基于终端滑模的卫星编队飞行有限时间控制

针对考虑参考星机动的编队飞行相对位置控制问题,给出了一种基于终端滑模的有限时间控制方法. 基于编队卫星相对运动动力学模型,设计了有限时间终端滑模控制器,同时证明了该控制器作用下系统状态误差可在有限时间内收敛. 以编队构型重构和考虑参考星机动时的构型保持控制为例,利用本文控制方法进行了仿真分析. 仿真结果表明,基于终端滑模的有限时间控制方法相比于传统的线性滑模控制方法,在保证编队飞行控制高精度的同时,有效提升了误差的收敛速度,验证了该方法的有效性和优越性.      

椭圆轨道卫星编队燃料最优机动实时算法

文章针对椭圆轨道编队卫星最优燃料机动的实时计算问题进行研究。利用LGL伪谱法对问题进行快速求解。由于最优燃料控制为非连续控制,如直接采用伪谱法则只有当离散点数目很大时,才能实现较高精度的编队机动控制,而这会影响算法的实时计算效率。为了克服这方面的不足,文章提出了一种时间尺度变换策略,并结合模型预测的滚动优化方法,设计了一种编队实时机动控制算法。该算法在兼顾解的全局最优性的同时改善了解的局部精确性,最后通过数值仿真验证了所设计算法的有效性。     

基于联邦学习的星群故障诊断

针对卫星编队中单颗小卫星欠配置、测量信息不全和故障类型数据少等问题,提出一种基于联邦学习的卫星编队故障诊断方法.基于故障影响下的卫星动力学模型,利用Unity3D引擎搭建虚拟仿真环境,为后续卫星故障注入及故障数据产生奠定基础.考虑单个小卫星测量配置不全的问题,采用双向协调网络(BicNet)构建卫星本地故障诊断模型,借鉴邻居卫星的“远端”敏感器信息,实现本地卫星故障诊断.采用联邦学习框架进行分布式训练,每颗卫星上传本地模型参数进行协同建模,在不增加通信压力的情况下,整合整个星群的故障特征,提高星群对不同故障类型的故障诊断能力.所设计的编队故障诊断算法在编队卫星数量变化时也无需重新训练诊断网络,满足“即插即用”的工程需求.通过仿真实例验证,在测试集上精度达到99%,表明该方法有较高的准确性.     

基于自适应滤波的编队卫星实时相对定轨

提出基于自适应滤波的编队卫星实时相对定轨算法,利用2005-12-09—10两颗GRACE（Gravity Recovery and Climate Experiment）卫星的GPS（Global Positioning System）实测数据进行实时相对定轨试验计算,采用JPL（Jet Propulsion Laboratory）轨道对试验结果外部检核,结果表明:①自适应滤波相对定轨通过自适应因子,可以较好地平衡编队卫星的观测信息和相对动力学信息,其相对定轨结果精度优于Kalman滤波相对定轨结果;②自适应滤波相对定轨结果随着星间基线缩短而精度提高;③两颗GRACE卫星采用单频伪距和广播星历进行自适应滤波相对定轨,可以得到精度优于6cm的星间基线。     

基于RQPSO-DMPC的多无人机编队自主重构控制方法

针对敌方防御区域内各种威胁,为了实现隐蔽突防并实施对敌有效打击,在突防过程中多无人机(UAV)编队需要进行重构控制,并且编队内的相互避碰问题与通信约束问题也需考虑。通过建立无人机虚拟领航编队模型并引入邻居集,采用分布式模型预测控制(DMPC)同时构建多无人机编队的重构代价函数,提出采用改进量子粒子群优化(RQPSO)算法进行求解,并将求解结果与采用粒子群优化算法的结果进行对比。仿真结果表明,本文算法能够有效控制多无人机编队完成自主重构,实现安全隐蔽突防任务。     

