空间机器人的目标捕获自适应控制

首先推导了基座姿态受控空间机器人系统运动学关系,得到了广义雅可比矩阵。根据目标的运动来规划机械臂末端在惯性空间的期望轨迹。对机器人动力学和运动学关系式进行线性参数比,分别对动力学待估参数和运动学待估参数设计在线修正律,在关节空间采用自适应控制。对于存在动力学参数不确知的机器人系统,算法保证了系统的渐近稳定,在成目标捕获任务的同时,控制基座姿态保持在期望范围之内。以平面两关节空间机器人系统为对象进行了仿真,结果表明了算法的可行性和有效性。     

小卫星的自适应姿态控制

分析了小卫星的姿态动力学及运动学方程；利用姿态动力学方程为一动力学参数矢量的线性函数这一事实，考虑存在参数不确定性，提出了一种自适应控制方法；证明了这种方法可以保证控制系统全局渐近稳定。仿真结果验证了该方法的有效性。     

Nighttime cloud properties retrieval using MODIS and artificial neural networks

In this work a methodology for inferring water cloud macro and microphysical properties from nighttime MODIS imagery is developed. This method is based on the inversion of a theoretical radiative transfer model that simulates the radiances detected in each of the sensor infrared bands. To accomplish this inversion, an operational technique based on Artificial Neural Networks (ANNs) is proposed, whose main characteristic is the ability to retrieve cloud properties much faster than conventional methods. Furthermore, a detailed study of input data is performed to avoid different sources of errors that appear in several MODIS infrared channels. Finally, results of applying the proposed method are compared with in-situ measurements carried out during the DYCOMS-II field experiment.     

航天器热网络模型及其系数修正方法

叙述了目前航天器热网络模型与航天器实际换热之间的偏差,提出了利用航天器稳态热平衡试验结果进行热网络模型及其系数修正的方法。通过对某仪器舱热平衡试验数据的处理,实现了对该仪器舱热网络模型及其系数的修正,并对修正的结果进行了讨论。     

新型的超宽带正交接收系统幅相误差实时的数域均衡方法

文中对超宽带正交解调接收系统的幅相误差进行了分析,针对文[1]均衡方案的缺点,然后在此基础上针对系统超宽带的特点提出一种新的自适应实时数域均衡法。同时,针对系统超宽带的特点对串行算法进行了修改,提出一种适合于FPGA高速实现的流水算法。并对这两种算法进行了仿真比较。     

编队卫星姿态的自适应协同控制

研究了无向信息交互条件下的多卫星姿态同步和跟踪问题,分别在模型参数精确已知和存在模型参数不确定性的情形下设计分散式协同控制算法。当模型参数精确已知时,基于滑动模态变量设计的协同控制力矩,实现了编队卫星姿态的同步机动,即保证编队卫星姿态的同步,并同时跟踪期望的时变参考姿态轨迹。当在轨卫星存在模型参数不确定性和常值未知扰动力矩时,提出了一种自适应协同控制律,仍能实现多卫星姿态的同步机动。基于Lyapunov-Krasovskii的分析表明,当星间链路存在任意未知的定常通讯时延时,本文设计的控制器有效。数值仿真算例验证了本文提出的控制算法。     

自适应滤波在磁暴期间地磁导航中的应用

对磁暴期间巡航导弹巡航段的地磁导航问题进行了讨论。针对地磁导航在磁暴期间常规卡尔曼滤波容易发散的问题,提出了一种基于Sage\|Husa自适应卡尔曼滤波的地磁导航算法。算法根据新息的变化自适应调整测量噪声矩阵,消除了磁暴影响,提高了滤波稳定性。仿真表明在选择合适的遗忘因子基础上,即使在磁暴最剧烈的时间段,采用自适应卡尔曼滤波仍能保证一定的精度,定位精度在200m以内,满足巡航导弹中程制导的精度要求。     

基于归一化神经网络的航天器自适应姿态跟踪控制

针对以变速控制力矩陀螺（VSCMGs）为姿态控制执行机构的航天器在同时考虑惯性参数和执行机构不确定性情况下的姿态跟踪控制问题,提出了一种基于归一化神经网络的自适应姿态跟踪控制方法。设计一个非线性反馈控制器作为航天器姿态控制的基本控制器,利用归一化神经网络设计补偿控制器,用以在线估计和消除包含系统不确定参数的未知不确定函数的影响,避免了标准自适应控制方法需要进行大量不确定参数估计的缺陷。采用神经网络输入归一化技术,简化了闭环系统复杂的稳定性分析过程。理论分析证明了闭环系统的稳定性和姿态跟踪误差的收敛性。仿真结果表明,所提出的控制方法能满足航天器在惯性参数和执行机构不确定性及外干扰存在情况下的高精度姿态跟踪控制要求。
     

神经网络专家系统在电源系统诊断中的应用

为了解决卫星这类复杂系统采用单一的智能故障诊断技术的诊断局限性问题,提出一种基于模糊综合评判的神经网络和专家系统相结合的诊断方法。选用改进的BP神经网络,添加动量因子和可变学习速率,并通过计算十个相同结构神经网络输出的标准差获得诊断结果的可信度。采用基于可信度的专家系统不确定性推理,给出了可信度计算方法。采用代数积与代数和模糊算子对两种诊断方法的结果进行综合评判。成功地应用于某卫星电源系统的故障诊断中。结果表明诊断的可信度和诊断的正确率得到提高。     

对无控旋转目标逼近的自适应滑模控制

对追踪器逼近无控旋转目标器的轨迹和姿态六自由度控制问题进行了研究.基于适用于任意偏心率的航天器相对运动轨道和姿态动力学模型,对追踪器逼近无控旋转目标的参考轨迹和参考姿态进行了分析与设计,推导了一种用于六自由度逼近控制的自适应滑模控制器.通过仿真分析,证明了所设计的逼近参考轨迹和参考姿态的合理性,同时验证了自适应滑模控制器的有效性.