基于不变流形的小推力Halo轨道转移方法研究

利用动力系统理论中的不变流形概念设计向halo轨道转移的小推力轨道。首先,根据小推力发动机是否工作将转移轨道划分为上升段和滑行段。两个轨道段分别采用不同的动力学模型描述;并通过不变流形和Lyapunov反馈控制原理将整段轨道参数化;最后进行参数优化获得最优转移轨道。这种方法通过合理选择坐标系和利用反馈控制的方法,避免了由三体动力学模型以及最优控制问题的共轭方程所具有的极强的非线性带来的求解困难。具有很强的收敛性;优化过程的每一步中不包含迭代过程,计算速度快。并以从地球停泊轨道向日-地L2点halo轨道转移为例验证了此方法的有效性。这种方法对小推力动平衡点任务设计有着重要的实际意义。     

星敏感器在轨光行差修正方法研究

星敏感器作为目前航天器中最重要的姿态测量敏感器,其精度直接影响航天器姿态测量精度,因此对其误差源进行分析和修正则尤为重要。提出了一种星敏感器在轨光行差修正方法,根据光行差产生的原理和特点,将星敏感器沿探测器X和Y方向产生的光行差误差角巧妙地转换为光行差误差四元数,并直接对输出四元数进行修正,从而为修正星敏感器光行差提供了一种方便简洁的方法。     

基于GA-BP贝叶斯算法的可靠性分析近似模型

研究了GA-BP(Genetic Algorithm-Backpropagation)贝叶斯算法在可靠性仿真中的应用.GA-BP贝叶斯算法是一种新型前馈神经网络训练算法,它建立在遗传算法(GA)、L-M(Levenberg-Marquardt) BP算法以及贝叶斯方法这三者的基础上.由于该算法的训练目标是获取对应于后验分布最大值的权值向量,并且在搜索过程中融入了遗传算法,因此能够使前馈神经网络具有更佳、更稳定的泛化性能.在可靠性仿真中,采用GA-BP贝叶斯算法来构造前馈神经网络近似模型,再用它来替代复杂费时的数值仿真程序进行Monte Carlo模拟,就能够在计算成本得到有效控制的同时获取随机输出变量的概率分布情况.     

基于RBF网络辨识的挠性卫星姿态自适应控制

为满足挠性卫星姿态控制的更高要求,提出了一种基于径向基函数（RBF）网络辨识的模糊自适应控制方法。根据卫星姿态动力学方程,将RBF辨识网络引入模糊神经网络的T-S模型,以辨识卫星,在线修改模糊神经控制器（FNC）参数,使卫星的姿态角度达到设定值。仿真结果表明：该法能有效克服卫星的不确定性,提高卫星姿态的控制精度。