自旋小卫星姿态动力学建模与控制研究

研究探测近地空间自旋稳定小卫星姿态动力学建模与姿态控制问题,探测任务对该卫星姿态控制有着特殊要求。建模中特别考虑了自旋小卫星双侧伸杆扰动对其姿态运动的影响。利用自旋卫星的章动特性,设计了姿态一章动联合控制器,根据星体横向角速度相位和喷气力矩在惯性空间的方位来确定喷气时刻,采取先章动粗控与进动控制,后章动精控的策略。当卫星受空间扰动力矩长期作用产生较大章动角而需调姿进行轨道机动时,可以应用本控制器方便地调整自旋轴的指向。     

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.     

基于深度强化学习的软件定义卫星姿态控制算法

深度强化学习（DRL）作为一种新型的基于机器学习的控制算法,在机器人和无人机等智能控制领域展现出了优异的性能,而卫星姿态控制领域仍然在广泛使用传统的PID控制算法。随着卫星的小型化、智能化以至软件定义卫星的出现,传统控制算法越来越难以满足姿态控制系统对适应性、自主性、鲁棒性的需求。因此对基于深度强化学习的姿态控制算法进行了研究,该算法使用基于模型的算法,比非基于模型的算法拥有更快的收敛速度。与传统控制策略相比,该算法无需对卫星的物理参数和轨道参数等先验知识,具有较强的适应能力和自主控制能力,可以满足软件定义卫星适应不同硬件环境,进行快速研发和部署的需求。此外,该算法通过引入目标网络和并行化启发式搜索算法之后,在网络精度和计算速度方面进行了优化,并且通过仿真实验进行了验证。      

一种抑制反作用轮低速摩擦对卫星姿态扰动的方法

在现代卫星的姿态控制系统中,反作用轮得到了广泛应用。但是当反作用轮的转速过零时,摩擦力矩会对卫星的姿态产生较大影响。本文采用基于特征模型的黄金分割自适应控制方法,建立了包括反作用轮在内的卫星系统的特征模型,并由此设计了控制律。仿真结果表明,该方法可以有效抑制反作用轮低速摩擦对卫星姿态的扰动,从而可以提高卫星姿态控制精度。     

卫星姿态控制系统在轨实时健康评估

面向航天器在轨智能自主管控的技术需求,提出一种基于多级模糊综合评价架构的卫星姿态控制系统的在轨实时健康评估方法.根据卫星姿态控制系统的性能特点,按实际功能将其划分为姿态测量、控制器和执行机构3个部分.在确定各部分单元部件健康信息的基础上,基于模糊综合评价算法对各部分的健康度分别进行评估.基于评估所得到的姿态测量、控制器和执行机构3部分健康信息,根据各部分对系统健康的影响情况结合变权综合原理确定健康影响权重,采用模糊综合评价算法实现对姿态控制系统整体健康性能的综合评估.仿真实验结果表明,所提出的方法能够有效实现卫星姿态控制系统的在轨实时健康评估.     

基于神经网络的多卫星姿态协同控制预测模型

摘要： 针对多卫星近距离对空间目标监测中的姿态协同控制问题，研究基于神经网络的智能控制模型.首先设计了面向任意姿态控制方法的神经网络自适应控制模型，该模型不改变卫星姿态控制方法本身，而是接收由理想控制模型生成的理想控制量，理想控制量经过神经网络后直接生成适用于卫星的控制量.根据神经网络对控制系统的系统级状态预测，基于一致性控制协议，设计了多卫星姿态协同控制模型.采用等效姿态角，通过数值仿真，分别验证了预测控制方法、输出状态预测、协同控制的方法正确性和有效性.     

基于LQR的小卫星磁姿态控制设计

 研究仅采用磁力矩器作为执行机构的近地小卫星姿态控制问题。通过对刚体卫星的非线性动力学和运动学方程在平衡点处进行线性化处理,得到一个线性周期时变系统,应用线性二次最优调节器理论设计出最优磁矩控制律。最后针对某小卫星进行了仿真验证,结果表明所设计的最优控制律可以很好地完成三轴姿态稳定任务。     

一种用于SGCMG奇异规避的CVP轨迹规划

采用单框架控制力矩陀螺(SGCMG)作为执行机构的小型敏捷卫星在姿态机动过程中存在着奇异问题.本文从SGCMG姿态控制系统整体出发，将奇异问题转化为状态约束的动态控制问题，基于控制变量参数化(CVP)方法，设计了一种用于SGCMG奇异规避的轨迹规划.该算法在实现小型敏捷卫星大角度姿态机动过程无奇异的基础上，将SGCMG框架角转速的最优轨迹通过CVP方法进行分段线性规划.这种规划策略对框架伺服系统的算法设计无复杂要求，仅需要简单的加减速控制，从而节约了星上资源.在轨迹规划实现过程中，考虑了工程实际中的约束条件，可以按照姿态机动任务要求规划出一条综合考虑能量资源和目标精度的最优轨迹.仿真结果表明：该算法实现了姿态参数轨迹和星体角速度轨迹的平缓变化，目标误差在1×10-3量级，星体在机动过程中运行稳定，SGCMG不会出现奇异现象.     

