多敏感器智能信息融合衛(wèi)星定姿新方法

劉 梅，張 雷，武云麗，禹 航

(1.哈爾濱工業(yè)大學(xué)電子與信息工程學(xué)院，150010哈爾濱，thunder-ray81@hotmail.com 2.中國(guó)航天科技集團(tuán)公司第五研究院，100029北京)

衛(wèi)星姿態(tài)確定系統(tǒng)(ADS)是姿態(tài)控制系統(tǒng)的重要組成部分.衛(wèi)星上天后，姿態(tài)確定正確與否，關(guān)系到衛(wèi)星的測(cè)量控制精度和使用壽命.由于各敏感器基準(zhǔn)的不同和產(chǎn)生誤差的機(jī)理不同，必須通過(guò)信息融合技術(shù)、故障檢測(cè)與系統(tǒng)重構(gòu)技術(shù)來(lái)提高系統(tǒng)定姿精度和可靠性.這些技術(shù)對(duì)提高我國(guó)軍用衛(wèi)星的自主生存能力具有重要意義，擁有廣闊的軍事應(yīng)用前景.同時(shí)，隨著航天事業(yè)的發(fā)展，對(duì)衛(wèi)星姿態(tài)確定的精度和可靠性的要求也越來(lái)越高.因此，如何利用多個(gè)信息源的融合來(lái)提高衛(wèi)星姿態(tài)確定系統(tǒng)的性能［1］，成為近年來(lái)航天控制中十分關(guān)注的重要問(wèn)題.

聯(lián)邦濾波是組合導(dǎo)航的主流算法，它根據(jù)信息分配原則保證了各子系統(tǒng)運(yùn)算的獨(dú)立和整體結(jié)果的最優(yōu)，具有良好的容錯(cuò)性和較低的信息傳輸量，目前美國(guó)空軍已將聯(lián)邦濾波列為新一代導(dǎo)航系統(tǒng)的通用濾波器［2］，如文獻(xiàn)［3］中王志生等人采用的綜合姿態(tài)確定系統(tǒng)，正是基于聯(lián)邦濾波器開(kāi)發(fā)而成的，實(shí)驗(yàn)證明該方法已經(jīng)取得了較好的定姿精度.然而，現(xiàn)有的基于聯(lián)邦濾波器的衛(wèi)星定姿系統(tǒng)，一方面未考慮由于外界環(huán)境干擾及敏感器自身故障引入的污染數(shù)據(jù)對(duì)融合效果的影響，即缺乏必要的故障規(guī)避預(yù)處理環(huán)節(jié)，大大降低了融合定姿精度［4］.文獻(xiàn)［4］中對(duì)衛(wèi)星姿態(tài)確定系統(tǒng)中故障規(guī)避環(huán)節(jié)的必要性進(jìn)行了詳細(xì)闡述，但其提出的聚類方法仍然需要較多的先驗(yàn)知識(shí)及經(jīng)驗(yàn);另一方面沒(méi)有考慮各個(gè)敏感器工作狀態(tài)的差異，即各敏感器的定姿精度不同，工作穩(wěn)定情況不同，濾波得到的狀態(tài)均方差不同等實(shí)際情況，僅采用一種固定的數(shù)據(jù)融合算法對(duì)各個(gè)子系統(tǒng)提供的數(shù)據(jù)進(jìn)行融合，這樣顯然無(wú)法達(dá)到融合效果的全局最優(yōu)，從而嚴(yán)重影響整個(gè)系統(tǒng)的定姿精度.本文針對(duì)上述情況，采用一種基于NFE模型(由模糊神經(jīng)網(wǎng)絡(luò)FN和專家系統(tǒng)ES構(gòu)成)的多敏感器信息融合衛(wèi)星定姿新方法，以提高衛(wèi)星定姿的精度.本方法一方面引入波門檢測(cè)預(yù)處理技術(shù)瞬時(shí)作出故障規(guī)避，對(duì)問(wèn)題敏感器及時(shí)切斷，阻止污染數(shù)據(jù)短時(shí)間內(nèi)向下傳播;另一方面，采用神經(jīng)網(wǎng)絡(luò)來(lái)構(gòu)造具有學(xué)習(xí)、判斷、推理、容錯(cuò)、自組織等高度智能化能力的模糊系統(tǒng)，用模糊規(guī)則對(duì)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練進(jìn)行指導(dǎo)，得到各個(gè)敏感器的置信度，以描述當(dāng)時(shí)各個(gè)敏感器的工作狀態(tài).然后，在公共狀態(tài)融合器部分依據(jù)各敏感器置信度的不同情況，對(duì)其提供的數(shù)據(jù)按照不同方法進(jìn)行融合，使得整個(gè)定姿系統(tǒng)能隨著敏感器工作狀態(tài)的變化作出相應(yīng)的判斷.更加符合復(fù)雜定姿環(huán)境下的實(shí)際情況，從而提高定姿精度.

