【技術實現步驟摘要】
本專利技術涉及航天器導航領域，尤其涉及一種基于qlekf的木星探測環繞段自主導航方法和裝置。
技術介紹
1、近些年來，木星探測已成為繼月球和火星探測后深空探測的又一重要領域。目前，全球范圍內已啟動或正在計劃多項木星探測項目。重點關注木星及其衛星的環繞探測，旨在進一步探索木星系統和行星際空間環境，詳細研究木星大氣、磁場、離子體和高能粒子的分布。
2、由于木星與地球距離遙遠，存在約34分鐘的通信延時，地面難以對探測器實時測控，因此要求探測器具有極強的自主管理能力，包括自主導航與控制、自主任務規劃、自主故障診斷及處理等多個方面。其中自主導航技術能夠實時提供探測器狀態信息，是確保探測任務正常實施的關鍵，要求探測器不依賴外部支持，僅利用自身攜帶的測量設備實時確定自身相對于某一坐標系的位置、速度、姿態等信息來引導航行。
3、現有的自主導航算法，大多建立在火星、月球探測背景上，分別基于導航星的天體光學信息、陀螺儀和加速計測量信息、脈沖星信號和基于星間測量信標等測量信息利用濾波算法進行解算。由于計算資源有限、木星周邊磁場和引力場復雜，探測器無法連續、精確地接收遠處星系的測量數據，而木星周邊豐富的天然衛星運行穩定、星歷信息已知，其相對于探測器的視線矢量是理想的測量數據源。然而，木星周邊區域內復雜的空間擾動和干擾源導致過程噪聲和測量噪聲難以精準建模，顯著降低了導航精度。為抑制噪聲不確定性，研究者們提出了多種自適應濾波方法。例如基于協方差匹配技術改進sage-husa自適應濾波，對測量噪聲進行實時估計；再例如一種基于測量序列對
4、在實現本專利技術過程中，申請人發現現有技術中至少存在如下問題：
5、如何在不確定性的情景下，提高了導航精度并提高導航效率。
技術實現思路
1、本專利技術實施例提供一種基于qlekf的木星探測環繞段自主導航方法和裝置，解決了如何在不確定性的情景下，提高了導航精度并提高導航效率的問題。
2、為達上述目的，一方面，本專利技術實施例提供一種基于qlekf的木星探測環繞段自主導航方法，包括：
3、通過星載相機獲得木星衛星平面二維像素圖像,根據所述木星衛星平面二維像素圖像，在木星慣性坐標系下，確定木星的預設三個衛星中的每個衛星與探測器的位置的相對位置矢量；
4、根據木星的預設三個衛星中的每個衛星與探測器的位置的相對位置矢量，確定觀測變量；
5、在強化學習的每個強化學習循環中，根據所述強化學習循環的上一強化學習循環對應的強化學習狀態，確定所述強化學習循環對應的強化學習動作和強化學習狀態；
6、根據所述強化學習循環對應的強化學習狀態，從強化學習狀態空間中獲取所述強化學習循環對應的強化學習狀態相應的噪聲協方差矩陣；其中，所述強化學習狀態空間包括以矩陣形式排列的多個強化學習狀態；每個強化學習狀態對應有噪聲協方差矩陣；
7、根據所述觀測變量、所述強化學習循環的上一強化學習循環對應的強化學習狀態、所述強化學習循環對應的強化學習動作和強化學習狀態、以及所述強化學習循環對應的強化學習狀態相應的噪聲協方差矩陣，通過第一擴展卡爾曼濾波器確定所述強化學習循環對應的強化學習q值，并且通過第二擴展卡爾曼濾波器確定探測器的運行狀態的狀態估計；
8、根據所述強化學習循環對應的強化學習q值，判斷所述強化學習循環是否達到預設收斂條件；如果判斷出所述強化學習循環沒有達到所述預設收斂條件，則繼續執行強化學習的下一個強化學習循環；如果判斷出所述強化學習循環達到所述預設收斂條件，則將所述探測器的運行狀態的狀態估計作為探測器的運行狀態的目標狀態估計；
9、根據所述目標狀態估計與預設軌道數據，校準所述探測器的運行狀態。
10、另一方面，本專利技術實施例提供一種基于qlekf的木星探測環繞段自主導航裝置，包括：
11、數據采集單元，用于通過星載相機獲得木星衛星平面二維像素圖像,根據所述木星衛星平面二維像素圖像，在木星慣性坐標系下，確定木星的預設三個衛星中的每個衛星與探測器的位置的相對位置矢量；
12、觀測變量確定單元，用于根據木星的預設三個衛星中的每個衛星與探測器的位置的相對位置矢量，確定觀測變量；
13、強化學習狀態確定單元，用于在強化學習的每個強化學習循環中，根據所述強化學習循環的上一強化學習循環對應的強化學習狀態，確定所述強化學習循環對應的強化學習動作和強化學習狀態；
14、噪聲矩陣確定單元，用于根據所述強化學習循環對應的強化學習狀態，從強化學習狀態空間中獲取所述強化學習循環對應的強化學習狀態相應的噪聲協方差矩陣；其中，所述強化學習狀態空間包括以矩陣形式排列的多個強化學習狀態；每個強化學習狀態對應有噪聲協方差矩陣；
