本文關(guān)鍵詞：基于粒子濾波的空天飛行器多源信息融合導(dǎo)航技術(shù)研究

  更多相關(guān)文章： 空天飛行器 多源信息融合 粒子濾波 故障檢測

【摘要】：空天飛行器由于其特殊的飛行任務(wù)和復(fù)雜的飛行環(huán)境,對導(dǎo)航系統(tǒng)的自主性、可靠性和導(dǎo)航精度均提出了很高的要求,以慣性/衛(wèi)星/天文為基礎(chǔ)的多源信息融合導(dǎo)航技術(shù)為實現(xiàn)空天飛行器高精度和高可靠導(dǎo)航提供了很好的基礎(chǔ)�？仗祜w行器多源信息融合導(dǎo)航技術(shù)的核心在于信息融合方法,傳統(tǒng)的擴(kuò)展卡爾曼濾波算法可以很好地實現(xiàn)對多源異類導(dǎo)航傳感器信息的融合,但在高動態(tài)環(huán)境下,其性能會由于對組合濾波模型的一階線性化展開而蛻化甚至導(dǎo)致濾波發(fā)散;此外,考慮到導(dǎo)航傳感器在高動態(tài)環(huán)境下也會出現(xiàn)誤差的異常變化,如果不對出現(xiàn)異常的導(dǎo)航傳感器輸出數(shù)據(jù)進(jìn)行故障檢測,也將大大降低多源信息融合導(dǎo)航系統(tǒng)的性能�？紤]到單一的導(dǎo)航系統(tǒng)難以完全獨立地為空天飛行器提供高精度的導(dǎo)航信息,為此,本文針對性開展了空天飛行器多源信息融合組合導(dǎo)航方案和算法的研究,為保證空天飛行器在發(fā)射主動段對導(dǎo)航高精度和高可靠性的要求,研究提出了基于粒子濾波的空天飛行器多源信息融合組合導(dǎo)航方案和算法,推導(dǎo)并建立了發(fā)射慣性系下的空天飛行器多源信息融合自主導(dǎo)航數(shù)學(xué)模型,從而為空天飛行器多源信息融合自主導(dǎo)航系統(tǒng)的實現(xiàn)提供了基本依據(jù)。由于傳統(tǒng)的擴(kuò)展卡爾曼濾波算法存在一階線性化近似和對噪聲統(tǒng)計特性要求較高的情況,本文研究了基于粒子濾波的新型非線性濾波算法,并且構(gòu)建了基于粒子濾波的空天飛行器慣性/GPS/星敏感器多源信息融合組合導(dǎo)航系統(tǒng)模型,以實現(xiàn)對發(fā)射慣性系下導(dǎo)航系統(tǒng)參數(shù)的動態(tài)估計,仿真結(jié)果表明采用粒子濾波算法較擴(kuò)展卡爾曼濾波算法具有更高的導(dǎo)航精度,從而為空天飛行器組合導(dǎo)航系統(tǒng)非線性濾波算法的實現(xiàn)提供了理論支撐。針對空天飛行器導(dǎo)航系統(tǒng)長時間運(yùn)行會出現(xiàn)不可預(yù)知的傳感器故障問題,本文分析了常見的故障檢測算法,并著重研究了基于粒子濾波的似然函數(shù)故障檢測算法和狀態(tài)估計殘差故障檢測算法,研究結(jié)果表明這兩種故障檢測算法均可以靈敏地檢測導(dǎo)航傳感器故障,有效解決了多源信息融合導(dǎo)航系統(tǒng)中傳感器的可靠接入問題,為保障空天飛行器長時間飛行所具備的高可靠性導(dǎo)航要求奠定了理論基礎(chǔ)。在研究基于粒子濾波的空天飛行器多源信息融合濾波算法和故障檢測算法的基礎(chǔ)上,設(shè)計了基于PC104嵌入式計算機(jī)實現(xiàn)的空天飛行器慣性/衛(wèi)星/天文多源信息融合導(dǎo)航系統(tǒng)半物理仿真驗證環(huán)境,并構(gòu)建了相應(yīng)的算法驗證軟硬件平臺,對所設(shè)計的粒子濾波算法和故障檢測算法性能進(jìn)行了綜合分析和驗證,從而為本文所研究的多源信息融合組合導(dǎo)航濾波算法的工程化應(yīng)用提供了有益的參考。
【關(guān)鍵詞】：空天飛行器 多源信息融合 粒子濾波 故障檢測
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：V249.3;V448
【目錄】：

