1.一种卫星姿态控制系统故障估计的Kalman滤波方法，其特征在于，具体步骤如下：步骤S1：考虑可建模干扰和状态时滞，将执行器故障和传感器故障为卫星姿态控制系统的附加变量，建立时滞广义系统模型；

步骤S2：针对建立的时滞广义系统，基于鲁棒滤波和扰动观测器设计非奇异鲁棒Kalman滤波器；

非奇异鲁棒Kalman滤波器包括干扰估计项和非线性状态估计项，基于扰动观测器的干扰估计项用于估计可建模干扰；

非线性状态估计项用于估计时滞广义系统的状态变量；

步骤S3：基于泰勒级数展开时滞广义系统的非线性项和非线性时滞项，并给出泰勒级数展开截断误差的鲁棒上界；

步骤S4：基于精英集合策略得到改进的模拟退火算法，通过改进的模拟退火算法和自适应参数改进鲸鱼优化算法，得到改进的鲸鱼优化算法，通过改进的鲸鱼优化算法优化系统的噪声协方差矩阵，并用优化后的噪声协方差矩阵代替系统原有噪声协方差；

步骤S5：执行时滞广义系统的状态估计和可建模干扰估计，完成卫星姿态控制系统的状态估计和多种故障估计。

2.根据权利要求1所述的一种卫星姿态控制系统故障估计的Kalman滤波方法，其特征在于：在步骤S1中，所述可建模干扰具有谐波特性，且等效为外源干扰；

所述时滞为定常时滞，即时滞常数为正整数；

所述执行器和所述传感器的故障分布矩阵和可建模干扰分布矩阵均为列满秩矩阵。

3.根据权利要求2所述的一种卫星姿态控制系统故障估计的Kalman滤波方法，其特征在于：所述卫星姿态控制系统的模型为：其中，xk、xk‑l、g(xk)、gd(xk‑l)、uk、yk分别为：卫星的三轴角速度、角速度时滞、非线性项、非线性时滞项、控制输入、测量输出；l代表时滞常数且为正整数，fk和sk分别表示执行器故障和传感器故障；A、Ad和C为常数矩阵；常数矩阵B为控制输入uk的系数矩阵；Fa和Fs分别为执行器故障fk和传感器故障sk的分布矩阵；wk和vk分别为过程白噪声和测量白噪声，dk为可建模干扰，常数矩阵Fd为其分布矩阵；

可建模干扰的等效公式如下：

dk＝D1ηk+D2,ηk+1＝Wηk其中，ηk为外源干扰，D1、D2和W为常数矩阵；

令 yr,k＝Crfk+vr,k，vr,k为白噪声，且其协方差矩阵为Rr,k，令fk+1≈fk，则得到时滞广义系统如下：

其中：E＝diag(I,0)，I代表设定维数的单位阵； 为时滞广义系统的状态变量， 为状态时滞变量，系统白噪声wk和vk的协方差为Qk和Rk， 和 的协方差为 和

4.根据权利要求3所述的一种卫星姿态控制系统故障估计的Kalman滤波方法，其特征在于：与时滞广义系统和所设计的非奇异鲁棒Kalman滤波器有关的非奇异矩阵G和矩阵H满足如下公式：非奇异矩阵G和矩阵H的通解为：

其中， Y为自由度矩阵，为伪逆。

5.根据权利要求4所述的一种卫星姿态控制系统故障估计的Kalman滤波方法，其特征在于：所述非奇异鲁棒Kalman滤波器结构为：其中， 和 分别用以估计时滞广义系统的状态变量xk、状态时滞变量 和外源干扰ηk；Kk和Vk为待设计的增益矩阵；

令

定义变量J的误差为 得到 和η的联合估计误差为：其中，

6.根据权利要求5所述的一种卫星姿态控制系统故障估计的Kalman滤波方法，其特征在于：非线性误差项 和 采用泰勒级数展开方式进行线性化，利用等式表示非线性高阶项和非线性时滞高阶项后，得到：其中， Ni,k(i＝1,2)为 关于 关于 求导得到的矩阵； L1和L2为常数矩阵，φ1,k和φ2,k为未知有界矩阵，满足

基于不等式引理，得到 的协方差矩阵鲁棒上界Pk+1为：其中 ，标量μ＞0 ，γ1 和γ 2为设 计的鲁 棒参 数 ，滤波增益矩阵满足：

且估计误差 对于增广噪声 和 的鲁棒性由如下不等式保证：其中， 代表估计误差协方差上界初始值P0的逆；对于矩阵或变量X、Z，有

7.根据权利要求6所述的一种卫星姿态控制系统故障估计的Kalman滤波方法，其特征在于：改进的鲸鱼优化算法具体步骤如下：步骤S41a：设置自适应参数ps；

步骤S42a：基于自适应参数ps，执行鲸鱼优化算法的搜索过程：若rand()＞ps，鲸鱼对猎物进行局部搜索：*

其中，p是0和1之间的随机数，Ui,k+1是当前粒子位置，Ui,k是最优粒子的位置，θ是定义螺旋形状的常数，ω在‑1和1之间， ζ＝2arl1‑a，ξ＝

2rl2，rl1和rl2是0和1之间的随机数，a是收敛因子，从2线性下降到0；

若rand()≤ps，鲸鱼对猎物进行全局搜索：其中， 是随机粒子在当前总体中的位置。

步骤S43a：通过精英集合策略判断 是否进入集合，假设选择集合的大小为Y，定义则精英集合策略步骤为：①对于适应度函数ψ，若 则 进入集合；否则，转至步骤④；

②若j＜Y，则j＝j+1， 进入集合；若j＝Y‑1，则 进入集合， 退出集合；

③将集合中的元素从大到小排列，即

④结束判断；

步骤S44a：基于精英集合策略，执行模拟退火算法，用Mertopolis接受概率 判断是否接受新的解：其中， 是随机粒子在精英集合中的位置，若 则 否则

若 则 否则Ui,k+1＝Ui,k。

8.根据权利要求7所述的一种卫星姿态控制系统故障估计的Kalman滤波方法，其特征在于：通过改进的鲸鱼优化算法优化系统的噪声协方差矩阵 和 得到的优化值分别为和 将 和 代入非奇异鲁棒Kalman滤波器，具体步骤如下：步骤S41b：初始化，给定状态估计及其相应协方差矩阵的初始值；

步骤S42b：寻找最优噪声，通过改进的鲸鱼优化算法寻优到 和 的最优值 和步骤S43b：执行滤波估计，得到时滞广义系统状态变量 和外源干扰ηk+1的联合估计值其相应的协方差鲁棒上界和滤波增益矩阵计算方式为：步骤S44b：对下一组样本重复步骤S41b‑步骤S43b。

9.根据权利要求8所述的一种卫星姿态控制系统故障估计的Kalman滤波方法，其特征在于：得到所述的联合估计值 后，计算如下的估计值：计算时滞广义系统的状态估计值 和外源干扰的估计值由 计算可建模干扰估计值

计算卫星姿态控制系统的状态估计值 且计算执行器与传感器复合故障估计值和

10.根据权利要求9所述的一种卫星姿态控制系统故障估计的Kalman滤波方法，其特征在于：得到滤波算法的结果包括卫星状态估计曲线、基于执行器与传感器的复合故障估计曲线、改进的鲸鱼优化算法适应度函数迭代曲线以及用于评价滤波算法的指标数据，指标数据为均方根误差。