1 具有故障規(guī)避功能的多敏感器智能融合定姿復(fù)合結(jié)構(gòu)

本文針對(duì)上述衛(wèi)星定姿過(guò)程中存在的實(shí)際問(wèn)題，以聯(lián)邦濾波器為基礎(chǔ)，加入波門選擇器作為故障規(guī)避模塊，采用慣性定姿敏感器—陀螺為公共參考系統(tǒng)，其余3個(gè)敏感器與陀螺兩兩組合作為子系統(tǒng)［5-6］.其中3個(gè)子濾波器輸出的公共信息為慣性測(cè)量組件，即陀螺的誤差狀態(tài)向量.通過(guò)融合算法選擇模塊對(duì)子濾波器輸出的公共信息進(jìn)行智能融合，得到陀螺誤差向量的全局最優(yōu)估計(jì)，最后用陀螺誤差向量的全局最優(yōu)估計(jì)對(duì)陀螺的輸出進(jìn)行校正，從而獲得高精度的衛(wèi)星姿態(tài)信息.

整個(gè)復(fù)合結(jié)構(gòu)硬件方面由陀螺、星敏感器、紅外地平儀和太陽(yáng)敏感器組成;軟件方面由故障規(guī)避模塊、局部濾波器(子濾波器)［7］、主濾波器和智能融合算法選擇模塊組成一整套復(fù)合結(jié)構(gòu)，其結(jié)構(gòu)如圖1所示.

圖1 多敏感器融合定姿濾波器復(fù)合結(jié)構(gòu)

2 基于波門預(yù)處理技術(shù)的故障規(guī)避模塊

利用波門預(yù)處理技術(shù)，可以最大限度地濾除因敏感器不穩(wěn)定及外界強(qiáng)干擾引起的污染測(cè)量值，從而保證參與融合的數(shù)據(jù)都是有效的.波門是一種有效的信息預(yù)處理方法，它是以測(cè)量值的預(yù)測(cè)值為中心構(gòu)造一個(gè)搜尋區(qū)域，根據(jù)下一時(shí)刻的測(cè)量值是否落入該區(qū)域來(lái)決定此次測(cè)量值是否有效.通過(guò)自適應(yīng)方法確定波門尺寸后，既可以保證落入波門中的有效量測(cè)有很高的概率，同時(shí)又保證了波門內(nèi)沒(méi)有過(guò)量的無(wú)效量測(cè).波門尺寸的選擇是否適宜，直接影響預(yù)處理的效果.波門過(guò)大落入波門內(nèi)的虛警點(diǎn)會(huì)隨之增多，相關(guān)邏輯也隨之變復(fù)雜;波門過(guò)小，容易丟失真實(shí)量測(cè)值.因此，波門的大小應(yīng)該由各個(gè)敏感器的量測(cè)誤差決定.

本文采用的是一種基于測(cè)量殘差矩陣和方差矩陣的自適應(yīng)波門預(yù)處理方法.在這種方法中，波門的大小根據(jù)濾波所得的方差陣而自適應(yīng)設(shè)定，既保證了有效數(shù)據(jù)落入波門的概率較高，又將污染數(shù)據(jù)隔離在波門之外.具體方法如下:

定義統(tǒng)計(jì)距離為

將式(1)和(2)代入，得到

這樣，在保證一定的正確數(shù)據(jù)落入波門的情況下，盡量減少了進(jìn)入波門的污染數(shù)據(jù)的數(shù)量，降低誤跟率，提高了跟蹤效果，避免了不必要的計(jì)算量，更重要的是有效消除了因某敏感器發(fā)生短期失效產(chǎn)生的錯(cuò)誤測(cè)量數(shù)據(jù)對(duì)整個(gè)融合過(guò)程的影響.

