基于非线性滤波的飞行器姿态确定算法研究

论文摘要

现代传感器技术、计算机技术和各种智能信息处理技术等的快速发展，使得面向各种功能需求的各类航空航天飞行器在国防和民用领域得到了广泛应用。加之不同功能需求和应用环境的复杂性，使得对作为运动载体平台的飞行器的姿态确定精度和算法的稳定性等要求不断提高，因此对飞行器姿态确定算法的研究具有十分重要的理论和实际意义。根据飞行器的不同应用场景和性能要求，可采用不同的姿态测量系统，但其本质都是以非线性滤波为基础。鉴于目前广泛使用的基于扩展卡尔曼滤波（Extended Kalman Filter, EKF）和无迹卡尔曼滤波（Unscented Kalman Filter, UKF）等非线性滤波的飞行器姿态确定算法存在估计误差较大和算法稳定性不高等缺陷，本文首先采用新型的平方根求容积卡尔曼滤波器（Square-Root CubatureKalman Filter, SCKF），研究两种带有不同姿态敏感器的飞行器的姿态确定算法，然后针对多平台纯方位目标跟踪与多姿态测量系统研究基于无迹信息滤波器（Unscented Information Filter, UIF）的三种非线性集中式融合估计算法的性能比较与分析。本文的工作和主要贡献包括如下几点：1)提出一种基于SCKF的微小型飞行器姿态确定算法。首先，用四元数和陀螺仪漂移构成状态向量，用欧拉角表示测量向量；然后，使用捷联法和陀螺仪漂移模型建立系统的状态方程，根据欧拉角和四元数的关系建立测量方程，同时将双向量法得到的姿态信息作为姿态测量值；接着，针对所建立的系统模型设计SCKF算法；最后，采用计算机仿真验证所设计的姿态确定算法的有效性。2)建立了一种基于SCKF的航天器姿态确定算法。首先，用广义罗德里格参数和陀螺仪漂移表示状态向量，根据四元数运动学方程对航天器姿态进行传播；然后，采用两个不平行的星敏感器矢量观测构成测量向量，根据星敏感器观测模型建立测量方程；最后，使用本文设计的SCKF算法实现姿态估计，并与基于UKF的姿态确定算法估计结果进行仿真比较。3)基于无迹信息滤波器UIF研究三种非线性集中式融合算法设计和性能比较分析，并分别以多平台纯方位目标跟踪系统和基于研究内容1)中姿态模型构建的多姿态测量系统为对象开展三种融合算法性能的仿真验证。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪 论
• 1.1 研究背景及意义
• 1.2 国内外研究现状
• 1.2.1 飞行器姿态确定算法研究现状
• 1.2.2 姿态敏感器研究现状
• 1.2.3 非线性滤波算法研究现状
• 1.2.4 非线性数据融合算法研究现状
• 1.3 本文主要研究内容及章节安排
• 第二章 飞行器姿态运动学基本知识
• 2.1 常用坐标系
• 2.1.1 常用坐标系的定义
• 2.1.2 坐标转换
• 2.2 飞行器姿态描述方法
• 2.2.1 欧拉角
• 2.2.2 四元数
• 2.2.3 修正罗德里格参数
• 2.3 飞行器姿态运动学方程的建立
• 2.3.1 欧拉角姿态运动学方程
• 2.3.2 四元数姿态运动学方程
• 2.3.3 修正罗德里格参数运动学方程
• 2.4 本章小结
• 第三章 基于 SCKF 的微小型飞行器姿态确定算法
• 3.1 引言
• 3.2 系统描述
• 3.2.1 状态方程
• 3.2.2 测量方程
• 3.3 基于 SCKF 的微小型飞行器姿态确定算法
• 3.4 简要算法分析
• 3.5 计算机仿真
• 3.5.1 例子一
• 3.5.2 例子二
• 3.6 本章小结
• 第四章 用于航天器姿态确定的 SCKF 估计算法
• 4.1 引言
• 4.2 问题描述
• 4.2.1 姿态运动学方程
• 4.2.2 陀螺仪测量模型
• 4.2.3 广义罗德里格参数
• 4.2.4 测量方程
• 4.3 航天器姿态确定算法设计
• 4.4 算法分析
• 4.5 仿真实验
• 4.6 本章小结
• 第五章 基于 UIF 的非线性集中式融合算法研究
• 5.1 引言
• 5.2 无迹卡尔曼滤波的信息形式 （UIF）
• 5.2.1 问题描述
• 5.2.2 无迹卡尔曼滤波（UKF）
• 5.2.3 无迹信息滤波器（UIF）
• 5.3 基于 UIF 的集中式融合算法
• 5.3.1 系统描述
• 5.3.2 问题描述
• 5.3.3 基于 UIF 的并行滤波
• 5.3.4 基于 UIF 的数据压缩滤波
• 5.3.5 基于 UIF 的序贯滤波
• 5.4 三种基于 UIF 的集中式融合算法估计精度比较
• 5.4.1 并行滤波和数据压缩滤波的估计精度比较
• 5.4.2 并行滤波和序贯滤波的性能比较
• 5.5 仿真验证
• 5.5.1 纯方位目标跟踪系统
• 5.5.2 微小型飞行器组合姿态融合确定系统
• 5.6 本章小结
• 第六章 总结与展望
• 6.1 论文工作总结
• 6.2 论文工作展望
• 致谢
• 参考文献
• 附录