一种在轨改善偏置动量卫星控制精度的方法

对多个偏置动量卫星在轨飞行的遥测数据观察后发现．其中一些卫星的X轴和Z轴控制误差较大，且有明显的常值偏差存在．对这一现象进行分析，从偏置动量卫星的控制原理上找到了姿态偏差较大的原因，进而提出修正方法．在轨飞行测试表明：原姿态超差的偏置动量卫星采用本方法后，姿态控制精度得到明显改善，证明了本方法行之有效．     

基于遗传算法PID整定的卫星姿态控制研究

文章针对新一代资源卫星建立了带有有效载荷的卫星姿态动力学方程,并且使用遗传算法PID参数自整定的方法进行了卫星姿态控制,有效地消除了可转动载荷对卫星姿态的影响。仿真结果表明,使用遗传算法PID参数自整定方法,对卫星的姿态系统具有较好的控制性能,并且克服了传统PID调参困难的缺点。     

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.     

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。     

组合体航天器智能协同姿态控制研究

组合体航天器在姿态机动过程中的各单体卫星承受的控制力是不均匀的，局部控制力过大将会导致组合链接断裂而失效。应用多体动力学理论建立了组合体航天器间的相互作用模型，对内力、内力矩与整星姿态、控制力矩之间的关系进行了分析；仿真了极端情况下的内力矩分布，其大小可能超过常用对接机构的力矩承受范围；采用粒子群算(PSO)法对控制合力矩进行优化分配，通过预设初值和继承初值来加快PSO算法的收敛速度，实时调整各星控制力矩分配比例，减小星间相互作用力，实现组合体航天器的智能协同控制，保证组合体航天器的连接铰不因受力过大而损坏。算法仿真和Adams软件验证分析表明，本文建立的相互作用模型可准确计算出星间相互作用力，提出的智能协同姿控算法可显著降低姿控过程中的星间内力，确保组合体航天器的安全。     

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。     

近距离星间相对姿轨耦合动力学建模与控制

针对在轨服务过程中近距离星间相对位置以及相对姿态精确控制的问题,考虑相对姿态与相对轨道之间的耦合作用,建立星间相对姿轨耦合动力学模型.提出编队星相对基准星进行接近绕飞的任务需求,给出相对姿态以及相对轨道的期望状态.设计相对姿态轨道联合控制算法对相对姿态和轨道进行联合控制.仿真结果表明,所设计的控制算法能够很好地抑制相对姿态与相对轨道的相互影响作用,最终实现编队星对基准星的精确指向绕飞运动.     

卫星姿态大角度机动的轨迹规划和模型预测与反演控制

空间科学观测、态势感知、对地遥感、操控服务等应用对卫星提出了高精度、高稳定度、平稳柔顺大角度姿态机动的需求。采用欧拉角形式,对时变、非线性卫星姿态动力学系统进行了分析与建模,将每一个测控周期视为一个姿态机动过程。基于动力学系统受控运动的规律,在每一个姿态跟踪机动过程中,预测姿态偏差,通过卫星姿态演化的反演得到控制指令。以三角函数为基础,设计了一种卫星姿态大角度机动的运动轨迹规划方法。本文所述的轨迹规划及控制方法具有轨迹跟踪精度高、稳定性好,跟踪和机动过程平稳柔顺的特点。数学仿真验证了该方法的可行性和有效性。 关键词：轨迹规划; 模型预测与反演控制; 卫星姿态; 大角度机动     

挠性卫星高精度智能控制及物理仿真实验研究

从工程角度出发,以具有挠性太阳翼的卫星为背景,着重研究了挠性卫星的智能控制方案。针对高精度控制这一要求,设计了双层小脑模型神经网络(CMAC)与变结构(VSC)复合智能控制器,并基于单轴气浮台全物理仿真系统进行了实验,取得了较高的姿态控制精度,表明了智能控制方法的有效性。     

基于区间算法的微小卫星微推力器阵列规模估计

摘要： 针对以固体微推力器阵列为执行机构的微小卫星初入轨姿态控制需求,研究固体微推力器阵列规模的估计方法.在设计了微推力器阵列单元调用规则和姿态控制律后,考虑微推力器阵列各单元冲量输出的不确定性,使用区间数表示微推力器单元的力矩输出,引入区间算法对初入轨的消旋和姿态捕获两个主要过程中微推力器单元的消耗情况进行计算.利用区间数的不相关性,改善区间计算过程,减小了由区间积分导致的区间扩张.仿真分析表明,提出的固体微推力器阵列规模估计方法可以给出预定入轨条件下的阵列规模需求,且其结果不依赖于微推力器单元力矩输出的概率特性.