[发明专利]基于无迹卡尔曼滤波的联合定姿方法、卫星姿态控制系统

说明书

本发明属于卫星姿态确定技术领域，公开了一种基于无迹卡尔曼滤波的联合定姿方法、卫星姿态控制系统；基于UKF的星敏感器和陀螺联合定姿算法，构建微分形式非线性状态方程，并采用四阶龙格‑库塔积分法求解状态变量的时间更新，避免了非线性微分状态方程的离散化过程；利用UKF算法对星敏感器四元数和陀螺角速度进行滤波修正。本发明通过四阶龙格‑库塔积分法进行时间更新，利用四元数乘性误差计算加权均值与协方差，采用无迹卡尔曼滤波算法，引入星敏感器的观测值进行滤波更新，最后利用估计误差四元数对姿态数据进行修正。在姿态敏感器测量误差较大时具有良好的定姿性能，较基于扩展卡尔曼滤波的定姿算法有更高的估计精度。

技术领域

本发明属于卫星姿态确定技术领域，尤其涉及一种基于无迹卡尔曼滤波的联合定姿方法、卫星姿态控制系统。

背景技术

目前，最接近的现有技术：姿态确定技术是通过某种算法，对姿态敏感器带误差测量值进行处理，减小误差，修正测量值的过程，广泛应用于卫星导航定位等领域。对测绘卫星来说，姿态确定的精度是高精度定位的重要前提。当前卫星上主要使用星敏感器和陀螺联合的形式，利用动态估计法进行滤波处理。动态估计法是利用一系列连续时刻的测量信息，采用姿态运动学模型等理论，融合多种姿态设备的测量信息来计算姿态信息。由于卫星导航系统以及卫星姿态确定系统一般都是非线性系统，近年来，卫星上广泛利用扩展卡尔曼滤波算法进行姿态确定。扩展卡尔曼滤波的关键步骤是对卫星的非线性状态方程和量测方程做泰勒级数展开并保留线性项，获得线性模型，之后再利用传统卡尔曼滤波进行处理。但由于EKF近似保留线性项，因此其仅适用于弱非线性系统，当系统为强非线性时，EKF的线性化处理会导致滤波精度降低，甚至滤波发散。为了克服上述缺点，提出无迹卡尔曼滤波算法，无迹卡尔曼滤波在估计点附近确定若干采样点，利用这些采样点所表示的高斯概率密度对非线性函数的概率密度分布进行近似，以替代EKF中的状态方程和量测方程近似过程。但UKF算法在解决状态方程为连续非线性常微分方程组的非线性定姿问题时，通常会对状态方程做离散化处理，一方面离散化过程推导复杂，另一方面会产生离散化误差。另外，传统UKF在解算状态变量的均值和协方差时，将四元数等同于一般向量求解，无法满足四元数归一化条件。

综上所述，现有技术存在的问题是：现有的算法对状态方程和量测方程进行线性化和离散化处理，不可避免地产生线性化和离散化误差，忽略四元数运算特性与物理意义，导致滤波性能下降。

解决上述技术问题的难度：

上述技术问题的难度在于：1)如何避免线性化和离散化处理，有效提升姿态估计的精度；2)如何将四元数的运算特性运用到均值和协方差矩阵的求解过程。

解决上述技术问题的意义：

通过本发明提供的方法，可以解决在系统测量误差较大时传统算法滤波性能下降的问题，对比传统滤波算法有更高的估计精度。

发明内容

针对现有技术存在的问题，本发明提供了一种基于无迹卡尔曼滤波的联合定姿方法、卫星姿态控制系统。

本发明是这样实现的，一种基于无迹卡尔曼滤波的联合定姿方法，所述基于无迹卡尔曼滤波的联合定姿方法采用误差四元数和陀螺常值漂移的非线性微分状态方程的UKF的星敏感器和陀螺联合定姿算法，构建微分形式非线性状态方程，并采用四阶龙格-库塔积分法求解状态变量的时间更新；利用四元数乘性误差计算加权均值与协方差，采用无迹卡尔曼滤波算法，引入星敏感器的观测值进行滤波更新，最后利用估计误差四元数对姿态数据进行修正。

进一步，所述基于无迹卡尔曼滤波的联合定姿方法的系统状态方程和量测方程构建：

(1)陀螺的量测模型表示为式：

ω_g＝ω+b+d+n_g；