[发明专利]基于时变自调整的滚动时域估计到达代价计算方法

说明书

本发明属于飞行器姿态估计领域，针对滚动时域估计中现有计算到达代价的方法精度不高，鲁棒性不强的问题，本发明设计了一种基于时变自调整的滚动时域估计到达代价计算方法。首先，为了提高姿态估计精度，设计了四元数MEMS陀螺/TAM组合姿态估计模型，以弥补MEMS陀螺单独姿态估计精度低的缺点；然后，针对TAM在线工作易受外界干扰的特点，设计了基于时变自调整的到达代价求解方法以增强系统鲁棒性。

技术领域

本发明属于飞行器姿态估计滤波技术领域，更具体地，本发明涉及一种滚动时域估计滤波的时变自调整到达代价计算方法，可用于强干扰下的飞行器姿态估计。

背景技术

在过去的几十年里，基于优化的滚动时域估计(Moving Horizon Estimation,MHE)在非线性约束问题中应用非常广泛。和全信息估计相比，MHE通过仅考虑过去有限量测值来减小计算负担。过去历史信息对当前状态的影响即为到达代价。对于线性无约束姿态估计系统，标准卡尔曼滤波方差更新公式可以用来计算到达代价，但是对于非线性有约束姿态估计系统，到达代价的通用解析表达式不再适用。

对于非线性系统的到达代价的计算方法，目前主要研究方向都是针对EKF需要泰勒级数展开精度不高以及雅可比矩阵计算较为复杂的问题进行讨论。然而，以上这些文献都没有考虑算法的鲁棒性。事实上，由于传感器实际工作状态与线下状态有很大差别，极端的温度、压力和电磁环境使实际系统的参数发生变动，造成原来比较准确的模型也与实际系统不再匹配。同时，由于受到外界电磁信号的干扰，所建模型的噪声统计特性与实际噪声的统计特性可能有较大的差异。所有这些因素，包括对初始状态的不准确估计，都会影响滤波器的精度。因而，寻找一种鲁棒性强的到达代价计算方法在滤波估计系统中至关重要。

带有时变自调整因子的滤波器可以克服这些问题。它是一种效果良好的强跟踪滤波器，可以在线调整滤波增益，从而达到算法自适应的目的。不仅具有极强的模型失配鲁棒性，且具有概念清晰、计算简单的优点。将时变自调整因子滤波器的自适应性与UKF的非线性高逼近性结合起来，使得本方法具有较强的自适应能力和鲁棒性。

发明内容

本发明的目的在于突破传统滤波算法在抗干扰能力的不足，提高系统鲁棒性，提高系统自适应能力，提出一种基于强跟踪的滚动时域估计到达代价计算方法。其中解决的主要问题包括：

(1)对于非线性系统的到达代价的计算方法，目前主要研究方向都是针对EKF需要泰勒级数展开精度不高以及雅可比矩阵计算较为复杂的问题进行讨论。没有考虑算法的鲁棒性。

(2)由于传感器实际工作状态与线下状态有很大差别，极端的温度、压力和电磁环境使实际系统的参数发生变动，造成原来比较准确的模型也与实际系统不再匹配。

(3)由于较容易受到外界电磁信号的干扰，所建模型的噪声统计特性与实际噪声的统计特性可能有较大的差异。

(4)对初始状态的不准确估计，会影响滤波器的精度。

本发明所述的基于时变自调整的滚动时域估计到达代价计算方法，其特征在于包括以下技术措施：

步骤一：利用状态方程、观测方程的线性化矩阵，加入渐消因子，计算时变自调整因子，以实现对到达代价的时变自调整；

步骤二：在得到时变自调整因子的基础上，利用状态方程及观测方程，计算带有时变自调整因子的系统状态及方差的粗略估计值；

步骤三：在得到状态及方差的粗略估计值，利用带有时变自调整因子的协方差计算式，计算下一时刻状态及方差粗略估计值精调整值；

步骤四：将上步中输出的下一时刻状态及方差粗略估计值精调整值带入MHE系统计算到达代价。

对比现有技术，本技术方案所述的基于时变自调整因子的滚动时域估计到达代价计算方法，有益效果在于：