基于数据的多源干扰SGCMG框架伺服系统鲁棒控制反馈再学习算法（英文）

单框架控制力矩陀螺(Single gimbal control moment gyroscope,SGCMG)具有高精度、快速响应的特点,是航天领域高精度对接、快速机动导航和制导系统的重要姿态控制系统。本文考虑多源干扰的影响,设计了一种基于数据的反馈再学习(Feedback relearning,FR)算法,用于SGCMG框架伺服系统的鲁棒控制。基于自适应动态规划和最小二乘原理,通过采集SGCMG系统的在线运行数据,采用FR算法得到伺服控制策略。这是一种无模型学习策略,无须事先了解SGCMG模型。进而,基于强化学习机制将伺服控制策略与SGCMG系统动态相互作用,可以实现伺服控制策略对多源干扰的自适应评估和改进。同时,设计了一种基于经验回放的数据重分配方法,降低了数据相关性,提高了算法稳定性和数据利用率。最后,在SGCMG仿真模型上与其他方法进行了比较,验证了所提出的伺服控制策略的有效性。