CN109612472B - 一种深空探测器自主导航系统构建方法及装置 - Google Patents

Abstract

本发明涉及深空探测领域，尤其涉及一种深空探测器自主导航系统构建方法及装置，所述方法包括：根据深空探测器各阶段的探测轨道，构建自主导航系统的动力学模型和多敏感器观测模型；并进一步构建两类模型的模型误差补偿项；根据探测轨道所处空间环境的稳定性，基于模型误差补偿项，对两类模型误差进行分类实时补偿；根据数据深度加权的多模型融合估算方法，对多敏感器的观测数据进行融合加权；基于对模型误差的分类实时补偿以及对观测数据的融合加权，构建自主导航系统。本发明通过对深空探测器动力学模型和观测模型等两类模型误差进行分类实时补偿处理，将数据深度应用到多敏感器观测数据的融合规则中，从而提高了深空探测器自主导航系统的精度。

Description

一种深空探测器自主导航系统构建方法及装置

技术领域

本发明涉及深空探测领域，尤其涉及一种深空探测器自主导航系统构建方法及装置。

背景技术

目前，正在运行的深空探测器主要以来自地面的无线电测控进行导航。受地球曲率和地球自转的影响，地面测控仅能观测探测器的局部弧段，不能全程覆盖，影响了导航精度。而且集中式的地面测控，导致系统运行存在风险，一旦地面测控站出现故障，探测器面临丢失的危险。对深空转移轨道而言，地面测控还存在时延过长、精度低等特点，对于远距离的行星，地面测控很难保障，另外昂贵和复杂的测控和通信设备也是地面测控面临的重要问题。因此，只有依赖自主导航才能实现真正意义上的深空探测。自主导航技术能减少操作的复杂性，增强探测器的自主生存能力，并为姿态控制、机动规划和轨道控制等方面的自主能力提供支持，从而扩展探测器的空间应用潜力，因此，自主导航方法逐渐成为深空探测任务的研究热点，根据探测器携带敏感器的不同和测量信息的获取方式的不同，主要分为天文导航、无线电导航、卫星导航、惯性导航等方式。

为了最大程度的利用信息冗余优势，根据数据融合原理，将几类导航系统结合起来组成一体化组合导航系统，成为深空探测自主导航的重要发展方向。

深空探测组合自主导航是指完全不依赖地面测控站测量信息及状态指令控制，由星载敏感器自主分别捕获空间测量信息或辐射信息，传输至星载计算机，处理系统根据探测器轨道动力学或运动学方程，按照一定的估计准则和数据融合准则，解算轨道位置和姿态并预测下一时刻轨道状态的导航过程。精确描述探测器运动特征的轨道动力学模型、准确表征探测器运动现实的轨道观测模型和测量数据、有效合理的融合滤波估计算法是高精度深空探测组合自主导航的三个关键因素。即数据层上要有高精度的多源异质的全维度的测量数据，模型层上要有精确的可分离描述的模型解释，算法层上要有高效的信息利用准则。动力学模型决定了探测器的力学精度，观测模型和观测数据决定了探测器的几何精度，而融合导航滤波算法决定了两类模型以及各类模型间的拟合程度。要获得高精度的自主导航结果需要对这三个因素进行分析与优化。

数据层上，受硬件设备精度、空间环境、处理电路的影响，探测器的测量数据将存在不同精度的随机误差；同时，敏感器的安装误差、平台误差、处理算法等会造成测量数据的系统性偏差，另外包括异常值、粗大误差等这些误差将混杂在测量数据中。以数字式太阳敏感器为例，即使在信号处理电路中采用数字编码细分技术，其设备精度也仅仅在角分级，即测得的航天器本体坐标轴与太阳光夹角的随机误差在角分级。太阳敏感器安装在卫星平台上，平台误差、环境误差等会直接影响测量设备精度，形成系统误差、粗大误差等。同时，一体化组合导航系统中，同一敏感器系统的多通道同质测量数据、不同敏感器测量体系的异质测量数据和不同时段内敏感器联合测量数据等都需要一种合理高效的融合方法将不同属性、不同频域，不同精度、不同时间的多频多源异质异时测量数据进行融合获得全维度的信息。

模型层上，受探测器动力学模型的认知程度限制，航天器动力学模型误差不可避免，探测器的动量轮卸载、轨道姿态调整推力等都会引起动力异常，而且在不同的巡航阶段，动力学模型误差形式和特性也不相同，近地停泊阶段，动力学模型误差主要来源于表面力摄动误差，转移及巡航阶段动力学模型误差主要来源于推力模型误差，行星探测阶段主要来源于未知天体引力及空间环境误差。对于动力学模型误差，如果不进行任何处理，将直接导致滤波精度的降低，甚至发散。和状态方程的动力学模型误差一样，测量方程同样存在不确定性模型误差，星载敏感器的安装误差、基准误差，探测器平台的振动、抖动等都会给观测模型带来不确定性的系统模型误差。由于深空探测器往往要进行几个月甚至几年的巡航，模型误差会随着时间累积逐步扩大，如何有效控制这类模型误差，是进一步提高自主导航系统稳定性和提高导航精度的关键。然而动力学模型误差和观测模型误差同时存时在，两者的表现形式都体现在数据层上，产生耦合现象，如何有效分离这类误差，或者从总体上控制误差传播速度，使得模型误差的影响控制在一定范围内是自主导航维持高精度运行的关键也是当前研究的热点问题。

