TWI717726B - 一種繞地衛星姿態資料融合系統及其方法 - Google Patents
一種繞地衛星姿態資料融合系統及其方法 Download PDFInfo
- Publication number
- TWI717726B TWI717726B TW108115071A TW108115071A TWI717726B TW I717726 B TWI717726 B TW I717726B TW 108115071 A TW108115071 A TW 108115071A TW 108115071 A TW108115071 A TW 108115071A TW I717726 B TWI717726 B TW I717726B
- Authority
- TW
- Taiwan
- Prior art keywords
- data
- attitude
- sensor
- iae
- quaternion
- Prior art date
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 114
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims abstract description 47
- 230000009471 action Effects 0.000 claims abstract description 7
- 235000019892 Stellar Nutrition 0.000 claims description 28
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000007500 overflow downdraw method Methods 0.000 abstract description 5
- 238000012937 correction Methods 0.000 description 59
- 238000012546 transfer Methods 0.000 description 22
- 238000012545 processing Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000005295 random walk Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
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
- B64G1/66—Arrangements or adaptations of apparatus or instruments, not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64G—COSMONAUTICS; VEHICLES OR EQUIPMENT THEREFOR
- B64G1/00—Cosmonautic vehicles
- B64G1/10—Artificial satellites; Systems of such satellites; Interplanetary vehicles
-
- 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
- B64G1/24—Guiding or controlling apparatus, e.g. for attitude control
- B64G1/244—Spacecraft control systems
- B64G1/245—Attitude control algorithms for spacecraft attitude control
-
- 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
- B64G1/24—Guiding or controlling apparatus, e.g. for attitude control
- B64G1/28—Guiding or controlling apparatus, e.g. for attitude control using inertia or gyro effect
-
- 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
- B64G1/24—Guiding or controlling apparatus, e.g. for attitude control
- B64G1/36—Guiding or controlling apparatus, e.g. for attitude control using sensors, e.g. sun-sensors, horizon sensors
- B64G1/361—Guiding or controlling apparatus, e.g. for attitude control using sensors, e.g. sun-sensors, horizon sensors using star sensors
-
- 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
- G01C21/02—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by astronomical means
- G01C21/025—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by astronomical means with the use of startrackers
-
- 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
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
- G01P15/18—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration in two or more dimensions
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H17/00—Networks using digital techniques
- H03H17/02—Frequency selective networks
- H03H17/0202—Two or more dimensional filters; Filters for complex signals
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H17/00—Networks using digital techniques
- H03H17/02—Frequency selective networks
- H03H17/0202—Two or more dimensional filters; Filters for complex signals
- H03H2017/0205—Kalman filters
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Astronomy & Astrophysics (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Computer Hardware Design (AREA)
- Mathematical Physics (AREA)
- Navigation (AREA)
- Gyroscopes (AREA)
Abstract
一種繞地衛星姿態資料融合系統及其方法，係應用於太空衛星環
境，用以估測該太空衛星之姿態資料，利用本發明之繞地衛星姿態資料融合系統以進行繞地衛星姿態資料融合方法時，首先，進行角速度極性資料及四元數姿態資料運算動作，第一擴展卡爾曼濾波器EKF將對來自三軸陀螺儀的角速度極性資料、以及來自第一星象儀之感測器的四元數姿態資料進行運算，以得出第一慣性姿態估測IAE結果資料、並予以輸出，而第二擴展卡爾曼濾波器EKF將對來自陀螺儀的角速度極性資料、以及來自第二星象儀之感測器的四元數姿態資料進行運算，以得出第二慣性姿態估測IAE結果資料、並予以輸出；接著，進行姿態及角速度資料融合動作，姿態資料融合演算模組對該第一慣性姿態估測IAE結果資料、以及該第二慣性姿態估測IAE結果資料於次系統層級進行姿態及角速度資料融合，以預測姿態估測IAE效能。
