强跟踪滤波器在卫星紫外导航中的应用研究

李丹; 刘建业; 熊智

doi:10.13873/j.1000-97872008.09.007

Chinese

您当前的位置：

首页 >

文章列表页 >

强跟踪滤波器在卫星紫外导航中的应用研究

研究与探讨 | 更新时间：2025-09-11

- 强跟踪滤波器在卫星紫外导航中的应用研究
- Application research of strong tracking filter in satellite navigation system based on ultraviolet sensor
- 传感器与微系统 2008年第9期页码：11-13
- 作者机构：
  
  南京航空航天大学导航研究中心
- 作者简介：
- 基金信息：
  
  航空科学基金资助项目（20070852009）
- DOI：10.13873/j.1000-97872008.09.007
  中图分类号： V448.22
- 纸质出版：2008
- 稿件说明：
移动端阅览
[1]李丹,刘建业,熊智.强跟踪滤波器在卫星紫外导航中的应用研究[J].传感器与微系统,2008(09):11-13.

LI Dan, LIU Jian-ye, XIONG Zhi. Application research of strong tracking filter in satellite navigation system based on ultraviolet sensor[J]. 2008, (9): 11-13.
[1]李丹,刘建业,熊智.强跟踪滤波器在卫星紫外导航中的应用研究[J].传感器与微系统,2008(09):11-13. DOI： 10.13873/j.1000-97872008.09.007.

LI Dan, LIU Jian-ye, XIONG Zhi. Application research of strong tracking filter in satellite navigation system based on ultraviolet sensor[J]. 2008, (9): 11-13. DOI： 10.13873/j.1000-97872008.09.007.

摘要

对基于紫外敏感器的卫星自主导航方法进行了研究

为了保证卫星紫外导航系统的精度和工作可靠性

要求导航系统具有一定的故障检测和自适应调节能力

并将强跟踪滤波器应用于该导航系统的故障检测中。仿真结果表明:本方案能够获得较高的定轨精度

当系统出现故障时

该方案能够保持对缓变状态和突变状态的强跟踪能力

提高了紫外导航系统的导航精度和工作可靠性。

Abstract

The ultraviolet（UV） sensor-based autonomous navigation for spacecrafts is studied.In order to guarantee accuracy and reliability of the UV satellite navigation system

the navigation system is requested to have the fault detection function and adaptive capacity.The strong tracking filter in the navigation system is used.Simulation results demonstrate that this method can obtain high orbit accuracy.When the system is failure

the filter can track abrupt state changes and gradual changes.It can greatly improve UV satellite navigation system’s navigation accuracy and working reliability.

关键词

Keywords

references

基于紫外敏感器的卫星自主导航方法研究 [J]. 耿建中,肖业伦,韩潮. 航天控制 . 2007(02)

一种强跟踪自适应状态估计器及其仿真研究 [J]. 段战胜,韩崇昭. 系统仿真学报 . 2004(05)

浏览量

138

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于多目标点SLAM移动机器人导航技术研究

视觉和多线LiDAR传感器融合的物流巡检机器人导航系统

复杂病房环境下改进ORB-SLAM3的机器人定位导航研究

未知环境下履带式移动机器人SLAM研究

基于深度学习的航空发动机传感器故障检测