姿态敏感性

姿态敏感性（共3篇）

姿态敏感性 篇1

引言

“远望”号测量船是目前我国航天飞行器测控系统的一个重要组成部分,它是为了适应导弹、航天器试验的发展而在海上设置的测控站。航天测量船采用单站定位体制,测控设备以船舶为平台,其测量是在动态条件下,设备的位置、姿态在不停地变化,必须在测量设备跟踪被测目标的同时,对测量船的位置和姿态进行同步测量。目前航天测量船装备了以惯性导航为主,卫星导航设备以及标校经纬仪等为辅的组合导航系统。但由于惯性导航系统具有误差累积的缺点,长时间工作时需要提供外部的位置、航向校准信息,对惯性导航系统进行综合校准[1]。

星敏感器是一种高精度的姿态测量装置,且不随时间漂移,具有自主导航能力,以恒星为参照物, 利用探测单元某一时刻对天空直接捕获星图,经过数据处理单元对星图进行恒星质心提取、星图识别、星跟踪、姿态计算等一系列处理,获得星敏感器相对惯性空间的高精度姿态信息,目前广泛应用于卫星、洲际战略导弹、宇航飞船等航空航天飞行器姿态测量[2]。随着高精度大视场星敏感器技术的成熟,利用其测量船体姿态成为可能。

针对海上测控任务需求的不断提高,本文采用高精度星敏感器来提高航天测量船综合测量精度, 建立了基于星敏感器船姿测量的数学模型,设计了一套基于双星敏感器的船姿测量系统,一台指向船艉,一台指向左舷。硬件结构上,采用TH7888A作为CCD传感器,成像后经光纤传输系统传到机下电控箱,经实时图像处理器提取星点目标位置、灰度信息给数据处理计算机处理。软件设计上,通过星图识别、姿态确定获取地心惯性坐标系下视轴指向,经岁差、章动、极移、船位、蒙气差等修正,得到惯导地平系下姿态角。依据标定的星敏感器与甲板坐标系安装矩阵,解算船体姿态角,将两台星敏感器解算的姿态角进行融合,从而得到三个高精度的船体姿态角。经实验验证,本文提出的测量系统三个船体姿态角测量精度均优于10″。

1双星敏感器船姿测量系统方案

星敏感器的姿态测量精度可由休斯公司的仿真评价公式估算:

式中,σP、σY分别是俯仰、偏航方向的姿态测量误差角度,σR是横滚方向(指对星敏感器)的姿态测量误差角弧度,n是参与计算的星数,σxy是星敏感器像面座标中x、y方向上的角度测量误差(单星测量误差),θsep为探测星的平均分离角度,由此可以看出, 横滚角的测量误差是偏航、俯仰测量误差的几倍。星(弹)载多星敏感器一般采用空间正交安装方式[3],而船用星敏感器受视场角及船载测量设备遮挡等因素影响,不能沿载体坐标轴方向布置,不能空间正交,只能保证其水平投影处于正交状态。针对这一特点,本文提出一种基于双星敏感器的船姿测量方案。具体设计思想如图(1)所示。

本方案拟采用两台星敏感器组合测量达到提高船体姿态横摇角的目的。星敏感器A1沿船体艏艉线排列,指向船艉,星敏感器A2指向船体左舷,根据船载设备遮挡因素,分别选择仰角为35°和40°。两台星敏感器各自解算出船体姿态角,分别为(K1, ψ1,θ1),(K2,ψ2,θ2)。为避免因单星敏感器横滚角测量精度低造成横摇角误差大,将两星敏感器解算的船体姿态角进行数据融合,具体方法如下式:

星敏感器A1偏航、俯仰分别影响船体航向、纵摇姿态,而横滚角影响船体三个姿态角,因此,航向、纵摇测量精度高;星敏感器A2偏航、俯仰分别影响船体航向、横摇姿态,而横滚角影响船体三个姿态角,因此,航向、横摇精度高。将星敏感器A1、A2测量的航向平均值作为融合后的航向,将星敏感器A1测量的纵摇作为融合后的纵摇,将星敏感器A2测量的横摇作为融合后的横摇。

