CN113135302A - 一种与机动非合作目标交会对接的方法 - Google Patents

一种与机动非合作目标交会对接的方法 Download PDF

Info

Publication number
CN113135302A
CN113135302A CN202110257782.7A CN202110257782A CN113135302A CN 113135302 A CN113135302 A CN 113135302A CN 202110257782 A CN202110257782 A CN 202110257782A CN 113135302 A CN113135302 A CN 113135302A
Authority
CN
China
Prior art keywords
state
target
maneuvering
current
time
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.)
Granted
Application number
CN202110257782.7A
Other languages
English (en)
Other versions
CN113135302B (zh
Inventor
王炯琦
吕东辉
陈彧赟
周萱影
何章鸣
孙博文
魏居辉
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.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
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 National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202110257782.7A priority Critical patent/CN113135302B/zh
Publication of CN113135302A publication Critical patent/CN113135302A/zh
Application granted granted Critical
Publication of CN113135302B publication Critical patent/CN113135302B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64G—COSMONAUTICS; VEHICLES OR EQUIPMENT THEREFOR
    • B64G1/00—Cosmonautic vehicles
    • B64G1/22—Parts of, or equipment specially adapted for fitting in or to, cosmonautic vehicles
    • B64G1/64—Systems for coupling or separating cosmonautic vehicles or parts thereof, e.g. docking arrangements
    • B64G1/646—Docking or rendezvous systems
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明实施例提供一种与机动非合作目标交会对接的方法，设计了基于单目相机和距离传感器的非合作目标相对测量方案,构造了用于探测目标是否存在机动的机动探测器，并在有目标机动情况下，提出了基于在轨动态补偿的状态滤波算法实现目标相对状态和机动的有效估计；将目标机动补偿、相对状态估计与多脉冲机动方案相结合，实现在预计时间范围内，完成主动对接者与机动非合作目标的交会。

