[发明专利]基于容积四元数估计的航天器姿态估计方法

说明书

基于容积四元数估计的航天器姿态估计方法，本发明涉及基于容积四元数估计以及星敏感器与陀螺组合的航天器姿态估计方法。本发明为了解决现有技术存在乘性噪声及噪声相关问题，导致航天器姿态估计精度低的问题。本发明包括：步骤一：建立航天器姿态运动学模型和观测模型；步骤二：采用高斯滤波算法去除步骤一建立的航天器姿态运动学模型和观测模型中的噪声；步骤三：采用容积四元数姿态估计器对航天器姿态进行估计。本发明所提出的CQE‑MCNS算法相比CQE算法，角度估计误差减小0.0002°左右，陀螺漂移估计误差减小0.002°/h左右，因此更适用于具有乘性噪声及噪声相关的航天器姿态估计问题。本发明用于航天领域。

技术领域

本发明涉及基于容积四元数估计以及星敏感器与陀螺组合的航天器姿态估计方法。

背景技术

随着航天器和空间系统复杂性的不断加大，需要对航天器的姿态进行更加准确和鲁棒的估计。对每个航天器的功能需求正在增加，而航天器本身的尺寸却越来越小，且硬件之间是相互独立的，这就导致系统的计算能力受到很大限制。这样的系统常常被称是操作响应空间(ORS)。ORS系统的主要目标是为了航天器使用模块化的类型来建设加速任务概念推出的时间。这种模块化的系统，定制的接口和软件必须管理传送到中央处理器的所有数据。然而，潜在的危险情况是数据传播的时引入未知扰动，或部分数据在传输时丢失。

实际中，航天器系统姿态模型是一个非线性模型。在近些年中，利用一系列含有噪声的观测值对非线性系统的最优估计问题，吸引了众多学者们的广泛关注和研究。不仅在航天领域，在其他领域内对非线性系统的状态最优估计问题也取得了许多重大的成果。现有的大部分滤波理论是基于贝叶斯方法的，贝叶斯方法为状态估计问题提供了一个通用框架。贝叶斯方法是利用对在所有观测量作为条件下的系统状态的条件概率密度函数进行递归计算。在目前的应用过程中，通常将系统假设为一种特殊的情形式，即所有的概率密度函数为高斯概率密度函数,这种系统称为高斯非线性系统。针对高斯非线性系统，学者们提出了多种滤波方法，应用最为广泛的是扩展卡尔曼滤波算法(EKF)，EKF具有运算速度快，稳定性可证等优势，但是该算法存在着一定的缺陷。由于是对非线性系统通过泰勒展开进行线性逼近，所以只适用于弱非线性系统。另外，需要求解泰勒展开中的雅克比矩阵，但是有些系统的雅克比矩阵很难求解，有些甚至不存在雅克比矩阵，因此EKF应用存在一定的局限性。因此，高斯滤波框架作为一种估计高斯非线性系统的通用方法框架得到了广泛应用。高斯滤波框架通过高斯加权积分的方式代替对贝叶斯框架下概率密度函数求解。许多滤波算法都是建立在高斯滤波框架的基础上，利用不同的对高斯加权积分的近似求解方式实现的，例如高斯厄尔米特滤波器(GHQF)、无迹卡尔曼滤波算法(UKF)、差分滤波器(DDF)、容积卡尔曼滤波(CKF)。