基于深度增强学习的卫星姿态控制方法

针对卫星在执行丢弃载荷或捕获目标等复杂任务时遭遇的姿态突然发生变化的问题,采用深度增强学习方法对卫星姿态进行控制,使卫星恢复稳定状态。具体来说,首先搭建飞行器的姿态动力学环境,并将连续的控制力矩输出离散化,然后采用Deep Q Network算法进行卫星自主姿态控制训练,以姿态角速度趋于稳定作为奖励获得离散行为的最优智能输出。仿真试验表明,面向空间卫星姿态控制的深度增强学习算法能够在卫星受到突发随机扰动后稳定卫星姿态,并能有效解决传统PD控制器依赖被控对象质量参数的难题。所提出的方法采用自主学习的方式对卫星姿态进行控制,具有很强的智能性和一定的普适性,在未来卫星执行复杂空间任务中的智能控制方面有着很好的应用潜力。     

基于蚁群算法的卫星磁力矩器反馈参数设计

卫星姿态控制系统参数设计中,引入不确定性的部件误差模型可以提高系统模型的精度。针对传统优化算法处理随机因素的能力不强的情况,提出了基于蚁群算法的参数优化设计方法;并将该方法应用在某型号偏置动量轮小卫星的磁力矩器反馈控制参数设计中。与Powell方法对比,蚁群算法的寻优过程有明显的收敛趋势,这表明蚁群算法相对于传统优化算法鲁棒性好、处理随机因素能力强,可以应用在考虑随机因素的参数优化设计中。     

基于循环神经网络的卫星姿态执行器故障诊断

针对卫星姿态控制系统执行器机构故障问题，提出了一种基于循环神经网络的故障诊断方法。对卫星姿态控制系统建模，进行故障分析并采集星敏感器和角速度陀螺的连续时刻故障数据。设计六种异构的循环神经网络，对故障数据进行故障诊断和分类, 分别从网络深度、反馈单元、激活函数和训练算法对比网络效果。带有门循环单元的 (gate recurrent unit，GRU)深层循环神经网络训练效果更好，其故障诊断准确率达到了95.7%。结果表明对于时序的卫星数据，门循环单元和带有一定深度的循环神经网络故障诊断效果更优。     

基于ADDPG策略的超立方体卫星编队控制

针对大规模卫星高精度编队控制问题，提出了一种基于吸引法则的深度确定性策略梯度控制方法(attraction-based deep deterministic policy gradient, ADDPG)。首先阐述了超立方体拓扑编队拓扑构型特性，建立了卫星编队动力学模型，设计了超立方体卫星编队虚拟中心用于衡量编队整体飞行状态。为解决无模型深度强化学习的探索和扩展平衡问题，设计了ε-imitation动作选择策略方法，最终提出了基于ADDPG的卫星编队控制策略。算法不依赖于环境模型，通过充分利用已有信息，可以降低学习模型初期探索过程中的盲目试错。仿真结果表明ADDPG策略以较少的能量消耗达到更高的精度，相比知名算法在加快编队收敛速度的同时，误差减少5%以上，能量消耗减少7%以上，验证了算法的有效性。     

基于Faster R-CNN的精密零部件的识别方法

在航空航天领域中，惯性陀螺等精密器件装配精度要求较高，目前大多采用人工装配的方法，装配效率低、装配过程受人主观影响大。针对上述存在的问题，采用基于Faster R-CNN模型的目标识别算法，通过VGG16特征提取网络提取特征信息，在模型训练过程中利用COCO数据集的深度网络模型进行迁移训练，防止模型过拟合并加速参数的训练过程。同时，该方法还与其他深度学习模型以及传统的目标识别算法进行了对比，在自建的数据模型测试集上进行试验。结果表明，基于VGG16的Faster R-CNN目标识别模型在复杂环境及物体发生遮挡的情况下对于惯性陀螺的识别具有明显的优势，准确率可达到87.80%，召回率80.30%，识别速度可达到15FPS，能够满足实时性要求。     

基于深度强化学习的高超声速飞行器动态面控制方法

针对高超声速飞行器控制问题,通过将深度强化学习与动态面控制方法相结合,设计了智能姿态控制算法。首先,利用模型先验知识,采用传统的动态面控制方法设计控制器结构。然后,考虑跟踪误差和控制量幅值约束的指标情况下,采用深度学习算法完成对控制器参数的智能寻优,代替传统设计中的人工调参试错过程。为提升训练效果,在奖励函数中引入了控制量变化率。最后,通过数值仿真验证了本文所设计控制方法的有效性与鲁棒性。     

微小卫星姿态控制系统半物理仿真设计及验证

针对利用反作用飞轮作为执行机构的微小卫星姿态控制系统,详细讨论了基于dSPACE实时仿真机、单轴气浮转台、星载计算机及陀螺和反作用飞轮实物的卫星姿态控制系统半物理仿真的方案设计;并利用该系统对仅用反作用飞轮的卫星姿态大角度机动控制模式进行了半物理仿真验证。仿真结果表明根据陀螺和反作用飞轮现有精度,设计的大角度姿态机动控制算法能够满足分系统技术要求,同时验证了半物理仿真系统方案设计合理、可靠。     

基于LightGBM的卫星飞轮温度预测

为保障卫星的正常在轨运行,地面系统需要对卫星运行状态进行监控预警,其中对卫星各系统的温度监控尤为重要.温度不仅直接反映卫星系统的健康状态,更会对系统器件的性能和寿命造成影响.飞轮作为卫星姿态控制系统的重要组件,其温度变化是识别姿态控制系统状态的重要信息.卫星飞轮温度的预测与预警对卫星在轨稳定运行具有重要意义.本文基于某在轨卫星遥测数据,结合空间环境数据,应用LightGBM机器学习框架研究建立梯度提升决策树模型,对卫星飞轮温度进行预测.经与实际遥测温度值进行对比验证,预测精度可以满足对卫星飞轮温度的监视需求.研究结果可应用于地面系统,对卫星姿态控制系统可能发生的温度异常进行预警,使地面运控人员能够提前规避风险,保障卫星的安全在轨运行.      