Description

一种与机动非合作目标交会对接的方法
技术领域
本发明涉及交会对接领域，尤其涉及一种与机动非合作目标交会对接的方法。
背景技术
近几十年来，空间卫星数量急剧增加，残障卫星、空间碎片等非合作目标占用了太空空间，对正常服务卫星的安全造成威胁。包括卫星维修、太空垃圾清理在内的在轨服务成为空间技术领域的新概念，而与非合作目标的交会对接是在轨服务的关键技术之一，其中主要涉及非合作目标的相对测量方法，及其状态估计算法等问题。
由于在轨卫星功耗和质量的局限性以及光学相机的小体重、轻质量以及低成本特点，以单个光学相机为传感器的仅角度相对导航系统近年得到了发展，并被应用到与非合作目标的交会对接任务中。然而当前研究大多假定非合作目标无自身机动，相对状态可以较为准确地建模。这一条件可能因为目标的非合作性而不被满足。此外，仅角度导航存在着众所周知的距离可观测性问题，其需要通过航天器自身合适的机动来克服。然而当目标有未知机动，以单目相机为传感器的仅依赖角度导航的可观测性条件可能不被满足。非合作目标有未知机动情况下，其状态估计的难点在于无法建立准确的动力学模型。传统的卡尔曼滤波器(Kalman Filter,KF),扩展卡尔曼滤波器(Extend Kalman Filter,EKF)等可能在状态转移方程建模不准确的情况下发散。协方差膨胀法在目标有未知机动的情况下，大幅膨胀协方差矩阵，增加当前观测对状态估计作用的权重，从而避免滤波器的发散。然而这种方法在增强当前观测作用的同时，将观测不确定性更多地引入到状态估计中，不能有效应对长时间的目标机动问题。增广卡尔曼滤波器(Augmented Kalman Filter,AKF)将未知机动作为系统状态的一部分，并将其建模为一个由白噪声驱动的一阶平稳马尔科夫过程。当目标机动恒定，AKF性能优越，但若机动时变，AKF性能会严重下降。输入估计(InputEstimation,IE)算法检测并直接估计未知机动。交互多模型算法(Interacting MultipleModel,IMM)被广泛应用于未知机动目标的状态估计中.IE和IMM都能够有效估计恒定未知机动，但对时变的未知机动，其性能将会下降。Guang等人提出一种基于输入补偿的变结构估计器(Variable Structure Estimator,VSE)以及观测增强卡尔曼滤波器(Observer-enhanced Kalman filter,OEKF),它们可以动态估计恒定和时变未知机动，但其要求系统状态的每个分量均可以被观测，或者可以从观测中完全解算出来。在观测受限的情况下，这一条件可能不被满足。
发明内容
本发明实施例提供一种与机动非合作目标交会对接的方法，通过单目相机和距离传感器获取关于机动非合作目标测量信息，结合测量信息及是否机动对主动对接者的运行状态进行修正，同时还应用多脉冲机动修正主动对接者的运行状态，解决了与机动非合作目标交会对接的问题。
为实现上述目的，一方面，本发明实施例提供了一种与机动非合作目标交会对接的方法，用于主动对接者，所述方法包括：
获得所述主动对接者的初始位置以及所述机动非合作目标所在的最终目标位置；
指定所述主动对接者从所述初始位置到达所述最终目标位置所需的预计时间范围以及所需的向所述主动对接者施加的脉冲次数，以所述脉冲次数均分所述预计时间范围，得到一个或多个脉冲时刻；
以指定时间间隔将所述预计时间范围划分为至少一个状态时刻；
在所述一个或多个脉冲时刻中的每个脉冲时刻时，根据当前脉冲时刻对应的所述主动对接者的当前位置和当前速度，以及当前脉冲时刻的下一脉冲时刻对应的所述主动对接者的目的位置，计算在当前脉冲时刻时所需施加给所述主动对接者的脉冲，根据所述脉冲修正所述主动对接者的运动状态；
在所述至少一个状态时刻中的每个状态时刻，获取当前状态时刻下关于所述机动非合作目标的测量信息；根据所述测量信息、当前状态时刻的前一状态时刻的状态估计和当前状态时刻的前一状态时刻的状态估计误差协方差矩阵，计算得到当前状态时刻的候选相对状态估计和候选相对状态估计误差协方差矩阵；并判断从当前状态时刻的前一状态时刻到当前状态时刻时，所述机动非合作目标是否发生机动；若判定发生机动，则根据所述测量信息、当前状态时刻的前一状态时刻的状态估计和当前状态时刻的前一状态时刻的状态估计误差协方差矩阵，计算所述机动非合作目标的目标机动估计和目标机动估计误差协方差矩阵，并根据所述目标机动估计和所述目标机动估计误差协方差矩阵，修正所述主动对接者的运动状态；若判定没有发生机动，则将所述候选相对状态估计作为当前状态时刻的状态估计，将所述候选相对状态估计误差协方差矩阵作为当前状态时刻的状态估计误差协方差矩阵；所述主动对接者保持当前的运动状态；
当所述一个或多个脉冲时刻中的最后一个脉冲时刻到达时，所述主动对接者按照其对应脉冲时刻的运动状态完成与所述机动非合作目标的交会对接。
上述技术方案具有如下有益效果：
本发明提供的方法设计了基于一个单目相机和一个距离传感器的相对测量方案，研究了基于动态补偿的相对状态及非合作目标机动的估计器，并给出目标机动以及相对状态的估计流程与实现步骤；在此基础上，设计了一个在目标有未知机动条件下的脉冲方案，形成了用于与有未知机动目标交会对接的导航与控制方案及相应的处理方法。仿真结果表明，在目标无机动的情况下，所提出的动态补偿估计器与EKF性能相当；在目标有恒定的情况下，所提出的估计器性能优于现有的EKF与VSDE。当目标进行时变机动，基于EKF和VSDE导航控制方案不能完成交会对接任务，而基于动态补偿估计器的导航控制方案仍能完成非合作目标的交会对接任务。
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是本发明实施例之一的一种与机动非合作目标交会对接的方法的流程图；
图2是本发明实施例之一的动态补偿估计流程图；
图3是本发明实施例之一的与机动非合作目标交会对接的控制方案示意图；
图4是本发明实施例之一的目标无机动情况下的真实轨迹示意图；
图5是本发明实施例之一的目标无机动情况下本发明实施例的估计轨迹示意图；
图6是本发明实施例之一的目标无机动情况下真实轨迹与估计轨迹的最终控制误差示意图；
图7是本发明实施例之一的目标无机动情况下EKF位置估计误差示意图；
图8是本发明实施例之一的目标无机动情况下本发明实施例的位置估计误差示意图；
图9是本发明实施例之一的目标无机动情况下EKF速度估计误差示意图；
图10是本发明实施例之一的目标无机动情况下本发明实施例的速度估计误差示意图；
图11是本发明实施例之一的目标有恒定未知机动情况下动态补偿估计器的真实轨迹示意图；
图12是本发明实施例之一的目标有恒定未知机动情况下动态补偿估计器的估计轨迹示意图；
图13是本发明实施例之一的目标有恒定未知机动情况下基于VSDE真实轨迹示意图；
图14是本发明实施例之一的目标有恒定未知机动情况下基于VSDE估计轨迹示意图；
图15是本发明实施例之一的目标有恒定未知机动情况下基于EKF的真实轨迹示意图；
图16是本发明实施例之一的目标有恒定未知机动情况下基于EKF的估计轨迹示意图；
图17是本发明实施例之一的目标有恒定未知机动情况下动态补偿估计器最终控制误差示意图；
图18是本发明实施例之一的目标有恒定未知机动情况下基于VSDE的最终控制误差示意图；
图19是本发明实施例之一的目标有恒定未知机动情况下基于EKF的最终控制误差示意图；
图20是本发明实施例之一的目标有恒定未知机动情况下动态补偿估计器位置估计误差示意图；
图21是本发明实施例之一的目标有恒定未知机动情况下基于VSDE的位置估计误差示意图；
图22是本发明实施例之一的目标有恒定未知机动情况下基于EKF的位置估计误差示意图；
图23是本发明实施例之一的目标有恒定未知机动情况下动态补偿估计器速度估计误差示意图；
图24是本发明实施例之一的目标有恒定未知机动情况下基于VSDE的速度估计误差示意图；
图25是本发明实施例之一的目标有恒定未知机动情况下基于EKF的速度估计误差示意图；
图26是本发明实施例之一的目标有恒定未知机动情况下目标真实机动的机动估计示意图；
图27是本发明实施例之一的目标有恒定未知机动情况下动态补偿滤波器的机动估计示意图；
图28是本发明实施例之一的目标有恒定未知机动情况下VSDE的机动估计示意图；
图29是本发明实施例之一的目标机动时变情况下真实轨迹示意图；
图30是本发明实施例之一的目标机动时变情况下动态补偿估计器估计轨迹示意图；
图31是本发明实施例之一的目标机动时变情况下动态补偿估计器最终控制误差示意图；
图32是本发明实施例之一的目标机动时变情况下动态补偿估计器位置估计误差示意图；
图33是本发明实施例之一的目标机动时变情况下基于VSDE的位置估计误差示意图；
图34是本发明实施例之一的目标机动时变情况下基于EKF的位置估计误差示意图；
图35是本发明实施例之一的目标机动时变情况下动态补偿估计器速度估计误差示意图；
图36是本发明实施例之一的目标机动时变情况下基于VSDE的速度估计误差示意图；
图37是本发明实施例之一的目标机动时变情况下基于EKF的速度估计误差示意图；
图38是本发明实施例之一的目标机动时变情况下目标真实机动的机动估计示意图；
图39是本发明实施例之一的目标机动时变情况下动态补偿滤波器的机动估计示意图；
