运载火箭姿态系统自适应神经网络容错控制

针对运载火箭姿态系统跟踪问题,考虑干扰、执行器故障和模型不确定因素的影响,设计了一种基于自适应神经网络的非线性容错控制律。该控制算法结合了连续的终端滑模控制,径向基神经网络和自适应控制方法。首先,基于滑模控制理论,设计了一种快速终端滑模面,保证系统跟踪误差能够在有限时间收敛至零。然后,在终端滑模面基础上,提出了一种基于自适应径向基神经网络估计的终端滑模控制律。利用自适应参数的神经网络逼近系统参数并提高抗干扰性能,采用平滑连续控制策略消除了终端滑模中的颤动现象。通过李雅普诺夫的分析方法证明了闭环系统的收敛性和全局稳定性。采用数值仿真,验证了提出的基于自适应径向基神经网络的终端滑模控制律具有较好的跟踪性能和精度。     

基于某无人机操纵面故障重构控制方法研究

操纵面故障会直接影响无人机执行任务的效率和生存力.针对某多操纵面无人机给出了一种神经网络自适应重构控制方法,并在理论上证明了该方法的有效性.该重构控制方法可对建模不准确和操纵面故障(卡死、受损或松浮)等因素引起的逆误差进行有效补偿.仿真结果表明,所设计的神经网络重构控制方法,不仅可以补偿系统建模误差和参数摄动对控制系统的影响,还可以对故障操纵面在线重构控制律,使操纵面故障飞机能够继续执行任务,提高了飞机的稳定性、操纵性和生存力.     

空间机器人神经网络自适应滑模目标操控轨迹跟踪控制

针对参数未知的空间目标操控问题,考虑空间机器人负载不确定性、系统动力学不确定性和环境扰动等因素,为实现操作过程的稳定控制及机器人轨迹的有效跟踪,提出一种基于径向基神经网络估计不确定项的自适应增益非奇异终端滑模变结构控制器。首先基于拉格朗日法建立空间机器人的刚体动力学模型。考虑空间机器人基座姿态主动控制模式,使用径向基神经网络对模型中的不确定项进行估计。进而提出基于神经网络估计的非奇异终端滑模控制器,并针对不确定性和扰动的估计误差设计自适应增益,以期实现空间机器人系统轨迹跟踪控制的收敛。仿真校验结果表明所设计的控制方法具有较好的误差收敛速度和控制精度。     

再入航天器的神经网络自适应控制

对于再入航天器来说 ,可恢复故障通常会导致总体控制权限的降低。本文将伪控制限制方法和神经网络自适应控制运用到再入航天器的制导与控制中。利用两个控制回路来实现控制目标。其中 ,外回路适用于力的扰动 ,而内回路适用于力矩的扰动。限制外回路以阻止对内回路动态特性的调整。在达到控制极限时 ,伪控制限制也可进行自适应调整。另外 ,本文还通过加入加速度计反馈元件以提高系统的性能     

欠驱动航天器编队重构的切换神经网络控制

针对圆轨道欠驱动航天器编队重构问题,将传统的自适应神经网络控制器和自适应滑模控制器相结合,设计了一种切换神经网络控制器,用以跟踪由伪谱法求解得到的航天器编队重构的最优开环控制轨迹。自适应神经网络控制器在活跃区域内工作,利用径向基神经网络(RBFNNs)近似动力学系统中的不确定项,自适应滑模控制器在活跃区域外工作,利用自适应律来估计近似误差上界,并采用李雅普诺夫方法证明了闭环系统稳定性。数值仿真结果表明切换神经网络控制器可在欠驱动条件下实现编队重构,与线性滑模控制器相比,实现了控制器快速、高精度、强鲁棒等控制性能。     

基于快速终端滑模的航天器自适应容错控制

针对存在不确定的执行机构部分失效故障和未知外界扰动的航天器姿态跟踪控制问题,提出了一种基于自适应快速终端滑模控制的容错控制方法。在没有故障检测与诊断信息的情况下,采用快速终端滑模控制原理,利用自适应算法在线估计得到的故障信息,设计具有鲁棒性的容错控制器,使系统在执行机构故障发生时,能在有限时间内以指数收敛,实现系统有限时间渐近稳定,以及对航天器的容错控制和干扰的抑制。仿真结果表明,与基于普通滑模控制器的容错控制相比,该方法在保证系统鲁棒性和可靠性的同时,具有更快的收敛速率,实现执行机构故障时有效的航天器姿态跟踪控制。     

基于多模型的飞控系统执行器故障调节

提出了基于多模型自适应控制重构的各种执行器故障调节算法.在故障情况下,对飞控系统执行器的二阶动态特性进行了描述,并建立了自适应多模型(观测器),来描述不同故障情况下系统的特性.虽然存在执行器故障的不确定性,但是,根据Lyapunov稳定性定理证明了在自适应重构控制器的作用下,故障后系统的跟踪误差渐近地收敛于零.仿真结果证实了所提出的故障检测及调节算法能达到预期的目标.     