算法层上，一体化组合自主导航系统的融合滤波难点在于：1)多敏感器测量信息中存在各类系统误差、混合误差和随机干扰因素或者测量信息中表现出各类非线性因素和较大的经验因素、难确定因素和不确定因素(包括色噪声)；2)多敏感器融合系统模型中存在不同程度的不确定性和非线性性，这些属性主要体现在两大方面：一是模型结构本身带有较强的经验因素、难确定因素和不确定因素及其相应的非线性性，使得无法精确建模，二是模型参数的时变性和难确定性；3)动态系统中系统噪声与测量噪声相关或者局部滤波估计结果相关、系统参数发生不确定变化或者缺少协方差阵信息等。如何有效地设计一种融合滤波方法使得估计轨道能在耦合模型误差存在条件下，在动力学轨道和多敏感器确定的不完全运动学轨道中达到最优拟合是自主导航系统高精度预报轨道状态的关键。

综上所述，在实现本发明过程中，发明人发现现有技术中至少存在如下问题：一是模型误差的存在使得传统的导航精度不可能超越模型误差本身；二是多敏感器的存在使得输出轨道信息冗余，对来自多敏感器的数据如何有效融合以选择最优轨道成为核心和关键。

发明内容

本发明提供一种深空探测器自主导航系统构建方法及装置，以解决探测器自主导航过程中模型误差补偿问题，以及对多敏感器的观测数据的有效融合处理问题。

为达到上述目的，一方面，本发明实施例提供了一种深空探测器自主导航系统构建方法，所述方法包括：

根据深空探测器各阶段的探测轨道，构建深空探测器自主导航系统的动力学模型和多敏感器观测模型；

通过数学推导和物理分析的方法，获得由动力学模型的误差引起的导航定位精度和轨道预报精度的偏差，据此构建动力学模型的模型误差补偿项；根据多敏感器的测量原理确定观测模型的主要误差源，据此构建观测模型的模型误差补偿项；

根据探测轨道所处空间环境的稳定性，基于所述的动力学模型的模型误差补偿项以及观测模型的模型误差补偿项，对所述动力学模型的模型误差及多敏感器观测模型的模型误差进行分类实时补偿；

根据数据深度加权的多模型融合估算方法，对多敏感器的观测数据进行融合加权；

基于对动力学模型和多敏感器观测模型的模型误差的分类实时补偿以及对多敏感器的观测数据的融合加权，构建基于模型误差补偿的数据深度加权深空探测器自主导航系统。

另一方面，本发明实施例提供了一种深空探测器自主导航系统构建装置，所述装置包括：

模型构建单元，根据深空探测器各阶段的探测轨道，构建深空探测器自主导航系统的动力学模型和多敏感器观测模型；

误差分析单元，通过数学推导和物理分析获得由动力学模型的误差引起的导航定位精度和轨道预报精度的偏差，据此构建动力学模型的模型误差补偿项，并根据多敏感器的测量原理确定观测模型的主要误差源，据此构建观测模型的模型误差补偿项；

误差补偿单元，根据探测轨道所处空间环境的稳定性，基于所述的动力学模型的模型误差补偿项以及观测模型的模型误差补偿项，对所述动力学模型的模型误差及多敏感器观测模型的模型误差进行分类实时补偿；

数据融合单元，根据数据深度加权的多模型融合估算方法，对多敏感器的观测数据进行融合加权；

系统构建单元，基于对动力学模型和多敏感器观测模型的模型误差的分类实时补偿以及对多敏感器的观测数据的融合加权，构建基于模型误差补偿的数据深度加权深空探测器自主导航系统。

与现有技术相比，上述技术方案具有如下有益效果：

本发明从模型误差的解耦补偿上对模型误差进行处理，根据导航系统中动力学模型误差和观测模型误差驱动机理的不同，对两类误差进行分类实时补偿处理，解决实时轨道确定中的模型偏差问题；并将数据深度应用到多敏感器观测数据的融合规则中，从数据深度加权融合上为多传感器融合滤波提供新的思路，提高了深空探测器自主导航系统的精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例的深空探测器自主导航系统构建方法流程图；

图2为本发明实施例的深空探测器自主导航系统构建装置结构示意图；

图3为本发明实施例的误差分析单元结构示意图；

图4为本发明实施例的误差补偿单元结构示意图；

图5为本发明实施例的动力学优化模型及模型误差频谱关系示意图；

图6为本发明实施例的观测模型及观测模型误差主元分析示意图；

图7为本发明实施例的模型误差预测补偿滤波方法的流程示意图；

图8为本发明实施例的投影数据深度加权的融合滤波系统结构示意图；

图9为本发明实施例的混迭模型误差预测补偿的数据深度加权自主导航系统构建方法的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明提供的深空探测器自主导航系统构建方法，包括：

101、根据深空探测器各阶段的探测轨道，构建深空探测器自主导航系统的动力学模型和多敏感器观测模型；

102、通过数学推导和物理分析的方法，获得由动力学模型的误差引起的导航定位精度和轨道预报精度的偏差，据此构建动力学模型的模型误差补偿项；根据多敏感器的测量原理确定观测模型的主要误差源，据此构建观测模型的模型误差补偿项；

103、根据探测轨道所处空间环境的稳定性，基于所述的动力学模型的模型误差补偿项以及观测模型的模型误差补偿项，对所述动力学模型的模型误差及多敏感器观测模型的模型误差进行分类实时补偿；

