太阳光波峰到达时间差分量测及其深度组合导航方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61873196
  • 项目类别:
    面上项目
  • 资助金额:
    66.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0307.导航、制导与控制
  • 结题年份:
    2022
  • 批准年份:
    2018
  • 项目状态:
    已结题
  • 起止时间:
    2019-01-01 至2022-12-31

项目摘要

In the encounter period of deep space exploration, the traditional celestial navigation methods cannot provide the radial position information of spacecraft with respect to the target celestial body directly. To solve this problem, exploiting the instability of the solar intensity, we utilize the time-difference-of-arrival (TDOA) between the direct solar light and the reflected planet light as the measurement, deeply integrated it with the angle measurement-based navigation, and probes into the effective methods of the solar light peak-based time-difference-of-arrival measurement and its deeply integrated navigation. The main research contents are: .① To solve the problem of the serious Doppler effect and the limited computing resource, we adopt the state estimation of the integrated navigation to compensate the time-of-arrival of solar light irradiation signals, and utilize few solar light peaks and troughs information to realize the TDOA estimation with the small computing load and high accuracy..② Considering the factors of the high flying velocity, the non-spherical planet and the diffuse reflection, we build the highly accurate solar TDOA model. .③ Due to the strong relationship between the measurement compensation bias and the state estimation, we propose the Kalman filter against the compensation bias, and construct the main filter which can fuse the information from non homogenous filters to realize the deeply integrated navigation. .④ The historical data cannot be fully exploited. And the range of the condition number for the integrated navigation is very large. To solve these two problems, the structured condition number based on fractional differentiation is proposed to evaluate the navigation performance scientifically. .The investigated achievements will provide the spacecraft with the time-real and accurate autonomous navigation information in the encounter period.
在深空探测捕获段,传统天文导航无法直接提供航天器相对于目标天体的径向位置。为了解决该问题,本项目拟利用太阳光强不稳定这一特性,将太阳直射光与行星反射光的到达时间差作为量测值,并与测角导航深度融合,探索实现太阳光波峰到达时间差分量测及其深度组合导航的有效方法,包括:①针对多普勒效应影响严重、计算资源有限等问题,利用组合导航状态估计值补偿太阳光辐射信号到达时间,仅利用少量的太阳光波峰和波谷信息实现小计算量、高精度的量测值估计。②综合考虑航天器高速飞行、行星非球形、漫反射等多种干扰因素,建立高精度量测模型。③鉴于量测补偿偏差与状态估计具有强耦合性,提出抗补偿偏差的Kalman滤波器,并构造一种能融合非同质滤波器的主滤波器,以实现深度组合导航。④针对历史数据未被利用,组合导航系统条件数变化大等问题,提出分数阶结构性条件数,以科学评价导航性能。以上研究成果将在捕获段为航天器提供实时高精度的自主导航。

结项摘要

进入21世纪以来,世界上掀起了深空探测的热潮。我国也不甘落后,将深空探测任务列入了国家战略。深空探测捕获段的自主导航仍然是一个技术瓶颈,特别是航天器相对于目标天体的相对位置尤为重要。而传统天文导航均无法提供这一关键信息。. 为了提供航天器与目标天体之间距离这一关键信息,研究太阳光到达时间差分量测方法。考虑到天文测角导航能提供相对于目标天体的方位信息,将二者深度组合,提供相对于目标天体的三维位置信息。具体如下:(1)从几何角度对多个误差源进行分析,包括:直射和反射太阳光源的面积重叠率、太阳球体引起的到达时间差分的扩展效应、火卫引起的到达时间差分的扩展效应等。在此基础上,利用微分几何等数学工具,建立了高精度的太阳光到达时间差分测量模型。(2)太阳球形引起的时间色散效应导致行星反射光轮廓发生畸变,进而造成太阳光到达时间差分测量精度下降。为了解决这一问题,研究了行星反射轮廓的形成机理,提出了太阳直射光/行星反射光到达时间差分估计方法。将观测的太阳序列图像转换为扩展子轮廓,并将这些子轮廓移动并叠加,以构建虚拟的行星反射轮廓。将观测到的行星反射轮廓与虚拟的行星反射轮廓进行比较,得到太阳到达时间差分。该估计方法不受时间色散的影响,其精度达到1km。(3)小行星反射光微弱,这导致观测周期较长,进而造成接收的行星反射光会受多普勒效应影响。为了抑制多普勒效应,提出了多种天文测角/测速/测距深度组合导航系统。利用导航速度信息补偿行星反射光谱以获得高精度光谱,实现深度组合导航。以上研究成果构成了一套完整的太阳光到达时间差分/测角深度组合导航系统。该深度组合导航系统能在捕获段这一关键时期为航天器提供实时高精度的定速和定位信息。此外,开展了X射线脉冲星导航研究,进一步丰富了研究成果。. 本项目若能成功实施,太阳光波峰TDOA导航将成为继测角导航、多普勒导航、X射线脉冲星导航之后第四种天文自主导航方式。共发表学术期刊论文24篇,其中,SCI论文23篇,中国科技期刊卓越行动计划-领军期刊论文1篇,梯队期刊论文1篇;授权发明专利5项;拟出版学术专著2部;获第五届中国出版政府奖图书奖;培养1名博士生和19名硕士生。

