基于瞬态相对模型的轨道机动目标运动参数估计

空间目标可能存在未知的机动,针对该类目标相对导航问题,提出一种基于瞬态相对模型的运动参数估计方法.该方法依据轨道密切性思想,在瞬态意义下建立相对运动模型和机动辨识算法,然后通过密切轨道到参考轨道的量测变换对冻结时间模型进行状态滤波,可为目标机动下的自主导航提供所需的相对状态与目标机动参数估值.误差分析表明"所得估值偏差均有界.仿真验证了该方法在目标存在机动情况下的有效性和一般性.

     

一种空间飞行器的多目标机动策略模型

为了满足航天器对多目标轨道飞行机动方式和机动策略的要求,在轨道动力学基础上,时机动性能进行分析和解算,对可行的机动轨道进行了评估,提出了针对特定空间区域的轨道机动策略集,提出用控制域作为空间机动平台的导航、制导参考模型.仿真结果表明,该方法简单有效,模型的参考意义强.     

考虑导航误差和摄动影响的椭圆轨道最优交会制导

本文提出了一种新的航天器最优交会制导方法.该方法能够快速精确求解包含J_2项与大气阻力项摄动的椭圆轨道交会问题,并充分考虑非合作目标存在的导航误差,保证交会精度的同时实现所需速度增量最优.首先,本文采用了一种新的状态转移矩阵求解方法,能够对考虑J_2项和大气阻力项摄动的任意偏心率下的相对运动进行描述,得到考虑摄动与偏心率信息的状态约束.其次,建立了导航误差模型,得到描述导航误差的状态约束,并分析其对交会精度与所需速度增量的影响,设计包含加权矩阵的性能指标实现在存在导航误差情况下所需速度增量最优.然后,通过引入松弛变量,将最优交会问题转化为标准二阶锥规划问题进行求解.再者,为了进一步提高相对距离较大的交会任务精度,构建了闭环制导框架.最后,本文通过仿真,验证了设计方法在考虑J_2项与阻力项摄动情况下的有效性,针对椭圆轨道交会问题的精确性以及考虑导航误差情况下所需速度增量的最优性.     

方差自适应机动目标跟踪算法研究

针对机动目标弱机动时不能自适应调整,从而对弱机动目标跟踪精度不高的缺点,提出了一种改进的方差自适应机动目标跟踪算法。新算法将机动目标的运动状态分为弱机动状态和强机动状态,并通过新息平方的统计量和当前加速度估值进行机动自适应检测,能够根据目标当前的机动特性自适应调整过程噪声协方差矩阵,使运动模型与机动目标的当前运动状态相匹配,在保持对强机动目标跟踪性能的同时,实现了对弱机动目标更为精确的跟踪。仿真结果表明,改进算法对弱机动目标的跟踪性能明显优于当前统计模型。     

粒子滤波在机动飞行器轨道确定中的应用

对于机动飞行器轨道确定,由于状态误差及测量误差的分布不是高斯分布,传统的滤波方法受到了一定的限制,为了解决这个问题,本文采用"采样-重要性-采样"粒子滤波算法,在考虑只有目标位置信息而需对目标速度信息进行估计的情况,对含J2摄动项机动目标轨道信息进行确定.滤波过程中,结合交互式多模型方法,由多模型输出误差判断当前模型类型,通过当前模型的快速切换,提高滤波精度.最后给出应用此方法进行轨道确定的仿真实例.     

基于强跟踪滤波器的MACA-MIE 模型及跟踪算法

结合自适应常加速模型(ACA)、改进输入估计(MIE)和强跟踪滤波器,提出一种新的自适应目标跟踪模型和算法.该算法通过扩展 ACA 模型状态矢量和改进状态噪声协方差调整方法,利用 MIE 和强跟踪滤波器,实现了机动加速度方差和状态预测协方差依据残差信息的实时完全自适应调整,在缺乏目标加速度先验知识的情况下,能够实时高精度跟踪目标突变状态、弱机动和非机动状态.仿真实验表明,相比 ACA 模型和 MIE,该算法具有更好的机动状态和非机动状态跟踪性能.     

航天飞行器在共面多轨道间的机动规划方法研究

针对同时受时间与燃料约束的航天飞行器多轨道间机动问题,研究了两类变轨机动方式四种特殊情况的边界问题.考虑机动、路径和燃料约束构建了以最短总机动时长为目标的规划模型,设计了基于改进蚁群算法的机动策略寻优算法,提出了一种满足快速机动需求的共面多轨道间机动规划方法.通过算例计算,验证了多轨道间机动规划方法的有效性,得到了在有限时间及有限燃料条件下的最优机动方案.说明了在一定范围内提升变轨速度冲量或选择非开普勒径向机动更有利于航天飞行器快速机动能力的生成.     