104、根据数据深度加权的多模型融合估算方法，对多敏感器的观测数据进行融合加权；

105、基于对动力学模型和多敏感器观测模型的模型误差的分类实时补偿以及对多敏感器的观测数据的融合加权，构建基于模型误差补偿的数据深度加权深空探测器自主导航系统。

具体地，采用物理分析、数学建模的思路构建统一的深空探测自主导航模型，从近地停泊轨道、地月转移轨道、月球探测轨道、登月飞行轨道等不同轨道类型在轨道高度、空间环境稳定性方面的特性，研究探测过程中面临的探测器动力学模型问题，并结合太阳敏感器、月球敏感器、星敏感器、红外敏感器、陀螺仪、加速度计、X射线脉冲星等导航敏感器的空间数据误差源，从动力学模型和观测模型两个层面，研究模型误差的预测补偿方法，在自主导航过程中对动力学模型误差和观测模型误差进行分类构建相应的补偿方法，避免因为模型误差传播扩散造成滤波发散现象，有效抑制动力学模型误差和观测模型误差对导航精度的影响；在基础上，对多敏感器的观测数据进行融合处理，通过对不同敏感器测元进行数据深度加权融合，建立一种新的多敏感器数据融合规则，有效融合多敏感器的数据输入，达到最优融合的目的。

即进一步地，所述的动力学模型包括，但不限于：近地停泊轨道动力学模型、地月转移轨道动力学模型、月球探测轨道动力学模型、登月飞行轨道动力学模型；

所述的多敏感器观测模型包括，但不限于：太阳敏感器观测模型、月球敏感器观测模型、星敏感器观测模型、红外敏感器观测模型、陀螺仪观测模型、加速度计观测模型、X射线脉冲星观测模型。

进一步地，所述通过数学推导和物理分析的方法，获得由动力学模型的误差引起的导航定位精度和轨道预报精度的偏差，据此构建动力学模型的模型误差补偿项，包括：

通过数学推导和物理分析的方法，获得由动力学模型的误差引起的导航定位精度和轨道预报精度的偏差；

根据所述偏差构建相应的伪脉冲力参数化模型误差补偿项；以及，

所述根据多敏感器的测量原理确定观测模型的主要误差源，据此构建观测模型的模型误差补偿项，包括：

根据各敏感器的测量原理，推导出各敏感器的误差源及其作用效果；

根据误差源的作用效果，通过主元分析方法确定主要误差源；

根据测元空间中主要误差源的统计特性，构建基于光滑核函数逼近模型的模型误差补偿项。

具体地，动力学模型误差不同于观测模型误差，动力学模型误差是由截断的模型误差以及未知的摄动力所构成的，是客观存在的力。但因为该力的方程是未知的，因此通过构建一组随机脉冲力来模拟误差力，可以达到吸收动力学模型误差的效果。在自主导航状态方程上引入表示动力学模型误差相关性的时间常数和稳定状态方差的来对动力学轨道和运动学轨道进行加权约束，为了弥补所应用的伪随机脉冲动力学模型所带来的建模误差，需要在待估参数中增加一定的经验加速度参数。利用指数相关的色噪声处理模型可以提供一个描述未模制的加速度合适的数学框架，其一般表达式为：

该公式实际上是一阶Gauss-Markov随机过程。用这类假想的力来吸收动力学模型误差，可以实时矫正状态方程。

以及，导航敏感器观测模型误差是由于设备安装、数据提取、算法截断等原因引起的误差，在数据表现形式上一般具有连续性和非线性以及光滑性等特征。因此，对于观测模型误差可以采用维尔斯特拉斯定理，存在有限个参数描述的可积函数(多项式)逼近该模型误差。采用逆向建模和主元分析思路，分析各类敏感器随机误差、系统误差、模型截断误差的影响函数和作用确界，在自主导航过程中对几类主要作用误差源的综合响应效果进行补偿，避免因为观测模型误差的影响引起发散。

进一步地，所述根据探测轨道所处空间环境的稳定性，基于所述的动力学模型的模型误差补偿项以及观测模型的模型误差补偿项，对所述动力学模型的模型误差及多敏感器观测模型的模型误差进行分类实时补偿，包括：

当探测轨道所处空间环境不稳定时，基于所述的动力学模型的伪脉冲力参数化模型误差补偿项，对动力学模型的模型误差进行实时补偿；

当探测轨道所处空间环境稳定时，基于光滑核函数逼近模型的模型误差补偿项，对多敏感器观测模型的模型误差进行实时补偿；

当探测轨道所处空间环境无法确定是否稳定时，通过对导航系统的混迭模型误差进行模态分解，并通过预测补偿滤波方法进行总上限误差控制。

具体地，在自主导航过程中，状态方程描述了探测器的动力学轨道，而观测方程描述了探测器的几何轨道。自主导航算法是在动力学轨道和几何轨道中进行最佳的平衡。当动力学模型存在模型误差时，动力学轨道出现系统性偏差，导航预测结果将逐渐偏离真实轨道。当观测模型存在系统误差时几何轨道出现偏差，自主导航结果将逼近非真实探测器轨道。在算法层次上动力学模型和观测模型误差的体现都是探测器轨道，因此当两类误差同时存在时会产生耦合现象，不能分解。因此，采用三种策略解决此类问题，当探测器所处空间环境不稳定，如存在较大大气阻力等情况时，动力学模型误差占主要部分，采用动力学模型补偿方法，即在状态方程上增加一个服从高斯马尔可夫转移的伪脉冲力，实时吸收模型误差；当探测器所处空间环境比较稳定，所受摄动力主要由保守力构成时，观测模型误差占主要部分，因此，对敏感器的系统性误差进行光滑核函数建模，用有限个带参数的函数逼近该不确定性误差，以补偿测量方程；当两类误差不能确定量级时，采用预测滤波的方式，对模型误差的上限进行控制，使得估计结果不超过该上限。

