带移动滑块太阳帆航天器姿态控制技术研究及仿真

针对以移动滑块为控制执行机构的太阳帆航天器,基于拉格朗日分析力学建立了航天器-滑块两体系统非线性耦合动力学模型。分外环和内环回路,各自设计了基于增益调度的变增益LQR控制器和带非线性补偿的PD控制器。建立ADAMS实体仿真模型,在MATLAB/Simulink软件中建立姿态控制系统仿真平台,以行星际太阳帆航天器轨道转移过程中姿态控制任务为例进行ADAMS-MATLAB动力学联合仿真实验。结果表明:设计的控制律能有效抑制光压干扰力矩对航天器姿态的影响,可实现太阳帆航天器的大角度快速姿态机动及长期姿态稳定。     

基于多目标进化算法的导弹鲁棒姿控系统设计研究

实际中在进行弹性导弹的姿控系统设计时,控制器参数的调试比较困难.现把弹性导弹的姿控系统设计问题转化为受限多目标优化问题,然后通过多目标进化算法(MOEA)NSGA-Ⅱ进行求解.通过在某特征点的控制器设计实例表明,该设计方法使用灵活,在最后计算所得的非劣最优解集中能够得到满意的控制器参数.     

小卫星主动磁控制地球捕获姿态控制系统设计

分析了小卫星捕获阶段的客观条件要求,重力梯度杆的指向要求,捕获阶段视为大角度机动问题,采用欧拉动力学和四元数方法描述,建立小卫星捕获阶段的动力学模型。控制器采用大角度机动拟 PD控制,拟PD控制器参数采用了简化分析和经验调试设计,同时分析设计了磁力矩器的磁偶极子,最后给出某小卫星姿态捕获仿真结果,经过几个轨道周期后可以实现一定精度的对地捕获,验证了本文的设计方法的可行性。     

轻型高精度卫星的变结构姿态控制器

针对某些小卫星高指向精度和高稳定精度的姿态控制要求,设计了能克服反作用轮转速过零扰动的变结构姿态控制器,并对反作用轮转速过零时低速摩擦对卫星姿态产生扰动的机理进行了分析,建立了仿真用反作用轮低速摩擦动力学模型。同 PID控制器相比,该变结构姿态控制器能有效抑制反作用轮的低速摩擦影响,并具有良好的鲁棒性。数学仿真进一步证明了该变结构姿态控制器的有效性,其指向精度和稳定精度分别可达 0.3°和 0.0 0 1°/     

载人飞船返回舱六自由度再入弹道仿真研究

为了综合研究和分析载人飞船返回舱制导导航控制（ＧＮＣ）系统的性能,验证系统设计的正确性、合理性和可行性,提出了返回舱六自由度再入弹道仿真研究问题。根据返回舱ＧＮＣ系统的任务,建立了适用于包括风在内的各种干扰作用下六自由度再入弹道仿真数学模型,为半实物仿真奠定了基础。提出了基于标准轨道的再入制导律,严格推导了再入段总升力方向控制中滚动通道姿态控制信号的形成,并给出了工程应用中简化的方法,开发了综合仿     

基于加速度计和角速率陀螺的超小无人直升机姿态控制系统

设计了一种基于加速度计和角速率陀螺的超小型无人直升机姿态控制系统;由卡尔曼滤波算法融合加速度计和陀螺数据,实时估计最优的直升机姿态信号;根据最优的姿态反馈信号,飞行控制系统采用参数自整定的模糊PID控制方法得到舵机控制信号,从而实现了超小型无人直升机的姿态控制。     

卫星姿态控制的一种鲁棒控制方法

针对含有不确定性的Delta算子离散系统,研究了其鲁棒控制问题。鲁棒控制律的存在条件及设计由线性矩阵不等式描述,便于求解。将所得结果应用于卫星姿态控制系统的设计,以解决对模型进行线性化处理时产生的误差。针对所得控制律进行了仿真研究,结果证明了方法的有效性。     

误差四元数及其在航天器姿态控制中的应用

以四元数作为定位参数对航天器进行姿态控制。首先导出了误差四元数矢量,从而解决了航天器姿态控制中最终姿态表示的非单值性问题;其次,通过一个典型例子提出了非线性三轴姿态控制方法,该方法以误差四元数作为反馈量,以控制力矩陀螺作为执行元件,利用李亚普诺夫函数对非线性系统进行控制,为大型航天器的姿态控制开辟了新的途径;最后,给出了仿真结果,从而说明了以误差四元数作为定位参数的航天器姿态控制法具有计算速度快、计算精度高等优点。     

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。