[发明专利]基于自组织网络的空间非合作目标姿轨一体化参数估计方法

权利要求书

1.一种基于自组织网络的空间非合作目标姿轨一体化参数估计方法，其特征在于，包括以下步骤：

基于对偶矢量四元数，采用误差方程建立相对运动学方程，考虑惯量积建立相对动力学方程；

当服务航天器的测量敏感器有关空间非合作目标的测量信息有效时，服务航天器采用扩展卡尔曼滤波算法对空间非合作目标进行参数估计；

当服务航天器的测量敏感器有关空间非合作目标的测量信息失效时，服务航天器采用基于自组织网络的空间非合作目标参数估计方法对空间非合作目标的参数进行估计；同时，将估计后的结果用于对扩展卡尔曼滤波器进行重置。

2.根据权利要求1所述的基于自组织网络的空间非合作目标姿轨一体化参数估计方法，其特征在于，建立相对动力学方程的步骤具体为：通过将目标的转动与平动同时考虑，并将相关转动与平动参数用对偶矢量四元数参数化而得到带有具体物理含义的相对参数；同时，基于对偶矢量四元数，采用误差方程建立相对运动学方程，考虑惯量积建立相对动力学方程。

3.根据权利要求1或2所述的基于自组织网络的空间非合作目标姿轨一体化参数估计方法，其特征在于，

基于对偶矢量四元数的运动学模型为：

基于对偶矢量四元数的动力学模型为：

其中：为误差对偶矢量四元数，为相对速度对偶矢量四元数的估计量，为相对速度对偶矢量四元数，

4.根据权利要求1所述的基于自组织网络的空间非合作目标姿轨一体化参数估计方法，其特征在于，

当服务航天器的测量设备不能够输出有效测量时，采用含有三个隐层的自组织人工神经网络，并通过人工神经网络对空间非合作目标的参数进行姿轨一体化估计，估计值用于重置扩展卡尔曼滤波器。

5.根据权利要求4所述的基于自组织网络的空间非合作目标姿轨一体化参数估计方法，其特征在于，自组织神经网络包含三个隐层，分别是：

自组织层，用于前向传播信息，提升网络的动态特性，激活函数为tansig函数；

反馈层，每组神经元包含两个神经元，且该两个神经元构成全反馈，用于储存网络信息，激活函数为f＝sigmoid函数；

自组织层，用于前向传播信息，提升网络的动态特性，激活函数为tansig函数；

输出层，激活函数为purelin函数；

该神经网络用基于误差的δ算法离线训练；当训练完成后，在测量有效的情况下，该网络在空间中进行实时更新。