Description
本發明係有關於衛星姿態資料系統及方法，更詳而言之，係有關於一種應用於太空衛星環境用以估測該太空衛星之姿態資料的繞地衛星姿態資料融合系統及其方法，利用陀螺儀恆星慣性姿態估測GS IAE(Gyro-Stellar(GS)Inertial Attitude Estimate(IAE))之第一擴展卡爾曼濾波器EKF、第二擴展卡爾曼濾波器EKF、第一星象儀之感測器、第二星象儀之感測器、三軸陀螺儀(Gyros)、以及姿態資料融合演算(Attitude Data Fusion Algorithm)模組，而可於次系統層級進行姿態(attitude)/角速度(rates)資料融合，以預測姿態估測IAE效能(performance)。
對於應用於太空衛星之一般傳統的衛星姿態估測系統而言，例如，於美國專利申請案第US 2004/0098178 A1號”Integrated inertial stellar attitude sensor”中，均是利用陀螺儀-恆星慣性姿態估測器來進行衛星姿態估測，在此，恆星慣性姿態估測器即為星象儀。
陀螺儀-恆星慣性姿態估測器之運作，主要是以陀螺儀來提供衛星之轉動速率，並用以預估衛星姿態；再以恆星慣性姿態估測器(星象儀)的量測值，來校正由陀螺儀預估的衛星姿態。
在太空衛星領域中，用於估測衛星姿態的系統大都是利用慣性姿態估測裝置來進行衛星的姿態估測，在此，慣性姿態估測裝置即為星象儀。一般而言，安裝在一穩定的光學平台上的三個星象儀會負責提供與
衛星座標系統相對應的衛星慣性姿態資料，而這些衛星慣性姿態資料一般是以四元數(quaternion)的形式提供。
L.Romans於2003年非專利文獻之”Optimal combination of quaternionfrom multiple star cameras”中，提出一種最佳地結合由不同星象儀所提供之衛星姿態資料之方法。在此方法中，可在三個星象儀都有提供衛星姿態資料之情形，或是任何其中兩個星象儀提供衛星姿態資料的情形下融合並得出所需之衛星姿態資料。雖然在安裝星象儀時，各個星象儀的方位角(Orientation)，亦即星象儀安裝時相對於衛星本體之位置、方向及角度，均有經過調整，然而除了方法本身所產生之雜訊以及偏差外，由於安裝時關於各個星象儀之方位角的量測上的誤差，或是由於衛星在太空運行中所受到的環境因素干擾而對星象儀本身所產生之形變等因素，各個星象儀會產生一方位角差。
而所採取的方式是，理想化地結合從不同之直線排列之星像儀鏡頭所同時量測的姿態資料，以高斯(Gaussian)雜訊模型。而每一星像儀鏡頭至共同參考座標的方位角是已知。
Peter S.Jorgensen等人於2006年非專利文獻”On-The Fly Merging of Attitude Solutions”，5th International Symposium of the IAA，應用Romans所提出的方法在不同衛星計劃，用以融合多種姿態解決方案。
在專利文獻美國專利號US 7，124，001中，其發明人提出了一種方法及裝置，可以利用一相對姿態資料模型參數預估器來預測介於子酬載姿態資料與主酬載姿態資料之間的相對資態。藉由處理子酬載姿態資料與主酬載姿態資料，相對姿態資料模型參數預估器預測介於一子頻道姿態測定感測器與一主頻道姿態測定感測器之間的相對姿態資料。相對姿
態資料預估器輸出將子頻道測量值修正為一致於主頻道，並改進子酬載的姿態資料的測定。
陀螺儀恆星慣性姿態估測GS IAE(Gyro-Stellar(GS)Inertial Attitude Estimate(IAE))或恆星慣性姿態測定SIAD(Stellar Inertial Attitude Determination)為次系統，結合由本體安置之三軸陀螺儀所提供的姿態資料、以及由本體安置之星象感測器(星像儀)(或多個星象感測器)所提供的姿態資料，經由利用一擴展卡爾曼濾波器EKF，而產生出衛星本體姿態資料的一較佳預估。此種方式已應用在多種現存之衛星之姿態與軌道控制系統AOCS(Attitude and Orbit Control System)計劃，例如，NASA's GOES計劃以及其他。
近來在微機電裝置之建構的進步下，讓製造出小型與輕量的慣性感測器成為可能.而此些進展不但拓展了許多商業可行應用的範圍，也可在軍事領域上。然而，由於低準度，此些裝置在需要高精準度的應用上有其限制。
因此，如何尋求一種繞地衛星姿態資料融合系統及其方法，能以較少數量之星象儀(例如二個星象儀，僅以第一星象儀的感測器與第二星象儀的感測器)結合一定數量(例如，一個)陀螺儀以及一定數量(例如，二個)擴展卡爾曼濾波器EKF，而產生出衛星本體姿態資料的一較佳預估；另，如何能解決小型且輕量化之微機電裝置的慣性感測器(例如，星象儀)的低精準度問題，而可適用於高精準度之衛星姿態資料的預測姿態估測IAE效能(performance)應用上，而此些種種議題，乃是待解決的問題。
本發明之主要目的便是在於提供一種繞地衛星姿態資料融合系統及其方法，係應用於太空衛星環境，用以估測該太空衛星之姿態(attitude)資料，利用本發明之繞地衛星姿態資料融合系統以進行繞地衛星姿態資料融合方法時，首先，進行角速度極性(body rates)資料及四元數(quaternion)姿態資料運算動作，第一擴展卡爾曼濾波器EKF(Extended Kalman Filter)將對來自陀螺儀(gyro)的角速度極性資料、以及來自第一星象儀之感測器(star sensor)的四元數(quaternion)姿態資料進行運算，以得出第一慣性姿態估測IAE結果(result)資料、並予以輸出，而第二擴展卡爾曼濾波器EKF(Extended Kalman Filter)將對來自陀螺儀(gyro)的角速度極性資料、以及來自第二星象儀之感測器(star sensor)的四元數(quaternion)姿態資料進行運算，以得出第二慣性姿態估測IAE結果(result)資料、並予以輸出；接著，進行姿態(attitude)及角速度(rates)資料融合(fusion)動作，姿態資料融合演算(Attitude Data Fusion Algorithm)模組對該第一慣性姿態估測IAE結果資料、以及該第二慣性姿態估測IAE結果資料於次系統層級(subsystem level)進行姿態(attitude)及角速度(rates)資料融合，以預測姿態估測IAE效能(performance)。
本發明之又一目的便是在於提供一種繞地衛星姿態資料融合系統及其方法，係應用於太空衛星環境，用以估測該太空衛星之姿態(attitude)資料，陀螺儀恆星慣性姿態估測GS IAE(Gyro-Stellar(GS)Inertial Attitude Estimate(IAE))之第一擴展卡爾曼濾波器EKF(Extended Kalman Filter)將接收來自於三軸陀螺儀(Gyros)的陀螺儀姿態資料、以及來自於第一星象儀之感測器(star sensor)的第一感測器姿態資料，該第一擴展卡爾曼濾波器EKF將對該陀螺儀姿態資料、以及該第一感測器姿態資料進行運算處理、以得出第一慣性姿態估測IAE結果(result)資料並予以輸出；
陀螺儀恆星慣性姿態估測GS IAE之第二擴展卡爾曼濾波器EKF(Extended Kalman Filter)將接收來自於該三軸陀螺儀(Gyros)的該陀螺儀姿態資料、以及來自於第二星象儀之感測器(star sensor)的第二感測器姿態資料，該第二擴展卡爾曼濾波器EKF將對該陀螺儀姿態資料、以及該第二感測器姿態資料進行運算處理、以得出第二慣性姿態估測IAE結果(result)資料並予以輸出；將利用該第一慣性姿態估測IAE結果(result)資料、以及該第二慣性姿態估測IAE結果(result)資料進行姿態姿料融合演算，以進行姿態及角速度(attitude/rate)資料融合。
本發明之另一目的便是在於提供一種繞地衛星姿態資料融合系統及其方法，係應用於太空衛星環境，用以估測該太空衛星之姿態(attitude)資料，能以較少數量之星象儀(例如二個星象儀，僅以第一星象儀的感測器與第二星象儀的感測器)結合一定數量(例如，一個)陀螺儀以及一定數量(例如，二個)擴展卡爾曼濾波器EKF，而產生出衛星本體姿態資料的一較佳預估。
