三轴充液航天器建模及姿态稳定控制

针对目前文献中采用的充液航天器模型多为二维平面模型,而实际中充液航天器在轨运行环境为三维环境的情况,对一类贮箱关于航天器中心轴对称的三维面充液航天器进行了动力学建模与姿态控制研究,使其更具有实际意义。首先,根据航天器在轨运行的环境建立了参考坐标系,采用单摆模型等效液体燃料的晃动。在此基础上采用角动量守恒定律建立了充液航天器各个部分对其质心的惯性力矩,并将其与充液航天器动能方程推导得出的拉格朗日方程相结合,得出完整的动力学方程,完成了建模工作,并分析得出该欠驱动系统零动态不稳定的结论。最后,考虑航天器刚体部分常值转动惯量存在参数不精确,同时三轴力矩发生常值干扰的情况,设计了滑模控制器,保证了充液航天器在轨道坐标系上的姿态稳定。     

执行器卡死并失效的航天器姿态稳定控制

考虑挠性航天器执行器卡死与部分失效故障下的姿态控制问题,提出了一种滑模容错控制法。该方法采用自适应技术在线估计系统不确定参数,且该控制器的设计不需要任何在线或离线的故障信息,能够完全独立于地面站的支持。基于Lyapunov方法从理论上证明了该控制器不但能够有效地处理执行器故障,而且保证了闭环系统的全局渐近稳定,实现对姿态的高精度控制。最后将该方法应用于某型挠性航天器的姿态稳定任务中,仿真结果验证了该方法的有效性。     

具有复合非线性特征不确定系统的自适应反推控制

针对一类具有复合非线性特征的不确定系统,提出了一种自适应反推多滑模近似变结构控制方案.基于模型分解的方法建立了具有复合非线性特征的执行器模型.论文设计径向基函数神经网络近似系统的未建模项,借鉴Nussbaum增益设计技术解决控制增益未知的问题,使用自适应律估计不确定干扰和神经网络近似误差的上边界.自适应近似变结构控制能...     

基于人工神经网络的微重力流动冷凝换热预测

微重力条件下管内流动冷凝换热系数是空间热交换器设计的基础依据,但其实验数据稀缺,故有必要建立精确的预测模型。文中提出了一种基于人工神经网络的微重力下管内流动冷凝换热预测模型。选取误差反向传播（Back propagation, BP）和径向基函数（Radial basis function RBF）两种神经网络,以水力直径、饱和温度、质流密度、干度及与工质热物性有关的参数作为网络输入,冷凝换热系数作为网络输出。结果显示,BP神经网络预测的均方根误差为237、平均绝对百分误差为4.32%;RBF神经网络预测的均方根误差为165、平均绝对百分误差为2.35%。相对于BP神经网络,RBF神经网络精度更高。基于RBF神经网络的微重力下管内流动冷凝换热模型预测值与94%的实验值和数值模拟结果的相对误差在±10%以内。     

改善测试转台速率平稳性的鲁棒重复控制

提出一种鲁棒重复控制方法用来提高无刷直流电机驱动测试转台的速率平稳性.该方法以互补的方式综合了变结构控制律和重复控制律.变结构控制律可以有效地镇定系统,并抑制非周期性扰动和噪声等不确定性因素,同时保证了重复学习过程的收敛性;而重复控制律可以进一步消除稳态时存在的速率波动.本文讨论了一般的非线性系统模型.该模型可看作是无刷直流电机数学模型的扩展.Lyapunov直接法证明了闭环系统的全局稳定性和跟踪误差的渐近收敛性.仿真结果表明,该鲁棒重复控制方法明显地改善了测试转台速率系统的平稳性.     

基于神经网络的一类非线性系统自适应回馈递推控制

文章针对一类非线性系统,研究了一种基于回馈递推法的自适应神经网络控制方法.首先基于隐函数定理和中值定理推导出模型跟踪误差的动态特性,再利用多层感知器神经网络并设计适当的权值调整规则使其能够自适应的逼近和补偿误差提高系统的鲁棒性.基于Lyapunov方法证明了闭环系统所有信号有界且跟踪误差收敛到一个很小的邻域,所得到的闭环系统是一致稳定的.仿真结果验证了所研究算法的有效性.     

基于非线性补偿的涡扇发动机MRAC控制(英文)

以工程应用为目的,采用输入输出模型参考自适应控制方法设计了航空发动机转速模型参考自适应控制器(Model reference adaptive control,MRAC)。针对发动机的非线性特性,设计了函数连接型神经网络补偿器。开展了控制器实物在回路仿真试验,结果表明基于非线性补偿的MRAC在包线内具有良好的动静态性能,对于发动机及其工作环境的非线性具有良好的补偿能力和适应性,验证了自适应控制方法在航空发动机工程应用中的有效性。