一种临近空间艇载计算机故障检测与系统重构方法

平流层飞艇是可靠性要求很高的系统,需要由具有容错能力的艇载计算机来进行控制和管理。针对艇载计算机采用的余度结构,进行软件管理策略的研究和设计,提出基于异构总线的握手机制节点故障检测方法、基于"看门狗"与"心跳"相结合的CPU故障检测方法、基于节点健康矩阵的互援式总线重构方法及基于有限状态机的多CPU并行处理系统自适应重构方法。在故障注入试验中,艇载计算机在遇到故障时能够实时检测出故障,诊断故障类型,并对故障进行处理,实现系统重构,保证了平流层飞艇长期驻空时的安全飞行。     

基于智能PID和扩张状态观测器的姿态控制方法

针对在实际工程中人工设计飞行器姿态控制参数造成工作量大的问题,提出一种基于模型参考自适应控制的神经网络姿态控制方法。首先在模型参考自适应控制的基本框架下,利用BP神经网络的自学习特性,实现PID控制参数的自适应整定。随后设计了两阶线性扩张状态观测器以对控制量进行补偿,并对观测器进行了误差分析。仿真结果表明通过神经网络训练得到的控制参数变化规律和工程实际较为相似,姿态角指令跟踪误差在允许范围内,幅值裕度和相角裕度均符合要求。通过分别在常值干扰和正弦变化干扰下的两阶线性扩张状态观测器和三阶线性扩张状态观测器的仿真对比,发现两阶的观测器更能够降低外界扰动对系统的影响。     

运载火箭推力故障下在线计算轻量化任务重构方法

为了避免运载火箭推力下降故障引起发射任务失败,基于径向基神经网络,提出了一种在线计算轻量化的任务重构方法,可快速在线计算最优救援轨道对应飞行轨迹(最优轨迹)的近似解.在离线部分,结合凸优化与自适应配点法产生"故障状态-最优轨迹"数据集.数据集被用来训练径向基神经网络,建立轨迹决策模型来构建故障状态到最优轨迹的动力学关系...     

基于神经网络算法的液体火箭发动机实时故障检测方法研究

以某液体火箭发动机为研究对象,将实时故障检测作为中心,分析了神经网络算法的特点及其实现步骤,利用Lab Windows/CVI与MATLAB混合编程的原理,实现和改进了基于神经网络的发动机实时故障检测方法,并用多次试车数据进行了检验.试车数据验证结果表明,该方法能及时、准确、有效地检测发动机稳态过程的故障.研究结果对发展未来液体火箭发动机的箭载故障检测系统具有重要的参考价值.     

基于BP神经网络的磁悬浮飞轮控制

针对磁悬浮飞轮控制对鲁棒性、低功耗及不平衡振动抑制等要求,提出BP神经网络直接控制方法。设计了两层结构BP神经网络控制器,基于磁轴承电磁力方程推导网络权值更新算法,实现了神经网络的在线训练。仿真表明,控制器权值更新算法对环境变化适应能力强,训练成功率高;BP神经网络控制器具有起浮迅速、抗干扰能力强、功耗低等性能,并具备不平衡振动抑制能力。结果表明BP神经网络控制器满足磁悬浮飞轮控制要求,具有可行性和有效性。     

执行器故障下的运载火箭非奇异终端滑模容错控制

针对存在未知外部干扰和执行器卡死故障的运载火箭，提出了一种基于非奇异终端滑模面的姿态跟踪控制算法。首先，建立了考虑干扰和执行器卡死故障的运载火箭姿态控制系统多输入多输出系统模型；然后定义了运载火箭姿态跟踪系统模型，针对定义的模型，设计了一种非奇异终端滑模面，使得系统在执行器故障情况下仍能较为精确地跟踪参考信号。基于李雅普诺夫函数证明了运载火箭姿态跟踪控制系统的稳定性和有限时间收敛特性。数值仿真检验了本文基于非奇异终端滑模运载火箭姿态跟踪控制算法的有效性。     

改进RBF网络学习算法在卫星姿态控制中的应用

提出了一种基于神经网络扰动补偿的姿态控制方法，首先，针对RBF网络的常用学习算法－－正交最小二乘（OLS）算法，提出了改进的规范正交最小二乘（ROLS）算法：然后，基于某型小卫星的姿态控制问题，设计了高精度定向阶段的神经网络补偿控制器。仿真结果表明，改进的ROLS算法是有效的，神经网络补偿控制方案是可行的。     

