基于卡尔曼滤波的卫星组合姿态确定系统物理仿真研究

基于卡尔曼滤波的卫星组合姿态确定系统物理仿真研究

论文摘要

随着航天技术的发展,仅利用单一姿态敏感器定姿已不能满足卫星对姿态确定的高精度要求。因此,多敏感器组合定姿已成为目前主要的姿态确定方式。本文以飞行器导航控制系统教学实验项目建设为背景,针对太阳敏感器和陀螺联合定姿模式,对卫星姿态确定系统进行深入的理论研究及物理仿真实验。主要研究内容如下:首先,建立卫星姿态运动学模型。在给出相关坐标系定义及其转换的基础上,分别利用欧拉角和四元数姿态表示方法,对三轴稳定卫星姿态运动学进行建模。其次,对基于太阳敏感器和光纤陀螺的卫星组合姿态确定方法进行研究。分别给出两种姿态敏感器的测量模型和误差四元数姿态运动学模型,在此基础上,分别设计基于扩展卡尔曼滤波与Unscented卡尔曼滤波的姿态确定算法,并通过数学仿真对其有效性进行验证。仿真结果说明,两种算法均具有良好的滤波稳定性和较理想的定姿精度,具有良好的应用前景。其中UKF算法的收敛速度更快,精度更高,具有明显的优势。然后,设计卫星单轴组合姿态确定物理仿真的硬件系统。依据仿真系统总体方案要求,选用太阳敏感器和光纤陀螺作为姿态敏感器,并完成多敏感器的数据接口设计。利用单轴气浮实验转台,以DSP为处理器,组建飞行器单轴姿态确定系统的实验平台。最后,对卫星单轴组合姿态确定算法进行物理仿真验证。针对卫星单轴组合姿态确定系统,建立相应的姿态运动学模型,给出一种利用扩展卡尔曼滤波进行姿态确定的算法,完成实验系统的C语言软件设计,通过单轴物理仿真实验证明了理论分析的有效性和系统设计在工程应用中的可行性。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 课题背景
  • 1.1.1 课题来源
  • 1.1.2 研究目的及意义
  • 1.2 国内外研究现状及分析
  • 1.2.1 卫星姿态确定系统
  • 1.2.2 卡尔曼滤波及其发展与应用
  • 1.2.3 数字信号处理器(DSP)
  • 1.3 本文的主要研究内容
  • 第2章 卫星姿态描述和姿态运动模型
  • 2.1 坐标系系统
  • 2.1.1 参考坐标系的定义
  • 2.1.2 坐标转换
  • 2.2 卫星的姿态描述
  • 2.2.1 欧拉角描述法
  • 2.2.2 四元数描述法
  • 2.3 三轴稳定卫星姿态运动学方程
  • 2.3.1 欧拉角运动学方程
  • 2.3.2 四元数运动学方程
  • 2.4 本章小结
  • 第3章 基于卡尔曼滤波的卫星组合姿态确定方法研究
  • 3.1 卫星姿态确定的基本原理和方法
  • 3.1.1 参考矢量法
  • 3.1.2 惯性测量法
  • 3.1.3 状态估计法
  • 3.2 姿态敏感器测量模型
  • 3.2.1 太阳敏感器
  • 3.2.2 光纤陀螺
  • 3.3 利用扩展卡尔曼滤波的姿态确定
  • 3.3.1 扩展卡尔曼滤波理论
  • 3.3.2 误差四元数与系统状态方程
  • 3.3.3 太阳敏感器测量残差方程
  • 3.3.4 姿态估计器模型及姿态确定步骤
  • 3.3.5 仿真算例及分析
  • 3.4 利用Unscented卡尔曼滤波的姿态确定
  • 3.4.1 Unscented卡尔曼滤波理论
  • 3.4.2 Unscented变换
  • 3.4.3 Unscented卡尔曼姿态确定算法步骤
  • 3.4.4 仿真算例及分析
  • 3.5 本章小结
  • 第4章 卫星单轴组合姿态确定物理仿真系统设计
  • 4.1 物理仿真系统总体方案及组成
  • 4.2 处理器及其主要接口
  • 4.3 姿态敏感器选择
  • 4.3.1 DSP-5000 光纤陀螺
  • 4.3.2 TSMD05C太阳敏感器
  • 4.4 多敏感器数据接口设计
  • 4.4.1 多串口扩展方案设计
  • 4.4.2 McBSP
  • 4.4.3 通道选择逻辑电路
  • 4.4.4 异步串口电路
  • 4.4.5 多串口扩展电路板
  • 4.5 本章小结
  • 第5章 卫星单轴组合姿态确定系统软件设计及物理仿真研究
  • 5.1 物理仿真系统原理构成
  • 5.2 卫星单轴组合姿态确定算法
  • 5.3 物理仿真系统软件设计
  • 5.3.1 太阳敏感器数据采集与处理软件设计
  • 5.3.2 光纤陀螺数据采集与处理软件设计
  • 5.3.3 多敏感器接口软件设计
  • 5.4 物理仿真结果与分析
  • 5.5 本章小结
  • 结论
  • 参考文献
  • 附录
  • 攻读学位期间发表的学术论文
  • 致谢
  • 相关论文文献