基于BP神经网络修正的自适应Singer模型

针对传统Singe模型在跟踪机动目标时存在稳态误差以及模型时加速度的先验统计量存在依赖等缺点,提出了基于BP神经网络修正的自适应Singer模型.该模型的样本数据选用卡尔曼滤波状态量中的加速度估计量,采用Burg算法估计加速度的功率谱密度,并利用BP神经网络时谱估计结果进行修正,进而导出当前统计模型下的Singer模型的参量.Simulink仿真结果表明.该模型能够克服传统Singer模型跟踪机动目标性能差的缺点,并且模型在收敛之后不再依赖加速度的先验统计量.     

一种改进的机动再入目标自适应跟踪算法

在机动再入目标高精度跟踪问题的研究中,由于目标变化速度快,动态模型为非线性,传统的Jerk分段均匀假设和随机模型近似思想建立的机动再入目标分段匀Jerk模型和过程噪声自适应方法中,存在加速度的方差期望近似瞬时方差的固有误差.为解决上述问题,提出了改进的机动再入目标自适应模型及相应的容积卡尔曼滤波跟踪算法,采用加速度状态协方差修正项来近似加速度的瞬时方差,同时引入强跟踪渐消因子增强加速度状态修正项近似瞬时方差的能力,给出了更精 确的机动再入目标自适应模型;结合状态扩展方法和容积卡尔曼滤波算法实现了机动再入目标的高精度自适应跟踪.仿真结果表明:改进后的算法对机动再入目标跟踪具有更高的精度和稳定性,对目标机动性变化有更低敏感性.     

追踪器本体坐标系下航天器姿轨一体化控制律设计

在追踪航天器本体坐标系下, 联合相对轨道动力学模型和四元素姿态动力学模型, 引入推进器配置矩阵, 建立六自由度姿态和轨道一体化模型. 该模型避免了控制输入向追踪器本体坐标系下的转换. 在此基础上, 采用输入-状态(ISS) 稳定性原理, 在干扰输入信息完全未知的情况下, 设计了非线性鲁棒一体化控制律. 该控制律实现了对椭圆轨道上目标航天器的扰动抑制和跟踪, 具有较好的鲁棒性和跟踪性. 最后, 针对运行在椭圆轨道上的目标给出仿真结果, 表明了所提出的一体化控制律的可行性和有效性.

     

一种考虑光照约束的地球同步轨道航天器自主绕飞轨道机动策略

针对地球同步轨道(GEO)航天器的在轨服务航天器自主绕飞问题,为了实现对目标的有效观测,本文研究提出了一种考虑光照约束的轨道机动策略.首先,在HILL坐标系中建立了服务航天器与目标航天器之间的相对运动模型,定义了光照方位角来描述太阳光照对目标航天器观测效果.然后,结合航天器相对运动特性,分析了自主绕飞的形成过程,设计了...     

一种基于切换模型的快速机动目标跟踪算法研究

根据二维空间内目标作匀速转向运动的特点,提出一种基于航向变化的目标加速度实时估计方法,并在此基础上采用采样卡尔曼滤波器对该机动目标进行跟踪．仿真结果表明,该方法不仅能够检测出目标机动开始时刻和终止时刻,而且还能近似估计出快速机动目标的加速度大小,与扩展卡尔曼滤波器相比,采样卡尔曼滤波器具有较好的跟踪精度．     

基于UKF的闪烁噪声机动目标跟踪

闪烁噪声下的机动目标跟踪是一个非线性非高斯系统滤波问题,传统的卡尔曼理论很难保证其跟踪精度.文中提出了一种基于UKF的闪烁噪声机动目标跟踪算法,首先对目标系统的状态方程进行无味变换,然后再进行滤波估计,以减小跟踪误差.UKF不需要求导,它能比EKF更好地迫近目标运动模型的非线性特性,具有更高的估计精度,计算量却与EKF同阶.在仿真实验中采用"协同转弯模型"作为机动目标的运动模型,雷达的量测方程也是非线性的,分别应用UKF和EKF跟踪闪烁噪声下的机动目标,结果表明,UKF能够较好地解决闪烁噪声下跟踪机动目标的难题,其跟踪精度要远远高于EKF.     

