基于Smith预测控制的空间机器人遥操作研究

基于无源性理论分析机器人时延双向遥操作不稳定的原因.为保证系统稳定,提出一个结合Smith预测控制与在线修正环境参数的控制策略.针对机器人接触性操作任务中环境模型参数的辨识,通过拉弹簧试验给出了在线辨识方法,并对提出控制策略的稳定性和透明性进行仿真分析.完成了机器人在时延条件下拉弹簧遥操作试验,结果表明在结构化环境中所提出的方法可以提供操作者较好的透明性.     

基于非线性模型预测滤波的微纳卫星定位方法

针对采用星载GPS(Global Position System)定位的LEO(Low Earth Orbiter)微纳卫星获得的位置速度数据不连续,而使用轨道动力学获得的连续的位置速度信息误差快速发散的问题,提出了一种基于非线性MPF(Model Predict Filter)的LEO微纳卫星定位方法,它采用非线性MPF预测的模型误差作为一步状态估计,同时使用GPS信息作为观测量,并与改进的扩展卡尔曼滤波组合,既可获得连续的卫星位置速度信息,又可获得相当于GPS单点定位的精度.仿真结果表明,此种方法可以有效地获得连续的微纳卫星位置速度信息,并且精度优于EKF(Extended Kalman Filter).      

拦截机动目标的三维协同中末一体化制导律

针对空中来袭目标机动能力较大、单枚导弹无法有效拦截的问题,提出了拦截机动目标的三维协同中-末一体化制导律。根据目标和拦截弹的最大机动能力计算所需的最少拦截弹数量,解算出末制导的初始阵位约束,根据阵位约束,设计基于改进比例导引的协同末制导律。基于中制导开始时目标速度,迭代求解出预测命中点以及中末交班约束,提出基于预测命中点的时间角度协同中制导律。在三维场景下对协同中末制导律进行仿真验证,结果表明：该方法能够有效满足中末交班的阵位要求以及末段拦截精度,实现对机动目标的有效拦截。     

航天器碰撞分析方法研究

作为航天器碰撞与规避控制方法研究课题的一部分,为此分别建立了航天器及其它空间目标的轨道确定方法;并在此基础上,提出了可能与航天器碰撞的其它空间编目目标的初选准则和碰撞预报算法。实测数据计算表明,该方法对于航天器轨道设计以及飞行安全性分析等均是实用可行的。     

非线性系统的神经网络控制器设计

神经网络是解决非线性系统控制问题的一种新颖而有效的方法。文中主要讨论了神经网络在非线性控制中的应用,针对一个典型的非线性系统,采用不同的神经网络控制结构,设计了不同的控制器,并进行了数字仿真。比较了它们的优缺点。作者的研究对神经网络在控制领域当中的应用具有一定的理论指导作用。     

基于自适应预测校正的月球软着陆制导控制方法

应用自适应预测制导方法，研究月球软着陆过程中的制导控制问题。作为一种具有逻辑结构的构造性方法，本文概述了自适应预测制导方法的实现步骤。针对月球软着陆过程中制导控制量少于被控制量这一“欠驱动”问题，在已有的基于一阶特征模型的全系数自适应预测校正方法的基础上，将输入输出相等的系统拓展为输入少于输出的“欠驱动”系统，以满足对位置、速度矢量同时进行制导控制的需要。本文针对初始状态误差、推力偏差、质量偏差以及比冲偏差下的软着陆过程，进行了Monte Carlo仿真分析，结果表明，自适应预测制导方法可有效用于月球软着陆过程的制导控制，且具有较高的精度和较强的鲁棒性。