Predictive fault-tolerant control of an all-thruster satellite in 6-DOF motion via neural network model updating

The problem of controlling an all-thruster spacecraft in the coupled translational-rotational motion in presence of actuators fault and/or failure is investigated in this paper. The nonlinear model predictive control approach is used because of its ability to predict the future behavior of the system. The fault/failure of the thrusters changes the mapping between the commanded forces to the thrusters and actual force/torque generated by the thruster system. Thus, the basic six degree-of-freedom kinetic equations are separated from this mapping and a set of neural networks are trained off-line to learn the kinetic equations. Then, two neural networks are attached to these trained networks in order to learn the thruster commands to force/torque mappings on-line. Different off-nominal conditions are modeled so that neural networks can detect any failure and fault, including scale factor and misalignment of thrusters. A simple model of the spacecraft relative motion is used in MPC to decrease the computational burden. However, a precise model by the means of orbit propagation including different types of perturbation is utilized to evaluate the usefulness of the proposed approach in actual conditions. The numerical simulation shows that this method can successfully control the all-thruster spacecraft with ON-OFF thrusters in different combinations of thruster fault and/or failure.     

基于位移和力值组合的静重式力标准机砝码加卸载控制方法研究

介绍了一种基于位移和力值组合的静重式力标准机砝码加卸载的控制方法，通过监测砝码的移动量和参考力传感器叠加系统的力值量，实时调整加卸载机构的加卸载速度，以实现对被检力传感器的平滑加卸载的目的。该方法有效解决了吊挂在加载过程中产生较大摆动，影响力标准机复现力值准确度的问题，同时也消除了力值过冲现象，避免了因逆程效应而导致的力传感器输出偏差。     

Neural network-based fault diagnosis for spacecraft with single-gimbal control moment gyros

This paper proposes a neural network-based fault diagnosis scheme to address the problem of fault isolation and estimation for the Single-Gimbal Control Moment Gyroscopes(SGCMGs) of spacecraft in a periodic orbit. To this end, a disturbance observer based on neural network is developed for active anti-disturbance, so as to improve the accuracy of fault diagnosis.The periodic disturbance on orbit can be decoupled with fault by resorting to the fitting and memory ability of neural network. Subsequ...     

航空发动机两种加速控制计划的融合控制方法研究

转速导数(N-dot)和换算燃油流量加速控制计划是航空发动机加速过程安全、快速的重要保障,但各自分别易受到功率提取、性能衰退和传感器、燃油计量装置误差的影响导致失速喘振或加速性的下降。为了提高所控制加速过程的鲁棒性,使用这两种控制计划所获燃油流量的偏差大小对N-dot控制计划的控制目标进行调节修正的融合控制方法获得实际的加速燃油流量。以双转子加力涡扇发动机为对象的仿真验证表明,该控制方法可以适应全包线加速控制的需要;相比其余两种控制计划在受功率提取、误差影响下保持正常工作的范围更广;相同工作条件下,该方法比N-dot控制计划更不易发生喘振,比换算燃油流量控制计划的加速时间更小。     

基于控制分配的恒压腔压力精准控制

针对采用双阀调节的恒压腔系统压力在空气流量大范围变化时的精确控制问题,提出了一种基于控制分配的恒压腔压力精准控制方法。首先,建立了虚拟放气流量的双阀控制分配算法,包括：建立满足虚拟放气流量要求且调节阀能耗最小的优化问题;通过线性矩阵不等式(Linear Matrix Inequality, LMI)求解该优化问题得到双阀实际流通面积值;考虑调节阀动态并计算调节阀控制信号指令值。其次,建立以虚拟放气流量为恒压腔控制输入的闭环负反馈回路,基于此,设计满足伺服性能和抗干扰性能要求的PI控制器,引入上述双阀控制分配算法,进而构建完整的基于控制分配的恒压腔压力控制系统。仿真结果表明,采用该方法的控制系统性能明显优于传统单阀PI控制系统性能,恒压腔压力动态相对误差小于0.07%;干扰流量最大变化率为77kg/s2时,压力最大偏差低于500Pa;此外,调节阀动态时间常数和流量系数的拉偏仿真结果进一步验证了该控制器的鲁棒性。     

ADS数据的处理和显示

基于航空卫星通信的飞行监视,即自动相关监视（ADS）,是航空卫星移动业务（AMSS）通信应用新领域,是建立在航空卫星通信基础上的一种新的飞行监视技术。该文介绍了基本ADS报告信息电文的组成及各部分的含义,着重阐述将所收到的ADS数据进行处理,并以直观易懂的表格及图象形式显示出来,便于确切地知道飞机的四维位置（纬度、经度、高度和时间）。     

螺旋桨桨叶1P气动载荷研究

介绍了一种１Ｐ载荷实验研究方法－桨叶应变测试法,首先通过桨叶剖面速度三角形及气动力分析给出了１Ｐ载荷与测量应变的关系,然后通过地面试验和飞行试验进行了验证。试验结果表明,螺旋桨１Ｐ载荷主要由于非对称气流流过桨盘面改变了桨叶剖面速度三角形而引起,迎角,侧滑角的增加,会产生较大的１Ｐ载荷;机动飞行,如快速拉杆,荷兰滚等也会产生较大的１Ｐ载荷。     

SQP方法在航空发动机加速过程控制中的应用研究

本文研究了采用非线性规划方法中的序列二次规划最优化方法解决涡轮风扇发动机加速过程的最优控制问题。在研究中,考虑了发动机加速过程中的压气机喘振边界、涡轮最高温度限制、转子最高转速限制、燃烧富油熄火限制等各种约束条件,以及执行机构的惯性、延迟等机械特性。仿真结果表明:应用序列二次规划法进行加速最优控制是可行的,发动机在加速过程中能准确地沿着各约束边界进行加速,从而充分发挥了发动机的潜力,大大地改善了发动机的加速性。      

航空发动机结构参数和非结构参数不确定系统鲁棒H∞输出反馈控制

分析了航空发动机混合不确定性系统的鲁棒稳定性和鲁棒性能;引入结构奇异值μ综合法,研究了结构参数和非结构参数混合摄动下的鲁棒H∞输出反馈控制;对航空发动机不确定性系统设计的控制器在双转子涡喷发动机气动热力学非线性模型上。      

绳系卫星横向振动的控制方法

研究绳系卫星绳索横向振动问题。首先建立绳索振动方程,由Pontrgasin方法求得抑制绳索横向振动的纵向优化控制力。实现方式为开启母星体内的电机控制绳长使星体产生加速度,星体惯性力导致绳轴向附加张力。