基于自适应联邦滤波的卫星姿态确定

《基于自适应联邦滤波的卫星姿态确定》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、2013年4月第2期中国空间科学技术Ch———i——n———eseSpaceScienceandTechnology基于自适应联邦滤波的卫星姿态确定李鹏1唐健1段广仁2宋申民2(1湘潭大学信息工程学院智能计算与信息处理教育部重点实验室，湘潭411105)(2哈尔滨工业大学航天学院，哈尔滨150001)摘要卡尔曼滤波采用常值量测噪声协方差阵，当量测噪声统计特性发生变化时，易导致估计误差增大，甚至滤波发散。针对该问题，在联邦卡尔曼滤波子系统中采用自适应卡尔曼滤波，形成自适应联邦卡尔曼滤波算法，新算法采用模糊推理系统实时

2、调整量测噪声协方差阵的加权系数，使模型量测噪声逐渐逼近真实噪声水平。将该算法应用于多传感器卫星姿态确定系统，仿真结果验证了算法的有效性。关键词自适应卡尔曼滤波联邦滤波多传感器系统姿态确定卫星DOI：10．3780／j．issn．1000—758X．2013．02．0111引言随着卫星智能自主控制技术的发展，对卫星姿态确定的精度和可靠性提出了越来越高的要求，仅仅依靠单一姿态敏感器提供的信息已经远远不能满足用户多方面的需求，因此多传感器系统的发展成为必然趋势。目前航天器主要利用惯性单元、红外地平仪、太阳敏感器和星敏感器

3、进行定姿。联邦滤波是组合导航的主流算法，它根据信息分配原则保证了各子滤波器运算的独立和整体结果的最优。根据联邦滤波原理，将多敏感器的量测信息构成姿态确定信息融合系统，从而可解算出高精度姿态信息；同时，通过信息融合可以将多敏感器组合成高可靠性的智能容错姿态确定系统，实现故障诊断与系统重构，从而大大提高航天器的可靠性[1。2]。联邦卡尔曼滤波器的子滤波器为卡尔曼滤波，采用常值噪声矩阵，无法反映各子系统量测噪声统计特性的变化，使得子系统估计误差变大，最终导致联邦卡尔曼滤波器出现估计误差变大，甚至滤波发散。本文提出在联邦卡

4、尔曼滤波算法中采用模糊自适应卡尔曼滤波代替卡尔曼滤波，形成模糊自适应联邦滤波算法。最后将新算法运用到卫星多传感器姿态确定系统中，进行试验验证。2联邦卡尔曼滤波联邦滤波算法采用信息分配原理来实现各个子滤波器的信息分享，各子滤波器并行运行，获得建立在子滤波器局部量测基础上的局部最优估计。这些局部最优估计在第二级滤波器即主滤波器内按融合算法合成，获得建立在所有量测基础的全局估计，全局估计再按照信息守恒原则反馈给各子滤波器‘3‘。联邦滤波器结构如图1所示嘲。863国家高科技计划(2009AA***5004)，湖南省教育厅一

5、般项目(11c1217)，湖南省科技厅支撑项目(2012GK3141)资助项目收稿日期：2012-04—14。收修改稿日期：2012—10一23中国空间科学技术2013年4月n#△l；镕l。全局滤波器l”“9’4“l厂．一⋯叠破．子系统t、：l局部滤波器lL一>圭!：L．I时间递推

6、‘厂··、．⋯型?鳗-·X．Px，畦P子系统2l、j局部滤波器2LL迅；；⋯．、x∥PI最优融合l山l子系统Jvl、引局部滤波器ⅣL—L丑图1联邦卡尔曼滤波Fig．1FederatedKalmanfiltering考虑两个子滤波器的模型

7、：X。(忌)一①i(k／k一1)X。(曼一1)+L(k／k一1)W，(忌一1)1z。(忌)一Hi(是)x(愚)+y。(是)fq’式中x，(志)为子系统i的状态变量；Z：(志)为第i个传感器的观测量；W。(五)和Vi(志)分别为子系统i的系统噪声和量测噪声，EEw。(是)]一0，EEW。(k)WT(j)]一Q。(忌)艿坷，EEV。(忌)]一0，EEVi(k)V7(歹)]一Ri(愚)艿¨联邦滤波器的设计步骤在文献E33中已经有详细的说明，本文不再赘述。3可信度加权自适应联邦卡尔曼滤波在联邦滤波算法中引入模糊自适应卡尔曼

8、滤波代替卡尔曼滤波，形成模糊自适应联邦滤波算法，对各子系统量测噪声统计特性的变化进行检测、调整。模糊自适应卡尔曼滤波算法原理是应用模糊推理系统不断地调整量测噪声协方差阵的加权系数，使模型量测噪声逐渐逼近真实噪声水平H]。3．1自适应卡尔曼滤波器自适应卡尔曼滤波通过不断调整量测噪声协方差矩阵系数，使模型量测噪声逐渐逼近真实噪声。X(k／k一1)一@(k／k一1)支(志一1)(2)P(k／k一1)一①(k／k一1)P(k一1)①T(k／k一1)+Q(k一1)(3)K(志)=P(k／k一1)H7(愚)[H(k)P(k／k

9、一1)HT(忌)+k(k一1)](4)支(正)=Jr(k／k一1)+K(忌)[z(志)一H(k)X(k／k一1)](5)P(是)一[I—K(志)JH(k)P(k／k一1)(6)盈(是)一Sb(忌)袁(愚一1)(7)S6(是)一FIS[-q(k)](8)式中P(忌)为协方差阵；K(愚)为增益矩阵；受(是)表示第k步的量测噪声矩阵估计值；S(忌)为对量测噪声阵R