一种空间非合作目标自主导航的观测数据自主优选方法

    公开(公告)号:CN116576855A

    公开(公告)日:2023-08-11

    申请号:CN202310395444.9

    申请日:2023-04-13

    Abstract: 一种空间非合作目标自主导航的观测数据自主优选方法,包括:根据光学敏感器获得的一组光学序列图像,将图像中的条纹进行识别,获得属于同一目标的条纹信息,并计算每一个条纹的质心;根据条纹质心,采用自适应B样条基函数获得非合作目标在成像平面上的轨迹表示模型;根据非合作目标在成像平面上的轨迹表示模型和当前时间信息,得到当前时刻目标光学成像质心的预测值;将目标光学成像质心的预测值与条纹质心对比,若条纹质心无误,根据目标光学成像质心的预测值和条纹质心,融合自适应B样条基函数表示模型和图像测量信息,获得目标质心信息的提取结果;若条纹质心有误,依据目标光学成像质心的预测值,确定目标质心信息。

    一种自主导航系统可观测能力提升的轨道机动优化方法

    公开(公告)号:CN114923489A

    公开(公告)日:2022-08-19

    申请号:CN202210129907.2

    申请日:2022-02-11

    Abstract: 本发明涉及一种自主导航系统可观测能力提升的轨道机动优化方法,包括如下步骤:S1、构建相对导航状态方程和测量方程;S2、构建包含轨道机动距离的伪测量方程;S3、确定轨道机动距离误差;S4、构建系统全程状态估计精度与轨道机动量的解析关系;S5、确定满足系统状态完备估计的轨道机动量模型;S6、以燃料消耗、相对轨道位置、服务航天器防碰撞以及S5中满足系统状态完备估计条件的轨道机动量模型为约束,以S4中的全程状态估计精度与轨道机动量的解析关系为目标函数,对优化模型进行求解,获得最优轨道机动量。本发明用于空间非合作目标相对位置的确定,使得获得的轨道机动策略有助于提高状态估计精度,且更符合工程实际需求。

    一种基于降维能观矩阵的故障与状态解耦方法

    公开(公告)号:CN119512908A

    公开(公告)日:2025-02-25

    申请号:CN202411503918.8

    申请日:2024-10-25

    Abstract: 一种基于降维能观矩阵的故障与状态解耦方法,包括:S1、给出空间飞行器自主诊断系统Lie导数计算规则;S2、利用Lie导数计算规则,建立空间飞行器自主诊断系统能观矩阵;S3、给出能观矩阵的共有子空间及子空间剩余项;S4、计算子空间剩余项的伪逆矩阵;S5、计算共有子空间的左零空间;S6、将伪逆矩阵和左零空间相乘,得到空间飞行器自主诊断系统能观矩阵的左零空间;S7、将空间飞行器自主诊断系统能观矩阵的左零空间与空间飞行器自主诊断系统的观测函数,实现故障与状态解耦。本发明获得的空间飞行器自主诊断系统能观矩阵的左零空间计算方法,降低了计算复杂度,本算法可靠、占用计算资源少,适合在计算资源严重受限的空间飞行器上进行。

    一种基于概率不变空间的航天器故障诊断方法

    公开(公告)号:CN119472590A

    公开(公告)日:2025-02-18

    申请号:CN202411512748.X

    申请日:2024-10-28

    Abstract: 一种基于概率不变空间的航天器故障诊断方法,首先,建立航天器系统离散状态空间模型;接着,注入故障模式得到估计观测数据;根据等价空间模型消除未知概率分布的状态量,获得估计观测量的残差矩阵,计算各故障模式下的估计均值和协方差矩阵;然后,在航天器在轨运行时,根据等价空间模型得到在轨观测量残差矩阵的均值和协方差矩阵;接着,根据估计均值、协方差矩阵和在轨均值、协方差矩阵,得到在轨运行数据和各故障模式估计数据概率分布的K‑L散度;最后,根据K‑L散度识别航天器在轨运行时概率密度最接近的故障模式完成故障诊断。本发明应用于航天器在轨故障诊断时仅通过对比观测数据的概率分布差异,降低了故障诊断算法的复杂程度。

    基于单目序列图像的空间目标形状与运动自主估计方法

    公开(公告)号:CN114581484B

    公开(公告)日:2025-02-07

    申请号:CN202210118867.1

    申请日:2022-02-08

    Abstract: 一种基于单目序列图像的空间目标形状与运动自主估计方法,包括如下步骤:建立双目视觉测量的基本方程、空间目标点的三维重建方程、基于序列图像的目标运动状态测量方程;设定相机系到前一帧主轴系的转换矩阵等于单位阵,匹配相邻帧图像,得到目标惯性主轴坐标系在相邻帧成像时刻之间的变换矩阵;利用空间目标点的三维重建方程,获得目标特征点在左相机坐标系的位置向量集合和目标特征点在右相机坐标系的位置向量集合;然后统一前后相邻帧的尺度;重新确定目标特征点在左相机坐标系和右相机坐标系的位置向量集合;计算得到相邻帧之间的姿态四元数、自旋角速度和自旋轴方向;通过对目标选择一周的序列图像匹配与计算,即可获得目标的形状估计。

Patent Agency Ranking