欠驱动航天器编队重构的切换神经网络控制

针对圆轨道欠驱动航天器编队重构问题,将传统的自适应神经网络控制器和自适应滑模控制器相结合,设计了一种切换神经网络控制器,用以跟踪由伪谱法求解得到的航天器编队重构的最优开环控制轨迹。自适应神经网络控制器在活跃区域内工作,利用径向基神经网络(RBFNNs)近似动力学系统中的不确定项,自适应滑模控制器在活跃区域外工作,利用自适应律来估计近似误差上界,并采用李雅普诺夫方法证明了闭环系统稳定性。数值仿真结果表明切换神经网络控制器可在欠驱动条件下实现编队重构,与线性滑模控制器相比,实现了控制器快速、高精度、强鲁棒等控制性能。     

小样本下煤油加注温升模型参数估计方法

为消除火箭煤油加注实测温度与现行加注温升模型计算理论温度之间的偏差,准确估计煤油加注温升实现精确加注、精准控制,在靶场实测数据仅为小样本数据的现实条件下,采用贝叶斯回归方法,将经验参数作为先验信息给出待估参数的先验分布,由实测数据计算贝叶斯风险,通过最小化风险函数实现对煤油加注温升模型的参数优化估计。数值实验结果表明,与给定的经验参数和经典最小二乘估计参数相比,贝叶斯估计参数估算的加注结束温度与实测温度误差显著减小,且随着可用的数据样本容量相应增大,贝叶斯回归分析的参数估计精度呈现收敛趋势。贝叶斯方法进行煤油加注温升模型参数估计有效提高了加注温升模型精度,为提高推进剂加注精确度提供了方法基础。