3 基于NFE模型的智能融合算法

置信度是衡量敏感器性能的一個(gè)重要指標(biāo)，置信度可靠與否關(guān)系到最終系統(tǒng)融合結(jié)果的好壞.因此，系統(tǒng)要能全面的考慮各種情況，給出可靠的子系統(tǒng)置信度.在這個(gè)環(huán)節(jié)里，要通過(guò)定義計(jì)算各個(gè)子濾波器的置信度來(lái)判斷各個(gè)子系統(tǒng)的工作情況.

本文采用模糊神經(jīng)網(wǎng)絡(luò)(FN)和專家系統(tǒng)(ES)構(gòu)成NFE模型來(lái)計(jì)算敏感器的置信度.

置信度判別器神經(jīng)網(wǎng)絡(luò)是該系統(tǒng)的主要部分，該神經(jīng)網(wǎng)絡(luò)具有5層節(jié)點(diǎn)的神經(jīng)模糊推理系統(tǒng)包含3個(gè)輸入、1個(gè)輸出和27條模糊If-Then規(guī)則.考慮到影響敏感器置信度的重要因素，選擇3個(gè)輸入的語(yǔ)言變量分別定義為:X表示敏感器狀態(tài)，取值范圍為［0，1］，值越小表示敏感器狀態(tài)越好;Y為敏感器檢測(cè)概率;Z為敏感器虛警概率.且每個(gè)輸入語(yǔ)言變量各有3個(gè)用高斯函數(shù)表征隸屬函數(shù)的模糊集合.輸出是表征某一敏感器置信度的實(shí)數(shù)值，其取值范圍為(0，1)，值越大表示敏感器的置信度越高.根據(jù)經(jīng)驗(yàn)建立的模糊If -Then規(guī)則為:“If X is A1，and Y is B1，and Z is C1，Then‘置信度’is r1”，如表1所示.網(wǎng)絡(luò)結(jié)構(gòu)中同一層的節(jié)點(diǎn)具有相同類型的函數(shù).

表1 if-then規(guī)則

采用混合學(xué)習(xí)算法對(duì)45個(gè)參數(shù)進(jìn)行學(xué)習(xí)調(diào)整.當(dāng)數(shù)據(jù)在網(wǎng)絡(luò)中前向傳輸時(shí)，可采用最小二乘法辨識(shí)結(jié)論參數(shù);當(dāng)誤差信號(hào)反轉(zhuǎn)時(shí)，可采用最陡下降法來(lái)更新前提參數(shù).這樣辨識(shí)得到的結(jié)論參數(shù)是最優(yōu)的，而且混合學(xué)習(xí)算法的收斂速度也是非?？斓?，通過(guò)畫模糊神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)曲線可以看出:在第200次迭代時(shí)，誤差在0.15左右，在第500次的時(shí)候誤差基本收斂于0.1左右.

在得到了各個(gè)子系統(tǒng)提供的姿態(tài)角估計(jì)數(shù)據(jù)和各個(gè)子系統(tǒng)置信度的基礎(chǔ)上，在公共狀態(tài)融合器部分，可以依據(jù)各個(gè)子系統(tǒng)置信度的不同情況，對(duì)其提供的數(shù)據(jù)按照不同的方法進(jìn)行融合.本文的3種融合方法分別對(duì)應(yīng)衛(wèi)星姿態(tài)確定過(guò)程中，主要影響定姿精度的3種實(shí)際情況:3子系統(tǒng)工作狀態(tài)均良好;3子系統(tǒng)工作狀態(tài)均不好;其中1個(gè)子系統(tǒng)工作狀態(tài)遠(yuǎn)好于其他2子系統(tǒng)(即有2個(gè)子系統(tǒng)出現(xiàn)故障).當(dāng)只有1個(gè)子系統(tǒng)故障時(shí)，本定姿結(jié)構(gòu)仍可以利用另外2個(gè)正常工作的子系統(tǒng)互補(bǔ)長(zhǎng)短，以取得較好的精度，因此不在此處考慮.其具體的方法主要有以下3種:

