Augmented UKFによる非協調宇宙機のためのオンライン慣性テンソル同定

Abstract

能動的デブリ除去や軌道上整備のような自律的近接作業では、パラメトリックな不確実性が存在しても頑健性を保つ、高精度な相対航法ソリューションが必要となる。標準的な推定フレームワークは通常、目標宇宙機の質量特性が事前に既知であることを仮定する。しかし、非協力的またはジャイロ（タンブリング）運動をしている目標では、これらのパラメータが未知、または不確実であることが多く、その結果、モデルベースのプロパゲータが急速に発散する。 本論文では、非協力的な目標宇宙機の相対6自由度（6-DOF）の姿勢と、慣性テンソル全体を同時に推定するための拡張アンセンテッド・カルマンフィルタ（UKF）フレームワークを提案する。提案するアーキテクチャは、単眼視覚ベースの畳み込みニューラルネットワーク（CNN）からの視覚計測と、LiDARからの深度情報とを融合し、結合した剛体ダイナミクスを拘束する。状態ベクトルを慣性テンソルの独立な6つの要素を含むように拡張することで、本フィルタは、地上での事前較正を不要としつつ、リアルタイムで目標の正規化された質量分布を動的に復元する。定数パラメータの推定における数値安定性と物理的一貫性を保証するため、フィルタは、共分散の崩壊を防ぎながら慣性パラメータの漸進的な収束を可能にする適応的プロセスノイズの定式化を用いる。 モンテカルロシミュレーションによる数値検証を行い、提案する拡張UKFが運動学状態と慣性パラメータを同時に収束させ得ることを示す。これにより、非協力的な深宇宙環境における長期軌道予測のための正確な推定と、頑健な誘導が可能となる。