CN107228672B - 一种适用于姿态机动工况下的星敏和陀螺数据融合方法 - Google Patents

一种适用于姿态机动工况下的星敏和陀螺数据融合方法 Download PDF

Info

Publication number
CN107228672B
CN107228672B CN201710500466.1A CN201710500466A CN107228672B CN 107228672 B CN107228672 B CN 107228672B CN 201710500466 A CN201710500466 A CN 201710500466A CN 107228672 B CN107228672 B CN 107228672B
Authority
CN
China
Prior art keywords
attitude
data
star sensor
gyro
star
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710500466.1A
Other languages
English (en)
Other versions
CN107228672A (zh
Inventor
叶立军
丰保民
朱虹
尹海宁
任家栋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Aerospace Control Technology Institute
Original Assignee
Shanghai Aerospace Control Technology Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Aerospace Control Technology Institute filed Critical Shanghai Aerospace Control Technology Institute
Priority to CN201710500466.1A priority Critical patent/CN107228672B/zh
Publication of CN107228672A publication Critical patent/CN107228672A/zh
Application granted granted Critical
Publication of CN107228672B publication Critical patent/CN107228672B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/24—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for cosmonautical navigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Astronomy & Astrophysics (AREA)
  • Gyroscopes (AREA)

Abstract

本发明涉及一种适用于姿态机动工况下的星敏和陀螺数据融合方法，基于最小二乘原理，确定星敏测量增益系数；基于上节拍估计姿态和当前陀螺测量角速度，一步递推得到当前拍姿态；融合星敏测量姿态数据和陀螺递推姿态数据。本发明采用最小二乘法，将星敏数据和陀螺积分数据进行融合，利用陀螺积分姿态噪声小的特点提高姿态估计精度，利用星敏测量值准确的特点来保持姿态不发散，解决现有扩展卡尔曼滤波算法在姿态机动期间姿态估计不准确的问题。