1)狀態(tài)選擇法.即選擇置信度最佳的子系統(tǒng)提供的數(shù)據(jù)對(duì)公共狀態(tài)進(jìn)行修正.如果在定姿過(guò)程中，當(dāng)兩個(gè)敏感器由于自身故障或是外界干擾產(chǎn)生較大誤差時(shí)，即其中1個(gè)子系統(tǒng)的置信度遠(yuǎn)遠(yuǎn)高于其他2個(gè)子系統(tǒng)，此時(shí)利用狀態(tài)選擇法可以有效的剔除故障數(shù)據(jù)，保留有效數(shù)據(jù)，從而保證系統(tǒng)的定姿精度

2)狀態(tài)增強(qiáng)法.選擇1個(gè)子系統(tǒng)作為系統(tǒng)狀態(tài)，然后用其他的子系統(tǒng)狀態(tài)對(duì)其進(jìn)行修正.當(dāng)各個(gè)子系統(tǒng)工作狀態(tài)均不佳時(shí)，通過(guò)狀態(tài)增強(qiáng)法可以使得各子系統(tǒng)互相修正，得到較小的隨機(jī)誤差，可保證整個(gè)定姿系統(tǒng)的定姿精度較高.

3)方差矩陣加權(quán)法.通過(guò)各子系統(tǒng)濾波后得到的方差矩陣Pi對(duì)最終的數(shù)據(jù)進(jìn)行加權(quán)融合，即

當(dāng)各個(gè)子系統(tǒng)的工作狀態(tài)都很好，即各個(gè)子系統(tǒng)置信度都很高時(shí)，通過(guò)方差矩陣加權(quán)法可以使得個(gè)子系統(tǒng)互補(bǔ)長(zhǎng)短，從而進(jìn)一步提高定姿精度.

其中在第3種情況下，也可以應(yīng)用狀態(tài)矢量加權(quán)法來(lái)進(jìn)一步對(duì)融合結(jié)果進(jìn)行優(yōu)化.所謂的狀態(tài)矢量加權(quán)法就是根據(jù)各個(gè)敏感器的權(quán)值，對(duì)它們的數(shù)據(jù)進(jìn)行加權(quán)融合.在這里使用拉格朗日乘數(shù)法來(lái)推導(dǎo)相應(yīng)敏感器的歸一化權(quán)值.當(dāng)每部敏感器的工作狀態(tài)都較穩(wěn)定時(shí)可采用此方法.此時(shí)，隨機(jī)誤差可被平均掉，故隨機(jī)誤差小.

其中ωi可以采用拉格朗日乘數(shù)法來(lái)求解.

4 仿真實(shí)驗(yàn)及結(jié)果分析

4.1 實(shí)驗(yàn)環(huán)境設(shè)定及實(shí)驗(yàn)?zāi)康?/h3>

仿真時(shí)設(shè)定，陀螺儀常值漂移((°)/h)為(3，-5，-5)，白噪聲標(biāo)準(zhǔn)差((°)/h)為0.05，紅外地平儀(GEO擺動(dòng)掃描式)系統(tǒng)誤差0.05°，隨機(jī)誤差0.03°，太陽(yáng)敏感器測(cè)量誤差0.05°［8］，星敏感器測(cè)量誤差9.9″，仿真時(shí)間300 s，在此仿真環(huán)境下做100次蒙特卡羅實(shí)驗(yàn)［9-10］.

實(shí)驗(yàn)1:驗(yàn)證基于波門預(yù)處理技術(shù)的故障規(guī)避模塊有效性.針對(duì)上述復(fù)合結(jié)構(gòu)進(jìn)行100次蒙特卡羅仿真實(shí)驗(yàn)，仿真時(shí)間取300 s，在其中隨機(jī)選取80 s加入污染數(shù)據(jù)，以模擬由于外界環(huán)境干擾以及敏感器自身故障原因造成的數(shù)據(jù)污染，從而驗(yàn)證故障規(guī)避模塊的性能.

