引言
飞行器姿态确定系统是飞行器姿态控制系统的重要组成部分,其精度直接影响姿态控制系统的精度,通常采用滤波的方法从概率统计角度最优地估计出飞行器的姿态。由于飞行器姿态系统是一个非线险结构系统,因此需要用非线性滤波方法才能较好地得到系统状态变量的最优估计。
EKF方法作为最早提出的非线性滤波方法之一,在工程上有着广泛的应用,但是EKF是对非线性方程的一阶近似处理,忽略了系统的高阶项,带来了舍入误差,在系统的非线性很强时,有可能导致EKF不稳定,另外EKF在计算Jacobian矩阵时非常繁琐复杂和耗时。为了解决上述问题,Julier等提出来一种新的非线性滤波方法UKF,它采用Un-scented变化技术近似非线性函数的均值和方差,可以获得比EKF更好的估计精度。但是UKF对系统的先验噪声分布有严格的要求,其良好的性能是建立在精确的己知噪声分布的基础上的,它不能适应状态系统和测量系统受到干扰而发生变化的情况。而飞行器的实际运行空间环境是错综复杂的,状态系统和测量系统常常会受到未知的干扰,这会使得UKF的估计性能下降。针对这个问题,周东华等提出了强跟踪滤波器(STF) , STF具有较好的关于模型不确定性鲁棒性和较强的关于突变状态的跟踪能力。文献将STF理论思想与UKF相结合,并成功地应用到天文自主导航中,改善了系统的可靠性。然而,这2种方法都与EKF类似,存在对非线性系统的一阶近似处理,仍然存在计算非线性函数的Jaco-bian矩阵等缺点,这限制了该方法的应用。
本文提出了一种改进的强跟踪UKF算法,将该算法应用于飞行器姿态估计系统中进行仿真,结果表明该算法相对于UKF,能够较好地解决状态系统和测量系统受到干扰的情况,具有更好的估计精度和适应性。
2结束语
本文针对飞行器姿态确定系统受到干扰和存在不准确噪声统计特性的情况,UKF存在估计精度差的缺陷,提出了一种改进的自适应UKF,该方法通过引入2个多重自适应渐消因子,能够实时地调整状态增益矩阵,从而较好地克服外界干扰和噪声不准确统计特性。通过实验仿真验证了本文算法的有效性。