文摘

基于大气折射理论,结合NCEP大气参数数据的(国家环境预报中心的),使用傅里叶算法插值拟合模型和分析影响大气折射在全球范围内的参数。大气温度和密度模型和时空变化。宇宙飞船状态方程和测量方程星光明显高度作为观测量建立了。此外,无味卡尔曼滤波应用于间接敏感层星光折射的自主天文导航。拟合测量数据的相对误差与时空的大气温度模型建立了本文还不到2%。导航系统的位置估计误差是94,和速度估计误差是0.16 m / s。与传统模式相比,导航和定位考虑复杂的大气变化更准确。

1。介绍

航天员的导航定位导航方法,使用对象的信息(月亮,太阳,其他行星和恒星)衡量光学传感器来计算载体的位置。天文导航和惯性导航都属于自主导航技术。航天员的导航是一种广泛使用的自主定位技术领域的空间,航空、和导航。随着卫星应用技术的发展,各种航天器在太空中行动的人数急剧增加。传输的信息量也急剧增加。完全依靠的地面站测控地面站将导致过载,这将导致信息堵塞的测量和控制系统1,2]。随着载人航天的发展和深太空探索技术,要求航天器自主导航能力变得更加紧迫。天文导航已成为最有效的航天器自主导航方法由于它的导航精度高,没有误差随时间积累,抗干扰能力强,能够在同一时间提供位置和姿态信息(3]。自主天文导航技术主要包括直接和间接敏感的视野。星光折射间接敏感层方法利用大气的光学特性。飞船,当星光穿过地球大气层,它折射和弯曲向地球中心由于大气密度不均匀,这将导致恒星的观看位置高于其实际位置。折射角取决于星光频率和大气密度(4,5]。如果一个已知恒星的折射角度测量地平线附近,地球的地平线的方向在地心惯性坐标系。测量方程建立之间的关系是明显的折射光相对于地球和折射角度,然后航天器的位置和速度信息可以计算(6]。

在1906年初,在阿波罗计划完成之前,查尔斯·斯塔克·德雷珀实验室的(CSDL)进行了深入研究的使用导航技术,如星光大气折射,星光大气衰减和其他导航技术方法(7,8]。在1980年代初,法国国家空间科学研究中心(CNES)研究了LEO卫星导航对象并进行了几个实验对平流层的大气折射特性和预测精度的导航技术的恒星大气折射可能达到300 m [9]。直到1990年代,当星光大气折射导航技术付诸实践在马丹(多任务的态度,决心和自主导航)系统在美国,研究人员发现在导航(大气密度的影响10,11]。2013年,宁等人分析了大气环境研究自主天文导航的方法时的地球直接敏感的地平线。他们建议大气密度的主要因素是影响大气折射。同时,基于大气传输特性,平流层大气折射模型改进。然而,由于大气中复杂的变化,模型的准确性仍需要改进(12]。2015年,宁等人分析了星敏感器对导航定位精度的影响,提出一个方法来提高导航精度使用IUKF(迭代采样卡尔曼滤波器)13]。2017年,汉等人提出了一个新的明星传感器数据处理优化方法,提高了稳定性和准确性的星敏感器输出的态度(14]。2019年,他等人提出了一种新的恒星地图质心提取算法来提高恒星质心提取的精度和抗干扰性能以提高导航精度。然而,由于恒星光线的折射,一些研究人员已经研究了大气成分对导航的影响(15]。一个精确的大气折射模型时需要将星光折射理论应用于航天器导航。因此,基于NCEP全球大气参数数据,本文建立了大气参数模型考虑时间和空间变化使用傅里叶插补算法,研究大气密度的变化与纬度、修改传统的大气参数模型结合星光在大气中传播的特点,并使用无味卡尔曼滤波对间接敏感层星光折射的自主天文导航。

