基于神经网络的航天器群智能控制技术研究

发布时间：2020-03-21 03:40

【摘要】：随着科学技术的发展以及航天任务复杂性的提高,单个航天器不能灵活执行多类型航天任务的局限性逐渐显现。利用多个航天器协同工作,完成复杂的太空探索任务已成为当今国际航天领域的一个研究热点,航天器群的应用与开发势必成为未来国际太空发展的战略重点。因此,对于航天器群的智能控制技术的研究便显得尤为重要。本文以航天器群为研究对象,针对航天器群的智能控制技术展开研究。主要以神经网络作为研究工具,设计了用于主从式航天器群姿态协同控制、航天器群编队飞行控制以及航天器群队形重构过程中的控制器。论文主要研究内容如下:针对主从式航天器群姿态协同控制问题,提出了一种基于前馈神经网络的自适应姿态协同控制方法。对航天器群控制系统所使用的执行器——自由分子流微型电阻加热推进器进行了建模分析。设计了一种新型结构的自适应姿态协同控制器,采用前馈神经网络的非线性映射能力解决了传统PD控制器无法有效应对外部干扰、执行器失效情况的问题,并引入李雅普诺夫函数证明了航天器群自适应姿态协同控制系统的稳定性。针对主从式航天器群编队飞行控制问题,提出了一种神经网络滑模控制方法。当模型不确定性与外部扰动较强时,单一滑模控制无法保证系统的稳定性。对此设计了一种神经网络滑模控制器,采用一种新的算法构建前馈神经网络,并优化了初始权值分配方法。利用该神经网络消除了航天器群飞行过程中,外部扰动等不确定性对航天器群相对位置和姿态控制的影响,在提高了控制器性能的同时,解决了控制输入限制问题。针对主从式航天器群队形重构过程中的控制问题,设计了一种基于神经网络的航天器群队形重构控制策略。以“一主四从”结构的航天器群队形重构为例,基于燃料最省和势函数法给出了队形重构策略。通过随机权值学习算法构建了随机权值神经网络,并在此基础上利用随机权值神经网络控制器对航天器群队形重构过程进行了控制,从而实现对群系统机动过程中的控制研究。通过STK与MATLAB的互联仿真实验,验证了本文所提出的针对航天器群的控制算法的有效性与准确性,为空间飞行任务的顺利开展奠定了基础。
【图文】：

效果图,效果图,航天器,双稳态

基于神经网络的航天器群智能控制技术研究开展由更多数量航天器组成的航天器群任务，比如 Flock量实验实验卫星（Digital Elevation Measurement，TanDEM-X）German Aerospace Center，DLR）开展的数字高程测量任生成一个全球高精度数字高程模型（Digital Elevation M需要，TerraSAR-X 和 TanDEM-X 两颗卫星可以以三种观察地球的同一区域，提供一幅详细的多维图像；追逐一区域进行偏移成像；交替双稳态模式，类似于双稳态模度 515km 的太阳同步晨昏轨道上运行，，轨道倾角97.44

示意图,示意图,磁层,双稳态

卫星独立地对同一区域进行偏移成像；交替双稳态模式，类似于双稳态模式。TerraSAR-X器在平均轨道高度 515km 的太阳同步晨昏轨道上运行，轨道倾角97.44 ，轨道周期 11 天图 1. 1 TanDEM-X/TerraSAR-X 编队效果图B. 磁层多尺度探测任务磁层多尺度探测任务卫星（Magnetospheric Multiscale Satellite，MMS）由 NASA（Natioeronautics and Space Administration）研发，于 2015 年 3 月发射[14]。由 4 个航天器在高椭圆（近地点为 1.2 个地球半径，远地点为 12 个地球半径）上运行并构成四面体结构。
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：V448.2

【相似文献】