Description

一种适用于姿态机动工况下的星敏和陀螺数据融合方法
技术领域
本发明涉及航天器姿轨控系统星敏感器(后面简称“星敏”)和陀螺之间数据融合方法，本方法适用于卫星姿态机动期间星敏和陀螺数据融合。
背景技术
卡尔曼滤波是信息融合算法中应用最普遍的算法之一，主要用于实时融合动态多敏感器冗余数据。其要点是通过测量手段校正模型的不确定性，以模型的连续性克服测量的离散性，以测量的确定性抑制模型的不确定性。当系统的状态方程和量测方程均为线性并且系统噪声与传感器的测量噪声均为高斯白噪声时，应用经典卡尔曼滤波算法可以为融合数据提供唯一的统计意义下的最优估计。用卡尔曼滤波器对数据进行融合后，既能获得系统的当前状态估计，又可预报系统的未来状态。
经典卡尔曼滤波只适用于系统模型为线性的情况，而实际系统都包含非线性因素，扩展卡尔曼滤波(EKF)利用线性化技巧将非线性滤波问题转化为近似线性滤波问题，具体做法是假设步长足够小，围绕标称状态把状态量和观测量展开成泰勒级数，并取一次近似值。
总之，扩展卡尔曼滤波(EKF)是一种常用的线性化方法，将非线性问题转换为标称状态附近的线性问题。克服了经典卡拉曼滤波仅用于线性估计的不足。
实际工程上，采用扩展卡尔曼滤波的方式对星敏和陀螺数据进行融合，可以获得卫星稳态工作时高精度姿态数据，取得较好的应用效果。但是，随着卫星应用越来越多，卫星任务也越来越复杂，姿态确定精度也越来越高，比如某些卫星要求在姿态机动过程中仍需要进行高精度的星敏和陀螺数据融合，由于姿态机动的存在，不满足扩展卡尔曼滤波线性化的假设前提，即传统扩展卡尔曼滤波不适用于卫星姿态机动期间的星敏和陀螺高精度数据融合问题。
发明内容
本发明的目的在于提供一种适用于任意姿态机动情况下星敏感器和陀螺数据融合的方法，解决现有扩展卡尔曼滤波算法在姿态期间姿态估计不准确的问题。
为了达到上述目的，本发明提供一种适用于姿态机动工况下的星敏和陀螺数据融合方法，其包含以下过程：
第一：基于最小二乘原理，确定星敏测量增益系数；
第二：基于上节拍估计姿态和当前陀螺测量角速度，一步递推得到当前拍姿态；
第三：融合星敏测量姿态数据和陀螺递推姿态数据。
本发明采用最小二乘法，将星敏数据和陀螺积分数据进行融合，利用陀螺积分姿态噪声小的特点提高姿态估计精度，利用星敏测量值准确的特点来保持姿态不发散。
本发明提供了一种针对星敏感器和陀螺联合滤波的改进手段，与现有技术相比，其优点和有益效果是：
1)采用最小二乘法对星敏和陀螺数据进行融合，可同时保证数据融合的准确性和精确性；
2)避免了kalman滤波线性化要求，使得星敏和陀螺数据融合算法不仅适用于稳态，也适用于姿态机动等模式。
3)算法原理简单，参数物理意义清晰，软件实现简单可靠，具备极好的工程可操作性。
附图说明
图1是本发明方法的流程示意图。
具体实施方式
以下将结合实施例对本发明的方法作进一步详细说明。
第一：基于最小二乘原理，确定星敏测量增益系数Kxm
Figure BDA0001333556950000031
其中，σtl为陀螺积分姿态白噪声，σxm为星敏测量姿态白噪声。
说明：σtl和σxm可以根据测量数据在线估计，也可以通过地面上注决定。
特殊地：如果陀螺当前节拍故障，可认为σtl→∞，此时Kxm＝1；同理，如果星敏当前节拍故障，可认为σxm→∞，此时Kxm＝0
第二：基于上节拍估计姿态
Figure BDA0001333556950000032
和当前陀螺测量角速度
Figure BDA0001333556950000033
一步递推得到当前拍姿态
Figure BDA0001333556950000034
Figure BDA0001333556950000035
其中：
Figure BDA0001333556950000036
为
Figure BDA0001333556950000037
的范数，Φ为欧拉轴转角，
Figure BDA0001333556950000038
为
Figure BDA0001333556950000039
的函数；分别等于
Figure BDA00013335569500000310
Figure BDA00013335569500000311
Figure BDA00013335569500000312
其中，
Figure BDA00013335569500000313
为
Figure BDA00013335569500000314
的三轴角速度分量，ΔT为滤波算法的迭代周期。
第三：融合星敏测量姿态数据和陀螺递推姿态数据
Figure BDA0001333556950000041
化简得：
Figure BDA0001333556950000042
注：本发明假设星敏和陀螺之间的所有系统误差标定方式很多，这里不再进行详细描述。因此，对于本发明来说，星敏和陀螺的测量数据均只包含白噪声，不包含系统噪声。
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (5)

1.一种适用于姿态机动工况下的星敏和陀螺数据融合方法，其特征在于，包含以下过程：
第一：基于最小二乘原理，确定星敏测量增益系数Kxm
Figure FDA0002652734230000011
其中，σtl为陀螺积分姿态白噪声，σxm为星敏测量姿态白噪声；
第二：基于上节拍估计姿态
Figure FDA0002652734230000012
和当前陀螺测量角速度
Figure FDA0002652734230000013
一步递推得到当前拍姿态
Figure FDA0002652734230000014
Figure FDA0002652734230000015
其中：
Figure FDA0002652734230000016
为
Figure FDA0002652734230000017
的范数，Φ为欧拉轴转角，
Figure FDA0002652734230000018
为
Figure FDA0002652734230000019
的函数；
Figure FDA00026527342300000110
Figure FDA00026527342300000111
Figure FDA00026527342300000112
其中，
Figure FDA00026527342300000113
为当前陀螺测量角速度
Figure FDA00026527342300000114
的三轴角速度分量，ΔT为滤波算法的迭代周期；
第三：融合星敏测量姿态数据和陀螺递推姿态数据
Figure FDA00026527342300000115
2.如权利要求1所述适用于姿态机动工况下的星敏和陀螺数据融合方法，其特征在于，陀螺积分姿态白噪声σtl和星敏测量姿态白噪声σxm是根据测量数据在线估计或者通过地面上注决定。
3.如权利要求1所述适用于姿态机动工况下的星敏和陀螺数据融合方法，其特征在于，
若陀螺当前节拍故障，则陀螺积分姿态白噪声σtl→∞，Kxm＝1；
若星敏当前节拍故障，则星敏测量姿态白噪声σxm→∞，Kxm＝0。
4.如权利要求1所述适用于姿态机动工况下的星敏和陀螺数据融合方法，其特征在于，递推的姿态数据化简为：
Figure FDA0002652734230000021
5.如权利要求1所述适用于姿态机动工况下的星敏和陀螺数据融合方法，其特征在于，星敏和陀螺的测量数据包含白噪声，而不包含系统噪声。
CN201710500466.1A 2017-06-27 2017-06-27 一种适用于姿态机动工况下的星敏和陀螺数据融合方法 Active CN107228672B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710500466.1A CN107228672B (zh) 2017-06-27 2017-06-27 一种适用于姿态机动工况下的星敏和陀螺数据融合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710500466.1A CN107228672B (zh) 2017-06-27 2017-06-27 一种适用于姿态机动工况下的星敏和陀螺数据融合方法