本發明之再一目的便是在於提供一種繞地衛星姿態資料融合系統及其方法，係應用於太空衛星環境，用以估測該太空衛星之姿態(attitude)資料，能解決小型且輕量化之微機電裝置的慣性感測器(例如，星象儀)的低精準度問題，適用於高精準度之衛星姿態資料的預測姿態估測IAE效能(performance)應用上。
根據以上所述之目的，本發明提供一種繞地衛星姿態資料融合系統，該繞地衛星姿態資料融合系統包含陀螺儀恆星慣性姿態估測GS IAE之第一擴展卡爾曼濾波器EKF、第二擴展卡爾曼濾波器EKF、第一星象儀之感測器、第二星象儀之感測器、三軸陀螺儀、以及姿態資料融合演算模組。
陀螺儀恆星慣性姿態估測GS IAE之第一擴展卡爾曼濾波器EKF，該第一擴展卡爾曼濾波器EKF將接收來自於三軸陀螺儀的陀螺儀姿態資料、以及來自於第一星象儀之感測器的第一感測器姿態資料，該第一擴展卡爾曼濾波器EKF將對該陀螺儀姿態資料、以及該第一感測器姿態資料進行運算處理、以得出第一慣性姿態估測IAE結果(result)資料並予以輸出至姿態資料融合演算模組。
陀螺儀恆星慣性姿態估測GS IAE之第二擴展卡爾曼濾波器EKF，該第二擴展卡爾曼濾波器EKF將接收來自於該三軸陀螺儀的該陀螺儀姿態資料、以及來自於第二星象儀之感測器的第二感測器姿態資料，該第二擴展卡爾曼濾波器EKF將對該陀螺儀姿態資料、以及該第二感測器姿態資料進行運算處理、以得出第二慣性姿態估測IAE結果(result)資料並予以輸出至姿態資料融合演算模組。
姿態資料融合演算模組，該姿態資料融合演算模組將利用該第一慣性姿態估測IAE結果(result)資料、以及該第二慣性姿態估測IAE結果(result)資料於次系統層級(subsystem level)進行姿態(attitude)及角速度(rates)資料融合，以預測姿態估測IAE效能(performance)。
利用本發明之繞地衛星姿態資料融合系統以進行繞地衛星姿態資料融合方法時，首先，進行角速度極性(body rates)資料及四元數(quaternion)姿態資料運算動作，第一擴展卡爾曼濾波器EKF(Extended Kalman Filter)將對來自三軸陀螺儀(gyro)的角速度極性資料、以及來自第一星象儀之感測器(star sensor)的第一四元數(quaternion)姿態資料進行運算，以得出第一慣性姿態估測IAE結果(result)資料、並予以輸出至姿態資料融合演算模組，其中，該角速度極性資料為該陀螺儀的陀螺儀姿態資料，該第一四元數(quaternion)姿態資料為該第一星象儀之該感測器的第一感
測器姿態資料；另，第二擴展卡爾曼濾波器EKF將對來自該三軸陀螺儀(gyro)的該角速度極性資料、以及來自該第二星象儀之感測器(star sensor)的第二四元數(quaternion)姿態資料進行運算，以得出第二慣性姿態估測IAE結果(result)資料、並予以輸出至姿態資料融合演算模組，其中，該角速度極性資料為該陀螺儀的該陀螺儀姿態資料，而該第二四元數(quaternion)姿態資料為該第二星象儀之該感測器的該第二感測器姿態資料。
接著，進行姿態(attitude)及角速度(rates)資料融合(fusion)動作，姿態資料融合演算(Attitude Data Fusion Algorithm)模組對該第一慣性姿態估測IAE結果資料、以及該第二慣性姿態估測IAE結果資料於次系統層級(subsystem level)進行姿態(attitude)及角速度(rates)資料融合，以預測姿態估測IAE效能(performance)。
是故，本發明之繞地衛星姿態資料融合系統及其方法，於次系統層級(subsystem level)進行姿態(attitude)及角速度(rates)資料融合，以預測姿態估測IAE效能(performance)方面，能以較少數量之星象儀(例如二個星象儀，僅以第一星象儀的感測器與第二星象儀的感測器)結合一定數量(例如，一個)陀螺儀以及一定數量(例如，二個)擴展卡爾曼濾波器EKF，而產生出衛星本體姿態資料之一較佳預估的姿態估測IAE效能(performance)，其中，由於利用三軸陀螺儀，第一星象儀之感測器、第二星象儀之感測器，而陀螺儀恆星慣性姿態估測GS IAE之第一擴展卡爾曼濾波器EKF、第二擴展卡爾曼濾波器EKF為二個擴展卡爾曼濾波器EKF，因而，能達到小型且輕量化太空衛星的目的，且，能解決一般由於小型且輕量化之微機電裝置的慣性感測器(例如，星象儀)的低精準度的問題，而本
發明之繞地衛星姿態資料融合系統及其方法，適用於高精準度之衛星姿態資料的預測姿態估測IAE效能(performance)應用上。
為使熟悉該項技藝人士瞭解本發明之目的、特徵及功效，茲藉由下述具體實施例，並配合所附之圖式，對本發明詳加說明如後：
1:繞地衛星姿態資料融合系統
2:陀螺儀恆星慣性姿態估測GS IAE之第一擴展卡爾曼濾波器EKF
3:第二擴展卡爾曼濾波器EKF
4:三軸陀螺儀
5:第一星象儀之感測器
6:第二星象儀之感測器
7:姿態資料融合演算模組
8:衛星真實動力系統
21:擴展卡爾曼濾波器模組
22:四元數傳遞/修正模組
23:時間匹配四元數模組
31:擴展卡爾曼濾波器模組
32:四元數傳遞/修正模組
33:時間匹配四元數模組
101 102:步驟
201 202:步驟
第1圖為一系統示意圖，用以顯示說明本發明之繞地衛星姿態資料融合系統的系統架構；第2圖為示意圖，用以顯示說明本發明之繞地衛星姿態資料融合系統之第一擴展卡爾曼濾波器EKF的架構；第3圖為示意圖，用以顯示說明本發明之繞地衛星姿態資料融合系統之第二擴展卡爾曼濾波器EKF的架構；第4圖為一流程圖，用以顯示說明利用本發明之衛星姿態資融合系統以進行繞地衛星姿態資料融合方法的流程；第5圖為一示意圖，用以顯示說明本發明之繞地衛星姿態資料融合系統的一實施例的架構、以及運作情況；第6圖為示意圖，用以顯示說明於第5圖中之本發明之繞地衛星姿態資料融合系統的一實施例之第一擴展卡爾曼濾波器EKF的架構；第7圖為示意圖，用以顯示說明於第5圖中之本發明之繞地衛星姿態資料融合系統的一實施例之第二擴展卡爾曼濾波器EKF的架構；第8圖為一表格，用以顯示說明如第5圖中之本發明之繞地衛星姿態資料融合系統的一實施例的姿態估測IAE效能與習知技術的比較；以及
第9圖為一流程圖，用以顯示說明利用如第5圖中之本發明之衛星姿態資融合系統的實施例以進行繞地衛星姿態資料融合方法的一流程。
第1圖為一系統示意圖，用以顯示說明本發明之繞地衛星姿態資料融合系統的系統架構。如第1圖中所示之，繞地衛星姿態資料融合系統1包含陀螺儀恆星慣性姿態估測GS IAE之第一擴展卡爾曼濾波器EKF 2、第二擴展卡爾曼濾波器EKF 3、三軸陀螺儀4、第一星象儀之感測器5、第二星象儀之感測器6、以及姿態資料融合演算模組7，其中，該第一星象儀之該感測器5、以及該三軸陀螺儀4係分別連結至該陀螺儀恆星慣性姿態估測GS IAE之該第一擴展卡爾曼濾波器EKF 2；第二星象儀之感測器6、以及該三軸陀螺儀4係分別連結至該陀螺儀恆星慣性姿態估測GS IAE之該第二擴展卡爾曼濾波器EKF 3；該陀螺儀恆星慣性姿態估測GS IAE之該第一擴展卡爾曼濾波器EKF 2、以及該陀螺儀恆星慣性姿態估測GS IAE之該第二擴展卡爾曼濾波器EKF 3係分別連結至該姿態資料融合演算模組7。
陀螺儀恆星慣性姿態估測GS IAE之第一擴展卡爾曼濾波器EKF 2，該第一擴展卡爾曼濾波器EKF 2將接收來自於三軸陀螺儀4的陀螺儀姿態資料、以及來自於第一星象儀之感測器5的第一感測器姿態資料，該第一擴展卡爾曼濾波器EKF 2將對該陀螺儀姿態資料、以及該第一感測器姿態資料進行運算處理、以得出第一慣性姿態估測IAE結果(result)資料並予以輸出至姿態資料融合演算模組7。
陀螺儀恆星慣性姿態估測GS IAE之第二擴展卡爾曼濾波器EKF 3，該第二擴展卡爾曼濾波器EKF 3將接收來自於該三軸陀螺儀4的該陀螺儀姿態資料、以及來自於第二星象儀之感測器6的第二感測器姿態資
料，該第二擴展卡爾曼濾波器EKF 2將對該陀螺儀姿態資料、以及該第二感測器姿態資料進行運算處理、以得出第二慣性姿態估測IAE結果(result)資料並予以輸出至姿態資料融合演算模組7。
姿態資料融合演算模組7，該姿態資料融合演算模組7將利用該第一慣性姿態估測IAE結果(result)資料、以及該第二慣性姿態估測IAE結果(result)資料於次系統層級(subsystem level)進行姿態(attitude)及角速度(rates)資料融合，以預測姿態估測IAE效能(performance)。
