考虑输入饱和的固定翼无人机自适应增益滑模控制

针对复杂环境下的固定翼无人机飞行控制问题，考虑输入饱和以及复杂外界干扰的影响，提出一种基于自适应滑模控制方法的固定翼无人机飞行控制策略。首先，对固定翼无人机模型进行介绍，将模型分为姿态子系统和速度子系统；其次，针对姿态子系统和速度子系统的特点以及控制需求，分别采用自适应多变量螺旋滑模和自适应快速超螺旋滑模设计姿态控制器和速度控制器，该策略无需设计干扰观测器对外界干扰进行估计，仍然可以实现固定翼无人机对姿态参考指令和速度参考指令的有限时间精确跟踪，并基于Lyapunov的稳定性分析方法证明了闭环系统的稳定性。最后，对本文所提出的控制策略进行了仿真验证，结果表明该控制策略具有良好的控制性能。     

考虑局部遮挡的太阳能无人机能源控制

针对太阳能无人机在飞行状态下可能出现的太阳能电池局部遮挡情况，开展相应的太阳能电池最大功率点追踪算法和能源控制研究。通过将发光亮度引入相对吸引力计算过程对萤火虫算法进行改进，实现了局部阴影情况下太阳能电池最大功率点的高效追踪。以此为基础，设计了考虑局部遮挡情况下太阳能无人机的太阳能电池/蓄电池混合能源状态机控制规则。以"蒲公英I"无人机为例，建立了太阳能电池阵列模型，开展了考虑局部遮挡情况下太阳能电池最大功率点追踪仿真实验；基于"蒲公英I"飞行剖面，开展了考虑局部遮挡情况的混合能源控制仿真试验。研究结果表明：改进的萤火虫算法可以实现在局部阴影情况下太阳能电池最大功率点的有效跟踪，与萤火虫算法相比收敛时间更短、且功率波动幅度更小；采用改进萤火虫算法和状态机能源管理策略，在考虑局部遮挡的飞行状态下可以实现太阳能电池/蓄电池之间的合理功率分配与控制。     

一种柔性空间双臂机器人的协同控制和避障方法

针对柔性空间机械臂在轨服务应用需求，提出一种基于刚体运动与柔性振动相耦合的空间双臂机器人协同控制方法.首先引入空间位姿变量的概念，构造出面向协同控制目标的Jacobian矩阵，建立柔性空间机器人系统的刚柔耦合动力学模型，基于指定的最小距离得到其运动学逆解，并根据系统动量矩守恒关系及系统的Jacobian矩阵，并根据机械臂末端的运动速度,然后采用阻尼最小二乘法得出关节角度，使柔性空间机器人能够有效完成协同控制和空间避障任务，并基于RecurDyn V7R5软件环境验证算法的正确性.最后，基于SolidWorks和ADAMS虚拟样机建立柔性空间机器人系统的立体CAD模型，并结合空间在轨搬运任务进行模拟仿真，柔性空间机器人关节操作和运动轨迹的仿真结果图验证了本文算法的有效性.     

考虑捷联导引头最小视场角约束的制导策略

针对高超声速飞行器捷联导引头，提出导引头最小视场角（FOV）约束问题。首先分析了导引头视线角变化规律，指出在攻击固定目标时，导引头最小视场角约束在弹道末段无法被满足，导引头将丢失目标。在此基础上，基于缩短导引头丢失目标距离的目标，提出一种满足导引头最小视场角约束的制导策略。该策略不依赖于末制导律形式，当最小视场角约束无法被满足时，改变原有制导指令，主动改变弹道轨迹以增加弹体视线角，避免超出视场范围。其次，针对飞行器过载约束，设计了制导策略切换点，在到达切换点时该制导策略将结束工作，避免末端过载过大超出约束。通过对比仿真验证了所提出制导策略有效性，能够大幅度减少导引头丢失目标距离，工程上有利于提高末端命中精度。     

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.     

