基于自适应迭代学习的小行星绕飞容错控制

对于小行星绕飞任务的探测器姿态控制问题,已有方法大都考虑了干扰力矩和参数不确定等因素,而忽视了执行器故障情况。针对执行器故障条件下的小行星探测器姿态控制问题,提出了一种基于自适应迭代学习的容错控制方法。所设计的控制器包括两部分：其一针对执行器故障,设计了自适应迭代学习控制器,采用类滑模的思想和自适应迭代学习算法对控制器参数进行调整,进而补偿执行器故障带来的影响,保证系统在控制输出不足情况下的高精度姿态稳定性;其二针对探测器参量变化、外部环境干扰等不确定情况,设计了基于自适应神经网络的迭代学习控制器,采用径向基函数（RadialBasisFunction,RBF）神经网络对系统非线性部分进行逼近,同时对控制器参数进行自适应迭代学习调整,进而保证系统在不确定情况下的动态性能。数值仿真结果表明该控制器能够有效抑制外部环境干扰和内部参数变化带来的不利影响,在执行器部分失效甚至完全失效故障情况下,仍能保证系统的鲁棒性并实现误差在10^-2数量级内的较高姿态控制精度。     

带变速控制力矩陀螺的航天器自适应姿态控制

航天器高精度姿态控制容易受到参数误差的影响,自适应控制能够合理地估计参数,使基于模型的控制器设计易于实现。自适应参数分为主星体惯量、变速控制力矩陀螺框架转子惯量及动摩擦系数3组,按参数分组对带变速控制力矩陀螺的航天器详细动力学模型进行变换,采用Lyapunov方法设计出姿态控制器、变速控制力矩陀螺群操纵律及参数自适应更新律,操纵律中引入加权矩阵以缓解陀螺奇异问题。理论分析和数值仿真表明闭环姿态控制系统全局一致最终有界稳定,参数自适应更新能有效减小角速度跟踪误差,使姿态四元数误差收敛更快。参数估计虽然不能准确收敛到其真值上,但均在可接受的范围内。     

飞行器自适应ESO姿态控制器设计

飞行器无动力再入过程中,姿态受到气动及不确定干扰影响,控制模型具有强耦合、大范围参数摄动等非线性特征。针对再入飞行器姿态控制问题,结合扩张状态观测器（Extended State Observer,ESO）和自适应控制律,基于奇异摄动理论将非线性姿态控制模型分为快慢两回路,分别设计了飞行器内环和外环自适应姿态控制器,并通过 Lyapunov 稳定性理论证明控制器的稳定性。仿真结果表明,控制系统在强干扰及参数大范围摄动的情况下,具有较强的鲁棒性,能够获取良好的动态品质和跟踪性能。     

可重复使用运载器递归积分滑模姿态控制方法

针对存在模型不确定和外部干扰的可重复使用运载器再入段姿态控制问题,提出了一种基于自适应滑模干扰观测器的递归积分滑模控制方法。首先,基于可重复使用运载器再入段姿态运动模型,建立了面向控制的模型;其次,设计了自适应滑模干扰观测器,以精准估计和补偿由模型不确定和外部干扰构成的复合干扰;然后,基于递归思想设计了一种新型递归积分滑模控制器,利用Lyapunov稳定性理论证明了闭环系统的有限时间稳定性;最后,数值仿真结果验证了该方法具有较强的鲁棒性和较快的收敛速度。     

基于ESO的可重复使用飞行器积分滑模控制器设计

考虑参数不确定和外界干扰对姿态控制的影响,开展基于扩张状态观测器(ESO,extended states observer)的可重复使用飞行器姿态控制研究.首先,对飞行器运动模型进行描述,在合理假设条件下,得到面向控制器设计的纵向和横侧向姿态模型;其次,分别针对纵向和横侧向姿态模型设计积分滑模控制器(ISMC,integral sliding mode control);然后,引入ESO对耦合作用、参数不确定及外界干扰进行估计,并在控制器中进行补偿;最后,六自由度仿真结果表明,本研究给出的控制策略能够实现对给定制导指令的稳定跟踪,确保安全再入飞行.     

基于终端滑模和神经网络的多目标姿态跟踪鲁棒控制

研究了航天器编队飞行多目标姿态跟踪的鲁棒控制问题.主航天器由中心刚体和一个快速机动天线组成,星载相机跟踪某一特定目标,同时天线与从航天器保持通信.在考虑模型不确定性和外部干扰情况下,基于非奇异终端滑模技术和RBF神经网络,设计了多目标姿态跟踪鲁棒控制器.鲁棒控制器由RBF神经网络和一个自适应控制器组成.自适应控制器用于抵消神经网络的逼近误差和实现期望的控制性能. RBF神经网络用于逼近模型不确定部分与外部干扰力矩,并且根据非奇异终端滑模的有限时间收敛属性,提出了一种RBF网络的在线学习算法,提高了RBF网络的逼近效率.应用Lyapunov稳定性理论,证明了闭环系统稳定性.数值仿真结果表明所设计的控制器对外部干扰与模型不确定具有良好的鲁棒性.     