第2圖為示意圖，用以顯示說明本發明之繞地衛星姿態資料融合系統之第一擴展卡爾曼濾波器EKF的架構。如第2圖中所示之，第一擴展卡爾曼濾波器EKF 2包含擴展卡爾曼濾波器(Extended Kalman Filter)模組21、四元數傳遞/修正(Quaternion Propagation/Corrections)模組22、以及時間匹配四元數(Time-Matched quaternion)模組23，其中，該擴展卡爾曼濾波器模組21、該四元數傳遞/修正模組22、以及該時間匹配四元數模組23根據三軸陀螺儀4的陀螺儀姿態資料、以及來自於第一星象儀之感測器5的第一感測器姿態資料以迴授方式進行四元數衛星姿態資料的修正處理動作。
第一擴展卡爾曼濾波器EKF 2之擴展卡爾曼濾波器模組21將接收來自於第一星象儀之感測器5的第一感測器姿態資料、以及來自於時間匹配四元數模組23之第一星象儀之感測器5的前一筆第一感測器姿態資料；該擴展卡爾曼濾波器模組21根據該第一感測器姿態資料、以及該前一筆第一感測器姿態資料而產生出偏移修正(Bias Correction)資料、以及姿態修正(Attitude Correction)資料、並將之提供給四元數傳遞/修正模組22。
四元數傳遞/修正模組22，該四元數傳遞/修正模組22根據所接收到由該擴展卡爾曼濾波器模組21所提供之該偏移修正資料、以及該姿
態修正資料、並根據三軸陀螺儀4的陀螺儀姿態資料，對四元數姿態資料進行修正，將所得出之第一慣性姿態估測IAE結果(result)資料輸出至姿態資料融合演算模組7、並將所得出之四元數衛星姿態資料提供給時間匹配四元數模組23。
第3圖為示意圖，用以顯示說明本發明之繞地衛星姿態資料融合系統之第二擴展卡爾曼濾波器EKF的架構。如第3圖中所示之，第二擴展卡爾曼濾波器EKF 3包含擴展卡爾曼濾波器(Extended Kalman Filter)模組31、四元數傳遞/修正(Quaternion Propagation/Corrections)模組32、以及時間匹配四元數(Time-Matched quaternion)模組33，其中，該擴展卡爾曼濾波器模組31、該四元數傳遞/修正模組32、以及該時間匹配四元數模組33根據三軸陀螺儀4的陀螺儀姿態資料、以及來自於第二星象儀之感測器6的第二感測器姿態資料以迴授方式進行四元數衛星姿態資料的修正處理動作。
第二擴展卡爾曼濾波器EKF 3之擴展卡爾曼濾波器模組31將接收來自於第二星象儀之感測器6的第二感測器姿態資料、以及來自於時間匹配四元數模組33之第二星象儀之感測器6的前一筆第二感測器姿態資料；該擴展卡爾曼濾波器模組31根據該第二感測器姿態資料、以及該前一筆第二感測器姿態資料而產生出偏移修正(Bias Correction)資料、以及姿態修正(Attitude Correction)資料、並將之提供給四元數傳遞/修正模組32。
四元數傳遞/修正模組32，該四元數傳遞/修正模組32根據所接收到由該擴展卡爾曼濾波器模組31所提供之該偏移修正資料、以及該姿態修正資料、並根據陀螺儀4的陀螺儀姿態資料，對四元數姿態資料進行修正，將所得出之第二慣性姿態估測IAE結果(result)資料輸出至姿態資料融
合演算模組7、並將所得出之四元數衛星姿態資料提供給時間匹配四元數模組33。
第4圖為一流程圖，用以顯示說明利用本發明之衛星姿態資融合系統以進行繞地衛星姿態資料融合方法的流程。如第4圖中所示之，首先，於步驟101，進行角速度極性(body rates)資料及四元數(quaternion)姿態資料運算動作；第一擴展卡爾曼濾波器EKF 2將對來陀螺儀4的角速度極性資料、以及來自第一星象儀之感測器5的第一四元數(quaternion)姿態資料進行運算，以得出第一慣性姿態估測IAE結果(result)資料、並予以輸出至姿態資料融合演算模組7，其中，該角速度極性資料為該陀螺儀4的陀螺儀姿態資料，該第一四元數(quaternion)姿態資料為該第一星象儀之感測器5的第一感測器姿態資料；另，第二擴展卡爾曼濾波器EKF 3將對來該陀螺儀4的該角速度極性資料、以及來自第二星象儀之感測器6的第二四元數(quaternion)姿態資料進行運算，以得出第二慣性姿態估測IAE結果(result)資料、並予以輸出至姿態資料融合演算模組7，其中，該角速度極性資料為該陀螺儀4的該陀螺儀姿態資料，而該第二四元數(quaternion)姿態資料為該第二星象儀之感測器6的第二感測器姿態資料；並進到步驟102。
在此，於步驟101中，第一擴展卡爾曼濾波器EKF 2的擴展卡爾曼濾波器模組21、四元數傳遞/修正模組22、以及時間匹配四元數模組23根據三軸陀螺儀4的陀螺儀姿態資料、以及來自於第一星象儀之感測器5的第一感測器姿態資料以迴授方式進行四元數衛星姿態資料的修正處理動作。
第一擴展卡爾曼濾波器EKF 2之擴展卡爾曼濾波器模組21將接收來自於第一星象儀之感測器5的第一感測器姿態資料、以及來自於時間匹配四元數模組23之第一星象儀之感測器5的前一筆第一感測器姿態資
料；該擴展卡爾曼濾波器模組21根據該第一感測器姿態資料、以及該前一筆第一感測器姿態資料而產生出偏移修正(Bias Correction)資料、以及姿態修正(Attitude Correction)資料、並將之提供給四元數傳遞/修正模組22。
四元數傳遞/修正模組22，該四元數傳遞/修正模組22根據所接收到由該擴展卡爾曼濾波器模組21所提供之該偏移修正資料、以及該姿態修正資料、並根據陀螺儀4的陀螺儀姿態資料，對四元數姿態資料進行修正，將所得出之第一慣性姿態估測IAE結果(result)資料輸出至姿態資料融合演算模組7、並將所得出之四元數衛星姿態資料提供給時間匹配四元數模組23。
另，在此，於步驟101中，卡爾曼濾波器EKF 3的擴展卡爾曼濾波器模組31、四元數傳遞/修正模組32、以及時間匹配四元數模組33根據三軸陀螺儀4的陀螺儀姿態資料、以及來自於第二星象儀之感測器6的第二感測器姿態資料以迴授方式進行四元數衛星姿態資料的修正處理動作。
第二擴展卡爾曼濾波器EKF 3之擴展卡爾曼濾波器模組31將接收來自於第二星象儀之感測器6的第二感測器姿態資料、以及來自於時間匹配四元數模組33之第二星象儀之感測器6的前一筆第二感測器姿態資料；該擴展卡爾曼濾波器模組31根據該第二感測器姿態資料、以及該前一筆第二感測器姿態資料而產生出偏移修正(Bias Correction)資料、以及姿態修正(Attitude Correction)資料、並將之提供給四元數傳遞/修正模組32。
四元數傳遞/修正模組32，該四元數傳遞/修正模組32根據所接收到由該擴展卡爾曼濾波器模組31所提供之該偏移修正資料、以及該姿態修正資料、並根據陀螺儀4的陀螺儀姿態資料，對四元數姿態資料進行修正，將所得出之第二慣性姿態估測IAE結果(result)資料輸出至姿態資料融
合演算模組7、並將所得出之四元數衛星姿態資料提供給時間匹配四元數模組33。
於步驟102，進行姿態(attitude)/角速度(rates)資料融合(fusion)動作；姿態資料融合演算模組7對該第一慣性姿態估測IAE結果資料、以及該第二慣性姿態估測IAE結果資料於次系統層級(subsystem level)進行姿態(attitude)及角速度(rates)資料融合，以預測姿態估測IAE效能(performance)。
第5圖為一示意圖，用以顯示說明本發明之繞地衛星姿態資料融合系統的一實施例的架構、以及運作情況。如第5圖中所示之，繞地衛星姿態資料融合系統1包含陀螺儀恆星慣性姿態估測GS IAE之第一擴展卡爾曼濾波器EKF 2、第二擴展卡爾曼濾波器EKF 3、三軸陀螺儀4、第一星象儀之感測器5、第二星象儀之感測器6、以及姿態資料融合演算模組7，其中，該第一星象儀之感測器5、以及該三軸陀螺儀4係分別連結至該陀螺儀恆星慣性姿態估測GS IAE之該第一擴展卡爾曼濾波器EKF 2；第二星象儀之感測器6、以及該該三軸陀螺儀4係分別連結至該陀螺儀恆星慣性姿態估測GS IAE之該第二擴展卡爾曼濾波器EKF 3；該陀螺儀恆星慣性姿態估測GS IAE之該第一擴展卡爾曼濾波器EKF 2、以及該陀螺儀恆星慣性姿態估測GS IAE之該第二擴展卡爾曼濾波器EKF 3係分別連結至該姿態資料融合演算模組7。
如第5圖中所示之，於時間t，三軸陀螺儀4將接收來自衛星真實動力(Spacecraft True Dynamics)系統8的陀螺儀姿態資料(本體角速度)ω B (t)，其中，該陀螺儀姿態資料(本體角速度)ω B (t)為衛星本體座標B的該本體角速度(衛星轉動速率)。
三軸陀螺儀4將對所接收之陀螺儀姿態資料(本體角速度)ω B (t)進行處理並輸出角速度極性資料