實(shí)驗(yàn)2:驗(yàn)證基于NFE模型的智能融合算法有效性.實(shí)驗(yàn)共分兩組，一組采用統(tǒng)一的方差矩陣加權(quán)法進(jìn)行融合，另一組采用智能融合算法進(jìn)行融合，分別進(jìn)行100次蒙特卡羅實(shí)驗(yàn)，仿真時(shí)間都為300 s，以驗(yàn)證智能融合算法選擇模塊的性能.然后，在相同的仿真環(huán)境下，利用其他現(xiàn)有的定姿結(jié)構(gòu)對(duì)衛(wèi)星進(jìn)行定姿，通過(guò)對(duì)比以驗(yàn)證本文提出的復(fù)合結(jié)構(gòu)的定姿性能.

4.2 實(shí)驗(yàn)結(jié)果及分析

實(shí)驗(yàn)1:圖2是各個(gè)子系統(tǒng)各時(shí)刻測(cè)量值相對(duì)于波門中心的歸一化距離，通過(guò)本文給出的自適應(yīng)波門門限確定方法可以得到最優(yōu)門限為0.30.表2給出了最優(yōu)門限(0.30)與人為設(shè)定門限值剔除污染數(shù)據(jù)的性能比較.

從圖2中不難看出，當(dāng)敏感器工作不正常的情況下即輸出污染數(shù)據(jù)時(shí)，其測(cè)量值與波門中心的距離明顯大于其他測(cè)量值到中心的距離，這就為本文提出的基于波門預(yù)處理技術(shù)的故障規(guī)避模塊提供了可靠依據(jù).從表2中數(shù)據(jù)可以看出:當(dāng)波門門限值取得過(guò)小時(shí)雖然可以剔除污染數(shù)據(jù)，但是很多真實(shí)數(shù)據(jù)也被剔除掉了(真值落入概率小于100%);當(dāng)門限值取得過(guò)大時(shí)，雖然保證了真實(shí)值落入波門的概率，但是許多污染數(shù)據(jù)無(wú)法剔除從而導(dǎo)致定姿精度嚴(yán)重下降;當(dāng)門限值為通過(guò)本文方法得到的自適應(yīng)門限0.30時(shí)，不但剔除了所有污染數(shù)據(jù)，而且保證了真實(shí)數(shù)據(jù)的落入概率，從而提高了定姿精度.

實(shí)驗(yàn)2:圖3為本文提出的復(fù)合結(jié)構(gòu)定姿精度，表3為各個(gè)時(shí)刻子系統(tǒng)的置信度和系統(tǒng)選擇的融合方法，其中a表示狀態(tài)選擇法，b表示狀態(tài)增強(qiáng)法，c表示狀態(tài)矢量加權(quán)法.在同等仿真背景下進(jìn)行定姿的橫向比較，表4給出了各種敏感器組合以及復(fù)合結(jié)構(gòu)定姿精度的比較.

圖2 各時(shí)刻測(cè)量值到波門中心的距離

由表3可以看出，本方法用置信度來(lái)描述各個(gè)子系統(tǒng)的工作狀態(tài)和定姿精度，并根據(jù)前面設(shè)定的智能選擇原則來(lái)選擇相應(yīng)的融合方法，以貼近實(shí)際的定姿環(huán)境.如在第一秒3個(gè)子系統(tǒng)的置信度均在0.7之上，都比較高，證明各個(gè)子系統(tǒng)的工作狀態(tài)都很穩(wěn)定，此時(shí)采用狀態(tài)矢量加權(quán)法c進(jìn)行融合，隨機(jī)誤差可被平均掉;又如第296 s，子系統(tǒng)3的置信度明顯高于其他兩個(gè)子系統(tǒng)，即其他2個(gè)子系統(tǒng)可能由于干擾和自身故障導(dǎo)致工作狀態(tài)不穩(wěn)定，此時(shí)系統(tǒng)智能選擇狀態(tài)選擇法a進(jìn)行融合，即選擇置信度最佳的子系統(tǒng)提供的數(shù)據(jù)對(duì)公共狀態(tài)進(jìn)行修正，從而保證較高的定姿精度.可見(jiàn)，本方法可以根據(jù)定姿環(huán)境和敏感器工作狀態(tài)的具體情況智能選擇融合方法.由表4可以看出，復(fù)合結(jié)構(gòu)的最終定姿精度高于現(xiàn)有定姿系統(tǒng)和未使用智能融合的復(fù)合結(jié)構(gòu)(統(tǒng)一采用方差矩陣加權(quán)法)的定姿精度，可見(jiàn)在定姿系統(tǒng)中加入故障規(guī)避模塊及融合算法智能選擇模塊使得污染數(shù)據(jù)得以剔除，并能夠根據(jù)不同的敏感器工作狀態(tài)智能選擇相應(yīng)的融合方法，從而提高了定姿精度.