    • [1].扩展卡尔曼滤波在受到恶意攻击系统中的状态估计[J]. 自动化学报 2020(01)
    • [2].基于卡尔曼滤波与大数据预测的路径规划研究[J]. 电子测量技术 2020(03)
    • [3].基于状态增广的修正迭代扩展卡尔曼滤波[J]. 电子技术应用 2020(04)
    • [4].基于自适应容积卡尔曼滤波的主动配电网状态估计[J]. 电测与仪表 2020(19)
    • [5].基于雷达/红外测量的期望最大化容积卡尔曼滤波[J]. 南京理工大学学报 2020(05)
    • [6].基于容积卡尔曼滤波的配电网状态估计[J]. 电力科学与工程 2019(11)
    • [7].一种高效抗差卡尔曼滤波的导航应用[J]. 导航定位学报 2016(04)
    • [8].基于扩展卡尔曼滤波的雷达无源定位方法[J]. 火力与指挥控制 2016(11)
    • [9].基于补偿卡尔曼滤波的姿态估计算法实现[J]. 测控技术 2017(03)
    • [10].加性噪声下增广容积卡尔曼滤波及其目标跟踪应用[J]. 计算机应用与软件 2017(03)
    • [11].扩展卡尔曼滤波在组合导航中的应用[J]. 传感器与微系统 2017(08)
    • [12].一种移动机器人扩展卡尔曼滤波定位算法及仿真[J]. 广东第二师范学院学报 2017(05)
    • [13].扩展卡尔曼滤波的安卓手机定位算法研究[J]. 全球定位系统 2020(02)
    • [14].基于平方根容积卡尔曼滤波的水面无人艇导航定位算法[J]. 中国造船 2020(S1)
    • [15].平台摇摆对卡尔曼滤波跟踪精度的影响[J]. 航空学报 2017(06)
    • [16].未知状态模型下基于高阶容积卡尔曼滤波和神经网络的状态估计算法[J]. 计算机应用与软件 2017(06)
    • [17].改进的迭代卡尔曼滤波及其在全球导航星系统/惯导紧组合中的应用[J]. 电子器件 2017(05)
    • [18].北斗导航卫星迭代双向卡尔曼滤波定轨[J]. 海洋测绘 2016(02)
    • [19].扩展卡尔曼滤波与粒子滤波性能对比[J]. 测绘通报 2016(04)
    • [20].时间扩展取样集合卡尔曼滤波同化模拟探空试验研究[J]. 气象学报 2012(01)
    • [21].老采空区残余沉降的集合卡尔曼滤波预测[J]. 金属矿山 2012(08)
    • [22].基于双因子抗差卡尔曼滤波在动态导航中的应用[J]. 全球定位系统 2011(03)
    • [23].扩展卡尔曼滤波和不敏卡尔曼滤波在实时雷达回波反演大气波导中的应用[J]. 物理学报 2011(11)
    • [24].一种改进扩展卡尔曼滤波新方法[J]. 计算机工程与应用 2010(19)
    • [25].单球无味卡尔曼滤波在飞船姿态估计中的应用[J]. 计算机测量与控制 2009(09)
    • [26].自适应渐消有偏扩展卡尔曼滤波在目标跟踪中的应用[J]. 传感技术学报 2020(02)
    • [27].基于扩展卡尔曼滤波的气动参数在线修正方法[J]. 计算机仿真 2020(03)
    • [28].基于强跟踪容积卡尔曼滤波的永磁同步电机转子位置估计[J]. 微电机 2020(03)
    • [29].路面附着系数的自适应衰减卡尔曼滤波估计[J]. 中国公路学报 2020(07)
    • [30].卡尔曼滤波在动位移测试中的应用[J]. 科学技术创新 2019(13)

    标签:;  ;  ;  ;  

    基于卡尔曼滤波的卫星组合姿态确定系统物理仿真研究
    下载Doc文档

    猜你喜欢