基于自适应迭代学习的小行星绕飞容错控制

对于小行星绕飞任务的探测器姿态控制问题,已有方法大都考虑了干扰力矩和参数不确定等因素,而忽视了执行器故障情况。针对执行器故障条件下的小行星探测器姿态控制问题,提出了一种基于自适应迭代学习的容错控制方法。所设计的控制器包括两部分：其一针对执行器故障,设计了自适应迭代学习控制器,采用类滑模的思想和自适应迭代学习算法对控制器参数进行调整,进而补偿执行器故障带来的影响,保证系统在控制输出不足情况下的高精度姿态稳定性;其二针对探测器参量变化、外部环境干扰等不确定情况,设计了基于自适应神经网络的迭代学习控制器,采用径向基函数（RadialBasisFunction,RBF）神经网络对系统非线性部分进行逼近,同时对控制器参数进行自适应迭代学习调整,进而保证系统在不确定情况下的动态性能。数值仿真结果表明该控制器能够有效抑制外部环境干扰和内部参数变化带来的不利影响,在执行器部分失效甚至完全失效故障情况下,仍能保证系统的鲁棒性并实现误差在10^-2数量级内的较高姿态控制精度。     

电推力器中复杂电场求解的超松弛并行算法

目前,电推力器中复杂电场的三维泊松方程求解仍存在速度偏慢、并行性欠佳等缺陷。通过分解三维求解区域,针对复杂电场提出一种超松弛并行迭代算法。将求解区域划分为多个子块,利用超松弛迭代格式构造出若干分组显式格式,分别给出不同迭代步数下的求解方程以进行并行计算。通过数值模拟,计算时间至少缩短一半以上,该P SOR方法较传统迭代格式在快速性方面取得较大进展,对电推进领域的数值仿真研究起到促进作用。     

关于非扩张映像的修正粘滞迭代格式

设H是Hilbert空间,X是Banach空间,C是H或X中的非空闭凸子集,T是C→C的非扩张映射,且f是C→C的压缩映射。受H．K．Xu对粘滞迭代算法讨论的启发,提出一种新的粘滞迭代算法,xn＋1=T[（1-αn）xn＋αnf（xn）],n≥0,其中x0∈C,C是Banach空间中的非空闭凸子集,分别在Hilbert空间和Banach空间框架下证明了序列{xn}是强收敛的。     

q-一致光滑Banach空间中的严格伪压缩映像

提出一种不用投影算子的修正的Mann遮代的循环算法,用于逼近q-一致光滑的Banach空间中有限个严格伪压缩映像的公共不动点,并证明了算法的强收敛性。本结论推广了Kim等和Zhang等关于非扩张映像的相应结果。     

方形截面导弹摇滚特性数值研究

采用隐式耦合求解RANS方程与滚转运动方程的方法研究了方形截面导弹的摇滚运动特性。耦合求解过程采用隐式处理提高了求解精度,采用强迫摇滚得到了自由滚转静导数和动导数;采用与摇滚方程的耦合求解得到了方形截面导弹模型在不同迎角下的自由摇滚历程。两种研究结果均显示随着迎角的增加,方形截面导弹将由滚转稳定变为不稳定,并形成极限环振荡,即摇滚;随着迎角进一步增加将形成滚转发散。两种分析方法所取得的结果与试验结果吻合较好。     

航天器的有限时间时变滑模姿态控制方法设计

本文研究具有参数不确定性和外部扰动的航天器姿态控制问题.针对修正罗德里格参数表征的航天器姿态模型提出一种有限时间时变滑模函数,在此基础上设计一种有限时间收敛的滑模姿态控制方法,并证明其稳定性,给出控制参数的设计方法.该方法在保证系统渐近稳定的前提下,不仅能够实现姿态跟踪误差在有限时间内收敛,而且能够实现姿态跟踪误差在设定的时间收敛,且全局具有滑模动态确定的系统响应.通过仿真结果验证本文提出方法的有效性.     

非凸二次约束下航天器姿态机动路径迭代规划方法

针对复杂约束下航天器姿态机动路径规划问题,首先描述和分析了航天器姿态机动过程中面临的动力学和运动学约束、有界约束、姿态指向约束,把姿态指向约束利用非凸二次型进行表述;其次从能量最优角度出发,将该约束机动问题归纳为非凸二次约束二次规划问题;然后引入线性松弛技术,将该问题转化成双线性规划问题,求出其中一个变量的凸包络和凹包络,降低求解复杂度,从而求出原问题的一个线性松弛。同时为了提高求解精度,提出一种基于评价函数的迭代规划算法,利用线性松弛求出的解作为初值,通过评价函数进行迭代规划,最终求出原问题的最优解。仿真结果表明该方法不仅可以满足复杂的姿态约束,得到全局姿态优化路径,而且能够降低能量消耗。     

失效卫星姿态接管的并行学习合作博弈控制

针对多颗微小卫星合作接管失效卫星姿态运动的问题,研究了考虑微小卫星控制约束的多星合作博弈策略学习与协同控制方法。首先,建立了微小卫星合作博弈模型,给出了能够处理微小卫星控制约束的多星合作博弈帕累托最优策略显式表达式。其次,针对微小卫星合作博弈策略学习需求,通过过去与当前时刻数据的并行使用,设计了基于并行学习的策略迭代方法,该方法放松了神经网络（NN）权值矢量学习对持续激励条件的要求。给出了为确保神经网络权值矢量估值收敛,所使用的过去时刻数据所需满足的条件,并通过Lyapunov方法分析了神经网络权值矢量估计误差的一致最终有界性。之后,采用并行学习策略迭代方法进行了微小卫星合作博弈帕累托最优策略数值解的逼近。所获得的合作博弈策略具有反馈控制形式,在进行神经网络权值矢量学习后,各微小卫星能够通过合作博弈策略的独立计算实现失效卫星姿态运动接管过程中的闭环协同控制。所设计方法避免了传统姿态控制方法所需进行的力矩分配,消除了微小卫星数量对其控制计算复杂度的影响。最后,通过数值仿真对所设计方法的有效性进行了验证。     

基于遗传算法的咸阳机场流量组合预测方法研究

引言随着我国民航事业的迅猛发展,航空器数量与基础设施建设的不成比例增长,流量控制方法已经成为日常使用的流量管理方法。流量控制中准确的流量预测是空中交通流量管理系统的关键问题之一,如何准确预测某时间段机场的流量是本文着重解决的