2单星敏感器船姿确定

单星敏感器船姿确定流程如图2所示。图像传感器拍摄星图后,经过图像处理电路经过预处理、连通性分析提取出星点的位置和灰度信息,输出给星图识别模块,经过三角形识别算法在导航星库中找到观测星的对应匹配,得到视场内的所有恒星赤经、赤纬,经过自行、光行差修正后,利用所有恒星的参考矢量及其观测矢量,通过姿态确定算法计算星敏感器在J2000.0地心惯性坐标系下指向,经过坐标变换转换到惯导地平系下,经过蒙气差修正后,重构星敏感器惯导地平坐标系下姿态矩阵,再根据船载星敏感器的安装矩阵(船坞内标校时得到),计算出船体姿态矩阵。

星敏感器技术部分包括图像获取单元、星图预处理单元、星图识别单元及姿态确定单元。

星敏感器获取J2000.0地心惯性坐标系(CIS) 视轴指向后,需经岁差修正转瞬时平赤道地心系 (MT),再从瞬时平赤道地心系(MT)经章动修正转瞬时真赤道地心系(CT),再由瞬时真赤道地心系 (CT)经地球自转修正转准地固坐标系(ET),再由准地固坐标 系 (ET)经极移修 正转地固 坐标系 (CTS),再根据船位参数由地固坐标系(CTS)转地平系(DP)[4],由星敏感器惯导地平系姿态矩阵MDP 得到星敏感器惯导地平系下方位角α,俯仰角β,滚动角γ,坐标变换如图3所示。

地面光学设备(包括天文望远镜、航天测控系统的经纬仪、星敏感器等)观测恒星时,由于可见光穿越大气层时受大气折射的影响,得到的视位置高度与恒星的真位置高度存在一定的偏差(该高度偏差称作蒙气差),因此需要对观测数据进行蒙气差修正[5]。考虑到大气折射影响,根据星敏感器地平系仰角不同,选择蒙气差模型修正,然后得到新的姿态角(α,δ′,γ),重构姿态矩阵得到M′DP。

(1)当星敏感器地平仰角大于等于14°,蒙气差ρ采用中国天文年历中蒙气差模型:

式中,ρ0为蒙气差常数,可直接利用下式计算:

其中Z为天顶距,Z=90°-δ。αt为气温变差乘数修订系数,当δ≤45°时可由下式计算:

At为气温变差乘数,与温度t有关;B为气压变差乘数,与测量站附近气压P有关:

(2)当地平仰角5°≤β≤14°时,采用Polkovo蒙气差模型:

ρ0为蒙气差常数,可直接利用下式计算:

经蒙气差修正后,重构星敏感器惯导地平系下姿态矩阵M′DP为:

其中,Rx(θ),Ry(θ),Rz(θ)分别表示绕X、Y和Z轴逆时针旋转θ角后形成的矩阵。

测量船进坞坐墩时,船载标校经纬仪确定测量船航向K真(ψ真=θ真 =0),由此得到船体姿态矩阵真值Rb DP=R0,可计算星敏感器坐标系与甲板坐标系的安装矩阵为:

完成星敏感器安装矩阵标定Rb S后,船航行时, 可由公式(14)可得船体姿态矩阵计算公式:

即可得到3个船体姿态角K,ψ,θ:

单星敏感器船姿确定算法流程如下:

1.船坞坐墩时,星敏感器测星经过星图识别,姿态确定获得地心惯性系下视轴指向。

2.经过岁差、章动、极移等修正获得惯导地平系下姿态矩阵。

3.由星敏感器俯仰角采用相应的蒙气差修正模型进行修正,重构惯导地平系下姿态矩阵。

4.根据标校经纬仪测量的航向信息,即船体姿态真值,计算星敏感器安装矩阵,多次测量求平均值。

5.船航行时,重复1~3步中计算星敏感器惯导地平系下姿态矩阵。

6.由第4步中标定的安装矩阵,计算实时船体姿态矩阵,求解船体姿态角。

7.进行双星敏感器船姿数据融合,输出融合后的船姿。

3系统设计

系统框架图如图(4)所示,星敏感器船姿测量系统由光学系统、机械结构、光纤传输系统、实时图像处理器及数据处理计算机等几部分组成。

图像传感器电路完成对星空图像的采集,A1、A2图像传感器电路相同,由CCD焦平面组件、CCD驱动电路、前端电路、视频信号处理器、相机时序控制器及制冷与温控单元组成,制冷可以提高信噪比, 减小暗电流噪声;光纤传输单元负责机上、机下图像及相机通讯指令传输;实时图像处理器完成星图预处理,连通性分析,星点目标实时提取,实时输出星点目标的位置及灰度给数据处理计算机;图像采集卡负责采集CameraLink接口图像到计算机内,可以将星图存储到计算机中保存原始图像文件,以便对各种算法的检验和以后进一步的处理;时统终端负责提供整个系统的外同步信号,GPS提供时间信息;串口通信卡负责主控计算机与各分系统的通信指令传输。

具体流程:

1.系统上电后,CCD成像单元完成星图采集, 经机上光纤传输系统传到机下电控箱。

2.机下光纤接收时统的外同步与时间码,将时间信息叠加到图像最后一行,之后传给实时图像处理器。

3.实时图像处理器接收图像后,一路传给图像存储卡,一路经阈值分割、连通性分析提取星点目标的位置坐标及灰度值传给数据处理计算机。

4.经星图识别,姿态确定,船姿计算等,两星敏感器分别解算船体姿态角。

5.进行船姿数据融合,输出融合后船姿。

4实验结果及分析

首先搭建一套双星敏感器船姿测量系统,包括两台星相机、光纤传输系统、FPGA+双DSP的实时图像处理器、串口通信卡、时统卡、图像存储卡及数据处理计算机。使用配置为Intel(R)CPUE5300 @2.6GHz,2.00GB双通道DDRII内存的高性能研华工业控制计算机作为数据处理计算机。探测器为TH7888A,帧频为10f/s,像元大小14μm,输出分辨率为1024×1024的12位灰度图像。采用FP- GA+双DSP为实时图像处理系统。串口通信卡选用MOXA公司的CP-118U八口串口 通信卡。GPS/B码时统卡采用PCI总线结构,由温补晶振、GPS接收机及天线、两片控制芯片及一片FPGA组成。图像存储卡为PCI总线结构,由CameraLink解码单元、串口接口电路、SRAM存储单元、FPGA逻辑控制单元及PCI接口电路组成。系统硬件实物图如图(5)所示。

为了验证此系统的有效性,通过外场实验对本平台进行试验验证,如图(6)所示。本文采用张磊等[6]提出的改进的三角形识别算法,利用散列查找法对三角形的每条边(星对角距)在特征库中分别找出满足角距判决门限、同时满足星等差判决门限的导航星对,利用三角形几何约束关系减小冗余。图 (7)、图(8)分别为2013年3月15日20∶16∶7∶630时星敏感器A1、A2同一时刻观测的星图,其中,星图中红色星代表提取的伪目标。SkyMap是一款电子星图软件,可以显示出地球上任意地区在某个时间的星空,对比SkyMap生成的星图和真实星图,可以判断识别是否正确。然后根据视场内识别星天球坐标及靶面坐标,采用Quest算法计算单星敏感器地心惯性坐标系下视轴指向[7,8],再根据单星敏感器船姿确定算法计算船姿。最后,由双星敏感器船姿数据融合算法输出船姿,姿态测量误差及损失函数值如图(9)所示。

对2013年3月15日测量的船姿数据进行处理后,统计得到:星敏感器A1测量船体航向、纵摇及横摇的平均测量误差分别为0.005″、-0.044″及0. 005″,均方根误差分别为131.585″、15.588″及146. 410″,其中航向测量精度相对星敏感器的方位角测量精度下降明显(星敏感器方位、俯仰及滚动测量均方根误差分别为11.970″、6.050″和190.350″),这是由于星敏感器滚动测量误差耦合到航向上造成的。星敏感器A2的方位、俯仰及滚动测量精度分别为7.14″、6.18″和98.61″,由此解算得到的船体航向、纵摇及横摇的平均测量误差分别为 -0.003″、0.002″及0.011″,均方根误差分别为61. 406″、80.077″及11.573″。双星敏姿态确定算法的航向、纵摇及横摇平均测量误差分别为-27.063″、 -62.930″及-3.948″,平均误差较大主要是由于安装矩阵标定不准造成的,且可作为系统误差进行修正。航向、纵摇及横摇均方根测量误差分别为8. 468″、7.164″及5.116″,三个方向测量精度均优于10″,从而避免了星敏感器滚动角的测量误差对船体航向角的影响。