(t)，該角速度極性資料
(t)為衛星本體座標B之陀螺儀4的本體角速度(衛星轉動速率)，而該角速度極性資料
(t)為該陀螺儀4的陀螺儀姿態資料，在此，三軸陀螺儀4可無須進行或可進行錯位(misalignment)誤差值修正處理，而輸出角速度極性資料
(t)，端視實際施行情況而定。
第一星象儀之感測器5將接收來自於衛星真實動力(Spacecraft True Dynamics)系統8之於時間t的衛星之四元數(quaternion)姿態資料
(t)，該衛星之四元數(quaternion)姿態資料
(t)為地球中心慣性ECI座標轉換至衛星本體座標B的四元數姿態資料；第一星象儀之感測器5根據該衛星之四元數(quaternion)姿態資料
(t)，將之前的時間為(t-τ)的第一星象儀之感測器5的四元數姿態資料
(t-τ)輸出至第一擴展卡爾曼濾波器EKF 2，其中，時間為(t-τ)的該四元數姿態資料
(t-τ)為地球中心慣性ECI座標轉換至第一星象儀之感測器5的四元數姿態資料、且為該第一感測器5的第一感測器姿態資料。
陀螺儀恆星慣性姿態估測GS IAE之第一擴展卡爾曼濾波器EKF 2，該第一擴展卡爾曼濾波器EKF 2將接收來自於三軸陀螺儀4的角速度極性資料
(t)(陀螺儀姿態資料)、以及來自於第一星象儀之感測器5的四元數姿態資料
(t-τ)(時間為(t-τ))，該四元數姿態資料
(t-τ)為四元數姿態資料、且為第一星象儀之感測器5的第一感測器姿態資料；該第一擴展卡爾曼濾波器EKF 2將對為角速度極性資料
(t)的該陀螺儀姿態資料、以及為四元數姿態資料
(t-τ)的該第一感測器姿態資料進行運算處理、以得出時間為t的第一慣性姿態估測IAE結果(result)資料
(t)、P 1並予以輸出至姿態資料融合演算模組7。
第二星象儀之感測器6將接收來自於衛星真實動力(Spacecraft True Dynamics)系統8之於時間t的衛星之四元數(quaternion)姿態資料
(t)，該衛星之四元數(quaternion)姿態資料
(t)為地球中心慣性ECI座標轉換至衛星本體座標B的四元數姿態資料；第二星象儀之感測器6根據該衛星之四元數(quaternion)姿態資料
(t)，將之前的時間為(t-τ)的第二星象儀之感測器6的四元數姿態資料
(t-τ)輸出至第二擴展卡爾曼濾波器EKF 3，其中，時間為(t-τ)的該四元數姿態資料
(t-τ)為地球中心慣性ECI座標轉換至第二星象儀之感測器6的四元數姿態資料、且為第二星象儀之感測器6的第二感測器姿態資料。
陀螺儀恆星慣性姿態估測GS IAE之第二擴展卡爾曼濾波器EKF 3，該第二擴展卡爾曼濾波器EKF 3將接收來自於三軸陀螺儀4的角速度極性資料
(t)(陀螺儀姿態資料)、以及來自於第二星象儀之感測器6的四元數姿態資料
(t-τ)(時間為(t-τ))，該四元數姿態資料
(t-τ)為四元數姿態資料、且為該第二星象儀之感測器6的第二感測器姿態資料；該第二擴展卡爾曼濾波器EKF 3將對為角速度極性資料
(t)的該陀螺儀姿態資料、以及為四元數姿態資料
(t-τ)的該第二感測器姿態資料進行運算處理、以得出時間為t的第二慣性姿態估測IAE結果(result)資料
(t)、P 2並予以輸出至姿態資料融合演算模組7。
在此，P1、P2為時變性的參數，惟，亦可使用其穩定性來與倚進行運算。
姿態資料融合演算模組7，該姿態資料融合演算模組7將利用該第一慣性姿態估測IAE結果(result)資料
(t)、P 1、以及該第二慣性姿態估測IAE結果(result)資料
(t)、P 2於次系統層級(subsystem level)進行姿
態(attitude)/角速度(rates)資料融合，以預測姿態估測IAE效能(performance)、並輸出時間為t的四元數姿態資料
(t)。
第6圖為示意圖，用以顯示說明於第5圖中之本發明之繞地衛星姿態資料融合系統的一實施例之第一擴展卡爾曼濾波器EKF的架構。如第6圖中所示之，第一擴展卡爾曼濾波器EKF 2包含擴展卡爾曼濾波器(Extended Kalman Filter)模組21、四元數傳遞/修正(Quaternion Propagation/Corrections)模組22、以及時間匹配四元數(Time-Matched quaternion)模組23，其中，該擴展卡爾曼濾波器模組21、該四元數傳遞/修正模組22、以及該時間匹配四元數模組23根據三軸陀螺儀4的陀螺儀姿態資料ω B (t)、以及來自於第一星象儀之感測器5之時間為(t-τ)的第一感測器姿態資料
(t-τ)以迴授方式進行四元數衛星姿態資料的修正處理動作。
第一擴展卡爾曼濾波器EKF 2之擴展卡爾曼濾波器模組21將接收來自於第一星象儀之感測器5的第一感測器姿態資料
(t-τ)(時間為(t-τ)之第一感測器姿態資料
(t-τ))、以及來自於時間匹配四元數模組23之第一星象儀之感測器5的前一筆第一感測器姿態資料
(t-τ)(與之前的時間為(t-τ)的第一星象儀之感測器5四元數姿態資料
(t-τ)相關的四元數姿態資料)，其中，該前一筆第一感測器姿態資料
(t-τ)為地球中心慣性ECI座標轉換至衛星本體座標B1(第一星象儀之感測器5)之時間為(t-τ)的四元數姿態資料；該擴展卡爾曼濾波器模組21根據該第一感測器姿態資料
(t-τ)、以及該前一筆第一感測器姿態資料
(t-τ)而產生出偏移修正(Bias Correction)資料δ b、以及姿態修正(Attitude Correction)資料δ q、並將之提供給四元數傳遞/修正模組22。
四元數傳遞/修正模組22，該四元數傳遞/修正模組22根據所接收到由該擴展卡爾曼濾波器模組21所提供之該偏移修正資料δ b、以及該姿態修正資料δ q、並根據陀螺儀4的陀螺儀姿態資料
(t)(陀螺儀4的角速度極性資料)對四元數姿態資料進行修正，將所得出之第一慣性姿態估測IAE結果(result)資料
(t)、P 1輸出至姿態資料融合演算模組7、並將所得出之四元數衛星姿態資料
(t)提供給時間匹配四元數模組23，其中，第一星象儀之感測器5的第一感測器姿態資料
(t)為與星象儀第一感測器5四元數姿態資料
(t-τ)相關的四元數姿態資料。
第7圖為示意圖，用以顯示說明於第5圖中之本發明之繞地衛星姿態資料融合系統的一實施例之第二擴展卡爾曼濾波器EKF的架構。如第7圖中所示之，第二擴展卡爾曼濾波器EKF 3包含擴展卡爾曼濾波器(Extended Kalman Filter)模組31、四元數傳遞/修正(Quaternion Propagation/Corrections)模組32、以及時間匹配四元數(Time-Matched quaternion)模組33，其中，該擴展卡爾曼濾波器模組31、該四元數傳遞/修正模組32、以及該時間匹配四元數模組33根據三軸陀螺儀4的陀螺儀姿態資料ω B (t)、以及來自於第二星象儀之感測器6之時間為(t-τ)的第二感測器姿態資料
(t-τ)以迴授方式進行四元數衛星姿態資料的修正處理動作。
第二擴展卡爾曼濾波器EKF 3之擴展卡爾曼濾波器模組31將接收來自於第二星象儀之感測器6的第二感測器姿態資料
(t-τ)(時間為(t-τ)之第二感測器姿態資料
(t-τ))、以及來自於時間匹配四元數模組33之第二星象儀之感測器6的前一筆第二感測器姿態資料
(t-τ)(與之前的時間為(t-τ)的第二星象儀之感測器6四元數姿態資料
(t-τ)相關的四元數姿態資料)，其中，該前一筆第二感測器姿態資料
(t-τ)為地球中
心慣性ECI座標轉換至衛星本體座標B2(第二星象儀之感測器6)之時間為(t-τ)的四元數姿態資料；該擴展卡爾曼濾波器模組31根據該第二感測器姿態資料
(t-τ)、以及該前一筆第二感測器姿態資料
(t-τ)而產生出偏移修正(Bias Correction)資料δ b、以及姿態修正(Attitude Correction)資料δ q、並將之提供給四元數傳遞/修正模組32。
四元數傳遞/修正模組32，該四元數傳遞/修正模組32根據所接收到由該擴展卡爾曼濾波器模組31所提供之該偏移修正資料δ b、以及該姿態修正資料δ q、並根據陀螺儀4的陀螺儀姿態資料
(t)(陀螺儀4的角速度極性資料)對四元數姿態資料進行修正，將所得出之第二慣性姿態估測IAE結果(result)資料
(t)、P 2輸出至姿態資料融合演算模組7、並將所得出之四元數衛星姿態資料
(t)提供給時間匹配四元數模組33，其中，第二星象儀之感測器6的第二感測器姿態資料
(t)為與第二星象儀之感測器6四元數姿態資料
(t-τ)相關的四元數姿態資料。
第8圖為一表格，用以顯示說明如第5圖中之本發明之繞地衛星姿態資料融合系統的一實施例的姿態估測IAE效能與習知技術的比較。