全模颤振风洞试验三索悬挂系统多体动力学分析

全模颤振风洞试验需要通过软支撑系统模拟飞行器的自由飞行状态并调整模型姿态达到配平状态。参考NASA双索悬挂方案，提出了一种两电机驱动的三索悬挂系统，利用后方两索的同向/反向联动实现模型俯仰和滚转姿态的调整，利用弹簧刚度以及钢绳张力设计实现支撑频率要求。基于柔性多体动力学方法，建立了包括飞行器刚体模型、柔性索、滑轮、弹簧、气动力模型、伺服电机控制在内的复杂系统动力学模型，其中，利用任意拉格朗日-欧拉（ALE）变长度索单元描述钢绳，利用不约束物质坐标的索结点约束描述钢绳与滑轮相互作用，利用索结点物质输运速度约束描述伺服电机绞盘，利用飞行力学的气动力模型描述吹风下的气动力。基于该模型，通过小扰动响应辨识研究了弹簧刚度、钢绳张力、连接点位置等因素对支撑频率的影响规律，并分析了系统姿态调整能力，俯仰调整范围达到-12.5°~12.5°，滚转调整范围达到-45°~45°。采用滑轮处电位计测量的钢绳相对位移作为反馈信号，基于设计的控制律利用多体动力学求解器与Simulink对风洞吹风下的姿态调整过程进行仿真，模型达到配平状态，获得了吹风下的索拉力和伺服电机功率，为系统设计提供基础。     

Neural adaptive control for a ground experiment of the space proximity operation in a six-degree-of-freedom micro-gravity simulation system

In this study, a neural adaptive controller is developed for a ground experiment with a spacecraft proximity operation. As the water resistance in the experiment is highly nonlinear and can significantly affect the fidelity of the ground experiment, the water resistance must be estimated accurately and compensated using an active force online. For this problem, a novel control algorithm combined with Chebyshev Neural Networks (CNN) and an Active Disturbance Rejection Control (ADRC) is proposed. Specifically, the CNN algorithm is used to estimate the water resistance. The advantage of the CNN estimation is that the coefficients of the approximation can be adaptively changed to minimize the estimation error. Combined with the ADRC algorithm, the total disturbance is compensated in the experiment to improve the fidelity. The dynamic model of the spacecraft proximity maneuver in the experiment is established. The ground experiment of the proximity maneuver that considers an obstacle is provided to verify the efficiency of the proposed controller. The results demonstrate that the proposed method outperforms the pure ADRC method and can achieve close-to-real-time performance for the spacecraft proximity maneuver.     

基于避障伪距离的自由漂浮空间机器人规划跟踪一体化控制

针对自由漂浮空间机器人(Free Floating Space Robot,FFSR)的避障规划与控制问题，提出一种FFSR的避障规划-跟踪一体化控制方法。首先，基于障碍物伪距离技术，采用FFSR逆几何模型求解期望末端位姿下的连杆伪距离估计值，进而通过求解非线性优化问题，获得FFSR避障期望轨迹。其次，将全局轨迹规划与局部在线避障相结合，辅以离散状态黎卡提方程（DSDRE）控制方法实现FFSR的避障规划-跟踪一体化控制。最后，采用6R空间机器人模型验证了所提方法的有效性。仿真结果表明，该方法能够实现FFSR的避障控制，有效克服了传统FFSR控制中末端轨迹规划与控制相分离的问题，提高了FFSR的环境适应性。     

火星车低气压无风热环境模拟试验技术

为模拟火星车工作时所处大温差、低气压环境,文章以自主研制的调温热沉系统和压力控制系统为依托,实现试验容器热沉系统温度在-135~27℃间任意快速调节,均匀性优于±5℃;试验容器内气体压力控制值与目标压力值之差在±10 Pa之内。在国内首次完成无风环境下的火星车温控模拟舱验证试验,为火星车热分析模型修正以及后续火星车有风热环境试验提供了参考。     

飞机动态推出控制策略仿真优化模型

机场离港运行的无序化造成滑行过程中的长时间排队等待及大量燃油浪费。为了减少燃油消耗和废气排放,在已有的动态推出控制策略基础上提出了阶梯函数控制策略(Step function,SPC)和非线性函数动态推出策略(Nonlinear function,NPC)的一般形式,以离港成本为目标,建立了基于停机位等待惩罚的动态推出控制模型,在不延误的前提下提出了一种基于网格参数优化的蒙特卡洛仿真优化算法。通过北京首都机场实际运行数据对推出过程进行仿真计算,并与无控制策略以及传统N-control策略的最优可达解进行仿真对比,结果表明:在不延误的前提下,提出的推出策略可以更加有效地降低平均滑行道滑行时间,NPC策略的离港运行成本和燃油成本可降低45.52%和54.23%,SPC虽然成本节省劣于NPC策略,但是其简单的操作方式可以为离港推出调度方式的改进提供决策支持。