2。明星折射原理自主导航方法

观察到的宇宙飞船,折射光的表面高度相对于地球 ,但事实上,它是在一个高度略低 从地面,折射的高度(如图1)。星光大气折射角度是两个光线之间的角度。传感器捕捉恒星,建立惯性坐标系通过导航对象之间的几何关系来获取状态参数,以折射明显高度为导航模型的观察,并使用滤波算法实现高精度自主导航。


图1
星光大气折射原理图。

间接敏感视野星光折射的准确性取决于大气密度的准确性。然而,实际的地球大气层的变化非常复杂,取决于很多因素,如时间、纬度、太阳活动的季节,天。大部分的密度数据计算的间接测量温度或压力,所以精度不高,限制了密度是更好的估计和建模。大气密度的变化主要取决于温度的变化。在本文中,通过创建一个新的温度模型,可以分析大气密度的实际变化准确;因此,导航测量方程的准确性将会改善。

2.1。全球大气温度和密度模型
2.1.1。大气温度

基于NCEP新兵(最终运营全球分析)全球经营分析数据,温度数据进行了分析和建模。给出任何时间(天)和空间(经度和纬度),大气温度模型表示为 在哪里T是大气温度,t是时间, 模型的时间,一个0,一个我,b我的参数来确定。当N4拟合测量数据的过程中,模型与真实的大气变化的趋势。方程(1)可以插入温度变化与纬度和高度。

使用模型来适应温度数据0和10度的纬度,装配和测量温度数据之间的误差是由相对误差表示 ,在哪里y我通过模型拟合值,y是测量数据,米是数据量。的纬度范围0∼10°为例,纬度为0°时,拟合结果和测量结果之间的相对误差为2.0%。纬度是10°时,拟合结果和测量结果之间的相对误差为1.83%。温度变化曲线随时间在0∼10°通过插值得到,如图所示,图中的实线2(一个)。图2 (b)显示了大气温度的变化随着时间的推移和插值海拔高度的固定纬度基于图的拟合结果2(一个)。

(一)
(一)
(b)
(b)
图2
温度模型拟合曲线。(一)温度变化与时间在同一海拔和纬度;(b)温度变化随时间在同一纬度和海拔。

为了验证模型拟合的准确性,方程(1)是用来适应温度数据NCEP 11.37 and13.06公里之间,插入不同的纬度,适合获得温度随时间的变化在不同的高度。当插值高度是12公里,温度随时间的变化结果实线,如图所示3。

(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
图3
温度随时间的变化在典型的全球纬度。(一)纬度5°;(b)纬度是55°;(c)纬度95°;(d)纬度是165°。
2.1.2。大气密度

大气压力对高度的计算模型

气体状态方程 (R= 287,R是气体常数)。大气密度可以得到方程的分析(1)和(2)。大气密度与纬度的变化在不同的海拔上的模型,如图4。

(一)
(一)
(b)
(b)
(c)
(c)
(d)
(d)
图4
在不同的海拔和纬度变化的大气密度。(一)高度范围从1到13公里;(b)高度范围从13公里25公里;(c)高度范围从25公里到37公里;(d)高度范围从37公里至50公里。

如图4地球引力的作用下,大气密度较低的层,所以靠近地面的空气密度是最大的,和密度将继续减少随着高度的增加。从表面上看,密度的峰值与纬度迅速减少。因此,该模型符合大气密度的垂直分布规律。

2.2。明显的高度和大气密度和折射角度之间的关系

明显的高度 可以用来确认折射角度之间的关系R航天器的位置。近似的数学关系 和R给出了在16]: 在哪里 散射参数;只有与光的波长有关 。 在参考密度高度 。H高度密度定标器的高度吗 。 地球的平均半径的赤道。传统的模型只考虑大气密度随高度的变化,但密度是不均匀的。新成立的大气密度模型可以获得大气密度数据反映纬度的变化,时间,和高度,使折射模型更加准确。

从几何关系图1,可以看出

在上面的方程中, , 是航天器的位置向量;u年代是之前星光折射的方向向量;量很小,可以忽略。方程(3)和(4)建立之间的关系折射测量和航天器的位置,这是星光折射适用于航天器自主天文导航的关键。