在此，一sigma姿態誤差(sigma attitude error)以下予以說明：
其中，
為微機電系統MEMS之一陀螺儀陣列(one MEMS gyro array)的一sigma姿態誤差。
相較於多數慣性姿態估測IAE趨近處理
(0.577)的應用，
當於每一軸(三軸即有3個陀螺儀陣列)利用一慣性姿態估測IAE趨近處理的
一sigma姿態誤差將會以
(0.76)因素來予以減少(基本上來說，對微機電
系統MEMS之N個陀螺儀陣列而言，減少因素為
)。
於第8圖中，利用Matlab軟體來模擬習知技術與本發明之繞地衛星姿態資料融合系統及其方法，測定微機電系統MEMS陀螺儀陣列與微機電系統MEMS陀螺儀角度隨機任意行走(angle random walks)效能敏感度，可明白得知各種姿態估測IAE效能的比較結果。
三種模擬情況是用來評估三種不同範例的姿態估測(IAE)效能。衛星姿態資料與本體角速度極性由6-DOF非線性高精準度(high-fidelity)Micro-sat模擬器所產生之。
於模擬情境中考量到Micro-sat的動力學。當其從日遮(eclipse)區離開，衛星定向為太陽指向(SUP Mode)，當其進入日遮區則切換至地球中心姿態指向(GAP Mode)。
衛星姿態量測由星象儀/追星儀(star tracker)模式(model)所提供，而轉動速率/角速度極性量測則由微機電系統MEMS之二個陀螺儀模式所提供。
模擬參數如下：
1.星象儀/追星儀模式：精準度為12 arcsecond，1 sigma；5 arcsecond @ across-boresight；55 arcsecond @ boresight，1 sigma。
2.陀螺儀模式：ARW：0.7 deg/√hr(TBC)，偏差(bias)：5 deg/hr(TBC)。
3.陀螺儀錯位角(misalignment angle)(x，y，z)：(0.5，0.2，0.4)度(degree)。
第1範例為習知技術之標準模式，僅應用一陀螺儀恆星IAE演算法來運算衛星姿態資料與陀螺儀轉動速率/角速度極性資料，以得出姿態估測IAE效能。
第2範例則為應用本發明，以得出姿態估測IAE效能。
由第8圖中可知，無論是在星象儀感測器延遲時間為0或是延遲時間為0.25 second下，本發明之繞地衛星姿態資料融合系統及其方法不僅使用資料融合(Data Fusion)優化GS IAE結果，並再搭配時間匹配(Time-Matching)使得GS IAE效果不會受星象儀資料的時間延遲影響。
第9圖為一流程圖，用以顯示說明利用如第5圖中之本發明之衛星姿態資融合系統的實施例以進行繞地衛星姿態資料融合方法的一流程。
如第9圖中所示之，首先，於步驟201，進行角速度極性(body rates)資料/四元數(quaternion)姿態資料運算動作；第一擴展卡爾曼濾波器EKF 2將對為角速度極性資料
(t)的該陀螺儀姿態資料、以及為四元數姿態資料
(t-τ)的該第一感測器姿態資料進行運算處理、以得出時間為t的第一慣性姿態估測IAE結果(result)資料
(t)、P 1並予以輸出至姿態資料融合演算模組7，其中，時間為(t-τ)的該四元數姿態資料
(t-τ)為地球中心慣性ECI座標轉換至第一星象儀之感測器5的四元數姿態資料、且為第一星象儀之感測器5的第一感測器姿態資料；另，第二擴展卡爾曼濾波器EKF 3將對為角速度極性資料
(t)的該陀螺儀姿態資料、以及為四元數姿態資料
(t-τ)的該第二感測器姿態資料進行運算處理、以得出時間為t的第二慣性姿態估測IAE結果(result)資料
(t)、P 2並予以輸出至姿態資料融合演算模組7，其中，時間為(t-τ)的該四元數姿態資料
(t-τ)為地球中心慣性ECI座標轉換至第二星象儀之感測器6的四元數姿態資料、且為第二星象儀之感測器6的第一感測器姿態資料；並進到步驟202。
於步驟202，進行姿態(attitude)/角速度(rates)資料融合(fusion)動作；姿態資料融合演算模組7對該第一慣性姿態估測IAE結果(result)資料
(t)、P 1、以及該第二慣性姿態估測IAE結果(result)資料
(t)、P 2於次系統層級(subsystem level)進行姿態(attitude)及角速度(rates)資料融合，以預測姿態估測IAE效能(performance)。
綜合以上所述，可得本發明之一種繞地衛星姿態資料融合系統及其方法，係應用於太空衛星環境，用以估測該太空衛星之姿態(attitude)資料，利用本發明之繞地衛星姿態資料融合系統以進行繞地衛星姿態資料融合方法時，首先，進行角速度極性(body rates)資料及四元數(quaternion)姿態資料運算動作，第一擴展卡爾曼濾波器EKF(Extended Kalman Filter)將對來自三軸陀螺儀(gyro)的角速度極性資料、以及來自第一星象儀之感測器(star sensor)的四元數(quaternion)姿態資料進行運算，以得出第一慣性姿態估測IAE結果(result)資料、並予以輸出，而第二擴展卡爾曼濾波器EKF(Extended Kalman Filter)將對來自三軸陀螺儀(gyro)的角速度極性資料、以及來自第二星象儀之感測器(star sensor)的四元數(quaternion)姿態資料進行運算，以得出第二慣性姿態估測IAE結果(result)資料、並予以輸出；接著，進行姿態(attitude)及角速度(rates)資料融合(fusion)動作，姿態資料融合演算(Attitude Data Fusion Algorithm)模組對該第一慣性姿態估測IAE結果資料、以及該第二慣性姿態估測IAE結果資料於次系統層級(subsystem level)進行姿態(attitude)及角速度(rates)資料融合，以預測姿態估測IAE效能(performance)。本發明之繞地衛星姿態資料融合系統及其方法包含以下優點：陀螺儀恆星慣性姿態估測GS IAE(Gyro-Stellar(GS)Inertial Attitude Estimate(IAE))之第一擴展卡爾曼濾波器EKF(Extended Kalman Filter)將接收來自於三軸陀螺儀(Gyros)的陀螺儀姿態資料、以及來自於第一星象儀之感測器(sensor head model)的第一感測器姿態資料，該第一擴展卡爾曼濾波器EKF將對該陀螺儀姿態資料、以及該第一感測器
姿態資料進行運算處理、以得出第一慣性姿態估測IAE結果(result)資料並予以輸出；陀螺儀恆星慣性姿態估測GS IAE之第二擴展卡爾曼濾波器EKF(Extended Kalman Filter)將接收來自於該三軸陀螺儀(Gyros model)的該陀螺儀姿態資料、以及來自於第二星象儀之感測器(star sensor)的第二感測器姿態資料，該第二擴展卡爾曼濾波器EKF將對該陀螺儀姿態資料、以及該第二感測器姿態資料進行運算處理、以得出第二慣性姿態估測IAE結果(result)資料並予以輸出；將利用該第一慣性姿態估測IAE結果(result)資料、以及該第二慣性姿態估測IAE結果(result)資料進行姿態姿料融合演算，以進行姿態/角速度(attitude/rate)資料融合。
能以較少數量之星象儀(例如二個星象儀，僅以第一星象儀的感測器與第二星象儀的感測器)結合一定數量(例如，一個)陀螺儀以及一定數量(例如，二個)擴展卡爾曼濾波器EKF，而產生出衛星本體姿態資料的一較佳預估。
能解決小型且輕量化之微機電裝置的慣性感測器(例如，星象儀)的低精準度問題，適用於高精準度之衛星姿態資料的預測姿態估測IAE效能(performance)應用上。
以上所述僅為本發明之較佳實施例而已，並非用以限定本發明之範圍；凡其它未脫離本發明所揭示之精神下所完成之等效改變或修飾，均應包含在下述之專利範圍內。
1:繞地衛星姿態資料融合系統
2:陀螺儀恆星慣性姿態估測GS IAE之第一擴展卡爾曼濾波器EKF
3:第二擴展卡爾曼濾波器EKF
4:三軸陀螺儀
5:第一星象儀之感測器
6:第二星象儀之感測器
7:姿態資料融合演算模組
Claims (4)