图40是本发明实施例之一的目标机动时变情况下VSDE的机动估计示意图；
图41是本发明实施例之一的与非合作目标交会示意图。
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，一方面，本发明提供的一种与机动非合作目标交会对接的方法，用于主动对接者，包括：
步骤101，获得所述主动对接者的初始位置以及所述机动非合作目标所在的最终目标位置；
在执行机动对接前，先获得主动对接者的当前位置，作为初始位置；获得机动非合作目标的当前位置，作为最终目标位置。主动对接者和机动非合作目标的当前位置需要在适当的坐标系中表示，可以建立以地球的质心为原点的坐标系或者建立以机动非合作目标的质心为原点的空间坐标系。
步骤102，指定所述主动对接者从所述初始位置到达所述最终目标位置所需的预计时间范围以及所需的向所述主动对接者施加的脉冲次数，以所述脉冲次数均分所述预计时间范围，得到一个或多个脉冲时刻；
主动对接者需要从初始位置移动到最终目标位置，根据初始位置到最终目标位置的距离指定主动对接者完成对接所需的预计时间范围以及需要向主动对接者施加的脉冲次数。并且以脉冲次数均分预计时间范围，以便确定每个脉冲施加的时刻，通过向主动对接者施加脉冲，修正主动对接者的运行状态。
步骤103，以指定时间间隔将所述预计时间范围划分为至少一个状态时刻；
在主动对接者运动过程中，还需要通过实时监测主动对接者和机动非合作目标的状态，根据监测得到的测量信息以及机动非合作目标发生的目标机动估计，修正主动对接者的运行状态。
步骤104，在所述一个或多个脉冲时刻中的每个脉冲时刻时，根据当前脉冲时刻对应的所述主动对接者的当前位置和当前速度，以及当前脉冲时刻的下一脉冲时刻对应的所述主动对接者的目的位置，计算在当前脉冲时刻时所需施加给所述主动对接者的脉冲，根据所述脉冲修正所述主动对接者的运动状态；
在预计时间范围内，每当前时刻到达了某一个脉冲时刻，就会将计算得到的脉冲施加给主动对接者，修正主动对接者的运行状态。
步骤105，在所述至少一个状态时刻中的每个状态时刻，获取当前状态时刻下关于所述机动非合作目标的测量信息；根据所述测量信息、当前状态时刻的前一状态时刻的状态估计和当前状态时刻的前一状态时刻的状态估计误差协方差矩阵，计算得到当前状态时刻的候选相对状态估计和候选相对状态估计误差协方差矩阵；并判断从当前状态时刻的前一状态时刻到当前状态时刻时，所述机动非合作目标是否发生机动；若判定发生机动，则根据所述测量信息、当前状态时刻的前一状态时刻的状态估计和当前状态时刻的前一状态时刻的状态估计误差协方差矩阵，计算所述机动非合作目标的目标机动估计和目标机动估计误差协方差矩阵，并根据所述目标机动估计和所述目标机动估计误差协方差矩阵，修正所述主动对接者的运动状态；若判定没有发生机动，则将所述候选相对状态估计作为当前状态时刻的状态估计，将所述候选相对状态估计误差协方差矩阵作为当前状态时刻的状态估计误差协方差矩阵；所述主动对接者保持当前的运动状态；
为了实时监测和修正对接过程，将预计时间范围划分为多个状态时刻，在每个状态时刻，检查机动非合作目标是否发生了机动，若发生了机动，则计算机动非合作目标的目标机动估计，根据目标机动估计修正主动对接者的运行状态。步骤104和步骤105并行执行，在每个状态时刻，都会执行步骤105；若当前的状态时刻恰好等于或第一次超过某一脉冲时刻，则步骤104会被执行。
步骤106，当所述一个或多个脉冲时刻中的最后一个脉冲时刻到达时，所述主动对接者按照其对应脉冲时刻的运动状态完成与所述机动非合作目标的交会对接。
当所有脉冲时刻中的最后一个脉冲时刻到达并完成此脉冲时刻的处理时，即到达了预计时间范围的结束时刻，此时主动对接者与机动非合作目标完成教会对接。
进一步地，在所述获得所述主动对接者的初始位置以及所述机动非合作目标所在的最终目标位置，之前，还包括：
构建直角坐标系；所述直角坐标系的原点位于所述机动非合作目标质心；所述坐标系的x轴沿所述机动非合作目标的轨道切线方向，所述x轴正方向与所述机动非合作目标运动方向一致；所述坐标系的z轴指向所述机动非合作目标的轨道弧线圆心；所述坐标系的y轴与所述x轴和所述z轴构成右手直角坐标系；在所述直角坐标系中，以所述直角坐标系的原点坐标作为所述机动非合作目标所在的最终目标位置；在所述直角坐标系中，将所述主动对接者相对于所述机动非合作目标的相对位置坐标作为所述主动对接者所处的位置。
进一步地，所述获取当前状态时刻下关于所述机动非合作目标的测量信息，包括：
采集单目相机，获得关于所述机动非合作目标的图像，并根据标准针孔相机模型，计算所述机动非合作目标的质心在相机成像平面的成像坐标；
采集距离传感器，获得所述主动对接者与所述机动非合作目标之间的相对距离；以及,
由所述成像坐标和所述相对距离构成所述测量信息；
其中，所述单目相机和所述距离传感器设置于所述主动对接者；
所述单目相机用于检测所述机动非合作目标的质心在相机成像平面的坐标；所述单目相机的光学中心与所述主动对接着的质心重合，所述单目相机的主光轴与所述直接坐标系的x轴平行，所述单目相机的镜头指向x轴正方向；
所述距离传感器用于检测所述主动对接者与所述机动非合作目标之间的相对距离。
进一步地，所述根据所述测量信息、当前状态时刻的前一状态时刻的状态估计和当前状态时刻的前一状态时刻的状态估计误差协方差矩阵，计算得到当前状态时刻的候选相对状态估计和候选相对状态估计误差协方差矩阵，并判断从当前状态时刻的前一状态时刻到当前状态时刻时，所述机动非合作目标是否发生机动，包括：
根据当前状态时刻的前一状态时刻的状态估计和当前状态时刻的前一状态时刻的状态估计误差协方差矩阵，计算得到从当前状态时刻的前一状态时刻到当前状态时刻的候选一步预测状态估计和候选一步预测状态估计误差协方差矩阵；
根据所述候选一步预测状态估计和所述候选一步预测状态估计误差协方差矩阵，计算得到当前状态时刻的候选相对状态估计和候选相对状态估计误差协方差矩阵；
根据所述候选一步预测状态估计和所述测量信息，计算当前状态时刻的残差；
根据假设检验原理，利用所述残差构建检测统计量；
根据选定的置信度水平以及所述检测统计量符合的分布，通过检查所述检测统计量符合零假设或者符合备择假设，判断所述机动非合作目标是否发生机动。
进一步地，所述根据所述测量信息、当前状态时刻的前一状态时刻的状态估计和当前状态时刻的前一状态时刻的状态估计误差协方差矩阵，计算所述机动非合作目标的目标机动估计和目标机动估计误差协方差矩阵，包括：
根据所述测量信息估计当前状态时刻的相对位置估计；
根据当前状态时刻的前一状态时刻的状态估计，以及当前状态时刻的前一状态时刻的所述脉冲，得到从当前状态时刻的前一状态时刻到当前状态时刻的一步预测相对位置估计；
根据当前状态时刻的相对位置估计，以及所述一步预测相对位置估计，得到当前状态时刻的前一状态时刻的所述机动非合作目标的目标机动估计；
根据当前状态时刻的前一状态时刻的状态估计误差协方差矩阵，得到所述目标机动估计误差协方差矩阵。
进一步地，所述根据所述目标机动估计和所述目标机动估计误差协方差矩阵，修正所述主动对接者的运动状态，包括：
根据当前状态时刻的前一状态时刻的状态估计和所述目标机动估计，得到从当前状态时刻的前一状态时刻到当前状态时刻的一步预测状态估计；
根据当前状态时刻的前一状态时刻的状态估计误差协方差矩阵和所述目标机动估计误差协方差矩阵，得到从当前状态时刻的前一状态时刻到当前状态时刻的一步预测状态估计误差协方差矩阵；
根据所述一步预测状态估计和所述一步预测状态估计误差协方差矩阵，得到当前状态时刻的状态估计和状态估计误差协方差矩阵。
进一步地，所述根据当前脉冲时刻对应的所述主动对接者的当前位置和当前速度，以及当前脉冲时刻的下一脉冲时刻对应的所述主动对接者的目的位置，计算在当前脉冲时刻时所需施加给所述主动对接者的脉冲，具体为：
根据如下公式计算在当前脉冲时刻时所需施加给所述主动对接者的所述脉冲：
Figure BDA0002968253160000051
其中：um是当前脉冲时刻时所需施加给所述主动对接者的所述脉冲；Δt是相邻脉冲时刻的时间间隔；xm是当前位置当前速度
Figure BDA0002968253160000052
目的位置为xm+1；
Figure BDA0002968253160000053
状态转移矩阵关于位置速度交叉项的分块矩阵的逆；Φrr：状态转移矩阵关于位置的分块矩阵。
进一步地，所述根据所述脉冲修正所述主动对接者的运动状态，具体为：
根据如下公式修正所述主动对接者的运动状态：
Figure BDA0002968253160000054
其中：Xk是所述主动对接者在当前状态时刻k的运行状态；
Figure BDA0002968253160000055
是在第i脉冲时刻，所需施加给所述主动对接者的脉冲；I3是维度为3x3的单位矩阵；03是维度为3x3的零矩阵。
进一步地，所述根据假设检验原理，利用所述残差构建检测统计量，具体为：
利用所述残差构建如下服从自由度为3的卡方分布的检测统计量：
Figure BDA0002968253160000061
其中：ηk+1是残差；
Figure BDA0002968253160000062
是残差的转置；Hk+1是k+1时刻的测量矩阵；
Figure BDA0002968253160000063
