航天器相对导航与控制技术的典型任务

在空间交会对接、在轨服务、近距离目标监视以及航天器编队飞行任务中,通常需要通过相对导航与控制技术对相互邻近的航天器进行控制.回顾了该领域典型的空间任务,特别关注任务、相对导航与控制方法、相对测量设备、推进系统等主要特征,并总结了该项技术的发展趋势.     

初值不确定轨道可达区域计算

为计算航天器轨道初值不确定造成的可达区域（RD）,提出一种适用于椭圆参考轨道的计算方法。以航天器的名义轨道作为基线,定义一个随时间变化的移动参考平面,在此移动平面上建立名义轨道到可达区域上任一点的距离函数,函数的极大值点即为可达区包络的边界点,从而将问题转换为非线性方程组的求解问题,并对动力学模型部分线性化带来的误差进行了分析。随后采用变参数的自适应同伦算法对方程组进行求解。最后对航天器释放微小卫星的实例进行数值仿真,结果显示该方法可行有效。     

ToF相机在空间非合作目标近距离测量中的应用

针对已有测量手段在空间非合作目标近距离测量中的问题,本文主要分析了ToF（Time-of-Flight）相机在空间应用中的可能性。首先总结了空间非合作目标近距离测量现状及已有测量手段;随后介绍了ToF相机的原理及发展,并以非合作目标典型特征为例对其性能指标进行分析;接着将ToF相机与现有空间近距离测量手段进行性能比较;并对其中的关键技术进行梳理;最后对ToF相机的未来发展趋势及其在空间中的应用进行展望。     

轮对测量机控制系统设计与实现

针对国内依靠人工测量轮对外形尺寸存效率低和自动化水平不高的现状,提出了一种基于工控机+运动控制卡的轮对尺寸自动测量系统。系统以VS2010+MFC作为上位机软件开发平台,使用2个GALILDMC运动控制卡作为伺服电机控制以及数据采集的下位机系统。以1机2卡完成自动测量的控制系统方案,设计软硬件实现了轮对外形尺寸的自动测量,满足技术要求。     

基于3D Zernike矩的巡检器与空间站的相对导航算法

针对航天器相对导航问题,以空间站表面为"特殊地形",提出一种基于大型航天器表面巡检的相对导航算法。首先,运用巡检飞行器上的TOF （Time of Flight）相机测量空间站表面局部点云数据,以该点云数据为实时图,以空间站表面先验点云数据为基准图。然后,利用3D Zernike矩与三维地形间的一一对应关系,将三维地形匹配转化为基于3D Zernike矩的特征向量匹配。在此基础上求解实时图与匹配上的基准图间的相对位置、相对姿态,从而确定两航天器间的相对导航参数,并通过实验分析了匹配精度及速度的主要影响因素。最后,将该相对导航参数与惯性系统推算的相对导航参数在扩展卡尔曼滤波器的框架下实现信息融合,估计了巡检飞行器与空间站间的相对位置、相对姿态,实验结果表明,相对位置精度优于0.002 m,相对姿态精度优于0.1°。     

一类非线性系统的一阶D型迭代学习控制

传统的D型迭代学习控制的控制律设计方案依赖于被控系统的相对度.为解决该问题以及相对度增益与高阶微分运算的问题,针对一类具有任意高阶相对度的非线性系统,提出了基于虚拟模型的一阶D型迭代学习控制设计方法.该方法的主要思想是与具有任意高阶相对度的非线性被控系统并联一个一阶子系统,构造一个相对度为1、相对度增益可以任意设计的虚拟模型,在此基础上设计一个一阶D型迭代学习控制律,使得虚拟模型能够实现期望轨迹的完全跟踪,从而实际被控系统在一定误差范围内实现期望轨迹的跟踪.仿真实例验证了所提方法的可行性与有效性.     

涡轮叶片冷却有效性分析

 为了获得内部换热效率和气膜冷却效率对综合冷却效率的影响规律,建立了简化物理模型对涡轮叶片复合冷却有效性进行分析,得到了内部换热效率与气膜冷却效率对综合冷却效率的影响规律:较低热负荷状态下,内部换热效率提高,综合冷却效率随之提高,内部换热效率对综合冷却效率影响大;较高热负荷状态下,气膜冷却效率对综合冷却效率影响增大,内部换热效率的影响减弱;过高的热负荷会出现综合冷却效率随着内部换热效率的增加而下降的情况,导致内部冷却失效。     

输入受限的漂浮基多柔性空间机器人轨迹跟踪的混合控制及振动主动抑制

空间机器人在实际运作中往往会遇到控制系统输入受限的情况,这将严重影响系统的控制品质。考虑输入受限的情况,对漂浮基多柔性空间机器人系统进行研究。通过对系统进行运动学和动力学分析,构建系统的动力学方程。采用奇异摄动方法,将刚柔耦合系统分为慢变子系统和快变子系统,并为各个子系统设计控制方法。最终提出由改进的鲁棒滑模模糊控制方法、速度差值反馈控制法和线性二次最优控制方法组成的混合控制方法。该控制方法能够主动减小空间机器人完成期望运动所需的力矩,使系统适应输入受限的工作条件;同时能够补偿系统的不确定参数和外部干扰,最终实现系统运动的精确控制和振动的主动抑制。仿真对比实验证明了在输入受限的情况下,所提出的混合控制方法的有效性和强适应性。     

基于修正似然滤波的无人机编队相对导航方法

针对无人机编队相对导航系统中视觉导航传感器量测数据存在随机时延问题,提出一种能够处理多步随机延迟量测的修正似然容积卡尔曼滤波（ML-CKF）算法。用多个伯努利随机变量对量测模型进行修正以描述随机延迟;通过边缘化延迟变量来计算滤波的似然函数以从延迟量测中提取准确的信息;采用三阶球面-径向容积准则计算高斯加权积分以解决系统的非线性。滤波中的加权因子根据接收量测的特性进行调整,因此,所提修正似然滤波具有自适应卡尔曼滤波属性。利用罗德里格斯参数表示姿态误差,设计了基于修正似然容积卡尔曼滤波的相对导航滤波器。仿真结果表明：所提算法可以准确地估计出长机和僚机之间的相对位置、速度和姿态,且估计精度高于容积卡尔曼滤波和传统随机时延滤波。