- 一種繞地衛星姿態資料融合方法，係應用於太空衛星環境，用以估測該太空衛星之姿態資料，包含以下程序：進行角速度極性資料及四元數姿態資料運算動作；其中，進行一筆角速度極性資料、以及二筆四元數姿態資料運算，以得出第一慣性姿態估測IAE結果資料、以及第二慣性姿態估測IAE結果資料；以及進行姿態及角速度資料融合動作；其中，對該第一慣性姿態估測IAE結果資料、以及該第二慣性姿態估測IAE結果資料於次系統層級進行姿態及角速度資料融合，以預測姿態估測IAE效能；其中，該一筆角速度極性資料來自三軸陀螺儀的角速度極性資料；另，其中，該二筆四元數姿態資料係分別來自第一星像儀之感測器、以及第二星象儀之感測器；以及，其中，第一感測器姿態資料來自該第一星象儀之該感測器，第二感測器姿態資料來自該第二星象儀之該感測器；利用陀螺儀恆星慣性姿態估測GS IAE之第一擴展卡爾曼濾波器EKF對該角速度極性資料、以及該二筆四元數姿態資料中的第一感測器姿態資料進行運算，以得出該第一慣性姿態估測IAE結果資料；另，利用該第二擴展卡爾曼濾波器EKF對該角速度極性資料、以及該二筆四元數姿態資料中的第二感測器姿態資料進行運算，以得出該第二慣性姿態估測IAE結果資料。
- 一種繞地衛星姿態資料融合系統，係應用於太空衛星環境，用以估測該太空衛星之姿態資料，包含：陀螺儀恆星慣性姿態估測GS IAE之第一擴展卡爾曼濾波器EKF；該陀螺儀恆星慣性姿態估測GS IAE之第二擴展卡爾曼濾波器EKF；第一星象儀之感測器；第二星象儀之感測器； 三軸陀螺儀；以及姿態資料融合演算模組；其中，該第一星象儀之該感測器、以及該三軸陀螺儀係分別連結至該陀螺儀恆星慣性姿態估測GS IAE之該第一擴展卡爾曼濾波器EKF；該第二星象儀之該感測器、以及該三軸陀螺儀係分別連結至該陀螺儀恆星慣性姿態估測GS IAE之該第二擴展卡爾曼濾波器EKF；該陀螺儀恆星慣性姿態估測GS IAE之該第一擴展卡爾曼濾波器EKF、以及該陀螺儀恆星慣性姿態估測GS IAE之該第二擴展卡爾曼濾波器EKF係分別連結至該姿態資料融合演算模組；其中，利用該第一擴展卡爾曼濾波器EKF、該第二擴展卡爾曼濾波器EKF、該第一星象儀之該感測器、該第二星象儀之該感測器、以及該三軸陀螺儀來進行一筆角速度極性資料、以及二筆四元數姿態資料運算，以得出第一慣性姿態估測IAE結果資料、以及第二慣性姿態估測IAE結果資料；以及，該姿態資料融合演算模組對該第一慣性姿態估測IAE結果資料、以及該第二慣性姿態估測IAE結果資料於次系統層級進行姿態及角速度資料融合，以預測姿態估測IAE效能。
- 如申請專利範圍第2項所述之繞地衛星姿態資料融合系統，其中，該一筆角速度極性資料來自該三軸陀螺儀的角速度極性資料；另，其中，該二筆四元數姿態資料係分別來自該第一星像儀之該感測器、以及該第二星象儀之該感測器。
- 如申請專利範圍第2項所述之繞地衛星姿態資料融合系統，其中，第一感測器姿態資料來自該第一星象儀之該感測器，第二感測器姿態資料來自該第二星象儀之該感測器；利用該陀螺儀恆星慣性姿態估測GS IAE之該第一擴展卡爾曼濾波器EKF對該角速度極性資料、以及該二筆四元數姿態資料中的該 第一感測器姿態資料進行運算，以得出該第一慣性姿態估測IAE結果資料；另，利用該第二擴展卡爾曼濾波器EKF對該角速度極性資料、以及該二筆四元數姿態資料中的該第二感測器姿態資料進行運算，以得出該第二慣性姿態估測IAE結果資料。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW108115071A TWI717726B (zh) | 2019-04-30 | 2019-04-30 | 一種繞地衛星姿態資料融合系統及其方法 |
| US16/457,188 US11142351B2 (en) | 2019-04-30 | 2019-06-28 | Earth satellite attitude data fusion system and method thereof |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW108115071A TWI717726B (zh) | 2019-04-30 | 2019-04-30 | 一種繞地衛星姿態資料融合系統及其方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW202041885A TW202041885A (zh) | 2020-11-16 |
| TWI717726B true TWI717726B (zh) | 2021-02-01 |
Family
ID=73017233
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW108115071A TWI717726B (zh) | 2019-04-30 | 2019-04-30 | 一種繞地衛星姿態資料融合系統及其方法 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US11142351B2 (zh) |
| TW (1) | TWI717726B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112498745B (zh) * | 2020-11-16 | 2022-06-21 | 长光卫星技术股份有限公司 | 一种低轨光学卫星立体成像自主规划方法 |
| CN113686334B (zh) * | 2021-07-07 | 2023-08-04 | 上海航天控制技术研究所 | 一种提高星敏感器和陀螺在轨联合滤波精度的方法 |
| CN114088112A (zh) * | 2021-10-27 | 2022-02-25 | 中国空间技术研究院 | 一种卫星姿态确定精度评估方法及系统 |
| CN114509071B (zh) * | 2022-04-20 | 2022-07-08 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种风洞试验模型姿态测量方法 |
| CN115339651B (zh) * | 2022-08-05 | 2023-04-25 | 哈尔滨工业大学 | 基于群体博弈的卫星群任务分配方法 |
| CN116434127B (zh) * | 2023-06-14 | 2023-11-07 | 季华实验室 | 人体姿态估计方法、装置、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW200949198A (en) * | 2008-05-29 | 2009-12-01 | Applied Res Lab | A system and method for estimating satellite configuration |
| US20140231589A1 (en) * | 2013-02-15 | 2014-08-21 | The Boeing Company | Gyroless Three-Axis Sun Acquisition Using Sun Sensor and Unscented Kalman Filter |
| CN105180946A (zh) * | 2015-09-02 | 2015-12-23 | 上海新跃仪表厂 | 基于宽频测量的卫星高精度姿态确定方法及系统 |
| CN105825518A (zh) * | 2016-03-31 | 2016-08-03 | 西安电子科技大学 | 基于移动平台拍摄的序列图像快速三维重建方法 |
| US20160349058A1 (en) * | 2014-06-13 | 2016-12-01 | Beijing Aerospace Wanda Hi-Tech Ltd. | Method and System for Controlling Antenna of Mobile Communication Application System Based on Double Quaternions in MEMS Inertial Navigation |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6454217B1 (en) * | 2000-09-28 | 2002-09-24 | Space Systems/Loral, Inc. | Method and apparatus for rate integration supplement for attitude referencing with quaternion differencing |
| WO2002058992A2 (en) * | 2001-01-26 | 2002-08-01 | The Charles Stark Draper Laboratory, Inc. | Miniature attitude sensing suite |
