空间飞行器智能导航技术方法研究.pdf

哈尔滨工业大学工学硕士学位论文

摘要

本文以空间飞行器智能化导航技术应用需求为牵引，围绕空间飞行器多源

导航信息智能化决策融合传感器管理、鲁棒抗扰数据融合等关键技术开展研究

工作，提出了基于专家系统与神经网络结合的智能导航决策方法、基于径向基

函数(RadialBasisFunction,RBF)神经网络的改进扩展卡尔曼滤波方法、基于自

适应神经模糊推理系统(AdaptiveNeuro-FuzzyInferenceSystem,ANFIS)优化的

自适应非线性滤波算法研究等关键技术，解决由于工作环境、机动变化、导航

切换的影响对滤波器带来的非线性误差，提升导航精度和对动态环境的适应能

力。本文研究工作如下：

定义常用坐标系并研究了坐标系相互转换关系，给出研究所需的地球引力

模型用以计算飞行器所受的重力。对受力情况进行分析，为后续仿真工况下制

定导航数据参考的标称轨道提供论证。在此基础上，研究组合导航系统信息融

合结构方法和模型，为后续算法研究提供理论基础。

提出一种基于专家系统与径向基函数神经网络结合的智能导航决策方法。

该方法针对专家系统和人工神经网络在智能导航决策应用中的缺陷：专家系统

缺少自适应性，无法对未知情况做出决策；神经网络具高度依赖训练样本，若

样本数量不足则无法顺利完成训练，使系统无法决策或失去决策依据。结合专

家系统和径向基函数人工神经两种方法的优势，利用专家系统对已知情况进行

决策，同时利用径向基函数神经网络对未知环境进行决策。构建了适合多种空

间飞行器应用场景的智能导航信息决策融合结构-功能模型，通过典型场景仿真

分析验证了该方法的合理性和有效性。

针对空间飞行器多源信息融合组合导航系统扩展卡尔曼滤波的存在的非线

性误差问题，本文提出一种基于RBF神经网络的改进扩展卡尔曼滤波方法，通

过结合神经网络和扩展卡尔曼滤波器的优点，提高系统的自适应能力，有效消

除模型线性化带来的截断误差，提高导航系统的精度和可靠性。

针对工作环境改变、空间飞行器高速机动等随机干扰给导航传感器带来的

随机不确定性误差，滤波器理论误差方差与实际新息误差方差间有一定的偏离

度，提出一种基于ANFIS优化的自适应非线性滤波算法。通过对滤波器偏离度

指标进行实时检测和评估，实时修改和补偿滤波器量测噪声误差方差，达到改

善滤波精度的目的。

关键词：空间飞行器、专家系统、径向基神经网络、自适应神经模糊推理系统

I

哈尔滨工业大学工学硕士学位论文

Abstract

Inthispaper,wetakethedemandofintelligentnavigationtechnology

applicationofspacevehiclesasthetraction,focusonthekeytechnologiessuchas

intelligentdecisionmakingofspacevehiclemulti-sourcenavigationinformation

fusionsensormanagement,robustanti-disturbancedatafusion,andproposethe

intelligentnavigationdecisionmakingmethodbasedonthecombinationofexpert

systemandneuralnetwork,theimprovedextendedKalmanfiltermethodbasedon

RBFneuralnetwork,theadaptiveANFISoptimizationbasedNonlinearfiltering

algorithmresearchandotherkeytechnologie