基于数据驱动的非合作航天器姿态估计与预测方法*

2021-08-12 11:44:04陈敏花蒋催催郇文秀胡庆雷
飞控与探测 2021年2期

陈 航,陈敏花,蒋催催,郇文秀,潘 菲,胡庆雷

(1.北京航空航天大学 自动化科学与电气工程学院·北京·100191;2.上海航天控制技术研究所·上海·201109)

0 引 言

近年来,临近操作已成为航天领域中的重要研究方向,也是各个国家的重点工程项目之一,其主要包括在轨相对观测与监视、在轨燃料补给,以及在轨组装[1]等。在典型非合作场景中,相对姿态确定是重要且困难的任务之一,也是完成其他任务的重要基础。一方面,由于目标非合作特性和微小卫星对容纳载荷体积的限制,无法实现可靠的相对角速度测量。在这种情况下,如何在缺少角速度测量的情况下完成对相对姿态的确定,是一个关键问题;另一方面,由于太空环境光照[2]等不确定因素和末端执行机构对视觉传感器的遮挡[3],目标航天器的观测校正信息无法及时被获取,需对目标姿态进行预测,以保障后续任务执行的安全可靠。因此,在姿态确定中考虑一种新型、有效的航天器姿态估计与预测方法,处理上述两个问题,具有重要的工程实际意义。

卡尔曼滤波算法(Kalman Filter,KF,以下简称KF算法)被广泛应用于各类航天器的姿态确定任务中。KF算法通常可分为扩展卡尔曼滤波器[4](Extended Kalman Filter,EKF)、乘性扩展卡尔曼滤波器[5](Multiplicative Extended Kalman Filter,MEKF)和其他方法[6]。在Lefferts等[7]提出的MEKF算法中,算法采用陀螺仪测量模型确定角速度。Filipe等[8]继承并提出了对偶角速度测量模型。但是,在非合作背景下,信息无法交互,也无法传递角速度信息,上述方法无法满足任务要求。此外,为精确估计目标航天器的角速度,转动惯量也是需要获取的关键参数之一。……

登录APP查看全文