基于伪谱法的空间绳系组合体最优燃耗离轨研究

为了优化空间绳系组合体轨道转移的燃耗,提出一种基于伪谱法求解的包含拖拽、平衡、甩摆三个阶段的绳系组合体最优燃耗离轨方案. 首先将全过程离轨的燃耗作为性能指标,采用简化的绳系组合体动力学模型,利用高斯伪谱法求解出拖拽阶段系统状态最优轨迹;其次考虑较复杂的绳系组合体动力学模型,使用模型预测控制方法跟踪拖拽阶段系统状态最优轨迹. 仿真结果表明该方法能实现主动星安全、高效,并以最低燃耗地将目标星转移到目标轨道.     

基于退步控制方法的绳系卫星回收张力控制

利用退步控制方法研究了绳系卫星系统TSS(Tethered Satellite System)的平面内回收控制问题,提出了一种新的张力控制律.该控制律设计由两步组成:首先利用退步控制将摆角稳定到目标值,然后通过设计摆角的目标值实现系绳的回收和回收速度的控制.控制率设计了分段连续的目标角度方案和延时环节,可以使TSS回收过程各状态量变化平滑.数值仿真结果表明,该控制律在圆轨道、近圆轨道和大偏心率的椭圆轨道都有很好的控制效果.     

基于动力学递推算法的绳系卫星系统刚柔耦合多体模型

利用动力学递推算法建立了空间绳系卫星系统(TSS)的铰接柔性杆动力学模型.所研究的绳系系统包含两颗刚体绳端卫星和一段连接两颗卫星的柔绳,柔绳离散为一系列球铰连接的弹性杆,考虑杆不均匀的纵向一维形变,并利用球铰的运动模拟柔绳的弯曲和扭转;然后基于递推算法推导得出了该刚柔混合离散模型的动力学方程.数值仿真结果表明:所建立的绳系卫星系统模型能够很好地模拟空间系绳的各向摆振和扭转,此外,递推算法的引入能够有效地减少离散模型动力学方程的维数,从而大幅减少计算量.      

基于改进神经网络的空间机械臂阻抗控制方法

针对环境信息不确定和碰撞模型未知情况下的空间机械臂柔顺控制问题,提出了一种基于改进型神经网络的阻抗控制方法.以空间机械臂阻抗控制系统闭环方程为基础,分析了环境信息不确定和碰撞模型未知情况下不能实现精准力控制的原因.利用粒子群优化算法调整神经网络中的权值矩阵,以提高神经网络的收敛速度和寻优性能.基于改进后的神经网络设计阻...     

基于非线性模型预测的绳系系统系绳摆振控制

针对绳系系统离轨稳定控制问题,开展了系绳和绳端卫星构成的绳系系统在拖拽离轨过程中系绳摆动稳定控制方法研究。在考虑拖拽离轨过程中约束下,首先建立了包含绳端卫星的姿态运动的模型,并建立了绳系系统的离轨动力学方程和便于控制器设计的简化动力学方程。其次根据模型预测原理以最优化方法设计参考轨迹,最后以模型预测控制方法为基础设计了稳定系绳摆动的非线性模型预测控制方法。使用MATLAB软件平台仿真,验证了所设计的参考轨迹能完成目标和模型预测控制器有好的跟踪能力。      

可变绳长绳系卫星系统的一种简单张力控制策略

为了简化绳系卫星系统(TSS)的控制,对已有的设计方法进行了改进,提出了一种新的控制律设计方法。根据TSS的动力学方程构造线性自治系统,对释放、滞留和回收过程做统一处理,由线性自治系统的稳定理论导出线性反馈控制律,并对控制参数的取值进行了讨论;然后针对回收过程,通过设计平衡点参数得到了一种分段回收控制方案。仿真算例表明,文中采用的设计方法对于圆轨道和近圆轨道TSS的释放、滞留和回收过程都有较好的适应性。     

一种改进的PGA最大似然相位估计法

 讨论了合成孔径雷达( Synthet ic Aper ture Radar ) SAR) 成像处理过程中一种不需要直接求解矩阵特征值及其特征向量, 但仍然基于最大似然估计的应用于相位梯度自聚焦算法( Phase Gr adient Algorithm)PGA) 中的相位估计方法, 且主要从计算量及数据处理精度等方面与传统的特征向量方法相比较。结果表明,这种基于迭代方法计算特征向量相位的算法在SAR 成像自聚焦过程中具有实用意义。     

TMS320C62x的并行性和应用研究

TMS32 0 C62 x在信号处理领域得到广泛的应用,也提出了高度并行处理在 DSP的实现问题。给出如何实现高性能 C62 x应用的一般性方法,并比较了 3种高速 DSP的典型性能指标,最后给出用 C62 0 1实现了SAR信号处理机的预处理模块的实例。     

基于直接配点法的绳系卫星系统变轨控制

讨论了不必回收子星的二体绳系卫星系统(TSS)的变轨方案。假设TSS质心运动满足经典的二脉冲Hohmann变轨,用未变形绳长加速率控制两次脉冲期间的TSS运动。利用直接配点法中的Hermite-Simpson方法将控制消耗最小的最优问题离散为大型非线性规划问题,然后用MATLAB的SNOPT软件包求解;针对初始偏差较大的实际情况,又结合直接配点法和滚动时域控制得到了解析的反馈控制律。仿真算例表明,得到的TSS变轨过程状态变化平滑,控制消耗较小,而且变轨之后TSS接近平衡状态;此外,反馈控制律对最优路径的跟踪效果较好,能够消除初始偏差的影响。     

基于强化学习的航天器姿态控制器设计

航天器在轨执行某些任务时，其质量参数会发生未知变化，传统控制方法在这种情况下控制效果不佳。本文提出基于强化学习的航天器姿态控制器设计方法，该方法在姿态控制器训练过程中不需要对航天器进行动力学建模，不依赖航天器的质量参数。当质量参数发生较大未知变化时，训练好的控制器仍然可以保持较好的控制效果。仿真测试表明:使用基于强化学习方法训练的控制器确实具有良好的鲁棒性。此外，回报函数的设计会明显影响姿态控制器的训练，因此对不同的回报函数设计进行了研究。