基于视线测量的卫星编队机动控制方法

采用视线测量的方法,建立一种编队卫星队形保持与机动的协同控制策略。编队中每一个卫星跟踪自己轨道前方邻近卫星,产生一个视线测量矢量,编队的第一个卫星根据高级控制层指令追踪期望轨道,产生链式编队,将编队卫星之间的视线距离作为反馈控制量来实现队形控制。通过推导J2相对摄动力的表达式,控制模型考虑了模型不确定性和摄动影响,采用滑模控制器,实现了基于视线测量的编队卫星链式跟踪协同控制。仿真算例结果表明,该方法在实现编队卫星队形保持与整体机动控制上具有可行性。     

一种基于时间-矢量模型的InSAR测高分析方法

针对编队飞行InSAR卫星系统状态参数所具有的"时变性"、"立体性"特征,提出了一种基于时间—矢量分析的InSAR测高模型,开发了计算仿真程序。对单个飞行周期内地面目标的绝对高程精度与系统状态参数之间的关系进行了详细分析。由于地面绝对高程信息重建基于矢量分析,提出了使用矩阵表示系统状态参数误差传播系数的分析方法,分析揭示出随着编队飞行卫星轨道构形的不断变化所导致的绝对高程精度的变化规律。分析结果为系统关键技术分解提供了理论依据。     

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。     

皮纳卫星编队保持动力学分析

针对皮纳卫星在编队飞行中的控制精度要求已提高到微米甚至纳米级,文章研究了小推力作用下高精度的皮纳卫星编队构型保持问题,在考虑摄动影响下,推导维持编队构型需要的控制力与编队距离、编队空间方位等参数之间的关系,为皮纳卫星编队构型的设计提供理论指导;同时基于bang-bang控制理论,使用有限状态机设计了一种高精度的编队控制律。仿真表明,提出的控制方法不但可以使系统快速收敛,同时还能使皮纳卫星编队的星间控制精度达到1 μm,与滑模控制律相比较,精度提高近10³倍。     

基于空间统计方法的电离层折射修正技术

针对中国上空电离层所具有的特殊性和GPS观测站在中国西部分布相对稀疏的特点, 尝试探索中国卫星增强系统电离层时延信息修正技术, 为卫星导航定位以及遥感、遥测等空间应用工程的电波修正提供数据. 利用中国地壳形变监测网提供的双频GPS数据, 以空间统计方法为主要工具, 给出了普通Kriging电离层估计算法, 构建了平静期和磁暴期电离层理论变异模型, 详细分析了电离层折射修正的精度. 结果表明, 将空间统计方法应用于卫星增强系统中的电离层时延改正问题, 有利于提高增强系统的电离层折射修正精度, 特别是在观测样点相对较少的情况下, 有利于系统完整性的实现.      

Robust model predictive control for satellite formation keeping with eccentricity/inclination vector separation

This study presents model predictive formation control based on an eccentricity/inclination vector separation strategy. Alternative collision avoidance can be accomplished by using eccentricity/inclination vectors and adding a simple goal function term for optimization process. Real-time control is also achievable with model predictive controller based on convex formulation. Constraint-tightening approach is address as well improve robustness of the controller, and simulation results are presented to verify performance enhancement for the proposed approach.     

编队卫星防碰撞规避路径规划方法与控制研究

针对编队卫星在构型重构和构型失效重组时发生碰撞可能性最大的两种机动工况,采用数学规划的方法对其进行防碰撞规避准则、规避策略和控制方面的研究;并通过系统可控性证明出无径向推力相对于全向推力,也可以达到目标相位点只是燃料消耗得多。对编队构型失效重组工况中备份星机动前停泊位置,进入编队位置选择和启动时刻选择以及故障星离开编队后,目标轨道确定等问题通过数学仿真的形式予以解答。仿真结果表明,该研究方法真实可信、简便有效。     

Improving orbit prediction accuracy through supervised machine learning

Due to the lack of information such as the space environment condition and resident space objects’ (RSOs’) body characteristics, current orbit predictions that are solely grounded on physics-based models may fail to achieve required accuracy for collision avoidance and have led to satellite collisions already. This paper presents a methodology to predict RSOs’ trajectories with higher accuracy than that of the current methods. Inspired by the machine learning (ML) theory through which the models are learned based on large amounts of observed data and the prediction is conducted without explicitly modeling space objects and space environment, the proposed ML approach integrates physics-based orbit prediction algorithms with a learning-based process that focuses on reducing the prediction errors. Using a simulation-based space catalog environment as the test bed, the paper demonstrates three types of generalization capability for the proposed ML approach: (1) the ML model can be used to improve the same RSO’s orbit information that is not available during the learning process but shares the same time interval as the training data; (2) the ML model can be used to improve predictions of the same RSO at future epochs; and (3) the ML model based on a RSO can be applied to other RSOs that share some common features.     

