基于高斯过程回归的组合体航天器姿态接管学习控制

空间非合作目标一般具有结构复杂、质量特性未知、姿态机动能力不明等特点,这导致组合体航天器姿态动力学呈现出高度非线性和强耦合特性,且难以对其进行在轨精确辨识。针对组合体航天器姿态接管过程中目标信息不完全、精确辨识困难等问题,本文考虑目标存在姿态机动能力的任务场景,提出了一种基于稀疏高斯过程回归(GPR)的数据驱动姿态接管控制策略。首先,从系统运行数据中提取、凝炼模型未知部分的输入/输出映射关系,构建数据驱动的概率化模型以代替无法快速准确建立的参数辨识模型,并根据该数据驱动模型设计变增益反馈控制策略,证明了系统状态概率意义上的Lyapunov稳定性和有界性;其次,考虑到在轨任务的实时性、星载计算机的计算资源有限等因素,该算法可在保证控制精度的同时显著减轻学习算法的计算压力;最后,数值仿真验证了本文所提出控制方法的有效性与实用价值。