卫星姿态确定系统的故障可诊断性分析方法

提出一种适用于线性系统的故障可诊断性分析方法,并将其应用于卫星姿态确定系统,从而实现在地面设计阶段提高系统故障诊断能力的目标。为有效解决K-L散度应用于卫星姿态确定系统故障可诊断性分析中存在的问题,基于方向相似度原理设计新的可检测性和可隔离性量化分析方法。通过数学仿真,验证了该方法的正确性和有效性。

基于神经网络专家系统的卫星姿态确定系统故障诊断

介绍了一种基于人工神经网络与专家系统相结合的智能故障诊断系统,将专家系统与神经网络结合运用取长补短,发挥各自的优势.给出了系统的结构组成,并具体描述了神经网络专家系统的工作原理.采用的RBF网络有效地克服了BP网络收敛速度慢,且易陷入局部极小的缺陷.同时利用神经网络的并行处理功能,有效地解决了传统专家系统的推理复杂、时间冗余等缺点.仿真结果证明了该方法应用于卫星姿态确定系统的故障诊断是有效的.

基于星敏感器的卫星姿态确定系统设计与实时仿真

本文重点介绍了用于某型应用卫星上的星敏感器姿态确定系统的设计与半实物实时仿真系统的建立。卫星姿态确定系统采用了双探头星敏感器加速率陀螺联合定姿技术与扩展Kalman滤波算法。该系统的设计与实现，采用了CAD与实时仿真一体化技术，即在Matlab/RTW设计工具集与dSPACE专用仿真机支持下完成的。该系统的设计、分析、数学仿真与半实物仿真都取得较满意的结果。

基于强跟踪的平方根 UKF 的卫星姿态确定算法

针对受不确定性干扰的影响卫星姿态确定系统,SRUKF存在跟踪能力弱、估计精度低和鲁棒性差等问题,本文根据强跟踪滤波(STF)原理,提出了一种改进的强跟踪平方根UKF算法。该方法中,采用基于等价变化的方法来计算自适应渐消因子,避免了Jacobian矩阵的计算;引入两个多重自适应渐消因子矩阵,保证了协方差矩阵的对称性;利用改进的平方根分解方法,改善了滤波器的稳定性。实验仿真结果表明,相对于SRUKF和STF,本文提出的强跟踪平方根UKF具有更好的稳定性、鲁棒性和对突变状态的跟踪能力。

基于GPS的三维姿态确定系统研究

论述了基于GPS姿态确定的原理、方法、步骤。首先 ,利用最小二乘平差校准基线 ,得到基线的准确长度及相互间的几何关系 ;随后 ,可以利用这些约束条件加速模糊度求解过程 ,适于实时应用。通过估计基线向量得到姿态粗解 ,以粗解为初值进行迭代最小二乘平差 ,最后得到最终的姿态解。通过一个实验系统验证 。

基于Gibbs矢量估计卫星轨道姿态的滤波算法研究

针对“矢量观测+陀螺”这种典型的三轴稳定卫星姿态确定系统模式,引入具有四元数优越性的Gibbs矢量作为姿态参数,提出了一种新的具有良好实时性能的轨道姿态估计方案。在方案设计中,为描述卫星轨道姿态的Gibbs矢量,推导出了基于四元数的运动学方程,并将QUEST法作为处理多矢量观测信息的压缩技术引入估计器,使得滤波修正算法得以简化。另外,针对单矢量观测情况,给出了能够加快状态估值收敛速度的改进协方差修正算法。仿真结果验证,新方案的姿态估计精度与传统的欧拉角估计法相当,而运算效率却明显高于欧拉角估计法。

改进的Sage-Husa滤波及在卫星姿态估计中的应用

基于极大后验估计原理,提出了一种改进的噪声估计器,以实现对噪声均值和方差的在线估计,抑制滤波器发散。对自适应扩展卡尔曼滤波算法在卫星姿态确定系统中的应用进行了仿真。结果表明新算法滤波精度优于扩展卡尔曼滤波(EKF),与Sage-Husa自适应滤波算法相比,可阻止滤波器发散,提高系统滤波精度。

强跟踪自适应SRCKF的卫星姿态确定算法

针对卫星星敏感器/陀螺姿态确定系统在空间中存在模型不确定性、状态突变和不良测量问题,该文提出了基于强跟踪自适应平方根容积卡尔曼滤波器(STSRCKF)的卫星姿态确定算法。在平方根容积卡尔曼滤波的基础上,通过引入渐消因子,解决了由于模型不确定和状态突变引起的精度下降、稳定性差和收敛慢的问题;通过增加异常检测和引入自适应因子,获得了应对不良测量的良好跟踪能力。通过仿真实验对算法进行了验证。

微型太阳敏感器

微型太阳敏感器样机已经在美国加利福尼亚理工学院喷气推进实验室(JPL)研制出来。此样机包含一块很薄的硅片。硅片上镀铬和金,带有数百个小针孔,安放在一个有源像源敏感器(APS)的图象探测器顶面,与探测器表面距离为900μm。当太阳照射掩膜时,在APS图像探测器上形成太阳图像。精确地确定探测器上太阳图像的位置,就可以算出太阳角——其工作原理与日晷相像。封装后的微型太阳敏感器质量为11g,体积为4.2cm^3,功耗为30mW。微型太阳敏感器的精度优于1′,最大视场角为160°。