Publications (2)

Publication Number Publication Date
CN107228672A CN107228672A (zh) 2017-10-03
CN107228672B true CN107228672B (zh) 2021-01-29

Family

ID=59936176

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710500466.1A Active CN107228672B (zh) 2017-06-27 2017-06-27 一种适用于姿态机动工况下的星敏和陀螺数据融合方法

Country Status (1)

Country Link
CN (1) CN107228672B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110209185B (zh) * 2019-06-26 2022-02-01 北京控制工程研究所 一种利用星敏信息姿态重置的航天器姿态机动稳定方法
CN111207775B (zh) * 2020-02-24 2023-07-07 上海航天控制技术研究所 卫星gnc系统半物理仿真闭环测试陀螺零位标定方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100487618C (zh) * 2007-06-08 2009-05-13 北京航空航天大学 一种基于遗传最优request和gupf的组合定姿方法
CN106342175B (zh) * 2010-01-14 2013-11-13 西北工业大学 一种提高陀螺精度的数据融合方法
CN106568436B (zh) * 2016-10-26 2019-04-26 上海航天控制技术研究所 一种利用陀螺修正星敏感器轨道周期系统误差的方法

Also Published As

Publication number Publication date
CN107228672A (zh) 2017-10-03

Similar Documents

Publication Publication Date Title
JP3947531B2 (ja) 加速度誤差の補正方法及び装置、並びにそれを利用した慣性航法システム
CN105698765A (zh) 双imu单目视觉组合测量非惯性系下目标物位姿方法
KR101106048B1 (ko) 센서오차의 작동 중 자동교정 방법과 이를 이용한 관성항법장치
CN107830871B (zh) 一种补偿陀螺仪角速度数据的方法、装置、陀螺仪和系统
JP2009098125A (ja) 動的に較正されるセンサデータと、ナビゲーションシステム内の繰り返し拡張カルマンフィルタとを使用する、ジャイロコンパスの整合用のシステム及び方法
KR100898169B1 (ko) 관성항법시스템의 초기정렬 방법
CN107339987B (zh) 一种基于函数迭代积分的刚体姿态解算方法
CN112562077B (zh) 一种融合pdr和先验地图的行人室内定位方法
CN109631894A (zh) 一种基于滑动窗口的单目视觉惯性紧耦合方法
CN113203429B (zh) 一种陀螺仪温度漂移误差的在线估计及补偿方法
CN104075713A (zh) 一种惯性/天文组合导航方法
CN107270940B (zh) 三轴磁强计的输出偏差估计方法
CN106767846B (zh) 三轴稳定卫星不用陀螺的姿态获取方法和系统
CN108313330B (zh) 一种基于增广Kalman滤波的卫星干扰力矩估计方法
CN107228672B (zh) 一种适用于姿态机动工况下的星敏和陀螺数据融合方法
JP2019120587A (ja) 測位システム及び測位方法
CN116007620A (zh) 一种组合导航滤波方法、系统、电子设备及存储介质
CN107218917B (zh) 一种移动机器人航向角估计方法
CN113434806B (zh) 一种抗差自适应多模型滤波方法
CN112632454A (zh) 一种基于自适应卡尔曼滤波算法的mems陀螺滤波方法
CN110160530B (zh) 一种基于四元数的航天器姿态滤波方法
CN110864684A (zh) 用户姿态测算方法
CN113959433B (zh) 一种组合导航方法及装置
CN106441282B (zh) 一种星敏感器星跟踪方法
CN117178164A (zh) 用于辅助车辆导航的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant