摘要：针对航天器的惯性-星光姿态确定系统,选取基于矢量观测的最小参数姿态矩阵估计方法为定姿算法。但是由于系统模型是非线性的,针对系统模型的非线性,将UKF(Unscented Kalman Filter)与最小参数姿态矩阵估计方法结合,设计了一种针对MEMS陀螺和CMOS APS星敏感器的UKF姿态估计器。仿真结果表明：在敏感器精度较差的情况下,该UKF姿态估计器能够满足大多数航天器对姿态确定精度的要求。此外,UKF和EKF(Extended Kalman Filter)的仿真对比结果表明：UKF滤波器的收敛速度高于EKF滤波器,状态估计的精度也优于EKF滤波器,且数值稳定性好。

摘要：提出了一种基于最小参数RBF(径向基)神经网络的船舶航向滑模控制算法.针对船舶运动控制中系统函数非线性不确定性和外界干扰项未知问题,利用RBF神经网络进行逼近.考虑到RBF神经网络权值难以快速调整,采用神经网络最小参数学习法设计设计单个参数的估计代替神经网络权值的调整;最后,借助李雅普诺夫稳定性理论设计出船舶航向RBF神经网络直接跟踪控制律.通过与神经网络控制算法和普通自适应控制算法的仿真比较可知,上述控制算法加快了自适应律的求解速度,控制器结构简单,控制参数少,易于工程设计与实现.