基于神经网络的某导弹姿态控制系统故障诊断

介绍了多层前向神经网络及其算法 ,讨论了神经网络在故障诊断方面的应用 ,并对某导弹姿态控制系统的典型故障进行了神经网络建模 ,经测试取得了良好的效果。     

考虑重力影响的柔性关节空间机械臂任务空间神经网络控制

针对柔性关节空间机器人地面模拟及空间应用受到重力或微重力不确定项干扰的问题,提出一种基于奇异摄动的任务空间神经网络自适应控制算法。首先建立了考虑重力影响的柔性关节空间机器人的模型,通过奇异摄动方法将系统降阶处理后,转换到任务空间进行控制器的设计,利用神经网络自适应算法对系统的不确定性进行逼近,并针对逼近误差设计了鲁棒控制器补偿,最后将控制量转换为关节空间的控制力矩。对系统进行了稳定性分析和仿真校验,结果表明,控制器可以解决柔性带来的系统高频谐振和失稳问题,并能有效抵抗系统扰动,具有很好的跟踪性能。     

远程操控飞行器自适应神经网络观测器设计

针对无人飞行器远程操控系统设计时，由于远程操控飞行器动力学的非线性和飞行器控制系统性能的不确定性，无法精确建立远程操控飞行器控制系统模型的问题，提出了一种自适应神经网络状态观测器设计方法实现对远程操控飞行器的控制系统模型的估计。首先将飞行器的动力学环节与自动驾驶仪构成的闭环回路作为一个整体建立了远程操控飞行器控制系统的非线性模型。然后针对模型中存在未建模动态的问题，采用神经网络算法对非线性动力学模型进行在线辨识，并引入鲁棒项对附加扰动进行抑制。最后设计自适应律对神经网络的权值进行实时调整，保证了系统的稳定性，并基于Lyapunov理论证明了观测器的估计误差是最终一致有界的。仿真结果表明，所设计的观测器能够保证远程操控飞行器在存在未建模动态和附加扰动的情况下对飞行状态具有良好的估计性能。     

基于改进伪谱反馈控制的远程变轨闭环制导

利用最优反馈控制和轨迹快速重构技术,设计一种有限推力空间远程变轨自适应闭环制导方法。首先给出了最优反馈控制的求解原理和必要条件。将空间变轨动力学模型特点和伪谱法相结合,设计基于状态量缩减的计算效率改进策略以提高轨迹优化的实时性。基于改进伪谱法进行逐次轨迹快速重构,利用开环最优解形成闭环反馈,从而保证制导指令的实时更新,并通过引入控制逻辑改进制导算法。远程交会仿真表明,该闭环制导方法在保证任务指标具有一定最优性的同时,可以有效抑制多种参数不确定性和外界干扰的影响,具有较高的制导精度、自适应性和鲁棒性。     

微纳聚合体卫星的对称式重构规划算法

为解决微纳聚合体卫星变构过程中，聚合体各部分之间的动力学耦合导致的卫星整体姿态翻转或紊乱，提出了一种对称式变构规划算法。首先建立了铰链约束下的漂浮基多刚体系统动力学模型，研究了重构过程中各运动模块对本体姿态的影响，提出当每两个运动模块位置与转动方向满足对称性条件时，两者对本体姿态的影响可在一定程度上相互抵消。基于上述理论，在A*算法中引入最优分配度量和对称性判定，设计了并行对称重构规划算法。仿真结果表明，该规划算法可实现重构过程中多模块并行、对称运动，重构过程总步数较少，运动模块对本体姿态的影响小。     

An improved installation for control moment gyros and its applications on reconfiguration and singular escape

A cluster of control moment gyros (CMGs) is widely used as the actuator of attitude control for modern satellite. However, to use CMGs will induce some accessional problems, like the singularity and the failure of them. In this paper, a rotator for the support bracket of each control moment gyro (CMG) is adopted and its application on reconfiguration and singular escape is discussed. The first step puts forward a novel reconfiguration scheme for the CMGs and applied on a satellite, which can adjust the installation angles of the remaining CMGs and make the CMGs remain axial symmetry. Then the characteristic of the output torque is studied in the process of reconfiguration of the CMGs. Based on this characteristic, a special steering law of the CMGs is designed to counteract the disturbance from the reconfiguration. The feasibility of singularity avoidance via the reconfiguration is also discussed by calculating the derivative of the singularity measurement to the installation angle. A singularity avoidance steering law is proposed based on the above calculation.