5结论

本文针对不断提高的海上测控任务需求,提出了一种基于双星敏感器的船体姿态测量系统。建立了基于星敏感器船姿测量的数学模型,设计了一套基于双星敏感器的船姿测量系统,一台指向船艉,一台指向左舷。分别通过坐标变换、蒙气差修正得到星敏感器惯导地平系下姿态角,再由标定的安装矩阵分别解算船姿,最后通过数据融合避免星敏感器滚动角的测量误差对船体航向角的影响,输出三个高精度船体姿态角。外场实验数据表明,航向、纵摇及横摇均方根测量误差达到8.468″、7.164″及5. 116″,三个方向测量精度均优于10″,证明了该系统的可行性和可靠性。今后的研究方向主要集中在提高星图提取精度及星图识别稳定性方面,其直接影响后续船体姿态输出精度。

姿态敏感性 篇2

阐述了利用星敏感器和圆锥扫描式红外地球敏感器进行自主导航的原理,以资源一号02B卫星的`飞行数据为基础,进行了自主导航的地面实验,发现采用国产红外地球敏感器和星敏感器的资源一号02B卫星可以实现较高精度的自主导航,实验结果说明了该自主导航方案的可行性.

作 者：李明群 魏春岭 梅志武 姚宁 武延鹏 王哲 袁军 LI Mingqun WEI Chunling MEI Zhiwu YAO Ning WU Yanpeng WANG Zhe YUAN Jun 作者单位：李明群,魏春岭,LI Mingqun,WEI Chunling(北京控制工程研究所,北京,100190;空间智能控制技术国家级重点实验室,北京,100190)

梅志武,姚宁,武延鹏,王哲,袁军,MEI Zhiwu,YAO Ning,WU Yanpeng,WANG Zhe,YUAN Jun(北京控制工程研究所,北京,100190)

姿态敏感性 篇3

随着科学技术的发展,人类利用太空的任务需求对卫星姿态确定精度提出了更高的要求。星敏感器是姿态敏感器中精度最高的,且视场不受限制,不受轨道影响;但其提供的测量信号实时性不强。陀螺仪作为惯性测量元件在各种飞行器的惯性制导及姿态控制系统中应用最为广泛,有着自主性强、不受轨道影响、有限时间内精度高、实时性好的优点,但陀螺有漂移误差且随时间积累。可见选用星敏感器与陀螺组合进行姿态确定,取长补短,可实现高精度姿态确定[1,2]。

本文针对使用星敏感器获得双矢量观测信息的航天器姿态确定系统,对比研究了QUEST确定性算法以及星敏感器与陀螺组合的EKF算法[2,3,4] ,并进行了数学仿真,以寻求高精度的定姿方法。

1 坐标系及四元数姿态运动方程

定义地心惯性坐标系OIXIYIZI,原点为地心,XI轴指向春分点,ZI轴指向北极,YI轴在赤道面内,与XI轴、ZI轴构成右手直角坐标系。航天器体坐标系ObXbYbZb,原点为航天器质心,三条坐标轴与固定于航天器上的陀螺敏感轴平行。

惯性坐标系按Z→X→Y转动欧拉角ψ、θ、φ得到体坐标系,对应姿态四元数为$q=[\begin{array}{cccc}q{}_0& q{}_1& q{}_2& q{}_3\end{array}]{}^{\text{Τ}}$。航天器相对于参考坐标系的转动角速度在体坐标系中表示为$\omega =[\begin{array}{ccc}\omega {}_x& \omega {}_y& \omega {}_z\end{array}]{}^{\text{Τ}}$,其四元数形式为$\omega =[\begin{array}{cccc}0& \omega {}_x& \omega {}_y& \omega {}_z\end{array}]{}^{\text{Τ}}$,则有四元数运动学方程

