深空探測(cè)是一個(gè)具有重要科學(xué)意義和經(jīng)濟(jì)意義的課題,同時(shí)其也具有一定的挑戰(zhàn)性。由于深空探測(cè)任務(wù)利用傳統(tǒng)的非自主導(dǎo)航方法難以獲得高精度的導(dǎo)航信息,因此發(fā)展深空探測(cè)器自主導(dǎo)航技術(shù)是有必要的。影響自主導(dǎo)航精度的主要因素,一方面是自主導(dǎo)航方法,另一方面是導(dǎo)航濾波算法。由于導(dǎo)航系統(tǒng)為非線性系統(tǒng),研究如何利用非線性濾波算法實(shí)現(xiàn)高精度狀態(tài)估計(jì)成為該領(lǐng)域的一大研究熱點(diǎn)。設(shè)計(jì)自主導(dǎo)航技術(shù)與先進(jìn)的非線性濾波估計(jì)理論和方法,以保證自主導(dǎo)航系統(tǒng)的可靠性與穩(wěn)定性,具有重要的研究意義。因此,本文主要研究自主導(dǎo)航的設(shè)計(jì)方法完成自主導(dǎo)航平臺(tái)的搭建,并對(duì)非線性濾波算法進(jìn)行了深入的研究,引入了改進(jìn)的非線性濾波算法以實(shí)現(xiàn)對(duì)導(dǎo)航系統(tǒng)信息的最優(yōu)狀態(tài)估計(jì),最后設(shè)計(jì)一系列性能評(píng)估指標(biāo)評(píng)判不同濾波算法的狀態(tài)估計(jì)性能以及不同導(dǎo)航方法的導(dǎo)航性能。本文的主要研究?jī)?nèi)容有:1.針對(duì)自主導(dǎo)航對(duì)精度、實(shí)時(shí)性的高要求,探究了慣性導(dǎo)航方法、深空探測(cè)器轉(zhuǎn)移軌道的自主天文測(cè)角導(dǎo)航與天文測(cè)速導(dǎo)航的工作原理與方法,引入了慣性/天文組合自主導(dǎo)航與天文測(cè)角/測(cè)速組合自主導(dǎo)航的設(shè)計(jì)方法。并通過(guò)建立相應(yīng)的系統(tǒng)模型與量測(cè)模型,以構(gòu)建自主導(dǎo)航模塊。此外,還搭建軌道仿真模塊并...

【文章頁(yè)數(shù)】：134 頁(yè)

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究歷史與現(xiàn)狀
        1.2.1 深空探測(cè)的研究
        1.2.2 自主導(dǎo)航技術(shù)的研究
        1.2.3 導(dǎo)航濾波算法的研究
    1.3 本文的主要貢獻(xiàn)
    1.4 本文的結(jié)構(gòu)安排
第二章 自主導(dǎo)航理論
    2.1 引言
    2.2 慣性自主導(dǎo)航方法
    2.3 天文自主導(dǎo)航方法
        2.3.1 探測(cè)器的軌道動(dòng)力學(xué)模型
        2.3.2 天文測(cè)角導(dǎo)航
        2.3.3 天文測(cè)速導(dǎo)航
        2.3.4 STK軌道仿真
        2.3.5 導(dǎo)航目標(biāo)的選取
    2.4 組合自主導(dǎo)航
        2.4.1 慣性/天文組合導(dǎo)航
        2.4.2 天文測(cè)角/測(cè)速組合導(dǎo)航
    2.5 本章小結(jié)
第三章 基于多模型自適應(yīng)估計(jì)的非線性濾波算法
    3.1 引言
    3.2 預(yù)備知識(shí)
        3.2.1 貝葉斯?fàn)顟B(tài)估計(jì)
        3.2.2 多模型自適應(yīng)估計(jì)理論
    3.3 基于多模型自適應(yīng)估計(jì)的卡爾曼濾波
        3.3.1 基于多模型自適應(yīng)估計(jì)的擴(kuò)展卡爾曼濾波
        3.3.2 基于多模型自適應(yīng)估計(jì)的無(wú)跡卡爾曼濾波
        3.3.3 仿真驗(yàn)證
    3.4 基于多模型自適應(yīng)估計(jì)的無(wú)跡粒子濾波
        3.4.1 算法流程
        3.4.2 仿真驗(yàn)證
    3.5 本章小結(jié)
第四章 基于改進(jìn)無(wú)跡變換的非線性濾波算法
    4.1 引言
    4.2 預(yù)備知識(shí)
        4.2.1 無(wú)跡變換
        4.2.2 無(wú)跡卡爾曼濾波
        4.2.3 無(wú)跡粒子濾波
    4.3 球形單形非線性濾波
        4.3.1 球形單形無(wú)跡變換
        4.3.2 球形單形無(wú)跡粒子濾波
        4.3.3 仿真驗(yàn)證
    4.4 自適應(yīng)最小斜度單形非線性濾波
        4.4.1 最小斜度單形無(wú)跡變換
        4.4.2 自適應(yīng)最小斜度單形無(wú)跡粒子濾波
        4.4.3 仿真驗(yàn)證
    4.5 本章小結(jié)
第五章 基于粒子優(yōu)選與權(quán)值優(yōu)化的非線性濾波算法
    5.1 引言
    5.2 預(yù)備知識(shí)
    5.3 基于粒子優(yōu)選與權(quán)值優(yōu)化的無(wú)跡粒子濾波
        5.3.1 粒子優(yōu)選
        5.3.2 權(quán)值優(yōu)化
        5.3.3 算法流程
        5.3.4 仿真驗(yàn)證
    5.4 自適應(yīng)的兩步粒子濾波算法
        5.4.1 SSUKF
        5.4.2 AEKF
        5.4.3 算法流程
        5.4.4 仿真驗(yàn)證
    5.5 本章小結(jié)
第六章 評(píng)估系統(tǒng)
    6.1 引言
    6.2 評(píng)估計(jì)算
        6.2.1 精度
        6.2.2 實(shí)時(shí)性
        6.2.3 可用性
        6.2.4 連續(xù)性
    6.3 曲線顯示
        6.3.1 濾波算法評(píng)估數(shù)據(jù)顯示
        6.3.2 導(dǎo)航方法評(píng)估數(shù)據(jù)顯示
    6.4 評(píng)估結(jié)果
    6.5 本章小結(jié)
第七章 全文總結(jié)與展望
    7.1 全文總結(jié)
    7.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
攻讀博士學(xué)位期間取得的成果



本文編號(hào)：3874498