• 摘要4-5
• ABSTRACT5-13
• 注釋表13-14
• 縮略詞14-15
• 第一章 緒論15-23
• 1.1 論文研究背景15-16
• 1.2 空天飛行器和多源信息融合技術(shù)發(fā)展現(xiàn)狀16-18
• 1.2.1 國內(nèi)外空天飛行器發(fā)展現(xiàn)狀16-17
• 1.2.2 多源信息融合濾波理論發(fā)展研究概述17-18
• 1.3 粒子濾波理論研究和故障檢測技術(shù)發(fā)展概述18-20
• 1.3.1 粒子濾波理論研究概述18-19
• 1.3.2 故障檢測技術(shù)研究現(xiàn)狀19-20
• 1.4 論文研究的目的與意義20
• 1.5 論文主要內(nèi)容與章節(jié)安排20-23
• 第二章 發(fā)射系下基于粒子濾波的多源信息融合導(dǎo)航總體方案設(shè)計23-32
• 2.1 引言23
• 2.2 發(fā)射系下基于粒子濾波的多源信息融合導(dǎo)航總體方案設(shè)計23-26
• 2.2.1 常用的導(dǎo)航系統(tǒng)多源信息融合算法23-25
• 2.2.2 基于粒子濾波的多源信息融合導(dǎo)航總體方案設(shè)計25-26
• 2.3 發(fā)射系下捷聯(lián)慣性導(dǎo)航算法研究26-28
• 2.3.1 發(fā)射系下捷聯(lián)慣性導(dǎo)航姿態(tài)解算方法研究26-27
• 2.3.2 發(fā)射系下捷聯(lián)慣性導(dǎo)航速度解算方法研究27-28
• 2.3.3 發(fā)射系下捷聯(lián)慣性導(dǎo)航位置解算方法研究28
• 2.4 發(fā)射系下多源信息融合導(dǎo)航傳感器分析與建模28-31
• 2.4.1 GPS定位原理分析與建模28-30
• 2.4.2 星敏感器定姿原理分析與建模30-31
• 2.5 本章小結(jié)31-32
• 第三章 基于粒子濾波的多源信息融合導(dǎo)航非線性濾波算法研究32-50
• 3.1 引言32
• 3.2 粒子濾波基本算法研究32-37
• 3.2.1 遞推貝葉斯估計32-34
• 3.2.2 蒙特卡羅采樣34
• 3.2.3 序貫重要性采樣34-35
• 3.2.4 粒子濾波重采樣35-37
• 3.2.5 標(biāo)準(zhǔn)粒子濾波算法37
• 3.3 基于粒子濾波的多源信息融合導(dǎo)航系統(tǒng)設(shè)計37-41
• 3.3.1 基于粒子濾波的多源信息融合方案設(shè)計37-38
• 3.3.2 多源信息融合導(dǎo)航系統(tǒng)狀態(tài)方程38
• 3.3.3 多源信息融合導(dǎo)航系統(tǒng)量測方程38-39
• 3.3.4 基于標(biāo)準(zhǔn)粒子濾波的多源信息融合導(dǎo)航性能分析39-41
• 3.4 高斯粒子濾波算法研究41-48
• 3.4.1 基本高斯粒子濾波算法42-43
• 3.4.2 簡化高斯粒子濾波算法43
• 3.4.3 高斯粒子濾波算法仿真驗證43-45
• 3.4.4 基于高斯粒子濾波的多源信息融合導(dǎo)航性能分析45-46
• 3.4.5 粒子數(shù)對高斯粒子濾波的影響研究46-48
• 3.5 基于高斯粒子濾波的多源信息融合導(dǎo)航系統(tǒng)性能研究48-49
• 3.6 本章小結(jié)49-50
• 第四章 基于粒子濾波的多源信息融合導(dǎo)航故障檢測算法研究50-63
• 4.1 引言50
• 4.2 基于粒子濾波的多源信息融合故障檢測方案設(shè)計50-52
• 4.3 基于粒子濾波的似然函數(shù)值故障檢測算法研究52-54
• 4.3.1 貝葉斯濾波原理的似然概率密度函數(shù)52
• 4.3.2 基于粒子濾波的似然函數(shù)值故障檢測算法52-53
• 4.3.3 基于高斯粒子濾波的似然函數(shù)值故障檢測算法53-54
• 4.4 基于粒子濾波的殘差平滑故障檢測算法研究54-56
• 4.4.1 殘差平滑故障檢測算法基本思想55
• 4.4.2 基于高斯粒子濾波的殘差平滑故障檢測算法55-56
• 4.5 基于粒子濾波的故障檢測算法仿真和分析56-62
• 4.5.1 仿真條件設(shè)置56-58
• 4.5.2 基于高斯粒子濾波的似然函數(shù)值故障檢測算法仿真分析58-60
• 4.5.3 基于高斯粒子濾波的殘差平滑故障檢測算法仿真分析60-62
• 4.6 本章小結(jié)62-63
• 第五章 基于粒子濾波的多源信息融合導(dǎo)航半物理仿真平臺研究63-79
• 5.1 引言63
• 5.2 多源信息融合半物理仿真系統(tǒng)總體方案設(shè)計63-64
• 5.3 多源信息融合導(dǎo)航系統(tǒng)硬件總體實現(xiàn)64-69
• 5.3.1 多源信息融合半物理仿真系統(tǒng)總體實現(xiàn)設(shè)計64
• 5.3.2 半物理仿真平臺主要模塊功能分析64-69
• 5.3.3 多源信息融合半物理仿真系統(tǒng)工作流程69
• 5.4 多源信息融合導(dǎo)航系統(tǒng)軟件總體實現(xiàn)69-73
• 5.4.1 多源信息融合導(dǎo)航系統(tǒng)總體模塊設(shè)計69-70
• 5.4.2 發(fā)射系下捷聯(lián)慣性導(dǎo)航解算模塊設(shè)計70-71
• 5.4.3 基于高斯粒子濾波的多源信息融合模塊設(shè)計71-72
• 5.4.4 基于高斯粒子濾波的多源信息融合故障檢測模塊設(shè)計72-73
• 5.5 多源信息融合導(dǎo)航系統(tǒng)半物理仿真系統(tǒng)綜合性能測試73-78
• 5.5.1 多源信息融合半物理仿真參數(shù)設(shè)置73-74
• 5.5.2 基于高斯粒子濾波的多源信息融合算法驗證分析74-75
• 5.5.3 基于高斯粒子濾波的似然函數(shù)值故障檢測算法的半物理仿真驗證75-77
• 5.5.4 基于高斯粒子濾波的殘差平滑故障檢測算法的半物理仿真驗證77-78
• 5.6 本章小結(jié)78-79
• 第六章 總結(jié)與展望79-81
• 6.1 本文工作總結(jié)79-80
• 6.2 進(jìn)一步工作展望80-81
• 參考文獻(xiàn)81-85
• 致謝85-86
• 在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文86