$\dot{q}=\frac{1}{2}q⨂\omega$ (1)

当配备有陀螺仪时,角速度可由陀螺测量得到;当无陀螺仪时,角速度由动力学方程传递,即

$\dot{\omega }=J{}^{-1}({\rm N}-\omega \times J\omega )$ (2)

式(2)中J为航天器惯量张量,N为航天器所受合外力矩,式中所有量皆为在体坐标系下的表示。

2 航天器姿态信息的测量

假设星敏感器安装方向使星敏感器坐标系与航天器体坐标系重合。星敏感器测量模型可采用以下形式

rb=A(q)r0+Δrs (3)

式(3)中,rb为恒星在星体坐标系中的单位方向矢量,r0为恒星在惯性坐标系中的单位方向矢量,A(q)为姿态矩阵,Δrs为星敏感器测量误差,近似为高斯白噪声。

由之前体坐标系的定义,陀螺固连于航天器且体坐标系三轴与陀螺敏感轴平行。陀螺测量模型可采用以下形式

ωg=ω+b+d+ng;

$\dot{b}=0$,

$\dot{d}=-D{}_{\tau }d+n{}_d$ (4)

式(4)中,ωg为角速度的陀螺测量值,ω为角速度真实值,b为陀螺常值漂移,d为陀螺相关漂移,描述为一阶马尔可夫过程,Dτ为相关时间常数对角矩阵,ng为陀螺测量噪声,nd为相关漂移噪声,两者皆近似为高斯白噪声。

3 星敏感器QUEST算法

本文中使用两个相同的星敏感器获得所需矢量观测。由星敏感器测量模型式(3),星光在参考坐标系内单位方向分别为r1、r2,其在体坐标系内测得的单位方向分别为rb1、rb2。基于Wahba提出的将姿态确定问题描述为求解最小二乘意义下的最优正交姿态矩阵问题,即求使损失函数$L(C{}_{bi})=\frac{1}{2}{\displaystyle \sum _{k=1}^n\alpha }{}_k|s{}_{bk}-C{}_{bi}s{}_{ik}|{}^2$达到最小的最优正交姿态矩阵(其中αk为加权系数)。

令

$B={\displaystyle \sum _{k=1}^n\alpha }{}_{k}s{}_{bk}s{}_{ik}^{\text{Τ}}$,

${\rm Z}={\displaystyle \sum _{k=1}^n\alpha }{}_k(s{}_{bk}s{}_{ik})$,

${\rm K}=\left[\begin{array}{cc}B+B{}^{\text{Τ}}-(trB){\rm I}{}_{3\times 3}& {\rm Z}\\ {\rm Z}{}^{\text{Τ}}& trB\end{array}\right]$

(5)

则最优姿态四元数为K矩阵的最大特征值所对应的特征向量[3]。

4 星敏感器与陀螺组合的EKF算法

将运动学方程式(1)线性化,采用Lefferts等人提出的体固连协方差表示法:四元数偏差量表示为估计四元数旋转到真实四元数的增量四元数,其标部接近于1,所有所需姿态信息包含于矢部三个量中[2]。

定义增量四元数为

$\delta q=\widehat{q}{}^{-1}⨂q$ (6)

微分得

$\delta \dot{q}=\frac{1}{2}\delta q⨂\widehat{\omega }-\frac{1}{2}\widehat{\omega }⨂\delta q+\frac{1}{2}\delta q⨂\Delta \omega$ (7)

令

$\Delta \omega =\omega -\widehat{\omega }$ (8)

整理为分部表达式并忽视二阶小量得

$\{\begin{array}{l}\delta \dot{q}{}_0=0\\ \delta \dot{\overline{q}}=-\omega \times \delta \overline{q}-\frac{1}{2}\Delta b-\frac{1}{2}\Delta d-\frac{1}{2}n{}_g\end{array}(9)$