15、濾波處理單元，用于根據所述觀測變量、所述強化學習循環的上一強化學習循環對應的強化學習狀態、所述強化學習循環對應的強化學習動作和強化學習狀態、以及所述強化學習循環對應的強化學習狀態相應的噪聲協方差矩陣，通過第一擴展卡爾曼濾波器確定所述強化學習循環對應的強化學習q值，并且通過第二擴展卡爾曼濾波器確定探測器的運行狀態的狀態估計；
16、收斂判斷單元，用于根據所述強化學習循環對應的強化學習q值，判斷所述強化學習循環是否達到預設收斂條件；如果判斷出所述強化學習循環沒有達到所述預設收斂條件，則繼續執行強化學習的下一個強化學習循環；如果判斷出所述強化學習循環達到所述預設收斂條件，則將所述探測器的運行狀態的狀態估計作為探測器的運行狀態的目標狀態估計；
17、狀態校準單元，用于根據所述目標狀態估計與預設軌道數據，校準所述探測器的運行狀態。
18、上述技術方案具有如下有益效果：將強化學習與擴展卡爾曼濾波器相結合構成qlekf-single算法，能夠在噪聲協方差矩陣難以準確取定的情況下，在一定搜索范圍內找到合適的噪聲協方差矩陣值以提升qlekf-single算法的性能，從而實現比ekf算法更精確的估計效果，在收斂后的位置和速度估計方面有了較大的改進，提高航天器導航的準確性。
本文檔來自技高網...【技術保護點】
1.一種基于QLEKF的木星探測環繞段自主導航方法，其特征在于，包括：
2.如權利要求1所述的基于QLEKF的木星探測環繞段自主導航方法，其特征在于，所述通過星載相機獲得木星衛星平面二維像素圖像,根據所述木星衛星平面二維像素圖像，在木星慣性坐標系下，確定探測器的位置相對于木星的預設三個衛星中的每個衛星的相對位置矢量，具體為：根據以下公式確定探測器的位置相對于木星的預設三個衛星中的每個衛星的相對位置矢量：
3.如權利要求1所述的基于QLEKF的木星探測環繞段自主導航方法，其特征在于，所述根據木星的預設三個衛星中的每個衛星與探測器的位置的相對位置矢量，確定觀測變量，具體為：根據以下公式確定觀測變量：
4.如權利要求1所述的基于QLEKF的木星探測環繞段自主導航方法，其特征在于，所述根據所述強化學習循環的上一強化學習循環對應的強化學習狀態，確定所述強化學習循環對應的強化學習動作和強化學習狀態，包括：
5.如權利要求1所述的基于QLEKF的木星探測環繞段自主導航方法，其特征在于，所述根據所述觀測變量、所述強化學習循環的上一強化學習循環對應的
6.一種基于QLEKF的木星探測環繞段自主導航裝置，其特征在于，包括：
7.如權利要求6所述的基于QLEKF的木星探測環繞段自主導航裝置，其特征在于，所述數據采集單元，具體用于：根據以下公式確定探測器的位置相對于木星的預設三個衛星中的每個衛星的相對位置矢量：
8.如權利要求6所述的基于QLEKF的木星探測環繞段自主導航裝置，其特征在于，所述觀測變量確定單元，具體用于：根據以下公式確定觀測變量：
9.如權利要求6所述的基于QLEKF的木星探測環繞段自主導航裝置，其特征在于，所述強化學習狀態確定單元，包括：
10.如權利要求6所述的基于QLEKF的木星探測環繞段自主導航裝置，其特征在于，所述濾波處理單元，包括：
...【技術特征摘要】
1.一種基于qlekf的木星探測環繞段自主導航方法，其特征在于，包括：
2.如權利要求1所述的基于qlekf的木星探測環繞段自主導航方法，其特征在于，所述通過星載相機獲得木星衛星平面二維像素圖像,根據所述木星衛星平面二維像素圖像，在木星慣性坐標系下，確定探測器的位置相對于木星的預設三個衛星中的每個衛星的相對位置矢量，具體為：根據以下公式確定探測器的位置相對于木星的預設三個衛星中的每個衛星的相對位置矢量：
3.如權利要求1所述的基于qlekf的木星探測環繞段自主導航方法，其特征在于，所述根據木星的預設三個衛星中的每個衛星與探測器的位置的相對位置矢量，確定觀測變量，具體為：根據以下公式確定觀測變量：
4.如權利要求1所述的基于qlekf的木星探測環繞段自主導航方法，其特征在于，所述根據所述強化學習循環的上一強化學習循環對應的強化學習狀態，確定所述強化學習循環對應的強化學習動作和強化學習狀態，包括：
5.如權利要求1所述的基于qlekf的木星探測環繞段自主導航方法，其特征在于，所述根據所述觀測變量、所述強化...
【專利技術屬性】
技術研發人員：何章鳴，戴志雯，侯博文，王炯琦，周萱影，周海銀，張藝捷，
申請(專利權)人：中國人民解放軍國防科技大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。