基于人工势场的星群松散编队控制

利用低成本的微纳卫星组成星群协同执行空间任务,近年来引起了航天界的广泛关注.针对星群松散编队控制任务,将人工势场法和基于相对运动动力学方程的速度反馈控制相结合,在各颗卫星和目标之间构造吸引势场,在各颗卫星之间建立基于位置信息的避碰势场,在空间障碍物附近建立避障势场,同时引入速度反馈控制律,综合实现星群松散编队控制,并通过仿真算例验证了控制方法的有效性.     

A guidance approach to satellite formation reconfiguration based on convex optimization and genetic algorithms

This paper presents a new approach for autonomous reconfiguration of distributed space systems, which ensures safe guidance of spacecraft formations towards the desired patterns while optimizing the total propellant consumption. The orbital transfer is reduced to the form of a convex optimization problem to guarantee rapid computation of control laws. Hence, tasks are iteratively assigned to the component platforms to detect the best reconfiguration strategy. The path-planning is entrusted to a reference satellite of the cluster, that coordinates the remaining ones by means of a procedure based on genetic algorithms. Two methods are proposed, depending on the organizational architecture of the spacecraft formation. In the first one, the maneuver is completely planned by the reference satellite, that determines final tasks and control actions for the whole cluster. As an alternative to such a fully-centralized approach, a distributed version of the algorithm is proposed: tasks are sorted by the reference satellite and transfer orbits are computed by exploiting the computational resources of the whole cluster. Whatever the considered framework, both the planners ensure a safe transition of the formation towards the target geometry. Simulation results show that, when relative distances are of the order of hundreds of meters, a mean delta-v per satellite of the order of 0.1 m/s is required to reconfigure LEO clusters within one orbital period.     

基于代理模型的高超声速飞行器协同优化设计

建立了类X-51A高超声速飞行器的多学科模型,包括外形、气动、推进、质量、热流、弹道等学科.采用多学科设计优化(MDO, Multidisciplinary Design Optimization)方法中的协同优化(CO, Collaborative Optimization)进行了计算,计算流程中构建了两个子系统优化器与弹道学科的代理模型,使用代理模型替代了计算耗时的真实模型.同时为了对比,采用了多学科可行法(MDF, Multidisciplinary Feasible Method)进行了优化计算.结果表明,二者的优化结果基本一致,优化之后的飞行器质量比初始构型飞行器降低了15.2%,航程提升了63.5%,并且使用代理模型后计算效率也得到了很大的提升.验证了基于代理模型的协同优化方法应用于高超声速飞行器设计中的有效性.     

基于CGAPIO的航天器编队重构路径规划方法

针对航天器编队重构的路径规划问题,考虑燃料消耗和碰撞概率等约束条件,以及基本鸽群算法存在的问题,提出一种基于混沌初始化和高斯扰动的自适应鸽群(CGAPIO)算法。为了得到多样性和覆盖性更好的鸽群初始值,采用Tent Map混沌模型进行鸽群初始化操作;在地图和指南针算子阶段,为提高全局搜索能力,引入了自适应的权重因子和学习因子更新个体的位置和速度;在地标算子阶段,为避免算法陷入局部最优,将高斯扰动加入到鸽群中心位置。仿真实验结果表明:CGAPIO算法与基本鸽群算法和粒子群算法相比,提高了全局搜索能力,避免了局部最优,规划得到的路径更加平滑,各航天器碰撞概率较低,编队重构消耗的总燃料至少减少了12%。