国外对地观测卫星高精度姿态控制系统研究

简要介绍了国外对地观测卫星研制开发的历史、现状及其发展趋势，分析和研究了对地观测卫星的姿态控制系统，以及这类卫星所采用的技术手段和所达到的控制精度。同时展望了未来对地观测卫星姿态控制系统的技术要求并提出了相应的对策。     

FY—1C卫星姿态控制系统

针对FY－1C卫星姿态控制系统，给出了系统方案、系统设计、系统特点和飞行试验的结果；对一些新的技术设计和新颖特殊的方案特点，从理论分析和技术实现给出了设计思路和工程实现的方法；分析了FY－1C卫星姿态控制系统在轨运行的结果；对长寿命、低成本和稳定连续运行的工程实现进行了研究；给出了FY－1C卫星姿态控制系统的水平能力和应用发展方向。     

再入飞行器自适应最优姿态控制

针对再入飞行器姿态控制问题,应用自适应动态规划（ADP）理论设计了姿态控制器。将再入飞行器的姿态控制建模为非线性系统的最优控制问题,提出单网络积分型强化学习（SNIRL）算法进行求解,该算法简化了积分型强化学习（IRL）算法在迭代计算中的执行-评价双网络结构,只需要采用评价网络估计值函数就可以求得最优控制律,其收敛性得到了理论证明。基于SNIRL算法设计了自适应最优控制器,并证明了闭环系统的稳定性。通过数值仿真校验了SNIRL算法比IRL算法计算效率更高,收敛速度更快,并校验了自适应最优姿态控制器的有效性 。     

基于深度学习的组合体航天器模型预测控制

利用模型预测算法先预测控制结果后控制的类人行为特点,借助深度学习在多参数寻优上的优势,提出了一种基于卷积神经网络的模型预测控制算法,满足航天工程低硬件需求,实现组合航天器多场景下姿态控制律的重构。该算法首先利用模型预测控制将组合航天器从初始状态控制到预期状态,然后将控制过程中状态量用于3层3核卷积神经网络的训练,训练完成后,用该卷积神经网络代替模型预测对组合航天器进行控制,从而降低计算资源需求。仿真校验表明：该算法可预测5个控制周期内的控制参数,相比传统模型预测算法所需硬件计算时间降低约5倍,在一般硬件环境下30 s内即可完成各场景下的组合航天器姿态控制,控制精度在10 -4 量级。     

航天器连续非光滑姿态控制律设计

为了提高航天器姿态控制系统的鲁棒性和动态特性,应用非光滑控制方法设计了连续的姿态控制律,使闭环姿态控制系统具有齐次性,且齐次度为负,实现了姿态控制系统的有限时间稳定,以保证系统状态的动态特性。分别针对标称系统、参数不确定性和外部扰动等情形进行了仿真验证,仿真结果表明所设计的控制律在保证标称系统有限时间稳定性的同时,针对系统的不确定性和扰动具有鲁棒性。     

空间环境探测卫星用磁强计误差分析及在线标定

用于探测日地空间磁环境的磁强计多数安装在伸杆的末端,长期受太阳辐射等空间环境干扰力矩以及机动等影响,磁强计安装矩阵随时间发生较大的变化,从而导致卫星定姿精度下降。为此,在分析空间环境干扰力矩和磁强计定姿误差特性的基础上,建立了19维高精度的磁强计误差模型,结合卫星的运动学和姿态动力学特性,采用EKF滤波方法对安装矩阵进行实时估计与修正补偿,并利用该磁强计模型实现卫星的姿态确定,最后利用实验进行验证。实验结果表明,该方法能够在满足星载计算机的计算量要求的同时,在线估计安装矩阵误差,显著提高了磁强计的误差估计精度与定姿精度。     

欠驱动航天器飞轮控制方法

针对应用任意剪刀对构型飞轮群的欠驱动刚体航天器姿态控制问题,将飞轮群与航天器看作整体系统进行建模,从整体系统可控性角度分析采用传统模型进行控制系统设计存在的局限性。随后通过对飞轮群角动量集合描述,得出航天器姿态可机动集合。由于飞轮群构型的任意性及航天器的欠驱动特性,导致具有初始角动量的整体系统难以针对系统状态方程采用Lyapunov函数方法进行状态反馈控制器设计,同时为了保证存在外扰动力矩的航天器姿态机动精度,采用非线性预测控制方法实现系统的反馈控制。所提控制算法实现了任意飞轮群剪刀对构型、飞轮群角动量非饱和条件下,任意系统初始角动量欠驱动航天器在姿态可机动集合中的机动控制。仿真结果表明,系统具有良好的控制性能及精度。     

运载火箭姿控对迭代制导适应性分析的仿真方法研究

首先给出了迭代制导方法,然后建立了姿态动力学全量数学模型,在考虑弹性振动和液体晃动的情况下,进行了制导与姿控系统的六自由度联合仿真.仿真结果表明,在迭代制导实时优化输出程序角的情况下,姿控系统具有良好的跟踪性能;在制导与姿控子系统相互作用的情况下,能够确保制导程序角的收敛和姿态的稳定.     

A residual based adaptive unscented Kalman filter for fault recovery in attitude determination system of microsatellites

This paper presents an adaptive unscented Kalman filter (AUKF) to recover the satellite attitude in a fault detection and diagnosis (FDD) subsystem of microsatellites. The FDD subsystem includes a filter and an estimator with residual generators, hypothesis tests for fault detections and a reference logic table for fault isolations and fault recovery. The recovery process is based on the monitoring of mean and variance values of each attitude sensor behaviors from residual vectors. In the case of normal work, the residual vectors should be in the form of Gaussian white noise with zero mean and fixed variance. When the hypothesis tests for the residual vectors detect something unusual by comparing the mean and variance values with dynamic thresholds, the AUKF with real-time updated measurement noise covariance matrix will be used to recover the sensor faults. The scheme developed in this paper resolves the problem of the heavy and complex calculations during residual generations and therefore the delay in the isolation process is reduced. The numerical simulations for TSUBAME, a demonstration microsatellite of Tokyo Institute of Technology, are conducted and analyzed to demonstrate the working of the AUKF and FDD subsystem.     

太阳矢量在行星际探测器姿态估计中的应用研究

在基于矢量观测的行星际探测器姿态确定中,参考矢量的几何关系是影响姿态估计精度的一个重要因素。针对这一问题,本文提出了一种利用太阳矢量来提高探测器姿态估计精度的最优算法。该方法在引入太阳矢量的基础上,将星敏感器测得的姿态四元数转化为两个互相垂直的参考矢量,并根据敏感器的测量精度计算相应的规范化权值系数;结合姿态四元数估计算法,给出最小二乘意义下的探测器最优姿态估计。最后,以深度撞击任务的实际飞行数据对本文所提算法进行验证。仿真结果表明,引入太阳矢量后的三轴姿态角估计误差小于150μrad,完全满足深度撞击任务的要求。