式(9)中$\overline{q}$为四元数矢部。

于是定义九维偏差状态向量及协方差矩阵$\Delta X=[\begin{array}{cccc}\delta \overline{q}{}^{\text{Τ}}& \Delta b{}^{\text{Τ}}& \Delta d{}^{\text{Τ}}& \end{array}]{}^{\text{Τ}}$,滤波状态方程为

$\Delta \dot{X}(t)=F(t)\Delta X(t)+G(t)w(t)$;

$F(t)=\left[\begin{array}{ccc}-\widehat{\omega }\times & -\frac{1}{2}{\rm I}{}_{3\times 3}& -\frac{1}{2}{\rm I}{}_{3\times 3}\\ 0{}_{3\times 3}& 0{}_{3\times 3}& 0{}_{3\times 3}\\ 0{}_{3\times 3}& 0{}_{3\times 3}& -D{}_{\tau }\end{array}\right]$

;

$G(t)=\left[\begin{array}{cc}-\frac{1}{2}{\rm I}{}_{3\times 3}& 0{}_{3\times 3}\\ 0{}_{3\times 3}& 0{}_{3\times 3}\\ 0{}_{3\times 3}& {\rm I}{}_{3\times 3}\end{array}\right]$

;

$W(t)=\left[\begin{array}{c}n{}_g\\ n{}_d\end{array}\right]$

。 (10)

式(10)中$\widehat{\omega }\times$为$\widehat{\omega }$叉乘的反对称阵。

继而对其进行离散化,得到离散的状态方程

ΔXk=Φk/k-1ΔXk-1+Wk-1;

Φk/k-1≈I+F(tk-1)·ΔT (11)

Wk-1对应的等效系统噪声方差阵为

$Q{}_{k/k-1}=\left[\begin{array}{ccc}\frac{\sigma {}_{{}_g^2}}{4}{\rm I}{}_{3\times 3}& 0{}_{3\times 3}& 0{}_{3\times 3}\\ 0{}_{3\times 3}& 0{}_{3\times 3}& 0{}_{3\times 3}\\ 0{}_{3\times 3}& 0{}_{3\times 3}& \sigma {}_{{}_d^2}{\rm I}{}_{3\times 3}\end{array}\right](12)$

选取两个星敏感器三维测量值为观测量Z=[rTb1 rTb2]T,则有

${\rm Z}=\left[\begin{array}{c}A(\widehat{q})r{}_1\\ A(\widehat{q})r{}_2\end{array}\right]+\left[\begin{array}{c}n{}_s\\ n{}_s\end{array}\right]$

(13)

线性化得

ΔZ(t)=H(t)ΔX(t)+V(t);

${\rm H}(t)=\left[\begin{array}{cc}2\left[A(\widehat{q})r{}_1\right]\times & 0{}_{3\times 3}\\ 2\left[A(\widehat{q})r{}_2\right]\times & 0{}_{3\times 3}\end{array}\right]$

;

$V(t)=\left[\begin{array}{c}n{}_s\\ n{}_s\end{array}\right]$

(14)

离散化得

δZk=HkδXk+Vk;

Hk=H(tk);

$V{}_k=\left[\begin{array}{cc}\sigma {}_{{}_s^2}{\rm I}{}_{3\times 3}& 0{}_{3\times 3}\\ 0{}_{3\times 3}& \sigma {}_{{}_s^2}{\rm I}{}_{3\times 3}\end{array}\right]$

(15)

根据以上状态方程与观测方程,依EKF进行滤波[5],状态更新为

$\{\begin{array}{l}\widehat{q}{}_k=\widehat{q}{}_{k/k-1}⨂\delta \widehat{q}{}_k\\ \widehat{b}{}_k=\widehat{b}{}_{k/k-1}+\Delta \widehat{b}{}_k\\ \widehat{d}{}_k=\widehat{d}{}_{k/k-1}+\Delta \widehat{d}{}_k\end{array}$

(16)

5 仿真及分析

选取如下参数与初始条件进行姿态确定算法的仿真验证:

星敏感器测量噪声标准差σs=1″,两个星敏感器光轴分别沿卫星体轴X轴和Y轴;陀螺仪测量白噪声标准差σg=0.1°/s,常值漂移b=5°/h,相关漂移斜率白噪声标准差σd=0.01°/h,相关时间常数矩阵Dτ=1/3 600I3×3 s-1。