是候选一步预测状态估计误差协方差矩阵；Rk+1是测量噪声协方差矩阵。
进一步地，所述根据选定的置信度水平以及所述检测统计量符合的分布，通过检查所述检测统计量符合零假设或者符合备择假设，判断所述机动非合作目标是否发生机动，包括：
定义假设检验问题：零假设定义为所述机动非合作目标无机动，备择假设定义为所述机动非合作目标有未知机动；
根据所述选定的置信度水平判断如下不等式是否成立：
Figure BDA0002968253160000064
其中，
Figure BDA0002968253160000065
为χ2(3)的α分位点；
若成立，则拒绝原假设，认为所述机动非合作目标有未知机动；
若不成立，则接受原假设，认为所述机动非合作目标无机动。
下面结合具体的应用实例对本发明实施例上述技术方案进行详细说明，实施过程中没有介绍到的技术细节，可以参考前文的相关描述。
1场景描述
空间目标交会对接指使得追逐航天器与太空垃圾、目标飞船等空间目标在空间轨道上会合并在结构上连成一个整体的技术，是在轨服务的先决条件和关键技术之一。
假设有如下非合作目标交会对接场景：Chaser(即主动对接者)为某一追逐航天器，已经在地面站引导下到达空间某一特定位置，交会对接任务发生在某圆形轨道上，如图41所示，Noncooperative Target(即机动非合作目标)与Chaser在环地球圆形轨道上运行，Chaser追逐Noncooperative Target。
为了分析Chaser与非合作目标(即机动非合作目标)的相对运动，首先建立坐标系T(直角坐标系)，其原点位于非合作目标质心，x轴沿目标轨道切线方向，正方向与其运动方向一致；z轴指向地球中心；y轴与x轴和z轴构成右手直角坐标系。
二体问题中，追逐者(即主动对接者)和非合作目标之间的距离相对于地球半径很小，可以认为追逐者和非合作目标在同一圆轨道上。其相对运动动力学可用Clohessy-Wiltshire方程给出，如式(1)
Figure BDA0002968253160000066
其中，ω为圆轨道的角速度，x＝[x y z]T为在T坐标系中的Chaser相对于非合作目标的位置矢量，u和a分别表示由于Chaser自身机动和目标未知机动导致的相对运动加速度，
Figure BDA0002968253160000067
为零均值高斯白噪声。定义系统状态向量
Figure BDA0002968253160000068
为相对速度矢量。在不考虑系统噪声的情况下式(1)可以重新表示为
Figure BDA0002968253160000069
其中，
Figure BDA00029682531600000610
将式(2)离散化，离散时间步长为τ，则可以得到系统的状态转移方程如式(4)
Figure BDA0002968253160000071
其中下标k表示时刻，
Figure BDA0002968253160000072
Figure BDA0002968253160000073
Figure BDA0002968253160000074
Figure BDA0002968253160000075
Figure BDA0002968253160000076
对于特定的u(t)以及a(t)，其在tk到tk+1上的积分
Figure BDA0002968253160000077
可以等价为在tk时刻的某脉冲机动uk、ak在tk到tk+1上的积分Gkuk和Gkak，其中
Figure BDA0002968253160000078
所以，式(4)可以重新表示为
Xk+1＝Φ(τ)Xk+Gkuk+Gkak (11)
一般情况下，Chaser自身机动uk是系统输入量，是已知的，而为了对相对运动状态Xk及非合作目标的未知机动ak(即机动非合作目标的目标机动估计)进行估计，需要一定的测量信息。为了增强与有未知机动的目标交会操作中的系统可观测性，本发明设计了基于单目相机和距离传感器的非合作目标相对测量方案,配备了一个单目相机来观测从Chaser到目标的视线方向，以及一个距离传感器(如激光雷达)来感知Chaser与非合作目标之间的相对距离。
假定单目相机光学中心与Chaser质心重合，主光轴与T坐标系x轴平行，镜头指向x轴正方向，根据标准针孔相机模型，系统观测方程可以得到如下
Figure BDA0002968253160000079
其中，Zk+1即测量信息，f为相机焦距，
Figure BDA00029682531600000710
为目标质心在相机成像平面的坐标，d为由距离传感器观测到的Chaser与目标之间的相对距离,
Figure BDA0002968253160000081
为互不相关的测量噪声，假设其服从零均值高斯分布，测量噪声协方差矩阵
Figure BDA0002968253160000082
Remark1：非合作目标相对导航的难点之一就是判断目标是否进行了未知机动。而本发明实施例首要目的就是根据当前观测信息来判断非合作目标是否进行了未知机动，并对未知机动进行估计。
Remark2:非合作目标未知机动对相对状态造成的影响，也即式(4)中的
Figure BDA0002968253160000083
其等价于Gkak。由于公式(10)所示的Gk是已知的，为阐述的简洁性，后文所说的对非合作目标未知机动进行估计，特指的是指对与a(t)有等价效果的脉冲机动ak进行估计。
2相对状态估计及未知机动的动态补偿
2.1EKF滤波器
为了估计相对状态和目标机动，本发明实施例首先介绍用于非线性系统状态估计的EKF。
假设从时刻k到k+1，非合作目标无机动，即式(11)中的ak＝0，则系统的状态转移方程如式(14)
Figure BDA0002968253160000084
记时刻k状态估计为
Figure BDA0002968253160000085
相应的估计误差协方差矩阵为Pk，EKF通过下式(15)-(20)给出k+1时刻的相对状态估计
Figure BDA0002968253160000086
及相应的估计误差协方差矩阵Pk+1。
Figure BDA0002968253160000087
Figure BDA0002968253160000088
Figure BDA0002968253160000089
Figure BDA00029682531600000810
Figure BDA00029682531600000811
Figure BDA00029682531600000812
其中,
Figure BDA00029682531600000813
为正定的系统噪声协方差矩阵。此处的Qk实际上是一个EKF的性能调谐参数。
Figure BDA00029682531600000814
为一步预测状态估计，Pk+1,k为一步预测协方差估计，Kk+1为滤波增益，ηk+1为新息，I6为维度为6×6的单位矩阵。
Figure BDA00029682531600000815
Figure BDA00029682531600000816
其中
Figure BDA0002968253160000091
Figure BDA0002968253160000092
Figure BDA0002968253160000093
Figure BDA0002968253160000094
为一步相对位置预测，即
Figure BDA0002968253160000095
的前三个分量。
2.2目标机动补偿流程及机动探测器设计
当非合作目标无机动，EKF可以得到状态的近似最优估计。但当目标机动，此结论将不再成立。为此，本发明构建了用于目标机动与相对状态估计的动态补偿估计器，具体结构流程如图2所示，动态补偿估计器将目标无机动作为系统默认状态，通过目标机动探测器检测目标是否进行了机动，进而在目标机动情况下，通过目标机动动态补偿估计器给出目标机动的估计
Figure BDA0002968253160000096
(即机动非合作目标的目标机动估计)，并反馈到状态转移方程中，之后通过EKF得到修正的状态估计。
目标机动探测器的构造原理如下。结合假设检验原理，利用新息(即当前状态时刻的残差)构建检测统计量，
Figure BDA0002968253160000097
对于如下的假设检验问题：
零假设γ0：目标无机动；备择假设γ1：目标有未知机动。
容易知道统计量θk+1～χ2(3)，即θk+1服从自由度为3的卡方分布。
对于选定的置信度水平α，认为当
Figure BDA0002968253160000098
时拒绝原假设，认为目标机动；否则接受原假设，认为目标无机动。其中
Figure BDA0002968253160000099
为χ2(3)的α分位点。
2.3目标机动滤波算法设计
当探测了目标存在机动的情况下，需要设计目标机动估计器，用于实现相对状态及目标机动的有效估计。
a)当前相对位置的估计
目标机动估计器构造的第一步是根据当前观测(即测量信息)估计当前相对位置(即当前状态时刻的相对位置估计)。接下来将给出由当前观测估计相对位置的推导过程，并给出相应的估计精度。
k+1时刻的不考虑观测噪声的系统观测(即测量信息)为
Figure BDA00029682531600000910
当不考虑观测噪声，根据当前观测可以得到当前相对位置的两组解如式(25)
