基于高斯过程的航天器自适应滑模姿态控制

针对存在模型不确定性和外界干扰的刚性航天器,提出了一种基于高斯过程回归(GPR)的新型自适应滑模姿态控制算法。该算法具有自学习能力,在不同的姿态控制任务下都能够实现高精度、强鲁棒和高效率的姿态跟踪。首先,在航天器的四元数标称系统动态模型基础上,应用在线稀疏高斯过程回归(SOGP)方法学习系统的未知动态;其次,结合高斯过程的预测均值设计滑模控制算法,利用高斯过程的预测方差自适应调节控制增益,并应用李雅普诺夫方法严格证明闭环系统的稳定性,保证了航天器姿态跟踪误差的渐进收敛性;最后,通过数值仿真验证了所设计控制器的有效性。结果表明,该自学习控制算法与自适应滑模控制(ASMC)与神经网络自适应控制等算法相比,具有更快的收敛速度、更高的跟踪精度以及更低的控制成本。