法。
本发明的一种基于星敏感器和陀螺的高精度卫星姿态确定方法,包括以下几个步骤:
步骤一:建立卫星姿态确定系统的状态方程;
步骤二:建立卫星姿态确定系统的测量方程;
步骤三:利用预测滤波在线实时估计模型误差;
步骤四:对补偿后的模型利用二阶插值滤波进行状态估计,得到卫星的姿态。
本发明的优点在于:
(1)采用了预测滤波在线实时估计模型误差并修正系统模型,克服了传统估计过程中将误差处理为零均值白噪声的缺点。
(2)采用了二阶插值滤波算法,是一种比EKF精度更高的多项式插值滤波算法,且不需要计算偏导数,适用范围更广;
(3)本发明采用了预测滤波估计并补偿系统模型误差,可以处理任何非线性系统和噪声情况,获得更高精度的估计结果,适用于高精度姿态确定领域。
附图说明
图1是本发明的方法流程图;
图2a是本发明的方法与EKF方法仿真结果的俯仰角误差曲线对比图;
图2b是本发明的方法与EKF方法仿真结果的偏航角误差曲线对比图;
图2c是本发明的方法与EKF方法仿真结果的滚转角误差曲线对比图;
图3a是本发明的方法与二阶插值滤波方法仿真结果的俯仰角误差曲线对比图;
图3b是本发明的方法与二阶插值滤波方法仿真结果的偏航角误差曲线对比图;
图3c是本发明的方法与二阶插值滤波方法仿真结果的滚转角误差曲线对比图。
具体实施方式
下面将结合附图和实施例对本发明作进一步的详细说明。
本发明是一种基于星光和陀螺的高精度卫星姿态确定方法,利用陀螺和星敏感器作为姿态敏感器,利用预测滤波的思想实时估计出卫星姿态确定系统的模型误差并实时进行补偿,再利用精度更高的二阶插值滤波估计出卫星本体坐标系相对于惯性坐标系的姿态四元数,然后经过解算得到卫星姿态,流程如图1所示,包括以下几个步骤:
步骤一:建立卫星姿态确定系统的状态方程;
用姿态动力学方程与运动学方程一起来描述卫星的姿态变化,姿态动力学方程可从刚体的动量矩公式和定理导出,即欧拉-牛顿法:根据刚体动量矩定理,卫星的姿态动力学方程为:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京航空航天大学,未经北京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201010194288.2/2.html,转载请声明来源钻瓜专利网。