更进一步地，所述的根据数据深度加权的多模型融合估算方法，对多敏感器的观测数据进行融合加权，包括：

通过投影寻踪的方法将多敏感器的观测数据投影到所述探测轨道的数据空间中；

根据投影的轨道数据空间深度的下确界构造观测数据的高维数据深度；

根据所述高维数据深度，对多敏感器自主导航系统进行融合滤波加权。

多维数据深度是在考虑数据分布特性下，对高维数据在数据集中的地位或信息熵进行排序，因此，应用多维数据深度对非线性多结构多频多源异质观测模型进行融合权值构建可以获得更有效的信息。

如图2所示，本发明提供的深空探测器自主导航系统构建装置，包括：

模型构建单元21，根据深空探测器各阶段的探测轨道，构建深空探测器自主导航系统的动力学模型和多敏感器观测模型；

误差分析单元22，通过数学推导和物理分析获得由动力学模型的误差引起的导航定位精度和轨道预报精度的偏差，据此构建动力学模型的模型误差补偿项，并根据多敏感器的测量原理确定观测模型的主要误差源，据此构建观测模型的模型误差补偿项；

误差补偿单元23，根据探测轨道所处空间环境的稳定性，基于所述的动力学模型的模型误差补偿项以及观测模型的模型误差补偿项，对所述动力学模型的模型误差及多敏感器观测模型的模型误差进行分类实时补偿；

数据融合单元24，根据数据深度加权的多模型融合估算方法，对多敏感器的观测数据进行融合加权；

系统构建单元25，基于对动力学模型和多敏感器观测模型的模型误差的分类实时补偿以及对多敏感器的观测数据的融合加权，构建基于模型误差补偿的数据深度加权深空探测器自主导航系统。

进一步地，所述的动力学模型包括，但不限于：近地停泊轨道动力学模型、地月转移轨道动力学模型、月球探测轨道动力学模型、登月飞行轨道动力学模型；

所述的多敏感器观测模型包括，但不限于：太阳敏感器观测模型、月球敏感器观测模型、星敏感器观测模型、红外敏感器观测模型、陀螺仪观测模型、加速度计观测模型、X射线脉冲星观测模型。

进一步地，如图3所示，作为一种可选的结构，所述误差分析单元22包括：

动力学模型误差分析模块221，用于通过数学推导和物理分析的方法，获得由动力学模型的误差引起的导航定位精度和轨道预报精度的偏差；

根据所述偏差构建相应的伪脉冲力参数化模型误差补偿项；以及，

观测模型误差分析模块222，用于根据各敏感器的测量原理，推导出各敏感器的误差源及其作用效果；

根据误差源的作用效果，通过主元分析方法确定主要误差源；

根据测元空间中主要误差源的统计特性，构建基于光滑核函数逼近模型的模型误差补偿项。

再进一步地，如图4所示，作为一种可选的结构，所述误差补偿单元23包括：

动力学模型误差补偿模块231，用于当探测轨道所处空间环境不稳定时，基于所述的动力学模型的伪脉冲力参数化模型误差补偿项，对动力学模型的模型误差进行实时补偿；

观测模型误差补偿模块232，用于当探测轨道所处空间环境稳定时，基于光滑核函数逼近模型的模型误差补偿项，对多敏感器观测模型的模型误差进行实时补偿；

混迭模型误差补偿模块233，用于当探测轨道所处空间环境无法确定是否稳定时，通过对导航系统的混迭模型误差进行模态分解，并通过预测补偿滤波方法进行总上限误差控制。

更进一步地，

所述数据融合单元24，具体用于：

通过投影寻踪的方法将多敏感器的观测数据投影到所述探测轨道的数据空间中；

根据投影的轨道数据空间深度的下确界构造观测数据的高维数据深度；

根据所述高维数据深度，对多敏感器自主导航系统进行融合滤波加权。

本发明另一实施例，提供一种深空探测器自主导航系统模型误差及数据处理分析方法，在有效借鉴先进数据融合技术和模型补偿技术的基础上，结合理论分析和仿真试验两种模式，采用由浅至深，由简到繁的建模思路，首先构建典型的近地停泊轨道、地月转移轨道、月球探测轨道、登月飞行轨道动力学模型；其次按照多敏感器设计三类轨道模式下的观测模型，拟以太阳敏感器、月球敏感器、星敏感器、红外敏感器组建成天文敏感器系统，以陀螺仪和加速度计组成惯性导航系统，以X射线脉冲星、星钟组成脉冲星导航系统，由这三类系统构建成组合导航系统；在此基础上，采用数学推导和物理分析的技术手段深入研究动力学模型误差带来的导航定位和轨道预报精度上的影响，并构建相应的“假设力”误差参数化模型吸收动力学模型误差；同时综合考虑不同类别传感器的数据采集原理，分析敏感器的系统误差来源及误差传递模式，构建运动学单点定位模型的同时，确定最佳的观测模型误差函数逼近类型；再次，重点构建基于多敏感器多源多频异质观测数据构建多模型数据深度函数，以便对组合导航进行融合加权；最后，构建混迭模型误差预测补偿和数据深度加权的融合导航滤波算法，按照动力学和运动学融合最优轨道、分滤波器单通道次优轨道、天文几何单点轨道几种模式的设计方案输出导航结果，保证导航系统的完备性。

其中，如图5所示，为深空探测器动力学模型优化及模型误差频谱关系构建研究方案中的动力学优化模型及模型误差频谱关系示意图。动力学模型优化与模型误差分析部分拟采用逐步回归、闭环迭代的研究思路，采用理论分析和仿真推导相结合的技术手段，对截断模型误差，可以通过模型推导的策略获得模型误差的频谱特性，对不确定性未知模型误差，可以采用仿真试验的思路，通过对OC残差的分析获得带污染的频谱。在综合考虑轨道类型、轨道高度、精度需求、计算效率等作用因素条件下，对探测器的动力学模型进行解析和数值两种方法的综合分析，获得最优动力学模型和模型误差吸收力模型，并在自主导航系统中进行仿真验证，综合计算效率和精度反馈至轨道分析模块进行更新。探测器动力学模型的精细程度直接关系到轨道预报的精度和运算效率，自主导航由星载计算机自主完成，因此需要在计算效率、精度、模型复杂度之间达到最佳平衡，在保证达到既定精度要求时，选择尽可能简洁的动力学模型，是提高系统运算效率的关键。

