[發明專利]一種適用于姿態機動工況下的星敏和陀螺數據融合方法

有效

• 申請號: 201710500466.1
• 申請日: 2017-06-27
• 公開（公告）號: CN107228672B
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 葉立軍;豐保民;朱虹;尹海寧;任家棟
• 申請（專利權）人: 上海航天控制技術研究所
• 主分類號: G01C21/20
• 分類號: G01C21/20;G01C21/24
• 代理公司: 上海信好專利代理事務所(普通合伙) 31249
• 代理人: 朱成之;周乃鑫

本發明涉及一種適用于姿態機動工況下的星敏和陀螺數據融合方法，基于最小二乘原理，確定星敏測量增益系數；基于上節拍估計姿態和當前陀螺測量角速度，一步遞推得到當前拍姿態；融合星敏測量姿態數據和陀螺遞推姿態數據。本發明采用最小二乘法，將星敏數據和陀螺積分數據進行融合，利用陀螺積分姿態噪聲小的特點提高姿態估計精度，利用星敏測量值準確的特點來保持姿態不發散，解決現有擴展卡爾曼濾波算法在姿態機動期間姿態估計不準確的問題。

技術領域

本發明涉及航天器姿軌控系統星敏感器(后面簡稱“星敏”)和陀螺之間數據融合方法，本方法適用于衛星姿態機動期間星敏和陀螺數據融合。

背景技術

卡爾曼濾波是信息融合算法中應用最普遍的算法之一，主要用于實時融合動態多敏感器冗余數據。其要點是通過測量手段校正模型的不確定性，以模型的連續性克服測量的離散性，以測量的確定性抑制模型的不確定性。當系統的狀態方程和量測方程均為線性并且系統噪聲與傳感器的測量噪聲均為高斯白噪聲時，應用經典卡爾曼濾波算法可以為融合數據提供唯一的統計意義下的最優估計。用卡爾曼濾波器對數據進行融合后，既能獲得系統的當前狀態估計，又可預報系統的未來狀態。

經典卡爾曼濾波只適用于系統模型為線性的情況，而實際系統都包含非線性因素，擴展卡爾曼濾波(EKF)利用線性化技巧將非線性濾波問題轉化為近似線性濾波問題，具體做法是假設步長足夠小，圍繞標稱狀態把狀態量和觀測量展開成泰勒級數，并取一次近似值。

總之，擴展卡爾曼濾波(EKF)是一種常用的線性化方法，將非線性問題轉換為標稱狀態附近的線性問題。克服了經典卡拉曼濾波僅用于線性估計的不足。

實際工程上，采用擴展卡爾曼濾波的方式對星敏和陀螺數據進行融合，可以獲得衛星穩態工作時高精度姿態數據，取得較好的應用效果。但是，隨著衛星應用越來越多，衛星任務也越來越復雜，姿態確定精度也越來越高，比如某些衛星要求在姿態機動過程中仍需要進行高精度的星敏和陀螺數據融合，由于姿態機動的存在，不滿足擴展卡爾曼濾波線性化的假設前提，即傳統擴展卡爾曼濾波不適用于衛星姿態機動期間的星敏和陀螺高精度數據融合問題。

發明內容

本發明的目的在于提供一種適用于任意姿態機動情況下星敏感器和陀螺數據融合的方法，解決現有擴展卡爾曼濾波算法在姿態期間姿態估計不準確的問題。

為了達到上述目的，本發明提供一種適用于姿態機動工況下的星敏和陀螺數據融合方法，其包含以下過程：

第一：基于最小二乘原理，確定星敏測量增益系數；

第二：基于上節拍估計姿態和當前陀螺測量角速度，一步遞推得到當前拍姿態；

第三：融合星敏測量姿態數據和陀螺遞推姿態數據。

本發明采用最小二乘法，將星敏數據和陀螺積分數據進行融合，利用陀螺積分姿態噪聲小的特點提高姿態估計精度，利用星敏測量值準確的特點來保持姿態不發散。

本發明提供了一種針對星敏感器和陀螺聯合濾波的改進手段，與現有技術相比，其優點和有益效果是：

1)采用最小二乘法對星敏和陀螺數據進行融合，可同時保證數據融合的準確性和精確性；

2)避免了kalman濾波線性化要求，使得星敏和陀螺數據融合算法不僅適用于穩態，也適用于姿態機動等模式。

3)算法原理簡單，參數物理意義清晰，軟件實現簡單可靠，具備極好的工程可操作性。

附圖說明

圖1是本發明方法的流程示意圖。

具體實施方式

以下將結合實施例對本發明的方法作進一步詳細說明。

第一：基于最小二乘原理，確定星敏測量增益系數K_xm