面向自主导航的非线性滤波算法研究
发布时间：2023-12-24 12:21
深空探测是一个具有重要科学意义和经济意义的课题,同时其也具有一定的挑战性。由于深空探测任务利用传统的非自主导航方法难以获得高精度的导航信息,因此发展深空探测器自主导航技术是有必要的。影响自主导航精度的主要因素,一方面是自主导航方法,另一方面是导航滤波算法。由于导航系统为非线性系统,研究如何利用非线性滤波算法实现高精度状态估计成为该领域的一大研究热点。设计自主导航技术与先进的非线性滤波估计理论和方法,以保证自主导航系统的可靠性与稳定性,具有重要的研究意义。因此,本文主要研究自主导航的设计方法完成自主导航平台的搭建,并对非线性滤波算法进行了深入的研究,引入了改进的非线性滤波算法以实现对导航系统信息的最优状态估计,最后设计一系列性能评估指标评判不同滤波算法的状态估计性能以及不同导航方法的导航性能。本文的主要研究内容有:1.针对自主导航对精度、实时性的高要求,探究了惯性导航方法、深空探测器转移轨道的自主天文测角导航与天文测速导航的工作原理与方法,引入了惯性/天文组合自主导航与天文测角/测速组合自主导航的设计方法。并通过建立相应的系统模型与量测模型,以构建自主导航模块。此外,还搭建轨道仿真模块并...
【文章页数】：134 页
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景和意义
1.2 国内外研究历史与现状
1.2.1 深空探测的研究
1.2.2 自主导航技术的研究
1.2.3 导航滤波算法的研究
1.3 本文的主要贡献
1.4 本文的结构安排
第二章 自主导航理论
2.1 引言
2.2 惯性自主导航方法
2.3 天文自主导航方法
2.3.1 探测器的轨道动力学模型
2.3.2 天文测角导航
2.3.3 天文测速导航
2.3.4 STK轨道仿真
2.3.5 导航目标的选取
2.4 组合自主导航
2.4.1 惯性/天文组合导航
2.4.2 天文测角/测速组合导航
2.5 本章小结
第三章 基于多模型自适应估计的非线性滤波算法
3.1 引言
3.2 预备知识
3.2.1 贝叶斯状态估计
3.2.2 多模型自适应估计理论
3.3 基于多模型自适应估计的卡尔曼滤波
3.3.1 基于多模型自适应估计的扩展卡尔曼滤波
3.3.2 基于多模型自适应估计的无迹卡尔曼滤波
3.3.3 仿真验证
3.4 基于多模型自适应估计的无迹粒子滤波
3.4.1 算法流程
3.4.2 仿真验证
3.5 本章小结
第四章 基于改进无迹变换的非线性滤波算法
4.1 引言
4.2 预备知识
4.2.1 无迹变换
4.2.2 无迹卡尔曼滤波
4.2.3 无迹粒子滤波
4.3 球形单形非线性滤波
4.3.1 球形单形无迹变换
4.3.2 球形单形无迹粒子滤波
4.3.3 仿真验证
4.4 自适应最小斜度单形非线性滤波
4.4.1 最小斜度单形无迹变换
4.4.2 自适应最小斜度单形无迹粒子滤波
4.4.3 仿真验证
4.5 本章小结
第五章 基于粒子优选与权值优化的非线性滤波算法
5.1 引言
5.2 预备知识
5.3 基于粒子优选与权值优化的无迹粒子滤波
5.3.1 粒子优选
5.3.2 权值优化
5.3.3 算法流程
5.3.4 仿真验证
5.4 自适应的两步粒子滤波算法
5.4.1 SSUKF
5.4.2 AEKF
5.4.3 算法流程
5.4.4 仿真验证
5.5 本章小结
第六章 评估系统
6.1 引言
6.2 评估计算
6.2.1 精度
6.2.2 实时性
6.2.3 可用性
6.2.4 连续性
6.3 曲线显示
6.3.1 滤波算法评估数据显示
6.3.2 导航方法评估数据显示
6.4 评估结果
6.5 本章小结
第七章 全文总结与展望
7.1 全文总结
7.2 后续工作展望
致谢
参考文献
攻读博士学位期间取得的成果
本文编号：3874498
【文章页数】：134 页
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景和意义
1.2 国内外研究历史与现状
1.2.1 深空探测的研究
1.2.2 自主导航技术的研究
1.2.3 导航滤波算法的研究
1.3 本文的主要贡献
1.4 本文的结构安排
第二章 自主导航理论
2.1 引言
2.2 惯性自主导航方法
2.3 天文自主导航方法
2.3.1 探测器的轨道动力学模型
2.3.2 天文测角导航
2.3.3 天文测速导航
2.3.4 STK轨道仿真
2.3.5 导航目标的选取
2.4 组合自主导航
2.4.1 惯性/天文组合导航
2.4.2 天文测角/测速组合导航
2.5 本章小结
第三章 基于多模型自适应估计的非线性滤波算法
3.1 引言
3.2 预备知识
3.2.1 贝叶斯状态估计
3.2.2 多模型自适应估计理论
3.3 基于多模型自适应估计的卡尔曼滤波
3.3.1 基于多模型自适应估计的扩展卡尔曼滤波
3.3.2 基于多模型自适应估计的无迹卡尔曼滤波
3.3.3 仿真验证
3.4 基于多模型自适应估计的无迹粒子滤波
3.4.1 算法流程
3.4.2 仿真验证
3.5 本章小结
第四章 基于改进无迹变换的非线性滤波算法
4.1 引言
4.2 预备知识
4.2.1 无迹变换
4.2.2 无迹卡尔曼滤波
4.2.3 无迹粒子滤波
4.3 球形单形非线性滤波
4.3.1 球形单形无迹变换
4.3.2 球形单形无迹粒子滤波
4.3.3 仿真验证
4.4 自适应最小斜度单形非线性滤波
4.4.1 最小斜度单形无迹变换
4.4.2 自适应最小斜度单形无迹粒子滤波
4.4.3 仿真验证
4.5 本章小结
第五章 基于粒子优选与权值优化的非线性滤波算法
5.1 引言
5.2 预备知识
5.3 基于粒子优选与权值优化的无迹粒子滤波
5.3.1 粒子优选
5.3.2 权值优化
5.3.3 算法流程
5.3.4 仿真验证
5.4 自适应的两步粒子滤波算法
5.4.1 SSUKF
5.4.2 AEKF
5.4.3 算法流程
5.4.4 仿真验证
5.5 本章小结
第六章 评估系统
6.1 引言
6.2 评估计算
6.2.1 精度
6.2.2 实时性
6.2.3 可用性
6.2.4 连续性
6.3 曲线显示
6.3.1 滤波算法评估数据显示
6.3.2 导航方法评估数据显示
6.4 评估结果
6.5 本章小结
第七章 全文总结与展望
7.1 全文总结
7.2 后续工作展望
致谢
参考文献
攻读博士学位期间取得的成果
本文编号：3874498
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3874498.html