如图6所示，为多敏感器的非线性多结构多频多源异质观测模型构建及观测模型误差主元分析的观测模型及观测模型误差主元示意图。天文观测模型的构建主要通过探测器轨道类型、探测器平台结构、星载敏感器参数、自然天体属性等因素作用下，结合敏感器的工作原理，从敏感器原始获得数据类型(图像、多普勒、伪码、载波相位、角度、天体矢量等)出发，通过模型转换，数据格式转换等处理手段构建出包含探测器位置信息的测量方程，构造出多敏感器组合导航的多结构多模型多频多源异质观测模型。从测量原理出发推导多敏感器的误差源和作用效果，通过主元分析方法确定主要误差源，在测元空间研究误差源的统计特性，以此为条件构建测量误差模型的光滑核函数逼近模型。通过对多敏感器工作原理的分析，可以获得敏感器的观测模型，数据模式应用转变后，可以获得系统的多结构多源异质观测模型。这样自主导航问题就转变为测量建模及参数估计，其实质为多结构多参数的非线性回归模型的参数估计问题。

根据敏感器的工作原理和观测模型，从设备性能指标参数出发，推导自主导航系统在实际运行过程中所包含的系统误差特性。当加性噪声或系统误差经过非线性转换后可能变化为乘性噪声或乘性系统误差。例如，基于日地月敏感器的近地停泊轨道自主导航中，观测数据有两类：一是测量原始数据(角度、距离)；二是解算的位置数据。当测量原始数据存在加性常值系统误差时，解算的位置数据将包含乘性系统误差。因此，对测量数据的误差分析要结合原始观测模型和敏感器设备原理进行。因此，必须通过模型推理研究观测模型误差形式及其变化规律。通过对模型原理的推导可以获得模型误差的传播效应函数，用来估计误差的传播界限。为了更好的获得模型误差的作用效果，将误差分解为两类即结构化系统误差和非结构化系统误差，其中结构化系统误差是指和状态耦合的部分误差，而非结构化误差是不和状态耦合的系统误差。对非结构化系统误差可以构建参数化模型，对结构化模型误差需要在先验信息的指导下，选择限制性光滑核函数。

以星敏感器和陀螺为例，进行误差分析建模的研究思路说明。星敏感器和陀螺安装到卫星上时，即使经过校准，因为受制于测量及安装技术，敏感器未必会精确地安装在预定的方位，由此产生的误差称为敏感器的安装误差。对于安装了多个星敏感器的系统，通常选取一个星敏感器作为基准，那么在轨运行过程中，由于抖动、振动等外界因素的影响，导致其它敏感器相对于基准敏感器的安装方位出现偏差，这种误差称为相对安装误差。由于运行过程中温度等因素的影响导致成像系统形变导致的测量坐标中存在误差，称为测量坐标误差。另外，由于星敏感器的输出通常是利用恒星矢量测量值进行计算后的输出值，因此，深空探测器运行过程中，天区的变化、视场内恒星星等的变化都会导致星敏感器输出数据的误差形式发生变化，通常与轨道特性相关。

对于考虑的几种不同形式的测量误差，星敏感器安装误差属于结构化误差；测量坐标上存在的误差、陀螺安装误差及噪声统计特性不符基本上是非结构化误差；星敏感器相对安装误差可以看成是结构化误差与非结构化误差的合成。

结构化误差与状态耦合，它的存在对估计结果的影响主要体现在对估计误差均值的影响上，因此对状态确定精度的影响非常显著。但是检验比例值基本在30％以内，无法从检验比例中明显的体现出来。所以需要结合先验信息进行函数逼近。

非结构化误差的存在对估计误差的均值和标准差均有一定的影响，对标准差的影响较大，并显著增大了检验比例。所以，非结构化误差相对与结构化误差来说对状态确定精度的影响稍弱，尤其当非结构化误差在一定范围内时，它对状态确定精度的影响较小，并且可以通过算法设计将其补偿。

如图7所示，为混迭模型误差模态分解及预测补偿滤波方法中的模型误差预测补偿滤波方法的流程示意图。在自主导航过程中，状态方程描述了探测器的动力学轨道，而观测方程描述了探测器的几何轨道。自主导航算法是在动力学轨道和几何轨道中进行最佳的平衡。当动力学模型存在模型误差时，动力学轨道出现系统性偏差，导航预测结果将逐渐偏离真实轨道。当观测模型存在系统误差时几何轨道出现偏差，自主导航结果将逼近非真实探测器轨道。在算法层次上动力学模型和观测模型误差的体现都是探测器轨道，因此当两类误差同时存在时会产生耦合现象，不能分解。因此，采用三种策略解决此类问题，当探测器所处空间环境不稳定，如存在较大大气阻力等情况时，动力学模型误差占主要部分，采用动力学模型补偿方法，即在状态方程上增加一个服从高斯马尔可夫转移的伪脉冲力，实时吸收模型误差；当探测器所处空间环境比较稳定，所受摄动力主要由保守力构成时，观测模型误差占主要部分，因此，对敏感器的系统性误差进行光滑核函数建模，用有限个带参数的函数逼近该不确定性误差，以补偿测量方程；当两类误差不能确定量级时，采用预测滤波的方式，对模型误差的上限进行控制，使得估计结果不超过该上限。