Figure BDA00029682531600000911
因本发明实施例假设Chaser无旋转，由图41所示，为了保证系统可观测性，相对位置的x分量在整个交会对接过程中应该恒为正值或恒负。所以根据初始时刻系统的相对位置，可以判断哪一组解是正确的。不失一般性，假定正确的解为为式(25)的第一组，即由观测得到的当前相对位置估计
Figure BDA0002968253160000101
如式
Figure BDA0002968253160000102
由于观测噪声的存在，观测误差将通过关于观测的非线性函数g传递到相对位置估计
Figure BDA0002968253160000103
中。在当前测量条件下，可以认为观测噪声vk+1相对于观测数据Zk+1为小量。记由观测噪声导致的
Figure BDA0002968253160000104
估计误差ξk+1＝[ξx ξy ξz]，则有
Figure BDA0002968253160000105
其中，o(vk+1)为vk+1的高阶小量，
Figure BDA0002968253160000106
表示g对
Figure BDA0002968253160000107
ψ,d的Jacobi矩阵。有
Figure BDA0002968253160000108
有
Figure BDA0002968253160000109
从D(ξk+1)表达式可以知道，提高由当前观测解算当前相对位置的精度的可行方案是提高观测精度，降低Chaser与非合作目标之间的相对距离等，因为随着交会对接过程的进行，相对距离越来越小，所以根据D(ξk+1)表达式可以知道通过当前观测解算相对位置的精度也会越来越高。
b)目标机动的估计
在由当前观测得到了当前相对位置估计的基础上，接下来给出目标机动的估计ak及其精度。
假设k时刻状态估计为
Figure BDA00029682531600001010
估计误差为ek。在假定目标无机动的情况下，由式(14)可知状态一步预测
Figure BDA00029682531600001011
由(30)有相对位置的一步预测
Figure BDA00029682531600001012
当目标有机动，真实状态转移为
Xk+1＝Φ(τ)Xk+Gkuk+Gkak (32)
所以真实的相对位置为
xk+1＝[Φrr(τ),Φrv(τ)]Xk+Φrv(τ)uk+Φrv(τ)ak (33)
根据当前观测得到的状态估计为
Figure BDA00029682531600001013
估计误差为ξk+1，有
Figure BDA00029682531600001014
(34)减去(31)可以得到
Figure BDA0002968253160000111
显然由式(7)可知，Φrv是可逆的，则由(35)可以得到目标机动的估计
Figure BDA0002968253160000112
及误差ζk+1分别如式(36)和(37)
Figure BDA0002968253160000113
Figure BDA0002968253160000114
已推导得到E(ξk+1)＝0，进一步若有EKF得到的系统状态为无偏估计，即E(ek)＝0，那么则有E(ζk+1)＝0，即式(36)给出的是关于目标机动的无偏估计。且可以知道
Figure BDA0002968253160000115
因为非合作目标机动估计误差，在将
Figure BDA0002968253160000116
反馈补偿到状态方程的过程中，不免引入了状态模型不确定性，此时需要将状态模型误差协方差阵Qk替换为Q′k
Q′k＝Qk+D(ζk+1) (39)
2.4相对状态及目标机动的估计流程
至此，本发明实施例给出了存在目标机动情况下的相对状态及目标机动的估计，具体算法流程如下：
STEP1：有k时刻状态估计
Figure BDA0002968253160000117
(即当前状态时刻的前一状态时刻的状态估计)，以及相应的估计误差协方差矩阵Pk(即当前状态时刻的前一状态时刻的状态估计误差协方差矩阵)，计算式(40)至(45)得到候选相对状态估计
Figure BDA0002968253160000118
(即当前状态时刻的候选相对状态估计)、相应估计误差协方差矩阵
Figure BDA0002968253160000119
(即当前状态时刻的候选相对状态估计误差协方差矩阵)以及相应残差ηk+1(即当前状态时刻的残差)。
通过公式(40)和(41)，根据当前状态时刻的前一状态时刻的状态估计和当前状态时刻的前一状态时刻的状态估计误差协方差矩阵，计算得到从当前状态时刻的前一状态时刻到当前状态时刻的候选一步预测状态估计
Figure BDA00029682531600001110
和候选一步预测状态估计误差协方差矩阵
Figure BDA00029682531600001111
Figure BDA00029682531600001112
Figure BDA00029682531600001113
通过公式(42)、(43)和(45)，根据所述候选一步预测状态估计和所述候选一步预测状态估计误差协方差矩阵，计算得到当前状态时刻的候选相对状态估计
Figure BDA00029682531600001114
和候选相对状态估计误差协方差矩阵
Figure BDA00029682531600001115
通过公式(44)，根据所述候选一步预测状态估计和所述测量信息Zk+1，计算当前状态时刻的残差ηk+1；
Figure BDA00029682531600001116
Figure BDA00029682531600001117
Figure BDA00029682531600001118
Figure BDA00029682531600001119
STEP2：如果式(46)成立，则令
Figure BDA00029682531600001120
令k＝k+1，返回STEP1，否则进行STEP3根据假设检验原理，利用所述残差构建检测统计量
Figure BDA00029682531600001121
通过公式(46)，根据选定的置信度水平α以及所述检测统计量符合的分布θk+1～χ2(3)，通过检查所述检测统计量符合零假设或者符合备择假设，判断所述机动非合作目标是否发生机动
Figure BDA00029682531600001122
STEP3：根据式(47)至(52)，得到目标机动的估计
Figure BDA00029682531600001123
以及相应的估计误差协方差矩阵D(ζk+1)，并进行STEP4.
通过公式(47)，根据所述测量信息(即
Figure BDA0002968253160000121
)估计当前状态时刻的相对位置估计(即
Figure BDA0002968253160000122
)
Figure BDA0002968253160000123
Figure BDA0002968253160000124
Figure BDA0002968253160000125
通过公式(50)，根据当前状态时刻的前一状态时刻的状态估计，以及当前状态时刻的前一状态时刻的所述脉冲(即uk)，得到从当前状态时刻的前一状态时刻到当前状态时刻的一步预测相对位置估计(即
Figure BDA0002968253160000126
)；
Figure BDA0002968253160000127
通过公式(51)，根据当前状态时刻的相对位置估计(即
Figure BDA0002968253160000128
)，以及所述一步预测相对位置估计(即
Figure BDA0002968253160000129
)，得到当前状态时刻的前一状态时刻的所述机动非合作目标的目标机动估计(即
Figure BDA00029682531600001210
)；
Figure BDA00029682531600001211
通过公式(48)、(49)和(52)，根据当前状态时刻的前一状态时刻的状态估计误差协方差矩阵，得到所述目标机动估计误差协方差矩阵D(ζk+1)；
Figure BDA00029682531600001212
STEP4：计算式(53)至(59)得到相对状态估计
Figure BDA00029682531600001213
及估计误差协方差矩阵Pk+1，令k＝k+1，返回STEP1
通过公式(53)，根据当前状态时刻的前一状态时刻的状态估计和所述目标机动估计，得到从当前状态时刻的前一状态时刻到当前状态时刻的一步预测状态估计(即
Figure BDA00029682531600001214
)；
Figure BDA00029682531600001215
通过公式(54)和(55)，根据当前状态时刻的前一状态时刻的状态估计误差协方差矩阵和所述目标机动估计误差协方差矩阵，得到从当前状态时刻的前一状态时刻到当前状态时刻的一步预测状态估计误差协方差矩阵；
Q′k＝Qk+D(ζk+1) (54)
Figure BDA00029682531600001216
通过公式(56)、(57)、(58)和(59)，根据所述一步预测状态估计和所述一步预测状态估计误差协方差矩阵，得到当前状态时刻的状态估计(即
Figure BDA00029682531600001217
)和状态估计误差协方差矩阵(即Pk+1)。
