题目：非线性预测滤波理论及其在卫星姿态控制系统中的应用

对于卫星姿态控制系统来说，滤波技术是获得姿态估计，从而实现控制目标的关键技术；同时它也是实现故障检测和容错控制的重要方法。在传感器精度、数量有限的条件下，精度高、鲁棒性好的滤波算法是提高整个卫星姿态控制系统性能的重要保证。由于卫星姿态控制系统是一类非线性系统，传统的基于线性模型的滤波方法并不十分适用，因此有必要对非线性滤波的方法进行研究。非线性滤波的方法有很多，出现于二十世纪九十年代的预测滤波就是其中之一。本文即是以预测滤波为核心，以卫星姿态控制系统为对象，从预测滤波的理论研究、预测滤波的算法改进以及预测滤波用于故障诊断和容错控制等三个层次展开的。 论文主要由三个部分组成： 第一部分，研究了预测滤波算法的相关理论问题。首先，在Crassidis提出的预测滤波器的递推估计方法的基础上，详细推导了预测滤波的算法流程；然后采用局部线性化分析方法，首次给出了预测滤波的误差递推方程，建立了预测滤波的误差模型；接着，在该误差模型的基础上详细讨论了预测滤波加权矩阵对滤波性能的影响，指出了该加权矩阵选取的方法原则；最后，利用预测滤波的误差模型，使用随机李亚普诺夫方法给出了一组预测滤波稳定的充分条件，完善了预测滤波的理论体系。 第二部分，重点研究预测滤波算法的改进和扩展。一方面，针对预测滤波算法中由模型误差估计所使用的泰勒展开方法带来的动态过程剧烈、存在稳态误差等问题，提出了一种新的神经－预测滤波算法。用高精度离线寻优加神经网络映射的方法，避免了泰勒展开方法中舍去高阶展开项带来的不利影响，改善了滤波的动态性能和稳态精度。另一方面，针对卫星姿态估计系统采用多个传感器时存在计算量大、容错性能差的问题，将预测滤波器扩展为一种分散化的结构。将各个子滤波器与各个传感器相对应并分别对系统的状态和模型误差进行估计，然后用一个主滤波器进行信息融合以得到全局估计。新的分散化滤波算法在保持滤波精度不变的前提下，能够大大降低计算量；同时由于各个子滤波器相对独立，因此在某一个子系统发生故障之后，能够迅速将其检测并隔离出去，显著地提高了系统的容错性能。 第三部分，针对卫星姿态控制系统，研究了预测滤波用于故障诊断和容错控制的方法。首先，针对单一的执行机构或者系统组件故障，使用预测滤波的模型误差估计作为残差，实现了对这种故障的检测和隔离。由于残差中存在噪声信号，不利于微小故障的检测。因此，在使用预测滤波进行故障检测时，采用了低通滤波和Asymptotic Local Approach两种信号处理方法从残差中提取故障信号。进一步，推算了这两种方法下的虚警率、漏检率以及故障检测延时。然后，将研究对象扩展为执行机构/系统组件、传感器故障均可能发生的复杂情况。此时，需要采用输出估计与测量值之差作为第二种残差，并与第一种残差即模型误差估计相结合，以实现对两种类型故障的检测和分类。最后，论文给出了一个针对飞轮故障的卫星姿态容错控制系统的设计和仿真。该系统用预测滤波同时跟踪系统状态（卫星姿态和姿态角速度）和系统输入（飞轮组控制力矩），并将飞轮组控制力矩的估计值与理论值相比较，实现了对飞轮故障的检测和辨识。当故障飞轮被检测出来之后，通过重新分配各个飞轮的控制力矩，实现了对卫星姿态的容错控制。