首先，对于伪随机脉冲表示的动力学模型误差补偿技术，动力学模型误差不同于观测模型误差，动力学模型误差是由截断的模型误差以及未知的摄动力所构成的，是客观存在的力。但因为该力的方程是未知的，因此通过构建一组随机脉冲力来模拟误差力，可以达到吸收动力学模型误差的效果。在自主导航状态方程上引入表示动力学模型误差相关性的时间常数和稳定状态方差的来对动力学轨道和运动学轨道进行加权约束，为了弥补所应用的伪随机脉冲动力学模型所带来的建模误差，需要在待估参数中增加一定的经验加速度参数。利用指数相关的色噪声处理模型可以提供一个描述未模制的加速度合适的数学框架，其一般表达式为：

该公式实际上是一阶Gauss-Markov随机过程。用这类假想的力来吸收动力学模型误差，可以实时矫正状态方程。

其次，对于基于光滑核函数表示的观测模型误差补偿技术，不确定性系统观测模型系统误差是由于设备安装、数据提取、算法截断等原因引起的误差，在数据表现形式上一般具有连续性和非线性以及光滑性等特征。因此，对于不确定性系统误差可以采用维尔斯特拉斯定理，存在有限个参数描述的可积函数(多项式)逼近该不确定性系统误差。事实上，基于最小二乘的偏残差估计、偏核光滑估计、分块多项式估计、三角级数估计以及基于补偿EKF的光滑样条估计、三次样条估计、正则矩阵补偿估计在原理上是一致的，前者是将n维空间投影到p维空间，后者是在n维空间中对函数进行光滑性约束，其本质和投影到p维空间是一致的。以偏核光滑估计为例，投影空间的维数p的作用等同于正则矩阵补偿估计方法中的α，p越大估计的非参数量拟合精度越高，但光滑性减弱，当p的维数等于n时非参数分量等于观测数据Y，p越小非参数量的拟合精度降低，光滑性增强，当p的维数为1时，估计的非参数分量等同于常值系统误差。因此，如何采用最少的参数描述最佳的系统误差函数，是本研究内容的重点。

再次，对于深空探测器轨道积分器的优化和选择，对于探测器所在的近地停泊地球轨道而言，中、小偏心率轨道，较适于使用定步长方法，因为定步长方法计算简单，精度高。而对于大偏心率轨道，则应选用变步长方法。使用变步长方法可以在近地点附近减小步长以保证精度要求，在远地点附近适当增加步长，以提高计算效率。无论是变步长方法还是定步长方法其精度和效率都和地球卫星轨道有密切的关系。各种方法的精度都随着轨道偏心率的增加而下降，随着卫星近地点高度的增加而提高。轨道的偏心率对积分方法的选择具有决定性影响，随着偏心率的增加，定步长方法需要减小步长以保证积分精度，但步数的增加将会导致其效率的降低，变步长方法也需要多次变步长才能满足精度要求，其效率也随着偏心率的增加而下降。但是，总体来说，在大偏心率情况下，变步长方法比定步长方法更有优势。无论是低轨情况(近地点高度7×10⁶m)，还是高轨情况(近地点高度38×10⁶m)，定步长方法和变步长方法效率好坏的临界偏心率都在0.15左右。

而对于月球探测轨道，情况有所不同。当探测器位于800km左右的近月点附近时，月球卫星的摄动引力对探测器轨道有较大影响，使得无论是定步长方法还是变步长方法效率都有所降低。但变步长方法由于需要频繁变步长，其效率所受到的影响更大。仿真计算表明，对于月球轨道，即使是0.9这样大的偏心率，定步长方法的效率仍好于变步长方法。

如图8所示，为投影数据深度加权的融合滤波系统结构示意图，根据模型结构及融合方式的不同，多模型融合估计算法可分为两类：①固定式多模型(FMM)；②交互式多模型(IMM)。后者是针对前者的缺陷而设计的，可以在不改变系统结构的情况下扩充系统新的工作模式，并将估计结果按各模型的切换概率进行融合估计，但它要求有概率密度函数的先验信息，并假设各模型之间的切换满足Markov过程。在实际过程控制和预测中，参数及其结构的变换毕竟是有限的，因此只事先假定有限个固定结构的线性模型就有可能很好地逼近和描述该非线性复杂问题，得到的效果反而比IMM好。但如何由单一线性模型状态的估计来获得系统状态的最优估计是多模型融合处理中所常见的需要解决的问题。它们与各自单一线性模型表示整个系统模型的精确度有关，那么如何来衡量模型表示的精确度呢？基于以上问题，本发明实施例采用一种基于数据深度加权的多模型融合估计方法，在状态估计过程中，经计算得到的模型深度实时变换来反映系统在该时刻取该模型的权值大小，用它来对该模型对应估计进行最优加权，从而实现实时变结构结果。

首先，对于数据深度权值定义和计算，数据深度描述了每个数据点在数据集中的地位，可以看作是表示高维数据在相应的概率分布或者给定样本数据集下离数据中心的比重。越靠近中心的高维数据深度越大，远离中心的高维数据深度较小。通过数据深度的分析，可以将隐含在数据集中的整体信息挖掘出来。根据构造数据深度的准则和方法，本发明实例采用函数空间深度的方法，构造多敏感器模型数据深度。

函数数据深度描述了一组曲线的中心，设D_n是定义在

上的数据深度，对于固定的t∈[0,1]，

D_n(X_i(t))＝Z_i(t)