基于终端滑模和神经网络的多目标姿态跟踪鲁棒控制#br#

研究了航天器编队飞行多目标姿态跟踪的鲁棒控制问题.主航天器由中心刚体和一个快速机动天线组成,星载相机跟踪某一特定目标,同时天线与从航天器保持通信.在考虑模型不确定性和外部干扰情况下,基于非奇异终端滑模技术和RBF神经网络,设计了多目标姿态跟踪鲁棒控制器.鲁棒控制器由RBF神经网络和一个自适应控制器组成.自适应控制器用于抵消神经网络的逼近误差和实现期望的控制性能.RBF神经网络用于逼近模型不确定部分与外部干扰力矩,并且根据非奇异终端滑模的有限时间收敛属性,提出了一种RBF网络的在线学习算法,提高了RBF网络的逼近效率.应用Lyapunov稳定性理论,证明了闭环系统稳定性.数值仿真结果表明所设计的控制器对外部干扰与模型不确定具有良好的鲁棒性.     

基于神经网络的自由漂浮空间机械臂 自适应鲁棒控制

针对自由漂浮空间机械臂动力学模型难以精确获得,且无法表达为关于未知参数的线性形式问题,提出基于自适应神经网络的鲁棒控制方法.对于不确定性空间机械臂系统模型中存在的未知不确定部分,利用神经网络的万能逼近特性,设计神经网络控制器来补偿未知模型,避免传统控制中的保守上界估计;采用泰勒线性化技术将神经网络隐含层中的高斯函数线性化,设计包括网络权值、高斯中心及宽度在内的网络全参数自适应学习律,实现在线实时调整,提高控制精度;设计鲁棒自适应控制器来抑制外界扰动,并补偿逼近误差,提高系统鲁棒性;基于Lyapunov理论证明闭环系统的一致最终有界（UUB）.仿真试验表明所提控制方法能够获得较好控制效果,对空间机械臂控制具有一定工程应用价值.     

基于高增益观测器的航迹角自适应反步控制

针对飞行控制系统中状态向量不完全可测量的问题,设计了一种高增益神经网络自适应观测器.在常规高增益观测器的基础上引入径向基(RBF, Radial Basis Function)网络自适应项,对建模误差和外界干扰进行在线估计.将高增益观测器与基于动态面的反步控制相结合,提出了一种神经网络自适应反步控制方法.引入一阶滤波器,避免了传统反步控制中的"计算膨胀"问题.基于Lyapunov稳定性理论,给出自适应输出反馈控制器和RBF网络权值向量的自适应律,并证明了闭环系统是半全局一致有界.从航迹角控制系统仿真结果可以看出,航迹角能够较好地跟踪指令信号,不受建模误差和外界干扰的影响,所设计的观测器具有良好的收敛性,控制系统具有较高的鲁棒性.     

基于模糊逻辑的再入RCS控制方法

针对 RLV (Reusable Launch Vehicle)的再入控制提出了一种基于模糊逻辑的RCS(Reaction Control System).详细分析了RCS控制特性,建立了基于效率系数以及继电特性的RCS模型,提出了一种基于Mamdani模型的模糊逻辑三通道RCS控制器,该控制器利用专家控制经验,根据姿态角及角速率的偏差,产生不同的RCS控制指令输出给三通道对飞行器进行姿态控制.通过六自由度非线性仿真,验证了该控制系统与PID(Proportional-Integral-Differential)控制器相比具有更好的跟踪性能,且RCS的控制输出效率也更高.      

基于模糊神经网络干扰观测器的组合体航天器姿态控制

针对非合作目标存在对抗性力矩输出情况下的组合体航天器姿态控制系统,提出了一种基于模糊神经网络干扰观测器（Fuzzy Neural Network Disturbance Observer,FNNDO）的非奇异终端滑模（Nonsingular Terminal Sliding Mode,NTSM）有限时间控制策略。首先以服务航天器为基准,建立组合体航天器姿态数学模型,然后针对包含惯量不确定性、目标对抗性力矩等的等效干扰力矩,设计了一种具有自适应能力的FNNDO,可以实现对等效干扰的有效跟踪。在FNNDO的基础上,设计NTSM控制器,利用Lyapunov理论证明闭环系统的有限时间稳定性。最后,仿真实验结果表明了控制策略的有效性和观测器在观测性能上的优越性。     

平流层飞艇巡航姿态自适应神经网络补偿控制

 研究了一种基于自适应神经网络补偿的平流层飞艇前向速度与姿态控制系统设计方法。针对近似模型进行常规线性动态补偿器设计,并引入自适应径向基函数(Radial Basis Function, RBF)神经网络对模型误差进行补偿。根据Lyapunov方法得到神经网络权值自适应律,保证了闭环系统误差信号一致最终有界。该控制器设计对模型参数信息仅有较少的要求。仿真结果表明对于两类不同的飞艇模型,所设计的控制器在响应性及对未知环境风速作用的鲁棒性方面均具有良好的效果。     