基于气浮台的微小卫星姿态控制实时仿真

针对某在研卫星项目任务需求,以单轴气浮台为仿真平台,对单刚体微小卫星的姿态控制问题进行了气浮台实时仿真研究.介绍了微小卫星仿真气浮台系统的硬件组成,论述了仿真系统软件实现的机制,分析了姿态控制系统的基本原理.根据任务要求,对微小卫星三轴正常姿态稳定控制,大角度机动姿态控制模式进行了仿真实验.实验结果表明姿态控制系统的控制精度能够满足任务要求,从而验证了姿态控制系统方案的正确性和可行性.     

Propulsionless planar phasing of multiple satellites using deep reinforcement learning

This work creates a framework for solving highly non-linear satellite formation control problems by using model-free policy optimisation deep reinforcement learning (DRL) methods. This work considers, believed to be for the first time, DRL methods, such as advantage actor-critic method (A2C) and proximal policy optimisation (PPO), to solve the example satellite formation problem of propellantless planar phasing of multiple satellites. Three degree-of-freedom simulations, including a novel surrogate propagation model, are used to train the deep reinforcement learning agents. During training, the agents actuated their motion through cross-sectional area changes which altered the environmental accelerations acting on them. The DRL framework designed in this work successfully coordinated three spacecraft to achieve a propellantless planar phasing manoeuvre. This work has created a DRL framework that can be used to solve complex satellite formation flying problems, such as planar phasing of multiple satellites and in doing so provides key insights into achieving optimal and robust formation control using reinforcement learning.     

小卫星及其星座的智能自主控制系统

随着小卫星及其星座技术的发展 ,卫星系统的测控和运行管理模式将由地面遥测遥控方式向智能化自主方式发展。文中系统深入地分析了小卫星及其星座技术的特点和主流发展趋势 ,讨论了对小卫星及其星座实施智能自主控制的必要性、优越性等方面的问题 ,给出了一种将多Agent系统技术与混杂控制系统理论方法相结合 ,以综合集成方式实现的具有高度自主性和灵活性的智能自主控制系统的设计方案 ;论述了可行的优化策略与技术实现途径。最后 ,按照文中提出的智能自主控制系统的组织结构模式和相应的控制策略 ,针对小卫星编队构形自主保持的智能控制问题 ,给出了计算仿真结果     

基于拉盖尔函数的卫星姿态预测控制方法

针对卫星在空间站中进行绕飞检测时的姿态控制问题，考虑卫星的姿态轴需要躲避禁飞区域并指向期望位置，提出了一种基于拉盖尔函数的模型预测控制方法，实现了对卫星姿态轴的控制。在模型预测控制方法的基础上，通过拉盖尔函数，将优化多个控制输入转换为优化少数的拉盖尔系数，建立了拉盖尔模型预测的控制策略，改善了传统的模型预测控制方法计算效率差的问题，减少了优化时间。采用卫星在空间站中绕飞的模型进行数值仿真验证，结果表明该方法能够使卫星的姿态轴躲避禁飞区并到达指定位置。与传统方法相比，这种基于拉盖尔函数的模型预测控制策略能够提高优化效率，减少计算时间。     

Closed-form solution of attitude command generation for spin-to-spin maneuver

In recent earth observing missions, agile satellites enable various imaging modes beyond the traditional along-track strip imaging. However, it requires maneuvering with boundary conditions of considerable angular velocity, i.e., spin-to-spin maneuvering. This paper proposes an attitude command generation method for spin-to-spin maneuvering that can provide feedforward commands for the attitude control loop. A general solution for arbitrary flight time is provided which steers a satellite to the given final attitude and angular velocity at the prescribed time. In addition, an alternative method is proposed that further improves the maneuvering speed, which is applicable to small-angle maneuvering cases. The proposed solutions are both closed-form which are more intuitive and easier to comprehend than numerical solutions. It also has a great advantage in computational efficiency, which could enable its use on-board in real time. Numerical examples demonstrate the performance of the proposed methods in a single maneuvering case as well as in a consecutive maneuvering case integrated with a realistic earth observing scenario.     

层次网络数学模型与层次路由算法研究

建立了多层卫星网络的层次数学模型,在对数学模型研究的基础上,提出了一种适合多层卫星网络应用的层次路由算法.仿真结果表明,该算法具有较快的计算速度,降低了拓扑更新的通信开销,随着链路利用率的增加具有很好的时延性能,能够有效地提高空间信息网络的路由性能.      

小卫星的自适应姿态控制

分析了小卫星的姿态动力学及运动学方程；利用姿态动力学方程为一动力学参数矢量的线性函数这一事实，考虑存在参数不确定性，提出了一种自适应控制方法；证明了这种方法可以保证控制系统全局渐近稳定。仿真结果验证了该方法的有效性。