根据不同的D_n(X_i(t))得到X_i(t)的一个序，定义

函数型数据深度描述为，

将函数型数据深度扩展，可以获得多敏感器模型的函数数据深度。

其次，对于多模型融合规则，对多敏感器组成的自主导航系统，经典的融合估计方法是针对随机不确定系统不同的运行模式采用一组并行工作的Kalman滤波器，每一个滤波器的输入均为系统的控制输入和测量信息，每一个滤波器使用未知参数的不同取值，其输出为各自基于单一模型的状态估计。根据每个估计器所对应的模型与实际对象的匹配程度来计算每个估计器输出的相对权值，得到自适应加权因子，实现模型间的自适应控制，而系统状态的总体估计则为各估计器状态估计的加权平均值。该结构虽然能够通过实时改变并行滤波系统中有限个估计器的权值来达到实时滤波的目的，获得优化后的总体状态估计。但从其结构来看，每一个基于单模型的估计器都采用其先前的状态估计和方差作为其当前周期的值，没有对每一个基于特定模型的估计器重新进行初始化，同时各估计器的模型参数也没有得到修正，不能辨识和估计其真正的值；此外，这种并行估计系统中各估计器不存在相关，无互校准的作用，所以当系统模态发生变化时，这种融合结构的性能将大大降低。

基于数据深度融合的算法包括单通道传感器局部并行估计、模型数据深度计算和融合权值求解以及最优融合估计等三个关键部分。鉴于敏感器数据的复杂测量方程，传统的EKF会造成截断系统误差，而且求解雅克比矩阵也比较复杂，本发明实施例拟采用非线性UKF滤波算法作为滤波器。

如图9所示，为混迭模型误差预测补偿的数据深度加权自主导航系统构建方法的流程示意。构建自主导航系统的原则是保证系统的连续运行，当各个敏感器正常工作且信息冗余时采用数据深度加权的融合策略，输出探测器轨道状态。当融合滤波器出现故障时，输出单通道滤波器的轨道状态，当所有滤波器轨道发散时，输出敏感器的天文单点定位结果，当没有任何测量数据时，直接通过动力学方程进行预测输出。

为了保证自主导航系统的正常计算，对自主导航系统的可观测性进行分析。可观测性反映了自主导航系统利用历史数据对当前历元时刻进行状态确定的能力，如果系统是完全可观测的，则由敏感器的历史观测数据和探测器的状态方程，可最优确定出当前时刻探测器待估计状态。反之，如果系统是不可观测的，则说明该非线性系统不能估计当前状态，系统模型是奇异的，需要调整估计状态或者增加测量信息。当系统的非线性程度不高时，可以通过线性化处理，将得到的可观测性条件应用到更为复杂的非线性微分系统中，可以获得一个封闭的显式解，并得到伪线性的可观测性矩阵。另一种方法是从信息论的意义上分析Fisher信息矩阵，而该信息阵的行列式实际上就提供了关于目标状态信息的一组不确定定位曲线的定位下边界。

应该明白，公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。

在上述的详细描述中，各种特征一起组合在单个的实施方案中，以简化本公开。不应该将这种公开方法解释为反映了这样的意图，即，所要求保护的主题的实施方案需要比清楚地在每个权利要求中所陈述的特征更多的特征。相反，如所附的权利要求书所反映的那样，本发明处于比所公开的单个实施方案的全部特征少的状态。因此，所附的权利要求书特此清楚地被并入详细描述中，其中每项权利要求独自作为本发明单独的优选实施方案。

为使本领域内的任何技术人员能够实现或者使用本发明，上面对所公开实施例进行了描述。对于本领域技术人员来说；这些实施例的各种修改方式都是显而易见的，并且本文定义的一般原理也可以在不脱离本公开的精神和保护范围的基础上适用于其它实施例。因此，本公开并不限于本文给出的实施例，而是与本申请公开的原理和新颖性特征的最广范围相一致。

上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括，”在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。

本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrative logical block)，单元，和步骤可以通过电子硬件、电脑软件，或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability)，上述的各种说明性部件(illustrative components)，单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用，可以使用各种方法实现所述的功能，但这种实现不应被理解为超出本发明实施例保护的范围。

本发明实施例中所描述的各种说明性的逻辑块，或单元都可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。

本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于用户终端中。可选地，处理器和存储媒介也可以设置于用户终端中的不同的部件中。

在一个或多个示例性的设计中，本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现，这些功能可以存储与电脑可读的媒介上，或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如，这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置，或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外，任何连接都可以被适当地定义为电脑可读媒介，例如，如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘，磁盘通常以磁性复制数据，而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种深空探测器自主导航系统构建方法，其特征在于，所述方法包括：

根据深空探测器各阶段的探测轨道，构建深空探测器自主导航系统的动力学模型和多敏感器观测模型；

通过数学推导和物理分析的方法，获得由动力学模型的误差引起的导航定位精度和轨道预报精度的偏差，据此构建动力学模型的模型误差补偿项；根据多敏感器的测量原理确定观测模型的主要误差源，据此构建观测模型的模型误差补偿项；

根据探测轨道所处空间环境的稳定性，基于所述的动力学模型的模型误差补偿项以及观测模型的模型误差补偿项，对所述动力学模型的模型误差及多敏感器观测模型的模型误差进行分类实时补偿；

根据数据深度加权的多模型融合估算方法，对多敏感器的观测数据进行融合加权；

基于对动力学模型和多敏感器观测模型的模型误差的分类实时补偿以及对多敏感器的观测数据的融合加权，构建基于模型误差补偿的数据深度加权深空探测器自主导航系统；

其中，所述通过数学推导和物理分析的方法，获得由动力学模型的误差引起的导航定位精度和轨道预报精度的偏差，据此构建动力学模型的模型误差补偿项，包括：通过数学推导和物理分析的方法，获得由动力学模型的误差引起的导航定位精度和轨道预报精度的偏差；根据所述偏差构建相应的伪脉冲力参数化模型误差补偿项；

