基于深度前馈网络的自适应相对导航滤波

发布时间：2022-02-09 09:11

　　针对空间非合作翻滚目标近距离相对导航中出现测量异常偏差导致滤波精度下降甚至发散的问题,研究了具有抗差能力的自适应滤波估计方法。在设计了相对导航滤波模型的基础上,提出了基于深度前馈网络的自适应扩展卡尔曼滤波算法,并且详细设计了智能故障检测与估计的深度前馈网络模型与训练方法。数学仿真结果表明:深度前馈网络能够有效估计测量异常偏差且估计误差小于异常偏差值的15%,基于深度前馈网络的自适应扩展卡尔曼滤波结果显著优于常规扩展卡尔曼滤波。 

【文章来源】：上海航天(中英文). 2020,37(05)CSCD

【文章页数】：6 页

【部分图文】：

基于深度前馈网络的自适应EKF算法Fig.1AdaptiveEKFalgorithmbasedondeepfeedforwardnetwork

第37卷2020年第5期顾冬晴，等：基于深度前馈网络的自适应相对导航滤波练深度前馈网络的均匀分布故障样本的数值范围设置为±1.0m之间，即故障样本数值上限约为测量误差标准差的33倍，以确保数值上能够充分覆盖不易检测的故障。相对轨道滤波仿真中，对于x轴相对位置测量在300~310s时间段额外增加了0.30m偏差，对于y轴相对位置测量在400~410s时间段额外增加了0.35m偏差，对于z轴相对位置测量在500~510s时间段额外增加了0.40m偏差。采用基于深度前馈网络的自适应EKF以及EKF的相对位置与相对速度误差曲线如图3和图4所示，深度前馈网络对于测量偏差的估计曲线如图5所示。图3相对位置误差Fig.3Relativepositionerrors图4相对速度误差Fig.4Relativevelocityerrors123

第37卷2020年第5期顾冬晴，等：基于深度前馈网络的自适应相对导航滤波练深度前馈网络的均匀分布故障样本的数值范围设置为±1.0m之间，即故障样本数值上限约为测量误差标准差的33倍，以确保数值上能够充分覆盖不易检测的故障。相对轨道滤波仿真中，对于x轴相对位置测量在300~310s时间段额外增加了0.30m偏差，对于y轴相对位置测量在400~410s时间段额外增加了0.35m偏差，对于z轴相对位置测量在500~510s时间段额外增加了0.40m偏差。采用基于深度前馈网络的自适应EKF以及EKF的相对位置与相对速度误差曲线如图3和图4所示，深度前馈网络对于测量偏差的估计曲线如图5所示。图3相对位置误差Fig.3Relativepositionerrors图4相对速度误差Fig.4Relativevelocityerrors123

【参考文献】：
期刊论文
[1]基于CW方程的航天器追逃问题半直接求解方法[J]. 孙松涛,祝强军,宋斌.  上海航天. 2019(03)
[2]航天器相对运动建模及周期性相对运动求解[J]. 刘柔妮,陈杰,孔祥龙,周世宏.  上海航天. 2019(01)
[3]神经网络测控露天煤矿220 t级卡车油耗研究[J]. 冀盛全,王跃旭.  露天采矿技术. 2018(05)
[4]航天器相对导航与控制技术的典型任务[J]. 王楷,汤亮,李克行,陈守磊,徐世杰.  空间控制技术与应用. 2016(01)
[5]空间非合作机动目标跟踪相对导航方法研究[J]. 刘涛,解永春.  宇航学报. 2010(05)
[6]追踪星跟踪空间非合作目标的相对轨道设计[J]. 车汝才,张洪华.  航天控制. 2006(05)
[7]基于神经网络方法的大型电网短期负荷预报[J]. 赵希人,彭秀艳,姜广宇.  系统仿真学报. 2006(06)
[8]多层前馈神经网络改进算法及其应用[J]. 宋宜斌,王培进.  计算机工程. 2003(14)



本文编号：3616747