使用SGCMGs航天器滑模姿态容错控制

基于滑模控制与自适应理论,对使用单框架控制力矩陀螺群(SGCMGs)的刚性航天器的被动姿态容错控制问题进行了研究。首先建立了含有陀螺框架转速故障的系统数学模型。然后将框架转速直接作为控制量并应用滑模控制理论设计了容错控制器,同时控制器中还设计了自适应律对故障信息和干扰进行估计。由此,可在故障和干扰的先验信息未知的情况下,实现对航天器无故障和有故障情况下的姿态稳定控制,且具有较强的鲁棒性。最后,对2种构型单框架控制力矩陀螺群的不同故障模式进行数学仿真,验证了该控制方法的有效性和可行性。     

基于极点配置的空间站角动量管理

针对惯性系下引力梯度力矩及其他干扰力矩引起控制力矩陀螺（CMG）角动量积累的问题,采用引力梯度力矩来平衡姿态,设计了基于极点配置的空间站角动量管理控制器。首先在惯性系下建立了空间站线性化模型,并分析了俯仰轴方向在惯性系角动量管理的不可行性。由此,将俯仰轴与滚动/偏航轴解耦,不约束俯仰轴方向的CMG角动量,将常值、1倍和2倍于轨道频率的扰动纳入状态方程以抑制其对俯仰轴姿态的影响。在滚动/偏航轴方向将常值扰动纳入状态方程中以抑制其对CMG角动量的影响;将1倍、2倍于轨道频率的扰动纳入到状态方程中以抑制其对姿态的影响。然后采用带极点配置的线性二次型（LQR）算法求解出反馈增益矩阵,该算法可以避免选取权重矩阵,并且根据系统性能要求即能将闭环极点配置到复平面虚轴左侧指定的区域。最后仿真结果验证了该算法的可行性。      

Approaching control for tethered space robot based on disturbance observer using super twisting law

Approaching control is a key mission for the tethered space robot to perform the task of removing space debris. But the uncertainties of the TSR such as the change of model parameter have an important effect on the approaching mission. Considering the space tether and the attitude of the gripper, the dynamic model of the TSR is derived using Lagrange method. Then a disturbance observer is designed to estimate the uncertainty based on STW control method. Using the disturbance observer, a controller is designed, and the performance is compared with the dynamic inverse controller which turns out that the proposed controller performs better. Numerical simulation validates the feasibility of the proposed controller on the position and attitude tracking of the TSR.     

冗余直接驱动阀系统的余度控制策略

针对冗余直接驱动阀伺服系统中由于余度降级所造成的性能降低问题,提出一种神经网络自适应滑模余度控制策略.利用径向基函数神经网络RBFNN(Radial Basis Function Neural Network) 的在线学习功能,对系统发生的变化进行快速自适应补偿,使系统状态趋近于滑模面,提高跟踪精度和鲁棒性;并通过与比例微分PD(Proportional-Derivative)算法的并行控制,促进RBFNN的收敛,增强系统的稳定性.通过与PID(Proportional-Integral-Derivative)切换控制策略的对比研究,表明RBFNN自适应滑模余度控制方法不但设计简单,而且能够有效克服余度降级带来的系统性能下降的问题,极大地改善了系统的品质.      

高超声速巡航飞行器在线自适应反馈控制设计

由于飞行器模型的强非线性,各种建模不确定性以及飞行环境的复杂性,高超声速飞行器控制成为一个研究难点.针对某类具有参数不确定性的非线性系统,提出了一种反馈线性化与自适应估计相结合的方法,对非线性系统的输入输出动态应用反馈线性化处理以得到拟线性模型,并设计反馈控制律;对不确定参数采用自适应在线估计,利用Lyapunov方法分析稳定性;针对选择不同输出的情况,对如何消除内动态进行了讨论.为了验证该方法的可行性,将其应用于某高超声速飞行器巡航段纵向非线性模型,对速度和高度通道进行跟踪控制仿真,由于飞行器和大气环境存在建模不确定性,利用自适应控制对不确定参数进行在线估计.仿真结果显示该方法能够快速收敛,并且具有良好的在线自适应能力.     

可重复使用飞行器再入姿态的区间二型自适应模糊滑模控制设计

针对具有强非线性、多变量耦合特性的可重复使用飞行器（RLV），同时考虑模型参数不确定性和外界干扰对飞行器再入姿态跟踪的影响，提出了一种基于区间二型自适应模糊滑模的姿态控制方法。首先，建立飞行器再入动态模型，并基于反步思想将控制模型转化为姿态角和角速率相关子系统。其次，将模型参数不确定性和外界干扰视作子系统非线性项的一部分。再次，采用区间二型模糊系统逼近子系统非线性项，并结合自适应技术和滑模控制方法分别设计虚拟控制量和实际控制量。此外，引入一阶低通滤波器用以处理子系统虚拟控制律。通过Lyapunov方法的分析证明了闭环控制系统的稳定性，且飞行器姿态跟踪误差可收敛于原点附近的小邻域。最后，利用飞行器的数值仿真验证了所设计控制方法能有效跟踪飞行器参考指令，且对外界干扰有较强的鲁棒性。