SVD-ACKF算法在光电经纬仪实时定轨中的应用

对光电经纬仪量测噪声统计特性未知或不精确导致实时定轨精度降低甚至发散的问题,设计了基于奇异值分解的自适应容积卡尔曼滤波（SVD-ACKF）算法。首先,利用Sage-Husa极大后验估计器及其改进形式对噪声统计特性进行在线估计,使得CKF算法具有应对噪声变化的自适应能力,并使用SVD代替传统Cholesky分解以提高数值计算的稳定性。然后,阐述了实时定轨数学模型,提出使用欧拉预测校正法对带J2项摄动的轨道动力学方程进行离散。仿真实验表明:欧拉预测校正法将轨道动力学方程的离散精度提高了1 970.411 m。在量测噪声协方差矩阵取值恶劣时,SVD-ACKF算法将实时定轨精度维持在43 m左右,并且具有更好的数值稳定性。     

多终端五阶强跟踪容积卡尔曼滤波实时定轨

为了提高多手持终端对卫星脉冲机动轨道的实时确定精度,并降低定轨精度对滤波初值的敏感性,提出一种五阶强跟踪球面单形-径向容积卡尔曼滤波(5-STSSRCKF)方法。采用n维正则单形变换群和矩匹配法推导五阶球面单形-径向容积准则,并将该准则嵌入强跟踪滤波(STF)框架。利用STF的等价表示计算次优渐消因子,实现了在滤波稳定时在线实时调整增益矩阵,克服了残差增大时增益矩阵仍保持极小值的缺点,提高了对系统突变状态的跟踪能力。进行了仿真实验,结果表明,当滤波初值误差增大时,已有方法的定轨精度降低为1 798.199m,而提出的5-STSSRCKF的定轨精度可以维持在8.688m;当卫星进行脉冲机动时,已有方法不具备对机动轨道状态的跟踪能力,而5-STSSRCKF的定轨精度仍然维持在8.976m。实验显示,5-STSSRCKF对滤波初值不敏感,并且对卫星脉冲机动轨道的实时确定精度更高。     

分离模块航天器自适应队形保持控制

针对分离模块航天器队形保持控制问题,采用模块航天器集群飞行动力学高精度模型,并考虑模块质量的不确定性和外部摄动干扰,设计了一种自适应队形保持控制器,实现了模块轨迹对标称轨道的跟踪,数值仿真验证了该控制器的有效性。     

多雷达实时定轨的一致性分布式容积信息滤波算法

针对传统单雷达实时定轨精度较低而多雷达集中式定轨需要信息融合中心且通信量较大的问题,提出一种多雷达一致性分布式容积信息滤波(CD-CIF)算法。该算法由平均一致性滤波器和容积信息滤波器级联构成。平均一致性滤波器融合雷达对卫星的多源观测信息,输出的量测值收敛于多源量测信息的平均一致值。容积信息滤波器利用此量测值执行等效集中式滤波以更新状态估计值和协方差矩阵。仿真校验结果表明,多雷达CD-CIF算法实时定轨精度明显高于单雷达定轨精度,与多雷达集中式算法相当,但无需信息融合中心且降低了通信量。     

基于便携终端的应急测控技术研究

针对地面固定测控站以及车载机动测控站在作战条件下的抗毁性、机动性和灵活性不足的问题,研究了基于便携式终端的卫星应急测控技术.根据便携式终端的特点设计了低密度弹性遥测体制和多测速实时轨道测量体制,不仅能够充分发挥便携式终端灵活性、隐蔽性的优势,而且能够回避其链路传输能力和数据处理能力的弱点.理论分析与仿真结果显示,当终端布站半径达400 km,测速误差控制在0.1 m/s以内时,对低轨卫星的定轨精度可达米级,满足战时卫星管控和信息支援的需求;且测控终端之间的基线越长、测速误差越小,定轨精度越高.     

多终端仅测速分布式协同实时滤波定轨算法

针对集中式滤波定轨系统中存在信息融合中心导致系统生存能力降低的问题,提出一种基于3阶球面单纯形-径向容积准则(3-SSRCR)的多终端分布式协同定轨算法。首先,使用3-SSRCR计算高斯加权积分,并利用统计线性误差传播的方法将3-SSRCR嵌入EKCF算法的滤波更新方程,将多维非线性系统的分布式滤波精度从1阶提高到3阶,且具有较高的数值计算稳定性。每个终端在EKCF算法框架下仅接收和融合其邻居终端发送的信息,在通信拓扑结构上无需信息融合中心。然后,以带J2项摄动的轨道动力学模型为状态方程,以测速元与轨道状态的非线性关系为量测方程,建立了实时定轨数学模型。仿真结果表明,系统中任何一个终端的失效均不会导致系统崩溃,从而验证了该算法的有效性。     

基于SVD的多终端实时定轨自适应鲁棒CKF算法

针对多终端实时定轨过程中难以精确获得量测噪声统计特性及存在异常测速值导致滤波精度降低的问题,提出一种基于奇异值分解(SVD)的自适应鲁棒容积卡尔曼滤波(CKF)算法。使用欧拉预测校正法离散带J2项摄动的轨道动力学方程以得到状态方程。将H∞鲁棒滤波思想应用于CKF算法,建立了非线性条件下约束水平与滤波信息的反比关系,实现对约束水平的自适应调整,并使用SVD代替传统的Cholesky分解以提高数值计算的稳定性。仿真结果表明,欧拉预测校正法可以有效提高轨道动力学方程离散精度;相比标准CKF算法,自适应鲁棒CKF算法具有更高的定轨精度及鲁棒性。     

带摄动力拟合的低轨卫星实时定轨STCKF算法

针对低轨卫星实时定轨过程中滤波初值及轨道模型不精确导致定轨精度降低的问题, 提出一种带摄动力拟合的强跟踪容积卡尔曼滤波(Strong Tracking Cubature Kalman Filter, STCKF)算法.通过强跟踪滤波(Strong Tracking Filter, STF)的等价表示计算次优渐消因子以在线实时调整增益矩阵, 强迫残差序列相互正交, 有效降低了对初始状态的敏感性.使用欧拉预测校正法对带J₂项摄动的轨道动力学方程进行离散, 用多项式拟合函数表示其余摄动力以提高模型精度.仿真结果表明, 带摄动力拟合的STCKF算法可以有效提高实时定轨精度, 并且降低了定轨精度对滤波初值的依赖.