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳櫻婷;王峰;劉浩成;;差分GPS定位技術(shù)的原理和應(yīng)用研究[J];電腦知識與技術(shù);2014年25期

2 康開華;;英國“云霄塔”空天飛機(jī)的最新進(jìn)展[J];國際太空;2014年07期

3 張成軍;陰妍;鮑久圣;紀(jì)洋洋;;多源信息融合故障診斷方法研究進(jìn)展[J];河北科技大學(xué)學(xué)報;2014年03期

4 黃偉;夏智勛;;美國高超聲速飛行器技術(shù)研究進(jìn)展及其啟示[J];國防科技;2011年03期

5 張詩桂;朱立新;;基于變權(quán)平均似然函數(shù)的粒子濾波改進(jìn)算法[J];探測與控制學(xué)報;2011年01期

6 劉基余;;空天飛機(jī)的應(yīng)用展望[J];衛(wèi)星與網(wǎng)絡(luò);2010年06期

7 許紅英;侯丹;陳杰;屠空;;美空軍發(fā)射X-37B飛行器簡析[J];中國航天;2010年06期

8 ;SINS/CNS/GPS integrated navigation algorithm based on UKF[J];Journal of Systems Engineering and Electronics;2010年01期

9 畢修穎;;關(guān)于現(xiàn)代天文導(dǎo)航系統(tǒng)的思考[J];航海技術(shù);2009年05期

10 鄭小兵;董景新;孟令晶;李曦;;潛地導(dǎo)彈初始定位誤差估算方法[J];中國慣性技術(shù)學(xué)報;2009年02期

，

本文編號：1007673