[发明专利]一种基于由DNA算法优化的UPF算法的组合定姿方法

说明书

技术领域

本发明涉及航天器的组合定姿技术领域，特别是一种基于由DNA算法优化的UPF算法的组合定姿方法，可用于各种航天器的高精度组合定姿。

背景技术

为满足天基对地观测、武器精确打击以及空间探索开发的迫切需求，各类地球卫星、深空探测器、载人飞船、弹道导弹和运载火箭等航天器必须具备自主运行和管理能力，而高精度的自主定姿是航天器自主运行和管理的核心技术瓶颈。目前，航天器的高精度自主定姿，无法依靠任何一种导航手段独立实现。纯惯性导航系统能够自主、实时提供连续、全面的导航信息，短时精度高，但其误差随工作时间积累，难以满足航天器的长时间高精度定姿要求；天文导航能够提供高精度姿态信息，误差不随时间积累，但易受气候条件限制，且输出信息不连续；将这两者相结合、优势互补，构成惯性/天文组合定姿系统，是实现航天器长时间、高精度定姿的最为有效的手段。

在惯性/天文组合定姿技术方面，以往都采用扩展卡尔曼滤波EKF(Extended Kalman Filter)方法，但是EKF仅适用于滤波误差和预测误差很小的情况。近年来提出的Unscented卡尔曼滤波UKF(Unscented Kalman Filter)是一种EKF的改进算法，有效的解决了系统的非线性问题，但其不足是不适用于噪声非高斯分布的系统。粒子滤波(Particle Filter，PF)由于采用蒙特卡洛采样(Monte Carlo sampling)结构而在非线性、非高斯系统状态跟踪上体现出越来越大的优越性，但其缺点是存在退化现象，消除退化现象主要依赖于两个关键技术：适当选取重要密度函数和进行重采样。对于前者的改进方法，可使用EKPF(Extented Kalman Particle Filter)、无迹粒子滤波(Unscented Particle Filter，UPF)来进行重要密度函数的选择，其中UPF算法是利用UKF来得到粒子重要性概率密度函数的一种粒子滤波方法，由于该重要密度函数中包含了最新量测信息，因此具有更好的性能。对于后者的改进方法，常用的重采样算法有累积分布重采样(Binary search)、系统重采样(Systematic resampling)、剩余重采样(Residual resampling)等，这些算法通过增加粒子的有效性解决了粒子的退化问题，但是在实际应用中会影响系统的鲁棒性，重采样完成后，重要度高的粒子通过重采样被多次选取，这在一定程度上丢失了粒子的多样性，由此造成的后果是一旦目标丢失或跟踪精度不够，系统自动收敛的可能性很小，为此，很多学者提出了遗传粒子滤波(GPF)算法，GPF算法虽然在保证粒子有效性的同时又增加了粒子的多样性，仍然存在滤波速度慢和鲁棒性差的问题。

发明内容

本发明的技术解决问题是：克服现有技术的不足，提出一种基于由DNA算法优化的UPF算法的组合定姿方法，解决系统非线性和噪声非高斯问题，以快速获得高精度的姿态信息，并能够准确地估计陀螺漂移，实现各种类型航天器长时间、高精度的组合定姿。

本发明的原理是：首先利用陀螺输出数据对惯性量测信息进行补偿，通过姿态解算，得到载体姿态信息；其次利用天文量测信息，通过确定性算法获得特定间隔的天文姿态信息；最后利用由DNA算法优化的UPF算法将天文姿态信息和载体姿态信息相融合，解决系统非线性和噪声非高斯问题，求解高精度载体姿态信息，估计陀螺漂移，并反馈校正载体姿态和补偿陀螺漂移补偿；最终实现航天器长时间、高精度的组合定姿。

本发明的技术解决方案为：

一种基于由DNA算法优化的UPF算法的组合定姿方法，其特征在于，所述方法包括以下步骤：

步骤1、利用惯性陀螺仪测量得到惯性测量数据，利用陀螺输出数据对所述惯性测量数据进行补偿，然后通过姿态解算，得到载体姿态信息；

步骤2、利用天文量测信息，通过确定性算法，求解天文姿态信息，所述天文姿态信息包括航向、俯仰和横滚三姿态角信息；

步骤3、利用DNA算法优化的UPF算法将天文姿态信息和载体姿态信息相融合，求解高精度的载体姿态信息，估计陀螺漂移，并反馈校正载体姿态信息以及对陀螺漂移进行补偿，最终完成对航天器的高精度组合定姿。

其中，所述步骤3具体包括以下步骤：

(1)t＝0时，初始化：

对初始的先验概率密度p(x₀)进行采样，生成N个服从p(x₀)分布的粒子其均值和方差满足：