可重复使用飞行器再入姿态的区间二型自适应模糊滑模控制设计

针对具有强非线性、多变量耦合特性的可重复使用飞行器（RLV），同时考虑模型参数不确定性和外界干扰对飞行器再入姿态跟踪的影响，提出了一种基于区间二型自适应模糊滑模的姿态控制方法。首先，建立飞行器再入动态模型，并基于反步思想将控制模型转化为姿态角和角速率相关子系统。其次，将模型参数不确定性和外界干扰视作子系统非线性项的一部分。再次，采用区间二型模糊系统逼近子系统非线性项，并结合自适应技术和滑模控制方法分别设计虚拟控制量和实际控制量。此外，引入一阶低通滤波器用以处理子系统虚拟控制律。通过Lyapunov方法的分析证明了闭环控制系统的稳定性，且飞行器姿态跟踪误差可收敛于原点附近的小邻域。最后，利用飞行器的数值仿真验证了所设计控制方法能有效跟踪飞行器参考指令，且对外界干扰有较强的鲁棒性。      

基于Gauss伪谱法的临近空间飞行器上升段轨迹优化

综合考虑密度变化、声速变化、发动机推力变化及地球引力等因素对飞行轨迹的影响,研究了与实际飞行环境更加相符的临近空间飞行器燃料最优爬升轨迹。针对该问题在气动数据处理和优化求解上存在的困难,提出一种基于Gauss伪谱法(Gauss Pseudospectral Method,GPM)的求解策略。首先,依据气动数据特点,设计拟合模型对气动参数进行高精度拟合;其次,为避免间接法和传统直接法的缺点,将Gauss伪谱法和序贯二次规划(Sequential Quadratic Programming,SQP)相结合,对存在边值及加速度约束的轨迹优化问题进行求解,获得最优飞行轨迹。仿真结果表明,在更为真实的飞行环境下,利用GPM和SQP相结合的方法可在5.83s获得一条精度为10-4～10-6左右的飞行轨迹。     

基于深度迁移学习的航天器故障诊断

随着航天科技的发展，智能故障诊断技术是确保航天器控制系统安全、自主运行的关键技术之一.由于在轨航天器遥测数据样本少、噪声高、未标记，因此缺乏自适应能力、学习能力的传统故障诊断方法难以准确诊断在轨航天器故障.本文针对上述问题提出一种基于深度迁移学习的航天器故障诊断方法，为在轨航天器实时故障诊断提供了可行方法.首先，对航天器运行数据进行预处理，将多维时域信号转换为二维图像信号；其次，搭建基于残差网络的故障诊断深度学习框架，并利用地面测试数据与其他航天器在轨运行数据对网络进行预训练；进而，为了实现当前在轨航天器实时故障诊断，本文采用迁移学习自适应方法，设计网络联合分布自适应代价函数，对故障诊断模型进行参数重调，使模型适应当前在轨航天器故障诊断任务.仿真结果表明，所提出的基于深度迁移学习的故障诊断方法可以快速准确的诊断出航天器故障.     

柔性航天器振动主动抑制及姿态控制

针对柔性航天器柔性附件振动主动抑制及姿态高精度快速稳定问题，研究了一种输入成形器（IS）-自适应有限时间干扰观测器（FDO）-有限时间积分滑模控制器综合的设计方法。首先，基于柔性模态的频率及阻尼信息，获得能够有效抑制柔性振动的输入成形器形式，并与系统参考输入进行卷积，得到期望参考输入；其次，基于航天器动力学模型，设计一种新型的自适应有限时间干扰观测器，避免了综合干扰上界必须已知的约束，且保证干扰估计误差有限时间收敛至零，实现对干扰及残余振动影响的快速精确估计；最后，基于观测器的估计值，设计多变量有限时间积分滑模控制器，保证对期望参考输入的高精度快速跟踪控制，并进行严格的稳定性证明。仿真结果表明，该综合设计策略能够保证柔性附件振动抑制75%，姿态稳定度达到10^-4数量级。