Figure BDA0002968253160000131
Figure BDA0002968253160000132
Figure BDA0002968253160000133
Figure BDA0002968253160000134
3非合作目标交会对接的控制方案
所述根据当前脉冲时刻对应的所述主动对接者的当前位置(即x0)和当前速度(即
Figure BDA0002968253160000135
)，以及当前脉冲时刻的下一脉冲时刻对应的所述主动对接者的目的位置(即xm+1)，计算在当前脉冲时刻时所需施加给所述主动对接者的脉冲(即um)，具体举例为:
在非合作目标有机动情况下的交会对接的控制方案如图3所示，假设初始相对位置为x0，Chaser预计花费时间T通过等时间间隔的N次脉冲到达最终目标位置xf,最终目标速度
Figure BDA0002968253160000136
时间间隔
Figure BDA0002968253160000137
假设通过m-1次脉冲到达当前位置xm，当前速度
Figure BDA0002968253160000138
当前时刻tm，下一目的地为xm+1，则需要在时刻tm施加的脉冲um如式(60)
Figure BDA0002968253160000139
本发明实施例假定系统初始状态X0＝[-100,-100,-100,0,0,0]T，其中相对位置单位为米(m)，相对速度单位为米/秒(m/s)；初始状态估计
Figure BDA00029682531600001310
预计通过50次脉冲到达最终目标位置xf＝[0,0,0]T,记所有目标位置
Figure BDA00029682531600001311
则需要的脉冲为ui,i＝1…50，其值可以通过式(60)计算得到，相应的脉冲施加时刻ti＝(i-1)Δt,i＝1,…50。
Remark3：由于相对状态需要估计得到，所以系统给出的自身机动
Figure BDA00029682531600001312
可能与理想机动u也存在偏差，进而导致实际控制与理想控制的偏差。但自身控制一旦给出，即作为了滤波器已知的输入，将不影响滤波器的估计性能。
Remark4：当非合作目标有未知机动，仅依靠此制导算法将不能完成与非合作目标的交会对接。本发明实施例是当目标机动探测器判断目标已经进行了机动，则重新根据式(60)计算自身所需机动uk以抵消目标机动带来的影响，保证在预定时间达到预定相对状态。但需要指出的是，在观测时间间隔为τ的情况下，对目标机动的估计也存在着时间延迟。Chaser通过自身机动抵消目标机动所带来的影响也需要τ的时间延迟才可以完成。
4数值仿真
本节对非合作目标交会对接的导航与控制方案、模型与方法进行数值验证。首先设置仿真场景和仿真参数。除了第三部分所提到的，其他仿真参数设置如表1。
Figure BDA00029682531600001313
表1仿真参数设置
考虑非合作目标的如下三种机动情况：
(1)无机动，ak＝0m·s-2
(2)有恒定未知机动，
Figure BDA0002968253160000141
(3)有时变未知机动，
Figure BDA0002968253160000142
针对以上三种目标机动的情况，分别做100次蒙特卡洛模拟实验，仿真结果在4.1至4.3节给出。
4.1无机动情况下的导航与控制
针对无目标机动情况，100次蒙特卡洛仿真中，某一次实验中的真实轨迹被展示在图4中，以及通过本发明所提出方法得到的估计轨迹被展示在图5中，图6展示了目标无机动情况下100次蒙特卡洛模拟的最终控制误差，即所到达位置与目标位置的差别。图7画出了目标无机动情况下传统EKF得到的位置估计误差，图8画出了目标无机动情况下本发明提出的方法得到的位置估计误差，9画出了目标无机动情况下传统EKF得到的速度估计误差，图10画出了目标无机动情况下本发明提出的方法得到的速度估计误差，需要指出的是通过EKF得到的控制轨迹可能与图5给出的真实轨迹不同，这里的估计误差是各自估计轨迹与各自真实轨迹之间的差别。
从图6可以看出最终控制的误差的三个分量基本小于0.2m，精度较高。从图5以及图7到图10可以得到在目标无机动情况下，所提出的动态补偿估计器基本与EKF性能一致，这表明本发明所提出的方法性能至少优于EKF。
4.2恒定未知机动下的导航与控制
针对目标有恒定未知机动的情况，本发明实施例用Variable State DimensionEstimator(VSDE)做了对比试验。当检测到目标有机动，状态向量被增广为
Figure BDA0002968253160000143
Figure BDA0002968253160000144
作非合作目标加速度恒定不变的模型假设，则相应的状态转移方程如式(62)
Figure BDA0002968253160000145
根据新状态转移方程，VSDE可以构建目标机动情况下的滤波算法，此处不再赘述。需要指出的是，在检测到目标机动时，需要给出初始的目标加速度估计
Figure BDA0002968253160000146
及其估计误差协方差矩阵
Figure BDA0002968253160000147
并通过式(63)对状态估计协方差矩阵进行重置
Figure BDA0002968253160000148
此处，初始的目标机动估计被设置为[-5 -5 5]T，相应的估计误差协方差矩阵设置为I3。
图11和图12分别显示了目标有恒定未知机动情况下，基于动态补偿滤波器的导航控制方案给出的真实轨迹以及估计轨迹示意图；图13和图14分别显示了目标有恒定未知机动情况下，基于VSDE的导航控制方案给出的真实轨迹以及估计轨迹示意图；图15和图16分别显示了目标有恒定未知机动情况下，基于EKF的导航控制方案给出的真实轨迹以及估计轨迹示意图；图17、图18、图19显示了三种控制方案下的，100次蒙特卡洛仿真得到的最终控制误差，图20到图22给出了三种估计器的相对位置估计误差，图23到图25给出了三种估计器的速度估计误差。图26到图28画出了目标真实的机动以及动态补偿滤波器以及VSDE给出的机动估计。
从图23到图25可以看出，当目标恒定机动，EKF性能有所下降。相对来说VSDE以及动态补偿估计器能够维持较高的相对状态估计性能。但在目标机动结束时刻，由于估计误差状态协方差矩阵的重置，VSDE经历了短暂的动荡，所提出的估计器能够平稳地度过机动转换期。
由于相对状态估计的不同，图11到图16中控制轨迹存在差别，但由于三种估计器均在目标机动结束后重新收敛，所以如图17到图19所示，三种控制方案的最终控制误差均较小，且无显著差别。
根据图26到图28，VSDE与所提出的估计器均能较高精度地估计恒定的目标机动，但VSDE由于不能给出精确地初始机动估计，需要短暂的时刻来满足滤波器的收敛。
4.3时变未知机动下的导航与控制
对于目标机动时变情况下的导航与控制问题，本发明实施例同样用本发明所提出的估计器与VSDE以及EKF作了对比仿真实验，图29和图30显示了基于动态补偿估计器的控制方案给出的真实轨迹及相应的估计轨迹，图31给出了该方案下的最终控制误差。图32到图34画出了目标有时变机动条件下三种估计器的相对位置的估计误差，图35到图37画出了目标有时变机动条件下三种估计器的相对速度的估计误差。图38到图40则给出了真实的目标机动以及两种估计器给出的估计机动。
从图38到图40可以看出，随着目标进行时变的机动，VSDE对机动的估计偏差越来越大。从图32到图37来看，当目标进行时变机动，EKF以及VSDE迅速发散，这导致了极大的控制误差以及交会任务的失败。与之相反，图29到图40表明尽管目标进行了时变机动，本发明所提出的估计器能够较好的估计目标机动及相对状态。基于动态补偿估计器的控制方案也能较好的完成交会对接任务。
Remark5：在目标无机动情况下，动态补偿估计器与EKF性能相一致，在目标有恒定未知机动情况下，相比EKF与VSDE，所提出的估计器性能更加稳定，能够更加好的估计相对状态以及目标机动。当目标进行时变的机动，EKF与VSDE性能急剧下降，基于EKF和VSDE导航控制方案不能完成交会对接任务。与之相反，即便目标进行时变机动，动态补偿滤波器仍然能较好的估计相对状态以及目标的机动。以之为基础的导航控制方案能够完成交会对接任务。
综上，为了完成与非合作机动目标的交会对接任务，本发明提供的方法设计了基于一个单目相机和一个距离传感器的相对测量方案，研究了基于动态补偿的相对状态及非合作目标机动的估计器，并给出目标机动以及相对状态的估计流程与实现步骤；在此基础上，设计了一个在目标有未知机动条件下的脉冲方案，形成了用于与有未知机动目标交会对接的导航与控制方案及相应的处理方法。仿真结果表明，在目标无机动的情况下，所提出的动态补偿估计器与EKF性能相当；在目标有恒定的情况下，所提出的估计器性能优于现有的EKF与VSDE。当目标进行时变机动，基于EKF和VSDE导航控制方案不能完成交会对接任务，而基于动态补偿估计器的导航控制方案仍能完成非合作目标的交会对接任务。
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系统，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 (10)

