行星着陆大气进入段自适应滑模抗扰控制方法

针对行星探测器着陆过程可能存在的干扰影响着陆精度问题,提出了一种抗干扰控制方法。首先建立行星探测器着陆控制模型,利用非线性干扰观测器实现对系统外部干扰的估计;在此基础上提出一种自适应滑模控制律,使得系统状态快速收敛到平衡点附近。最后,将该方法应用于火星着陆场景进行仿真。结果表明,提出的自适应滑模控制方法能够在未知扰动存在的情况下,有效实现行星探测器安全着陆,提高着陆任务的成功率。     

基于DDQN的运载火箭姿态控制器参数设计

探索了利用深度强化学习算法训练智能体,以代替人类工程师进行火箭姿态控制器参数的离线设计方案。建立了多特征秒的火箭频域分析模型,选定了设计参数。选择深度强化学习算法中的双深度Q学习(Double Deep Q Network,DDQN)算法,通过记忆回放和时间差分迭代的方式让智能体在与环境交互过程中不断学习。设计了对应的马尔科夫决策过程模型,进行了智能体的训练和前向测试。结果说明该方法对于运载火箭姿控设计具有一定参考价值。     

基于状态观测器的高超音速飞行器动态面反步控制

针对高超音速飞行器严格反馈不确定非线性MIMO系统,考虑系统状态不可完全测量的问题,提出一种基于状态观测器的反步控制方法.该方法在系统具有不确定项的情况下,充分利用角速率信号和系统建模信息设计滑模观测器,实现对高超音速飞行器气流角的估计,并通过理论推导出了观测器的收敛条件和观测器增益矩阵的计算方法;基于反步法设计气流角跟踪控制律,分别采用指令滤波和动态面方法得到气流角指令和虚拟控制量的一阶导数,以Lyapunov方法证明闭环系统跟踪误差最终有界收敛.仿真结果表明,在系统存在不确定项且气流角不可测的条件下,所设计方法依然可以实现气流角的稳定跟踪.     

无人机集群路径规划算法研究综述

无人机集群路径规划算法是无人机集群控制的重要研究方向之一.多无人机路径规划相较于单无人机路径规划,会考虑空间协同和时间协同约束、飞行安全等问题.首先对无人机集群路径规划算法进行分类,分为传统路径规划算法、智能优化算法和深度强化学习算法.其次对各类算法进行简要分析和总结,针对缺陷,给出相应的改进思路及例子.再着重对深度强...     

航天器轨道追逃博弈多阶段强化学习训练方法

针对航天器轨道追逃博弈问题,提出一种多阶段学习训练赋能方法,使得追踪星在终端时刻抵近逃逸星的特定区域,而逃逸星需要通过轨道机动规避追踪星。首先,构建两星的训练策略集,基于逻辑规则设计追踪星和逃逸星的机动策略,通过实时预测对方的终端位置,设计己方的期望位置和脉冲策略,显式给出追逃策略的解析表达式,用于训练赋能;其次,为提升航天器的训练赋能效率及应对未知环境的博弈能力,提出一种基于强化学习技术多模式、分阶段的学习训练方法,先使追踪星和逃逸星分别应对上述逻辑规则引导下的逃逸星和追踪星,完成预训练;再次,开展二次训练,两星都采用邻近策略优化(PPO)策略进行追逃博弈,在博弈中不断调整网络权值,提升决策能力;最后,在仿真环境中验证提出的训练方法的有效性,经过二次训练后,追踪星和逃逸星可有效应对不同策略驱动下的对手,提升追逃成功率。     

基于卷积神经网络的运载火箭测发网络流量异常检测技术

运载火箭测发网络是维系各型号运载火箭远距离测试及发射控制的重要国防基础设施,对测发网络流量进行异常检测是保证其正常工作的关键举措。近年来,随着测发网络功能的拓展,其面临的网络安全威胁越来越严重,而当前的安全检测主要依赖于基于异常特征库匹配的流量异常检测方法,这种检测方法对一些新型攻击检测能力非常有限。本文结合运载火箭测发网络实际特点,针对以使用用户数据报协议(UDP)为主的测发网络流量,设计一种新的基于固定数据包数目的流量图片样本生成方法,首次提出在测发网络流量异常检测问题上使用卷积神经网络,以原始网络流量作为输入,避开难以解决的人工特征集设计问题。通过测发网络真实网络流量数据进行实验,取得了较高的精度、召回率和准确率,验证了本方法具备一定的实用性。     

基于综合观测器的执行器过程故障量精确诊断

执行器的非线性与输出不可得在一般复杂动力学系统中具有典型性,而其过程故障量的精确诊断是个前沿难点问题.针对该问题,研究一种面向控制系统和执行器的综合观测器方法.提出一种适用于带有非线性执行器复杂系统的新型自适应观测器方法,可克服输出量不可直接获得的条件限制,实现故障诊断并获得执行器真实输出估计;基于执行器输出估计与控制器输出量,采用扩张状态观测器实现过程故障量精确估计,从而为主动容错故障调节提供诊断依据.以卫星姿态控制系统飞轮摩擦力矩增大这一典型非线性执行器故障的过程故障量精确诊断为应用实例验证了本文方案的有效性及优越性.     

基于鲁棒状态观测器的运载火箭姿态控制系统设计

考虑弹性振动和液体晃动,采用鲁棒观测器设计了运载火箭的姿态控制系统。将姿态角测量结果中弹性振动的影响视为外界干扰,利用状态观测器的低通滤波特性实现对高频弹性信号的衰减,同时状态观测器替代速率陀螺估计得到姿态角速度,以姿态角和角速度信号为输入,采用扭曲二阶滑模控制方法设计了姿态控制律,并从理论上对该控制律稳定液体晃动和弹性振动的原理进行了证明,对观测器变换矩阵的选择进行分析。数值仿真表明,在参数摄动和干扰的影响下,所提出的变结构控制律能够有效的跟踪控制指令,稳定系统姿态,具有较强的鲁棒性,同时鲁棒状态观测器能够准确的估计出角速度信息。     

基于NHDO的机动目标拦截攻击角度约束导引律

为了精确控制导弹在有限时间内以期望攻击角度拦截机动目标,采用将导弹自动驾驶仪简化为惯性环节的方法,结合终端滑模控制理论设计了一种带攻击角度约束的有限时间收敛制导律。为了滤除视线角速率噪声,提出一种非线性跟踪微分滤波器对噪声进行滤波,建立了考虑滤波的制导系统状态方程,基于此方程设计非齐次干扰观测器,用于目标机动不确定项的估计补偿。仿真结果表明,所设计的制导律能达到对视线角速率有效滤波,对目标机动状态精确估计的目的,克服系统动态延迟对制导精度的不利影响,满足攻击角度和制导精度的双重要求。     

最小二乘支持向量机的在线学习算法研究

针对最小二乘支持向量机在线逼近过程中求解矩阵维数逐渐扩大的问题,提出了一种最小二乘支持向量机的在线学习算法。借助滚动窗口的思想,建立一个随时间滑动的建模数据区间,在线逼近中通过接受新数据删除旧数据来保持数据区间长度不变,同时数据不断更新,从而实现模型的在线学习。仿真结果表明了这种学习算法的有效性。