空间智能桁架自适应模糊振动控制

研究了一种基于自适应模糊控制器的空间智能桁架振动控制方法。在考虑剩余模态影响的条件下建立了空间智能桁架的独立模态空间振动控制方程,并对自适应模糊控制器作改进,证明了控制系统的稳定性。仿真结果表明:该自适应模糊控制器可有效抑制桁架振动,控制效果明显优于传统模糊控制,同时能抑制控制溢出和观测溢出。     

空间智能桁架作动器/传感器位置优化中的遗传算法应用

研究了空间智能桁架振动控制中的作动器／传感器位置优化问题。在对作动器／传感器进行动力学建模的基础上，推导出整个空间桁架机电耦合作动方程和传感方程。基于作动效率和观测效率，提出了不依赖于控制方法的位置优化准则，采用遗传算法对作动器／传感器位置进行了优化。最后针对空间智能桁架进行了位置优化仿真和模糊振动控制仿真，仿真结果验证了遗传算法优化此类问题的优越性、可信性。     

基于加速度测量的柔性智能桁架结构振动主动控制实验研究

本文在只能获得加速度时，通过改变Leunberger观测器的结构形式，基于模态滤波器技术、最优控制理论和计算机控制系统理论，采用独立模态空间控制策略进行了具有密集模态的空间柔性智能桁架的实时计算机振动主动控制实验研究。实验结果表明这种控制策略是行之有效的。     

桁架自适应结构振动控制仿真实验研究

基于MATLAB/dSPACE综合仿真实验环境 ,在有限元结构分析的基础上 ,在MATLAB/Simulink中进行桁架自适应结构的数学模型搭建和控制方案设计仿真 ,由dSPACE软硬件系统实现自适应结构的主动元件驱动和传感器数据采集 ,从而实现半实物仿真。实验表明基于MATLAB/dSPACE综合实验环境桁架振动受到很好的抑制 ,证明MATLAB/dSPACE试验环境高效简洁 ,控制方法行之有效     

基于自适应动力吸振器的空间桁架结构振动抑制研究

航天器中使用的轻质桁架结构在受到扰动时会产生振动,从而影响设备正常工作。为解决这一问题,本文提出一种附加在结构上的主动动力吸振装置,利用电磁力推动质量块产生的反作用力作为主动力施加在被控结构上,抑制结构振动。主动控制算法采用自适应逆扰动抑制算法,对空间环境下的结构参数变化具有一定的自适应调节能力。为验证算法的有效性,建立了桁架-吸振器系统的动力学模型,对无吸振器和有吸振器时的被动和主动吸振模式进行了仿真对比。最后在三棱柱桁架结构中进行了振动主动控制实验。结果显示在主动模式下桁架振动振幅衰减可达90%以上。
     

空间交会对接的智能控制

本文探讨了交会对接过程自动寻的阶段的智能控制策略及绕飞和最后逼近阶段的模糊控制问题,并针对实际条件给出了仿真结果,证明本文介绍的控制策略是可行的。     

卫星大挠性桁架结构振动抑制试验研究

研究大型挠性空间桁架结构(LFST)的振动抑制问题.基于LFST特性,设计一套空间桁架试验系统.针对LFST具有大挠性、低刚度和低阻尼等特性,设计并研制一种圆柱式剪切型粘弹性阻尼器,给出具有粘弹性阻尼器的桁架阻尼杆的动力学模型.分别利用有限元方法和试验分析方法,对空间桁架的模态频率、模态阻尼比以及瞬态激励响应进行仿真和试验分析.结果表明应用这种阻尼器,桁架结构系统的第一阶模态阻尼比从0.49%增大到13.1%,其他各阶模态阻尼比也都有所增加.     

智能天线结构模糊自适应变形控制实验研究

基于dSPACE半物理仿真系统和所研制的压电作动器,设计并构建了智能天线结构实验平台,进行了结构变形控制实验研究。实验中采用常规PID作为基本控制方法,并在此基础上设计了一种模糊自适应PID控制器,将两种方法对应的不同控制效果进行了对比。结果表明:在所给的实验条件下,基于压电材料可实现对智能天线结构变形的控制,作动器控制变形量最大可达166μm;两种控制方法均可对结构变形进行控制,模糊自适应方法的绝对位置控制精度达到±0.5μm;应用模糊自适应PID控制方法对结构进行变形控制,较之常规PID控制方法能够降低系统响应的超调量,缩短稳定时间,提高控制精度,得到更好的控制过程。     

柔性太阳能帆板振动变论域白适应模糊控制

研究了有压电智能结构的柔性太阳能帆板振动的模糊控制。建立了帆板的动力学方程,针对振动问题的特殊性,采用周期变论域设计了变论域自适应模糊控制器,提高了模糊控制的精度和自适应性能。仿真结果表明：变论域自适应模糊控制能有效抑制柔性太阳能帆板的振动,并明显优于简单模糊控制。     

空间站智能自主控制

首先分析了空间站及其运动控制系统的任务及特点，指出开展空间站智能自主控制研究是系统任务复杂性及不确定性的必然要求，已经迫在眉睫。然后介绍了一种新的智能控制方法——即基于全系数特征模型描述的智能控制方法，这是实现空间站智能自主控制的重要理论基础。最后提出空间站智能自主控制系统的结构组成。     

基于再励模糊神经网络的三轴稳定卫星姿态智能控制

将再励学习引入模糊神经网络的T-S模型,建立了模糊神经网络控制器和控制评估网络的再励学习算法,并应用于三轴稳定卫星的姿态控制。这种再励模糊神经网络不需要精确的卫星数学模型和学习样本,通过再励学习实现控制网络/评估网络参数的在线调节,具有比较强的适应性和学习能力。仿真结果表明,这种智能控制方法可以有效解决卫星的模型不确定性问题,提高了卫星姿态控制的精度和鲁棒性。     

红外导引头模糊控制设计

为改善红外导引头的动态性能和精度，将模糊比例积分差分(PID)控制引入系统的设计，并用两个层次模糊控制实现抗干扰。可在MATLAB的FUZZY工具箱中对模糊控制器进行编辑。仿真结果表明，该方法可以提高系统的动态性能和控制精度，同时能便捷地修改系统参数。