项目成果

期刊论文数量(24)
专著数量(1)
科研奖励数量(0)
会议论文数量(0)
专利数量(5)
Real-time and accurate pulsar time-of-arrival estimation using GA-optimized EMD-CS
使用 GA 优化的 EMD-CS 实时准确地估计脉冲星到达时间
  • DOI:
    10.1016/j.ijleo.2020.165871
  • 发表时间:
    2021
  • 期刊:
    Optik
  • 影响因子:
    3.1
  • 作者:
    Liu L L;Liu J;Ning X L;Kang Z W
  • 通讯作者:
    Kang Z W
Geometric Coplanar Constraints-Aided Autonomous Celestial Navigation for Spacecraft in Deep Space Exploration
深空探测航天器几何共面约束辅助自主天文导航
  • DOI:
    10.1109/access.2019.2934501
  • 发表时间:
    2019-01-01
  • 期刊:
    IEEE ACCESS
  • 影响因子:
    3.9
  • 作者:
    Ma, Xin;Ning, Xiaolin;Liu, Jin
  • 通讯作者:
    Liu, Jin
Stellar spectrum-based relative velocimetry with spectrometer and its integrated navigation
基于恒星谱的谱仪相对测速及其组合导航
  • DOI:
    10.1016/j.ijleo.2019.163805
  • 发表时间:
    2020-04
  • 期刊:
    Optik
  • 影响因子:
    3.1
  • 作者:
    Wang Z H;Huang X M;Liu J;Ma X;Chen X
  • 通讯作者:
    Chen X
Similar Hadamard-based compressive sensing and its application in pulsar TOA estimation
基于相似Hadamard的压缩感知及其在脉冲星TOA估计中的应用
  • DOI:
    10.1016/j.ijleo.2019.163270
  • 发表时间:
    2019-11
  • 期刊:
    Optik
  • 影响因子:
    3.1
  • 作者:
    Han Xue-xia;Du Ting-xuan;Pan Chao;Liu Jin;Kang Zhi-wei;Chen Xiao
  • 通讯作者:
    Chen Xiao
INS/CNS/DNS/XNAV deep integrated navigation in a highly dynamic environment
高动态环境下的 INS/CNS/DNS/XNAV 深度组合导航
  • DOI:
    10.1108/aeat-03-2022-0063
  • 发表时间:
    2022-07
  • 期刊:
    Aircraft Engineering and Aerospace Technology
  • 影响因子:
    1.5
  • 作者:
    Hu J T;Liu J;Wang Y D;Ning X L
  • 通讯作者:
    Ning X L

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

基于两级压缩感知的脉冲星时延估计方法
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    Acta Physica Sinica
  • 影响因子:
    1
  • 作者:
    康志伟;吴春艳;刘劲;马辛;桂明臻
  • 通讯作者:
    桂明臻
基于脉冲星和火星观测的深空探测器自主导航
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    仪器仪表学报
  • 影响因子:
    --
  • 作者:
    刘劲;房建成;宁晓琳;吴谨;康志伟
  • 通讯作者:
    康志伟
基于自学习的稀疏正则化图像超分辨率方法
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    仪器仪表学报
  • 影响因子:
    --
  • 作者:
    吴谨;陈振学;杨莘;刘劲
  • 通讯作者:
    刘劲
基于双测量模型的多普勒测速及其组合导航
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    宇航学报
  • 影响因子:
    --
  • 作者:
    康志伟;徐星满;刘劲;李娜
  • 通讯作者:
    李娜
基于USB的155Mb/s码型发生器的研制
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    《光电子技术与信息》Vol. 18, No. 2,pp62-65
  • 影响因子:
    --
  • 作者:
    刘劲;吴重庆;韩兵;傅松年
  • 通讯作者:
    傅松年

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

刘劲的其他基金

高动态环境下的多普勒测速脉冲星导航方法研究
  • 批准号:
    61501336
  • 批准年份:
    2015
  • 资助金额:
    22.0 万元
  • 项目类别:
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码