[发明专利]一种基于改进的自适应平方根UKF算法的卫星姿态确定方法

说明书

技术领域

本发明涉及星敏感器和陀螺的高精度卫星姿态确定方法，属于卫星姿态确定技术领域。

背景技术

星敏感器和陀螺组成的姿态测量系统，由于其精度较高，因而被广泛用于卫星姿态确定系统中。针对其组成的非线性系统，采用非线性滤波技术确定姿态的方法被广泛应用。扩展卡尔曼滤波器(EKF)因为其方法简单，容易实现等优点，在处理非线性估计的工程问题中被广泛应用。但是EKF是对非线性方程做一阶近似处理，忽略其余高阶项，从而将非线性问题转化为线性问题。当系统非线性较强时，EKF违背局部线性假设，被忽略的高阶项会带来大的误差，导致EKF算法精度下降，甚至造成EKF算法的滤波发散。另外EKF在线性化处理时需要计算雅克比(Jacobian)矩阵，其计算过程繁琐复杂且容易出错。

针对上述问题，Julier等人提出了无忌卡尔曼滤波器(UKF)算法。相对于EKF，UKF采用UT变换对非线性概率密度分布进行近似，具有不需要计算Jacobian矩阵，估计精度更高，近年来在飞行器姿态估计问题当中获得广泛应用。然而UKF在数值计算中往往会存在舍入误差，可能会破坏系统估计误差协方差矩阵的非负定性和对称性，导致算法的收敛速度慢，甚至造成算法的不稳定。针对该问题平方根UKF(SRUKF)滤波算法可以较好的解决，该方法借鉴kalman滤波中平方根分解滤波思想，在滤波的过程中采用矩阵的QR分解和Cholesky分解结果直接传播并更新协方差矩阵的平方根，解决了UKF算法中计算误差可能引起的误差协方差的负定性问题，提高了滤波算法的计算效率和数值稳定性。但是，当数值累积误差太大或者权值W₀^c选择不合适的时候，标准的平方根UKF仍然存在滤波发散问题。此外，EKF，UKF和SRUKF都要求系统模型精确和噪声统计特性已知。当系统存在不确定性干扰和噪声作用时，上述方法都不具备较好的估计精度、跟踪能力及鲁棒性。

发明内容

本发明的目的是提出一种基于改进的自适应平方根UKF算法的卫星姿态确定方法，以解决在卫星姿态确定系统受到不确定性干扰和噪声的影响时，由于现有的EKF,UKF和SRUKF算法数值计算的舍入误差太大所引起的卫星姿态确定系统的不稳定以及对卫星姿态估计的精度低和卫星实际状态跟踪能力弱等问题。

本发明为解决上述技术问题所采用的技术方案是：

本发明所述的一种基于改进的自适应平方根UKF算法的卫星姿态确定方法，是按照以下步骤实现的：步骤一、建立陀螺测量模型；步骤二、建立卫星姿态运动学方程；步骤三、建立基于误差四元数和陀螺漂移误差组成的状态变量的系统状态方程；步骤四、建立误差系统观测方程；步骤五、利用改进的自适应平方根UKF估计误差四元数和陀螺漂移误差；步骤六、利用陀螺测量值和估计出来的陀螺漂移误差代入姿态运动学方程计算姿态四元数；步骤七、利用估计出的误差四元数对解算出的姿态四元数进行修正；步骤八、利用修正的姿态四元数进行姿态解算，确定卫星的姿态。

本发明的有益效果是：

一、本发明改善了由于现有算法的不稳定所导致的卫星姿态确定系统的稳定性，使卫星姿态确定系统的稳定性更好。

二、在改进的平方根UKF基础上引入自适应因子μ_k+1，使得平方根UKF具有自适应性，从而在系统具有未知干扰的情况下，提高了卫星姿态估计精度。

三、本发明改善了UKF和平方根UKF对未知干扰及突变状态的跟踪能力，使卫星实际状态跟踪能力增强，从而在模型不确定性和噪声统计特性不确定时也能够较好的估计出卫星的姿态，因此在复杂多变的环境当中更适用。

四、相对于STF方法，本发明(IASRUKF)在滚转角的估计精度方面提高了66％～67％，在俯仰角的估计精度方面提高了68％～69％，在偏航角的估计精度方面提高了58％～％59；相对于SRUKF方法，本发明在滚转角的估计精度方面提高了97％～98％，在俯仰角的估计精度方面提高了97％～98％，在偏航角的估计精度方面提高了97％～98％。

附图说明