基于深度神经网络的航天器姿态控制系统故障诊断与容错控制研究

针对传统航天姿控系统故障诊断与容错控制诊断精度及控制分配效率较低的问题，提出了一种基于深度神经网络的航天器姿态控制系统故障诊断与容错控制方法。以控制力矩陀螺为执行机构的航天器发生执行机构故障工况时，所提出的方法可保证鲁棒的姿态控制。首先，利用三个异构深度神经网络实现传统容错控制器的故障诊断、姿态控制和力矩分配等功能，建立了全神经网络的智能自适应容错控制器架构。然后，对三个神经网络的网络层数、神经元数目和激活函数等参数进行优化调整，对比分析了神经网络参数对控制器性能的影响。最后，对所提出的新型控制器在控制力矩陀螺发生故障时的控制精度和鲁棒性进行了仿真验证。仿真结果表明，对于具有冗余控制力矩陀螺的航天器，提出的方法不仅能在单一陀螺故障下实现高精度的容错控制，也能在发生多陀螺故障时保证一定的姿态稳定控制。     

人工智能在航天器制导与控制中的应用综述

航天器制导与控制技术是保障空间任务顺利实施的关键技术之一。当前,动力学模型的强非线性以及参数不确定性制约了高精度姿轨控技术的发展,而系统故障则决定航天器姿轨控的成败。以机器学习为代表的新一代人工智能技术航天器制导控制领域展现了巨大的应用潜力。首先对基于人工智能技术的轨迹制导和姿态控制中的研究发展及应用现状进行归纳,分析航天器轨迹规划、姿态控制、故障诊断以及容错控制技术的发展趋势。然后,从鲁棒轨迹规划、自适应姿态控制、快速故障诊断和自适应容错控制等4个方面总结适用于未来航天任务的航天器姿轨控关键技术。最后,针对智能姿轨控技术的应用所面临的挑战,从姿轨控架构、算法最优性、算法的训练以及技术验证等方面提出相应的发展建议。     

FY-3D 中分辨率成像仪图像地理定位误差来源分析

以风云三号D星（FY-3D）中分辨率成像仪（MERSI）的图像地理定位为背景，针对现阶段FY-3D图像与海岸线匹配时误差表现为周期性振荡的现象，从卫星轨道和姿态控制的角度出发，分析了当前卫星运行策略对图像地理定位精度的影响。首先，建立了当前FY-3D卫星动力学模型和成像模型；然后，以FY-3D/MERSI真实遥感图像为基础，分析姿轨控分系统对遥感图像周期性定位造成的误差；最后，通过对比数值仿真结果与真实图像数据，对来自姿轨控分系统的图像定位误差来源进行了验证。研究表明，姿轨控分系统的轨道、姿态预报误差以及载荷安装误差都会导致成像基准产生偏差，进而使图像的地理定位误差呈现周期性振荡现象。