1.一种与机动非合作目标交会对接的方法，其特征在于，用于主动对接者，所述方法包括：
获得所述主动对接者的初始位置以及所述机动非合作目标所在的最终目标位置；
指定所述主动对接者从所述初始位置到达所述最终目标位置所需的预计时间范围以及所需的向所述主动对接者施加的脉冲次数，以所述脉冲次数均分所述预计时间范围，得到一个或多个脉冲时刻；
以指定时间间隔将所述预计时间范围划分为至少一个状态时刻；
在所述一个或多个脉冲时刻中的每个脉冲时刻时，根据当前脉冲时刻对应的所述主动对接者的当前位置和当前速度，以及当前脉冲时刻的下一脉冲时刻对应的所述主动对接者的目的位置，计算在当前脉冲时刻时所需施加给所述主动对接者的脉冲，根据所述脉冲修正所述主动对接者的运动状态；
在所述至少一个状态时刻中的每个状态时刻，获取当前状态时刻下关于所述机动非合作目标的测量信息；根据所述测量信息、当前状态时刻的前一状态时刻的状态估计和当前状态时刻的前一状态时刻的状态估计误差协方差矩阵，计算得到当前状态时刻的候选相对状态估计和候选相对状态估计误差协方差矩阵；并判断从当前状态时刻的前一状态时刻到当前状态时刻时，所述机动非合作目标是否发生机动；若判定发生机动，则根据所述测量信息、当前状态时刻的前一状态时刻的状态估计和当前状态时刻的前一状态时刻的状态估计误差协方差矩阵，计算所述机动非合作目标的目标机动估计和目标机动估计误差协方差矩阵，并根据所述目标机动估计和所述目标机动估计误差协方差矩阵，修正所述主动对接者的运动状态；若判定没有发生机动，则将所述候选相对状态估计作为当前状态时刻的状态估计，将所述候选相对状态估计误差协方差矩阵作为当前状态时刻的状态估计误差协方差矩阵；所述主动对接者保持当前的运动状态；
当所述一个或多个脉冲时刻中的最后一个脉冲时刻到达时，所述主动对接者按照其对应脉冲时刻的运动状态完成与所述机动非合作目标的交会对接。
2.如权利要求1所述的与机动非合作目标交会对接的方法，其特征在于，在所述获得所述主动对接者的初始位置以及所述机动非合作目标所在的最终目标位置，之前，还包括：
构建直角坐标系；所述直角坐标系的原点位于所述机动非合作目标质心；所述坐标系的x轴沿所述机动非合作目标的轨道切线方向，所述x轴正方向与所述机动非合作目标运动方向一致；所述坐标系的z轴指向所述机动非合作目标的轨道弧线圆心；所述坐标系的y轴与所述x轴和所述z轴构成右手直角坐标系；在所述直角坐标系中，以所述直角坐标系的原点坐标作为所述机动非合作目标所在的最终目标位置；在所述直角坐标系中，将所述主动对接者相对于所述机动非合作目标的相对位置坐标作为所述主动对接者所处的位置。
3.如权利要求2所述的与机动非合作目标交会对接的方法，其特征在于，
所述获取当前状态时刻下关于所述机动非合作目标的测量信息，包括：
采集单目相机，获得关于所述机动非合作目标的图像，并根据标准针孔相机模型，计算所述机动非合作目标的质心在相机成像平面的成像坐标；
采集距离传感器，获得所述主动对接者与所述机动非合作目标之间的相对距离；以及,
由所述成像坐标和所述相对距离构成所述测量信息；
其中，所述单目相机和所述距离传感器设置于所述主动对接者；
所述单目相机用于检测所述机动非合作目标的质心在相机成像平面的坐标；所述单目相机的光学中心与所述主动对接着的质心重合，所述单目相机的主光轴与所述直接坐标系的x轴平行，所述单目相机的镜头指向x轴正方向；
所述距离传感器用于检测所述主动对接者与所述机动非合作目标之间的相对距离。
4.如权利要求1所述的与机动非合作目标交会对接的方法，其特征在于，所述根据所述测量信息、当前状态时刻的前一状态时刻的状态估计和当前状态时刻的前一状态时刻的状态估计误差协方差矩阵，计算得到当前状态时刻的候选相对状态估计和候选相对状态估计误差协方差矩阵；并判断从当前状态时刻的前一状态时刻到当前状态时刻时，所述机动非合作目标是否发生机动，包括：
根据当前状态时刻的前一状态时刻的状态估计和当前状态时刻的前一状态时刻的状态估计误差协方差矩阵，计算得到从当前状态时刻的前一状态时刻到当前状态时刻的候选一步预测状态估计和候选一步预测状态估计误差协方差矩阵；
根据所述候选一步预测状态估计和所述候选一步预测状态估计误差协方差矩阵，计算得到当前状态时刻的候选相对状态估计和候选相对状态估计误差协方差矩阵；
根据所述候选一步预测状态估计和所述测量信息，计算当前状态时刻的残差；
根据假设检验原理，利用所述残差构建检测统计量；
根据选定的置信度水平以及所述检测统计量符合的分布，通过检查所述检测统计量符合零假设或者符合备择假设，判断所述机动非合作目标是否发生机动。
5.如权利要求1所述的与机动非合作目标交会对接的方法，其特征在于，所述根据所述测量信息、当前状态时刻的前一状态时刻的状态估计和当前状态时刻的前一状态时刻的状态估计误差协方差矩阵，计算所述机动非合作目标的目标机动估计和目标机动估计误差协方差矩阵，包括：
根据所述测量信息估计当前状态时刻的相对位置估计；
根据当前状态时刻的前一状态时刻的状态估计，以及当前状态时刻的前一状态时刻的所述脉冲，得到从当前状态时刻的前一状态时刻到当前状态时刻的一步预测相对位置估计；
根据当前状态时刻的相对位置估计，以及所述一步预测相对位置估计，得到当前状态时刻的前一状态时刻的所述机动非合作目标的目标机动估计；
根据当前状态时刻的前一状态时刻的状态估计误差协方差矩阵，得到所述目标机动估计误差协方差矩阵。
6.如权利要求1所述的与机动非合作目标交会对接的方法，其特征在于，所述根据所述目标机动估计和所述目标机动估计误差协方差矩阵，修正所述主动对接者的运动状态，包括：
根据当前状态时刻的前一状态时刻的状态估计和所述目标机动估计，得到从当前状态时刻的前一状态时刻到当前状态时刻的一步预测状态估计；
根据当前状态时刻的前一状态时刻的状态估计误差协方差矩阵和所述目标机动估计误差协方差矩阵，得到从当前状态时刻的前一状态时刻到当前状态时刻的一步预测状态估计误差协方差矩阵；
根据所述一步预测状态估计和所述一步预测状态估计误差协方差矩阵，得到当前状态时刻的状态估计和状态估计误差协方差矩阵。
7.如权利要求1所述的与机动非合作目标交会对接的方法，其特征在于，所述根据当前脉冲时刻对应的所述主动对接者的当前位置和当前速度，以及当前脉冲时刻的下一脉冲时刻对应的所述主动对接者的目的位置，计算在当前脉冲时刻时所需施加给所述主动对接者的脉冲，具体为：
根据如下公式计算在当前脉冲时刻时所需施加给所述主动对接者的所述脉冲：
Figure FDA0002968253150000021
其中：um是当前脉冲时刻时所需施加给所述主动对接者的所述脉冲；Δt是相邻脉冲时刻的时间间隔；xm是当前位置，当前速度
Figure FDA0002968253150000022
目的位置为xm+1；
Figure FDA0002968253150000023
状态转移矩阵关于位置速度交叉项的分块矩阵的逆；Φrr：状态转移矩阵关于位置的分块矩阵。
8.如权利要求1所述的与机动非合作目标交会对接的方法，其特征在于，所述根据所述脉冲修正所述主动对接者的运动状态，具体为：
根据如下公式修正所述主动对接者的运动状态：
Figure FDA0002968253150000024
其中：Xk是所述主动对接者在当前状态时刻k的运行状态；
Figure FDA0002968253150000025
是在第i脉冲时刻，所需施加给所述主动对接者的脉冲；
I3是维度为3x3的单位矩阵；
03是维度为3x3的零矩阵。
9.如权利要求4所述的与机动非合作目标交会对接的方法，其特征在于，所述根据假设检验原理，利用所述残差构建检测统计量，具体为：
利用所述残差构建如下服从自由度为3的卡方分布的检测统计量：
Figure FDA0002968253150000031
其中：ηk+1是残差；
Figure FDA0002968253150000032
是残差的转置；Hk+1是k+1时刻的测量矩阵；
Figure FDA0002968253150000033
是候选一步预测状态估计误差协方差矩阵；Rk+1是测量噪声协方差矩阵。
10.如权利要求9所述的与机动非合作目标交会对接的方法，其特征在于，所述根据选定的置信度水平以及所述检测统计量符合的分布，通过检查所述检测统计量符合零假设或者符合备择假设，判断所述机动非合作目标是否发生机动，包括：
定义假设检验问题：零假设定义为所述机动非合作目标无机动，备择假设定义为所述机动非合作目标有未知机动；
根据所述选定的置信度水平判断如下不等式是否成立：
Figure FDA0002968253150000034
其中，
Figure FDA0002968253150000035
为χ2(3)的α分位点；
若成立，则拒绝原假设，认为所述机动非合作目标有未知机动；
若不成立，则接受原假设，认为所述机动非合作目标无机动。
CN202110257782.7A 2021-03-09 2021-03-09 一种与机动非合作目标交会对接的方法 Active CN113135302B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110257782.7A CN113135302B (zh) 2021-03-09 2021-03-09 一种与机动非合作目标交会对接的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110257782.7A CN113135302B (zh) 2021-03-09 2021-03-09 一种与机动非合作目标交会对接的方法