3.1。无味卡尔曼滤波

假设一个离散的非线性系统 在哪里 是系统状态向量。 是输入控制向量。 是系统噪声向量。 是观测向量。 是测量噪声向量。这里,一系列的采样点 被选中的均值和协方差是谁 和 。一系列的采样点 被选中的均值和协方差是谁 和 。这些采样点生成相应的变换采样点通过非线性系统。让状态变量 维度,然后 采样点及其权重如下:

在上面的方程中, ,当 , 需要线我的一个。当 , 需要列我的一个。标准的无味卡尔曼滤波算法如下:(1)初始化 : (2)计算采样点: (3)时间更新: (4)测量更新:

和 系统噪声和测量噪声的协方差,分别;当 被假定为高斯分布, 等于3。

3.2。导航系统的状态方程和测量方程

当建立系统状态方程,只有二阶谐波项地球质量中心的引力摄动的引力场是,而其他扰动因素相当于高斯白噪声。卫星导航系统的状态模型在时代(J2000.0)地心赤道坐标系 在哪里 ;然后,状态方程可以表示为

在方程(21)和(22),状态向量 ,和 卫星的位置和速度的吗X,Y,Z方向,分别。μ地球的引力常数, 。r卫星位置矢量的大小。 是地球引力系数, 。 高斯白噪声是等价的。

星光折射天文导航的间接敏感的地平线,折射明显高 通常选择的观察测量,但没有直接明显的高度之间的关系 和折射的角度R。明显的高度需要获得间接通过折射高度之间的关系 和R。因此,方程(4)转化为测量方程通过添加高斯噪声 。方程(23)是结合轨道动力学方程来计算飞机的位置信息:

3.3。仿真结果

计算机模拟进行状态和测量方程的基础上自主天文导航系统与间接敏感层地球卫星。假设卫星的轨道根数如表所示1。

表1
数量的初始轨道卫星。

后建立系统状态方程和测量方程,根据噪声特点, 被选中。无味卡尔曼滤波器用于自主导航的计算机模拟与间接敏感的地平线。离散系统的噪声方差矩阵

初始状态值

初始估计误差矩阵

假设星光波长为550 nm、大气密度模型误差是1% ,和测量噪声方差 。假设系统噪声是不相关的测量噪声,模拟系统的采样周期是3秒。位置和速度的仿真结果根据上述仿真条件如图5。

(一)
(一)
(b)
(b)
图5
UKF仿真结果。(一)位置估计误差;(b)速度估计误差。

考虑密度与纬度和海拔的变化,仿真结果如图所示5。无味卡尔曼滤波器的位置估计误差间接敏感层导航系统是94,和速度估计误差是0.16 m / s。从图可以看出5的导航系统改进的大气密度模型的稳定性。因为传统的卡尔曼滤波器只能应用于线性系统,估计精度降低。然而,状态方程和测量方程是非线性的。无味卡尔曼滤波可以过滤直接没有计算非线性系统状态方程和测量方程的雅可比矩阵,所以它比卡尔曼滤波器的估计精度。

4所示。结论

针对传统的大气参数的准确模型,基于NCEP大气参数数据,本文建立了一个时空的大气温度模型通过使用傅里叶插补算法。通过使用新的大气温度模型,与纬度大气密度的变化进行了分析,并给出明显的高度和大气之间的关系。然后,宇宙飞船状态方程和测量方程以星光明显高度为观察,和无味卡尔曼滤波应用于星光折射间接敏感的地平线自主天文导航。拟合测量数据的相对误差与大气温度时空变异模型建立了不到2%。过滤的结果是,位置估计误差是94,和速度估计误差是0.16 m / s。与传统模式相比,导航和定位考虑密度与海拔和纬度的变化更准确。

数据可用性

数据用于支持本研究的发现是由河北工程大学提供。

的利益冲突

作者宣称没有利益冲突。

确认

我们应感谢李雷在河北工程大学为本研究进行数据测量。这项工作是由中国国家自然科学基金(没有。61405157)。