| AU2003247873A1 (en) * | 2002-07-16 | 2004-02-02 | The Charles Stark Draper Laboratory, Inc. | Integrated inertial stellar attitude sensor |
| US7124001B2 (en) * | 2003-07-11 | 2006-10-17 | The Boeing Company | Relative attitude estimator for multi-payload attitude determination |
-
2019
- 2019-04-30 TW TW108115071A patent/TWI717726B/zh active
- 2019-06-28 US US16/457,188 patent/US11142351B2/en active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW200949198A (en) * | 2008-05-29 | 2009-12-01 | Applied Res Lab | A system and method for estimating satellite configuration |
| US20140231589A1 (en) * | 2013-02-15 | 2014-08-21 | The Boeing Company | Gyroless Three-Axis Sun Acquisition Using Sun Sensor and Unscented Kalman Filter |
| US20160349058A1 (en) * | 2014-06-13 | 2016-12-01 | Beijing Aerospace Wanda Hi-Tech Ltd. | Method and System for Controlling Antenna of Mobile Communication Application System Based on Double Quaternions in MEMS Inertial Navigation |
| CN105180946A (zh) * | 2015-09-02 | 2015-12-23 | 上海新跃仪表厂 | 基于宽频测量的卫星高精度姿态确定方法及系统 |
| CN105825518A (zh) * | 2016-03-31 | 2016-08-03 | 西安电子科技大学 | 基于移动平台拍摄的序列图像快速三维重建方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20200346789A1 (en) | 2020-11-05 |
| US11142351B2 (en) | 2021-10-12 |
| TW202041885A (zh) | 2020-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI717726B (zh) | 一種繞地衛星姿態資料融合系統及其方法 | |
| US9073648B2 (en) | Star tracker rate estimation with kalman filter enhancement | |
| TWI689705B (zh) | 一種衛星姿態資料融合系統及其方法 | |
| García Carrillo et al. | Combining stereo vision and inertial navigation system for a quad-rotor UAV | |
| Woffinden et al. | Relative angles-only navigation and pose estimation for autonomous orbital rendezvous | |
| Bayard et al. | Vision-based navigation for the NASA mars helicopter | |
| JP2016540211A (ja) | 回転翼型小型飛行体（ｍａｖ）での屋内環境及び屋外環境における安定自律飛行のためのマルチセンサの融合 | |
| Tang et al. | Square-root sigma-point Kalman filtering for spacecraft relative navigation | |
| Eckenhoff et al. | Sensor-failure-resilient multi-imu visual-inertial navigation | |
| CN106767767A (zh) | 一种微纳多模星敏感器系统及其数据融合方法 | |
| Santamaria-Navarro et al. | High-frequency MAV state estimation using low-cost inertial and optical flow measurement units | |
| Driessen et al. | Experimentally validated extended kalman filter for uav state estimation using low-cost sensors | |
| Goppert et al. | Invariant Kalman filter application to optical flow based visual odometry for UAVs | |
| Matsuka et al. | Decentralized formation pose estimation for spacecraft swarms | |
| CN116105730A (zh) | 基于合作目标卫星甚短弧观测的仅测角光学组合导航方法 | |
| Whittaker et al. | Linearized analysis of inertial navigation employing common frame error representations | |
| US20080004758A1 (en) | Apparatus and method for tracking an orbital body relative to a planetary body using a single sensor | |
| Stearns et al. | Multiple model adaptive estimation of satellite attitude using MEMS gyros | |
| Beaudoin et al. | Observability of satellite launcher navigation with INS, GPS, attitude sensors and reference trajectory | |
| Ammann et al. | Visual navigation for autonomous, precise and safe landing on celestial bodies using unscented kalman filtering | |
| Zhang et al. | Stellar/inertial integrated guidance for responsive launch vehicles | |
| Zhao et al. | A high-accuracy autonomous navigation scheme for the Mars rover | |
| JP2008241320A (ja) | 飛しょう体及び飛しょう体に搭載される慣性装置の調定方法 | |
| Al-Jlailaty et al. | Efficient attitude estimators: A tutorial and survey | |
| Yang et al. | A real-time calibration method for the systematic errors of a star sensor and gyroscope units based on the payload multiplexed |