带空间协同的多导弹时间协同制导律

针对多导弹在平面内从期望的弹目视线（LOS）相对方向同时击中固定目标问题,提出了一种带空间协同的多导弹时间协同制导律。基于平面内的导弹-目标相对运动方程,建立了带空间协同的多导弹时间协同制导模型;基于多智能体协同控制理论,在视线方向设计了分布式时间协同制导律,可保证所有导弹的打击时刻在有限时间内达到一致,在视线法向方向设计了分布式空间协同制导律,可保证所有导弹的相对视线角在有限时间内收敛到期望值;最后,通过仿真验证了所设计的协同制导律可使多导弹从期望的弹目视线相对方向同时击中目标。     

深空环境下卫星编队飞行队形重构实时重规划

针对深空环境中卫星编队自主队形重构的机动问题,设计了队形重构过程中的实时重规划方案。在每次重规划过程中首先用Legendre伪谱法将当前时刻到终端时刻的重构问题离散化为非线性规划问题;其次,根据卫星编队飞行队形重构的特点,使用协同进化粒子群(CPSO)方法对每次重规划进行求解,该方法既避免了传统优化方法对复杂问题梯度的求解,又能在整个优化过程中保证约束条件的满足,并且能够事先为粒子群的进化提供大致方向,极大地提高了每次重规划的计算速度;最后,提出了重构过程中具体的重规划策略,以保证队形重构的顺利进行。仿真结果表明,与传统的控制方法相比,在重构过程中,该方法能够在初始给定轨迹的基础上进一步优化,可以有效降低重构过程的能量消耗,并能够避免重构过程中碰撞的发生。     

有向拓扑下无径向速度测量的多导弹协同制导

针对多枚导弹在平面内从各自期望的方向同时击中移动目标问题，提出一种有向通信拓扑下无需导弹-目标径向速度测量且带视线角约束的分布式有限时间协同制导律。基于平面内导弹-目标相对运动方程建立带视线角约束的多导弹协同制导模型。基于二阶多智能体协同控制理论设计了视线方向上的制导律，可保证有向拓扑下多导弹的打击时刻在有限时间内达到一致。基于齐次系统稳定性理论和积分滑模控制理论设计了视线法向方向上的制导律，可保证多导弹击中移动目标且视线角在有限时间内收敛到期望值。仿真校验所设计的协同制导律在理想条件下可使有向拓扑下的多导弹从各自的期望方向同时击中移动目标。     

考虑执行机构误差的编队卫星姿态分布式时延滑模自适应协同控制

针对编队卫星姿态协同控制问题,在考虑到执行机构误差的前提下,提出一种将时延控制与滑模自适应控制相结合的鲁棒控制方法.该方法通过引入自适应更新律实现对执行机构小角度安装误差的在线估计,同时通过滑模控制完成对外界干扰和执行机构随机幅值误差等随机扰动的抑制.由于引入了时延环节,只需对上一时刻控制力矩进行单位时延,达到大大简化...     

组合体航天器输入-状态稳定姿态接管控制

本文针对具有对抗性力矩输出能力的空间非合作目标,研究了基于输入-状态稳定理论的组合体航天器姿态接管控制方法。首先,建立了基于相互作用力矩实时计算的组合体姿态激励-响应映射关系,实现了对组合体航天器姿态运动的准确描述;然后,基于输入-状态稳定性理论设计了不依赖系统模型参数的姿态接管控制器并给出了参数选择范围,实现了对存在有界不确定对抗力矩非合作目标的姿态接管;最后通过数值仿真校验了控制方法的有效性。     

带时变通信时间延迟的卫星编队姿态协同自适应L2增益控制

针对卫星编队姿态协同分布式控制问题,提出一种基于Lyapunov方法的编队飞行协同控制策略.首先,考虑到实际编队飞行中星问通信存在时变时间延迟及模型不确定问题,结合变结构控制的思想设计一种针对时滞系统稳定性分析的Lyapunov函数,从而由直接Lyapunov方法得到可对模型参数进行估计的自适应分布式姿态协同控制器,并...     

基于协同进化粒子群和Pareto最优解的卫星编队队形重构方法

针对卫星编队自主队形重构问题,提出了基于协同进化粒子群优化(CPSO)和Pareto最优解的求解方法.首先,使用Legendre伪谱法(LPM)将队形重构问题离散化为非线性规划(NLP)问题;其次,根据卫星编队的特点及碰撞规避的需要,使用CPSO算法对重构问题采用既独立又集中的求解方式,避免了传统优化方法对梯度的求解;...     

基于模糊神经网络干扰观测器的组合体航天器姿态控制

针对非合作目标存在对抗性力矩输出情况下的组合体航天器姿态控制系统,提出了一种基于模糊神经网络干扰观测器（Fuzzy Neural Network Disturbance Observer,FNNDO）的非奇异终端滑模（Nonsingular Terminal Sliding Mode,NTSM）有限时间控制策略。首先以服务航天器为基准,建立组合体航天器姿态数学模型,然后针对包含惯量不确定性、目标对抗性力矩等的等效干扰力矩,设计了一种具有自适应能力的FNNDO,可以实现对等效干扰的有效跟踪。在FNNDO的基础上,设计NTSM控制器,利用Lyapunov理论证明闭环系统的有限时间稳定性。最后,仿真实验结果表明了控制策略的有效性和观测器在观测性能上的优越性。     

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。     

一种超参数自适应航天器交会变轨策略优化方法

利用强化学习技术,本文提出了一种超参数自适应的燃料最优地球同步轨道（GEO）航天器交会变轨策略优化方法。首先,建立了GEO航天器交会Lambert变轨模型。以变轨时刻为决策变量、燃料消耗为适应度函数,使用改进式综合学习粒子群算法（ICLPSO）作为变轨策略优化的基础方法。其次,考虑到求解的最优性和快速性,重新设计了以粒子群算法（PSO）优化结果为参考基线的奖励函数。使用一族典型GEO航天器交会工况训练深度确定性策略梯度神经网络（DDPG）。将DDPG与ICLPSO组合为强化学习粒子群算法（RLPSO）,从而实现算法超参数根据实时迭代收敛情况的自适应动态调整。最后,仿真结果表明与PSO、综合学习粒子群算法（CLPSO）相比,RLPSO在较少迭代后即可给出适应度较高的规划结果,减轻了迭代过程中的计算资源消耗。