基于深度增强学习的卫星姿态控制方法

针对卫星在执行丢弃载荷或捕获目标等复杂任务时遭遇的姿态突然发生变化的问题,采用深度增强学习方法对卫星姿态进行控制,使卫星恢复稳定状态。具体来说,首先搭建飞行器的姿态动力学环境,并将连续的控制力矩输出离散化,然后采用Deep Q Network算法进行卫星自主姿态控制训练,以姿态角速度趋于稳定作为奖励获得离散行为的最优智能输出。仿真试验表明,面向空间卫星姿态控制的深度增强学习算法能够在卫星受到突发随机扰动后稳定卫星姿态,并能有效解决传统PD控制器依赖被控对象质量参数的难题。所提出的方法采用自主学习的方式对卫星姿态进行控制,具有很强的智能性和一定的普适性,在未来卫星执行复杂空间任务中的智能控制方面有着很好的应用潜力。     

一种挠性航天器的对偶四元数姿轨耦合控制方法

为解决复杂的挠性航天器的姿轨控制问题,对于挠性航天器的姿轨耦合动力学建模与控制展开研究。基于对偶四元数原理,推导给出一套挠性航天器的姿轨一体化动力学模型。此种模型能够紧凑描述航天器的轨道和姿态,且能够自动引入航天器平动、转动与挠性附件振动三者之间的关联耦合作用。基于此模型设计了一种自适应位置姿态跟踪控制器,该控制器能够在航天器质量特性参数未知的情况下,对其位置和姿态进行轨迹跟踪控制,并使位置和姿态误差收敛。该自适应控制器还可对航天器上挠性附件对系统的耦合作用进行估计,进而在控制输出中对其进行补偿,提高卫星控制系统的稳定性。通过仿真对控制律进行校验,结果表明该控制律对挠性航天器控制效果良好,具有一定的工程应用参考价值。