利用高斯型方程进行卫星轨道机动仿真

在分析飞行器在连续力作用下的运动时,目前常用Hill模型,但Hill模型仅适用于短距离内短时间内飞行器机动问题.高斯(Gauss)模型作为一个研究绕动力作用下飞行器轨道变化的有效分析工具,可用于有限推力长时间作用下的轨道变化分析.从Gauss模型的基本形式推导出Gauss模璎的无奇点方程,并从理论角度和仿真计算方面分析了外力的大小、方向对轨道机动结果的影响以及轨道的偏心率、平近点角对轨道机动的影响.结果证明采用数值方法可以有效解决Gauss模型求解困难的问题,Gauss型模型用于轨道机动分析具有很好的普适性.     

Input estimation with multiple model for maneuvering target tracking

To increase the performance of maneuvering target tracking, an algorithm utilizing input estimation with multiple model based on two independent mode sets is suggested in this paper. The proposed algorithm consists of hypothesized multiple filters to estimate the unknown target acceleration and a test statistic developed from a modified version of the generalized likelihood ratio test to detect the maneuver onset time. An efficient algorithm for the target acceleration estimation is derived to reduce the computational burden of multiple model estimation. A numerical analysis is carried out to obtain the proper window length and the average delay of the algorithm. Performance of the proposed algorithm is evaluated by a series of simulation runs.     

基于三支决策的飞机空战机动决策方法

为了提高战斗机在信息不充足条件下的机动决策能力,提出一种基于三支决策的飞机空战机动决策方法.首先,使用三支决策意图识别模型对目标意图进行识别;其次,将目标的作战意图因素引入到威胁评估中后,结合目标的威胁程度,提出基于三支决策的机动决策权重因子动态调整法;最后,使用模糊逻辑构建机动决策因子评价函数,并利用权值动态调整策略...     

基于T-H方程的编队卫星碰撞概率与规避策略研究

基于T-H方程,对椭圆轨道下编队卫星碰撞预测以及规避机动进行了研究。通过递推编队卫星的初始状态协方差矩阵,将碰撞概率密度在危险域内积分获得编队卫星的碰撞概率。当碰撞概率大于安全阈值时,采用瞬时校正速度的控制策略对卫星施加最小脉冲速度修正量,在所预测的碰撞点沿碰撞概率梯度产生偏移,到达安全等高线上,从而降低碰撞概率。仿真结果表明,该预测方法有效,规避策略可行。     

一种高轨空间目标宽带一维像特征提取方法

由于受到发射机功率和天线孔径的限制,地基空间目标探测雷达一般采用脉冲积累增程技术对高轨空间目标进行探测.针对脉冲积累条件下,空间目标的雷达散射截面(RCS)特性和轨道特性在目标识别和身份确认等方面存在的缺陷,提出了一种基于分段相参处理的高轨空间目标宽带一维像特征提取方法,利用模拟同步轨道目标数据,成功获取了高分辨率宽带一维距离像.实验结果表明,不同目标的宽带一维像具有显著差异性,而同一目标不同时刻具有明显一致性.该技术可为高轨空间目标尺寸估计、个体确认和状态判别提供有力支撑.     

Tracking a maneuvering target using neural fuzzy network

A fast target maneuver detecting and highly accurate tracking technique using a neural fuzzy network based on Kalman filter is proposed in this paper. In the automatic target tracking system, there exists an important and difficult problem: how to detect the target maneuvers and fast response to avoid miss-tracking? The traditional maneuver detection algorithms, such as variable dimension filter (VDF) and input estimation (IE) etc., are computation intensive and difficult to implement in real time. To solve this problem, neural network algorithms have been issued recently. However, the normal neural networks such as backpropagation networks usually produce the extra problems of low convergence speed and/or large network size. Furthermore, the way to decide the network structure is heuristic. To overcome these defects and to make use of neural learning ability, a developed standard Kalman filter with a self-constructing neural fuzzy inference network (KF-SONFIN) algorithm for target tracking is presented in this paper. By generating possible target trajectories including maneuver information to train the SONFIN, the trained SONFIN can detect when the maneuver occurred, the magnitude of maneuver values and when the maneuver disappeared. Without having to change the structure of Kalman filter nor modeling the maneuvering target, this new algorithm, SONFIN, can always find itself an economic network size with a fast learning process. Simulation results show that the KF-SONFIN is superior to the traditional IE and VDF methods in estimation accuracy.