以及，所述根据多敏感器的测量原理确定观测模型的主要误差源，据此构建观测模型的模型误差补偿项，包括：根据各敏感器的测量原理，推导出各敏感器的误差源及其作用效果；根据误差源的作用效果，通过主元分析方法确定主要误差源；根据测元空间中主要误差源的统计特性，构建基于光滑核函数逼近模型的模型误差补偿项。

2.根据权利要求1所述的深空探测器自主导航系统构建方法，其特征在于，

所述的动力学模型包括，但不限于：近地停泊轨道动力学模型、地月转移轨道动力学模型、月球探测轨道动力学模型、登月飞行轨道动力学模型；

所述的多敏感器观测模型包括，但不限于：太阳敏感器观测模型、月球敏感器观测模型、星敏感器观测模型、红外敏感器观测模型、陀螺仪观测模型、加速度计观测模型、X射线脉冲星观测模型。

3.根据权利要求1所述的深空探测器自主导航系统构建方法，其特征在于，所述根据探测轨道所处空间环境的稳定性，基于所述的动力学模型的模型误差补偿项以及观测模型的模型误差补偿项，对所述动力学模型的模型误差及多敏感器观测模型的模型误差进行分类实时补偿，包括：

当探测轨道所处空间环境不稳定时，基于所述的动力学模型的伪脉冲力参数化模型误差补偿项，对动力学模型的模型误差进行实时补偿；

当探测轨道所处空间环境稳定时，基于光滑核函数逼近模型的模型误差补偿项，对多敏感器观测模型的模型误差进行实时补偿；

当探测轨道所处空间环境无法确定是否稳定时，通过对导航系统的混迭模型误差进行模态分解，并通过预测补偿滤波方法进行总上限误差控制。

4.根据权利要求1所述的深空探测器自主导航系统构建方法，其特征在于，所述的根据数据深度加权的多模型融合估算方法，对多敏感器的观测数据进行融合加权，包括：

通过投影寻踪的方法将多敏感器的观测数据投影到所述探测轨道的数据空间中；

根据投影的轨道数据空间深度的下确界构造观测数据的高维数据深度；

根据所述高维数据深度，对多敏感器自主导航系统进行融合滤波加权。

5.一种深空探测器自主导航系统构建装置，其特征在于，所述装置包括：

模型构建单元，根据深空探测器各阶段的探测轨道，构建深空探测器自主导航系统的动力学模型和多敏感器观测模型；

误差分析单元，通过数学推导和物理分析获得由动力学模型的误差引起的导航定位精度和轨道预报精度的偏差，据此构建动力学模型的模型误差补偿项，并根据多敏感器的测量原理确定观测模型的主要误差源，据此构建观测模型的模型误差补偿项；

误差补偿单元，根据探测轨道所处空间环境的稳定性，基于所述的动力学模型的模型误差补偿项以及观测模型的模型误差补偿项，对所述动力学模型的模型误差及多敏感器观测模型的模型误差进行分类实时补偿；

数据融合单元，根据数据深度加权的多模型融合估算方法，对多敏感器的观测数据进行融合加权；

系统构建单元，基于对动力学模型和多敏感器观测模型的模型误差的分类实时补偿以及对多敏感器的观测数据的融合加权，构建基于模型误差补偿的数据深度加权深空探测器自主导航系统；

其中，所述误差分析单元包括：动力学模型误差分析模块，用于通过数学推导和物理分析的方法，获得由动力学模型的误差引起的导航定位精度和轨道预报精度的偏差；根据所述偏差构建相应的伪脉冲力参数化模型误差补偿项；

以及，观测模型误差分析模块，用于根据各敏感器的测量原理，推导出各敏感器的误差源及其作用效果；根据误差源的作用效果，通过主元分析方法确定主要误差源；根据测元空间中主要误差源的统计特性，构建基于光滑核函数逼近模型的模型误差补偿项。

6.根据权利要求5所述的深空探测器自主导航系统构建装置，其特征在于，

所述的动力学模型包括，但不限于：近地停泊轨道动力学模型、地月转移轨道动力学模型、月球探测轨道动力学模型、登月飞行轨道动力学模型；

所述的多敏感器观测模型包括，但不限于：太阳敏感器观测模型、月球敏感器观测模型、星敏感器观测模型、红外敏感器观测模型、陀螺仪观测模型、加速度计观测模型、X射线脉冲星观测模型。

7.根据权利要求5所述的深空探测器自主导航系统构建装置，其特征在于，所述误差补偿单元包括：

动力学模型误差补偿模块，用于当探测轨道所处空间环境不稳定时，基于所述的动力学模型的伪脉冲力参数化模型误差补偿项，对动力学模型的模型误差进行实时补偿；

观测模型误差补偿模块，用于当探测轨道所处空间环境稳定时，基于光滑核函数逼近模型的模型误差补偿项，对多敏感器观测模型的模型误差进行实时补偿；

混迭模型误差补偿模块，用于当探测轨道所处空间环境无法确定是否稳定时，通过对导航系统的混迭模型误差进行模态分解，并通过预测补偿滤波方法进行总上限误差控制。

8.根据权利要求5所述的深空探测器自主导航系统构建装置，其特征在于，所述数据融合单元，具体用于：

通过投影寻踪的方法将多敏感器的观测数据投影到所述探测轨道的数据空间中；

根据投影的轨道数据空间深度的下确界构造观测数据的高维数据深度；

根据所述高维数据深度，对多敏感器自主导航系统进行融合滤波加权。

Images