运动模型/立体视觉深组合的非合作航天器超近距相对导航

Estimating the relative states including position, attitude, and rotational and translational velocities in the range of 10 meters between chaser and non-cooperative target, or the portions of the two spacecrafts is one of the keys of unmanned on orbit service, and the process must be real-time, reliable and precise. So the technologies are valuable whatever in theories and applications. The actual demands of the kind of navigation are not satisfied by the existing relative pose estimation algorithms, this research project suggests a new method based on ultra tight coupling relative motion model and stereo vision system. The next image knowledge forecasted by the relative motion model and the tentative knowledge of non-cooperative spacecraft which is available by on-orbit recognition or last images of stereo vision is adopted to assist the image process and pose measurement to enhance efficiency and reliability. A nonlinear batch estimation algorithm is to be researched to recognize model error based on target tentative motion model attained by on-orbit recognition and stereo vision information on ultra close distance, so the navigation precision enhancement is achieved step by step. A new adaptive information fusion algorithm and design method found on the negative feedback portion control information fusion architecture is researched to enhance information fusion rapidity and precision. Two loops with high and low computation rapidity is designed to collaborative work, then the performance of real-time and precision are achieved at the same time. The methods are to be tested and evaluated by numerical and physical simulation.

在0-10m的距离上，主动航天器实时可靠精确地测量其与非合作航天器之间，或者两者局部区域之间的相对位置姿态及其变化率，是实现航天器无人在轨服务的关键支撑之一，具有重要的理论意义和应用价值。目前已有的相对位姿测量算法尚不能完全满足这类特殊导航的实际需求，本项目提出了一种基于相对运动模型与立体视觉信息深组合导航新方法。根据在轨辨识或上时刻立体成像得到的非合作航天器的初步知识，结合运动模型预报下时刻图像知识以辅助立体视觉快速可靠的图像处理与位姿测量；基于在轨辨识得到的目标粗略运动模型，根据超近距离上的立体视觉信息，拟研究辨识模型误差的非线性批处理算法，逐步提高相对导航精度；基于比例控制的负反馈信息融合结构，研究一种新的具有自适应调节功能的信息融合算法与设计方法，提高信息融合速度与精度；拟设计高低两个速度的计算回路协同工作，以兼顾实时性与精度，并通过仿真和试验等手段验证与评价算法。

在0-10m的距离上，服务航天器实时可靠精确地测量其与故障航天器之间，或者两个航天器局部区域之间的相对位置姿态及其变化率，是实现航天器无人在轨服务的关键支撑之一，具有重要的理论意义和应用价值。本项目研究了一种基于相对运动模型与立体视觉信息深组合导航新方法，主要研究内容有：针对近距离上的两个航天器建立了描述两者之间运动关系的运动模型；针对故障航天器动力学参数辨识问题，提出了基于故障航天器表面的自然特征点建立特征坐标系，并结合线运动参数估计器辨识出翻滚卫星的质心位置，从而平移特征坐标系来重建故障星本体坐标系，同时利用旋转估计器辨识出故障星的转动惯量比，质心标定精度在数毫米量级，转动惯量比精度优于1%；研究了一种将传统立体视觉与正交迭代位姿估计算法融合的交替迭代算法，提高了基于视觉的相对位姿测量的性能；在相对导航参数的估计方面，针对EKF算法提出两种方案：一种方案是频繁机动的服务航天器的状态参数与故障航天器状态实现联合估计，另一种方案是故障航天器运动参数单独估计，在此基础上，将该相对导航问题解耦成线运动和旋转运动两个部分：1、研究了利用极点切换的自适应状态观测器估计了线运动参数，2、在旋转部分，研究了基于滑模控制思想的虚拟控制方法实现了在具有系统不确定性误差条件下的姿态参数的估计，精度比EKF高50%以上，以及基于Thinel的方法研究了一种新的估计器并进行了稳定性证明，经过比较，项目方法比Thinel估计器精度相同，但是收敛速度快1倍以上；搭建了实验验证平台，利用实验室的工业相机、电动旋转台等设备搭建了实验环境，验证了相关方法。本项目的研究成果为故障航天器在轨服务中涉及的目标动力学参数识别，相对位姿参数的高精度估计提供了新的解决思路和理论方法。