Publications (2)

Publication Number Publication Date
CN113135302A true CN113135302A (zh) 2021-07-20
CN113135302B CN113135302B (zh) 2022-09-02

Family

ID=76810925

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110257782.7A Active CN113135302B (zh) 2021-03-09 2021-03-09 一种与机动非合作目标交会对接的方法

Country Status (1)

Country Link
CN (1) CN113135302B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115790607A (zh) * 2023-01-31 2023-03-14 南京航空航天大学 一种基于短弧历史数据的非合作目标机动特征检测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6845303B1 (en) * 2002-11-05 2005-01-18 Lockheed Martin Corporation Micro-satellite and satellite formation for inverse and distributed proximity operations
CN104316060A (zh) * 2014-06-06 2015-01-28 清华大学深圳研究生院 空间非合作目标的交会对接方法与装置
CN108279703A (zh) * 2018-01-26 2018-07-13 河南工程学院 一种用于非合作机动目标拦截的轨道控制方法
CN108897023A (zh) * 2018-04-26 2018-11-27 北京空间飞行器总体设计部 一种星上自主的非合作机动目标跟踪保持变轨方法
CN108931250A (zh) * 2018-05-04 2018-12-04 北京空间飞行器总体设计部 一种基于相对导航可观测度优化的脉冲机动自主规划方法
CN110823214A (zh) * 2019-10-18 2020-02-21 西北工业大学 一种空间完全非合作目标相对位姿和惯量估计方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6845303B1 (en) * 2002-11-05 2005-01-18 Lockheed Martin Corporation Micro-satellite and satellite formation for inverse and distributed proximity operations
CN104316060A (zh) * 2014-06-06 2015-01-28 清华大学深圳研究生院 空间非合作目标的交会对接方法与装置
CN108279703A (zh) * 2018-01-26 2018-07-13 河南工程学院 一种用于非合作机动目标拦截的轨道控制方法
CN108897023A (zh) * 2018-04-26 2018-11-27 北京空间飞行器总体设计部 一种星上自主的非合作机动目标跟踪保持变轨方法
CN108931250A (zh) * 2018-05-04 2018-12-04 北京空间飞行器总体设计部 一种基于相对导航可观测度优化的脉冲机动自主规划方法
CN110823214A (zh) * 2019-10-18 2020-02-21 西北工业大学 一种空间完全非合作目标相对位姿和惯量估计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李军辉等: "一种轨道实时修正的空间目标定位算法", 《火力与指挥控制》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115790607A (zh) * 2023-01-31 2023-03-14 南京航空航天大学 一种基于短弧历史数据的非合作目标机动特征检测方法
CN115790607B (zh) * 2023-01-31 2023-05-12 南京航空航天大学 一种基于短弧历史数据的非合作目标机动特征检测方法

Also Published As

Publication number Publication date
CN113135302B (zh) 2022-09-02

Similar Documents

Publication Publication Date Title
KR102463176B1 (ko) 위치 추정 장치 및 방법
JP2021139898A (ja) 測位方法、装置、計算装置、コンピュータ可読記憶媒体及びコンピュータプログラム
CN107817790B (zh) 一种计算车辆轨迹的曲率的方法和装置
US10605925B2 (en) Processing GPS drifting
Crocoll et al. Model‐aided navigation for a quadrotor helicopter: A novel navigation system and first experimental results
CN112113582A (zh) 时间同步处理方法、电子设备及存储介质
KR101908534B1 (ko) 이동체의 위치 및 자세 결정 장치 및 방법
Zhang et al. Vision-aided localization for ground robots
CN113324542B (zh) 一种定位方法、装置、设备和存储介质
CN112964276A (zh) 一种基于激光和视觉融合的在线标定方法
CN110637209B (zh) 估计机动车的姿势的方法、设备和具有指令的计算机可读存储介质
CN113135302B (zh) 一种与机动非合作目标交会对接的方法
CN110361003B (zh) 信息融合方法、装置、计算机设备和计算机可读存储介质
CN111307174A (zh) 一种传感器的标定方法、运动物体及存储介质
KR20210013526A (ko) 관성 위치를 사용한 지형 참조 항법을 위한 장치 및 방법
CN111044051A (zh) 一种复合翼无人机容错组合导航方法
CN112946681A (zh) 融合组合导航信息的激光雷达定位方法
CN111121755A (zh) 一种多传感器的融合定位方法、装置、设备及存储介质
CN114022561A (zh) 一种基于gps约束和动态校正的城区单目测图方法和系统
CN116182873B (zh) 室内定位方法、系统及计算机可读介质
CN111192327B (zh) 用于确定障碍物朝向的方法和装置
Zhu et al. Variational Bayesian based localization for intelligent vehicle using lidar and GPS data fusion: Algorithm and experiments
CN115236714A (zh) 多源数据融合定位方法、装置、设备及计算机存储介质
KR20210073281A (ko) 운동 정보 추정 방법 및 장치
CN113008245B (zh) 一种定位信息融合方法及其装置、计算机服务器

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