星敏感器与陀螺组合滤波时,偏差协方差阵初始值P0=diag[1 1 1 10[1,2,3,4,5,6,7,8,9,10] 10-8 10-8 10-10 10-10 10-10]。

基于上述仿真条件及初始参数,应用VC6.0进行了星敏感器QUEST、星敏感器与陀螺组合的扩展卡尔曼滤波姿态确定算法的数值仿真,滤波步长为1 s,总时间为2 000 s。仿真结果见图1～图3。

仿真结果如下:

(1) QUEST算法的姿态角估计误差标准差约为$[\begin{array}{ccc}1.00& 1.00& 0.70\end{array}{]}^{″}$;

(2) 星敏感器与陀螺组合的滤波算法的姿态角估计误差标准差约为[0.50 0.50 0.38]″,姿态角速度估计误差标准差为[0.131 0.132 0.126]″/s。

通过仿真结果的比较,分析如下:

(1) 基于双矢量测量信息,QUEST算法沿星敏感器光轴方向的定姿精度与敏感器测量精度相当,沿垂直于光轴所在平面的方向(下称垂直轴)的定姿精度稍高(误差减小约30%),这是由于双矢量所包含的姿态信息在绕垂直轴方向更多所致;星敏感器与陀螺组合的扩展卡尔曼滤波算法同样存在定姿精度沿垂直轴方向比沿星敏感器光轴方向更高,但定姿整体精度较QUEST算法提升约一倍。

(2) 就滤波性能而言,星敏感器与陀螺组合的滤波算法能在数步内收敛至稳定值,估计量初始值的选取对姿态估计精度的影响较小。

(3) 星敏感器与陀螺组合的滤波算法可对陀螺漂移进行估计,估计精度与陀螺测量精度相当。

6 结论

本文针对使用星敏感器获得双矢量观测的三轴稳定卫星姿态确定系统,研究了基于星敏感器与陀螺组合的扩展卡尔曼滤波姿态确定算法,用星敏感器修正陀螺的漂移偏差,得到姿态与陀螺漂移的估计;研究了QUEST姿态确定算法,由星敏感器获得矢量观测量,由QUEST确定性算法求解姿态信息;并对两种方法进行分析比较。

通过对上述三种姿态确定算法进行的数值仿真,得到如下的结论:基于星敏感器获得矢量观测进行姿态确定时,采用星敏感器与陀螺组合的扩展卡尔曼滤波姿态确定,比确定性算法定姿精度更高,且具有良好的滤波收敛速度与稳定性。

参考文献

[1] Lang H. A study of the characteristics of automotive hydraulic dampers at high stroking frequency. PH.D. thesis, University of Michigan, 1977

[2] Reybrouck K. A nonlinear parametric model of an automotive shock absorber. SAE Technical Papers, 940869 , 1994

[3] Lee K. Numerical modelling for the hydraulic performance prediction of automotive monotube dampers. Veh Syst Dyn,1997;28:25—39

[4] Besinger F H,Cebon D, Cole D J. Damper models for heavy vehicle ride dynamics. Veh Syst Dyn,1995;24:35—64

[5] Lion A, Loose S. A thermomechanically coupled model for automotive shock absorbers: theory, experiments and vehicle simulations on test tracks. Veh Syst Dyn,2002;37:241—261

[6] Duym S,Stiens R, Reybrouck K. Evaluation of shock absorber models.Veh Syst Dyn,1997;27:109—127

[7] Patel A, Dunne J F. NARX neural network modelling of hydraulic suspension dampers for steady-state and variable temperature operation.Veh Syst Dyn,2003;40:285—328

[8] Vapnik V N. Statistical learning theory. Johnwiley & Sons. New York, 1998

[9] Schölkopf B, Smola A J, Williamson R C, et al. New support vector algorithms. Neural Comput,2000;12:1207—1245

[10] Flake G W, Lawrence S. Efficient SVM regression training with SMO. Mach Learn,2002; 46:271—290

[11] http://www.mathworks.com/help/