基于UKF的无陀螺姿态确定

针对无陀螺卫星的姿态和角速度估计问题,提出了基于UKF(Unscent-ed Kalman Filtering)的无陀螺的姿态确定算法。采用星敏感器作为姿态敏感器,构造了基于罗德里格参数的UKF滤波器。与EKF相比,UKF不必计算Jacoabian矩阵而且能够至少精确到泰勒展开的二阶。通过EKF和UKF仿真结果的比较,表明UKF比EKF具有更快的收敛速度和更高的精度。

用于无陀螺卫星姿态确定的预测UKF算法

为了降低卫星姿态动力学模型误差和初始姿态误差对无陀螺卫星姿态确定的影响,提出了一种预测无迹卡尔曼滤波(UKF)算法。该算法利用预测滤波中的泰勒级数展开方法对未知的卫星姿态动力学模型误差进行估计,然后将其带入UKF中实现无陀螺卫星姿态确定。用三维偏差四元数代替四元数作为状态变量,避免了估计过程四元数单位约束性被破坏的现象。仿真结果表明,当较大的卫星姿态动力学模型误差和初始姿态误差同时存在时,该算法仍能精确地实现卫星姿态确定。

基于MEKF的航天器姿态确定算法

乘性扩展卡尔曼滤波(Multiplicative Extended Kalman Filter,MEKF)方法被广泛应用于各种航天器姿态确定任务。针对任意参考坐标系,推导了姿态四元数的线性运动学方程和三分量姿态误差矢量的动力学模型,并分别设计了有陀螺和无陀螺两种姿态确定方案。系统研究了姿态敏感器常用的矢量观测模型,四元数观测模型以及欧拉角观测模型,设计了更具有一般性的MEKF滤波器,为航天任务中快速应用MEKF姿态确定算法提供理论参考和技术支撑。