表2 不同距離門限下的波門效果比較

圖3 復(fù)合結(jié)構(gòu)仿真結(jié)果

表3 各子系統(tǒng)的置信度和融合算法的選擇

表4 各種定姿系統(tǒng)的精度比較

4 結(jié)論

本文針對(duì)配置多敏感器的衛(wèi)星姿態(tài)確定系統(tǒng)，設(shè)計(jì)了以聯(lián)邦濾波器為基礎(chǔ)的高精度衛(wèi)星姿態(tài)信息融合結(jié)構(gòu)，提出了基于波門預(yù)處理技術(shù)的故障規(guī)避模塊以及基于NFE模型的智能融合算法.本文設(shè)計(jì)的復(fù)合定姿結(jié)構(gòu)，將不同敏感器組合提供的定姿數(shù)據(jù)進(jìn)行融合，取長(zhǎng)補(bǔ)短;利用波門技術(shù)剔除污染數(shù)據(jù)，保證參與融合的數(shù)據(jù)的有效性和準(zhǔn)確性，從而達(dá)到最終融合的全局最優(yōu);并通過(guò)模糊神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)計(jì)算出各子系統(tǒng)姿態(tài)敏感器的置信度，以描述其工作狀態(tài)，最后根據(jù)不同的情況選擇相應(yīng)的融合方法.通過(guò)實(shí)驗(yàn)證明，本定姿方法不但可以實(shí)現(xiàn)不同敏感器定姿信息的融合，而且可以剔除實(shí)際定姿環(huán)境中，因干擾及敏感器自身故障引起的數(shù)據(jù)污染，并能夠隨著各個(gè)敏感器的工作狀態(tài)變化而智能選擇相應(yīng)的融合方法，從而實(shí)現(xiàn)更高精度的衛(wèi)星定姿.

［1］DOWGIALLO D J，BOBAK J P.An economical and highly accurate attitude and position determination system for airborne polarimetric sensors［J］.IEEE transactions，2008，10:1620-1622.

［2］OKATAN A，HAJIYEV C H.Kalman filter innovation sequence based fault detection in LEO satellite attitude determination and control system［J］.IEEE transactions，2008，20:411-416.

［3］WANG Zhisheng.A new kind of satellite integrated attitude determination system［C］//Proceedings of 2007 IEEE International conference on control and automation.Guangzhou:［s.n.］，2007:3254-3258.

［4］CAI Lin，HUANG Yuancan.A genetic-based fuzzy clustering algorithm for fault diagnosis in satellite attitude determination system［C］//Proceedings of 2003 IEEE Conference on Control Applications.Seattle:［s.n.］，2003(1):115-119.

［5］GEBRE-EGZIABHER D，HAYWARD R C.Design of multi-sensor attitude determination systems［J］.IEEE transactions on aerospace and electronic systems，2004，40:627-649.

［6］顧冬晴.多敏感器衛(wèi)星姿態(tài)確定的聯(lián)邦濾波器設(shè)計(jì)［J］.中國(guó)空間科學(xué)技術(shù)，2004，24(3):7-13.

［7］OKATAN A，HAJIYEV C H.Kalman filter innovation sequence based fault detection in LEO satellite attitude determination and control system［J］.IEEE transactions，2007，1:411-416.

［8］KUTLU A，HACIYEV C H.Attitude determination and rotational motion parameters identification of a LEO satellite through magnetometer and sun sensor data［C］// Proceedings of 2007 Recent advances in space technologies.Istanbul:［s.n.］，2007:458-461.

［9］MORTON B P.Attitude determination and orbital estimation using earth position and magnetic field vector measurements［C］//Proceedings of 2004 American control conference.Boston:［s.n.］，2004:4084-4089.

［10］LAM Q M，CRASSIDIS J L.Precision attitude determination usingamultiple modeladaptiveestimation scheme［J］.IEEEAC，2006，9:1-20.