CN105404304A - 基于归一化神经网络的航天器容错姿态协同跟踪控制方法 - Google Patents
基于归一化神经网络的航天器容错姿态协同跟踪控制方法 Download PDFInfo
- Publication number
- CN105404304A CN105404304A CN201510520989.3A CN201510520989A CN105404304A CN 105404304 A CN105404304 A CN 105404304A CN 201510520989 A CN201510520989 A CN 201510520989A CN 105404304 A CN105404304 A CN 105404304A
- Authority
- CN
- China
- Prior art keywords
- spacecraft
- attitude
- neural network
- error
- control
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种基于归一化神经网络的航天器容错姿态协同跟踪控制方法,属于航天器编队飞行技术领域。本方法通过建立单个航天器的姿态运动模型、定义误差、然后为模型设计控制律、设计滑模函数、滑模函数求导、得到误差模型、设计基于输入归一化神经网络的控制律,使得各航天器状态达到协同一致;各航天器根据自身以及其邻居航天器的姿态信息,计算出所需的控制力矩,再由各航天器的执行机构分别将计算出的控制力矩作用于相应的航天器,得到的姿态动力学方程求角速度,通过姿态运动学方程使得单位四元数姿态跟踪上期望姿态,最终实现该航天器编队的姿态一致。本方法降低了对非线性函数逼近的估计误差,减少了计算时间;提高加快了系统的收敛速度和控制精度。
Description
技术领域
本发明涉及基于归一化神经网络的航天器容错姿态协同跟踪控制方法,属于航天器编队飞行技术领域。
背景技术
航天器编队飞行是指利用多颗小型航天器之间相互通信和协同工作来完成复杂的空间任务,因而编队飞行技术应运而生并受到世界各国的广泛注意。但在实际过程中,存在着外部扰动,内部扰动以及航天器参数不确定性等不利条件的影响,使得航天器难以完成任务。
姿态控制是影响航天器编队飞行任务成败的一个及其重要的因素。而实际姿态控制系统中,执行机构提供的控制力矩往往是有限的,无法产生控制器指定大小的控制力矩,使得航天器无法达到预期的控制目标。另一方面,航天器执行机构长期工作在恶劣的环境中,易发生执行机构故障,一旦故障发生,若不能采取及时有效地解决方法,将有可能导致整个任务的失败,甚至发生灾难性事故。
当系统存在扰动和参数不确定性等不利条件时,滑模变结构控制是实现系统鲁棒控制的一种有效方法,具有快速响应的能力。但当系统的扰动突然变化和执行机构发生故障时,将会产生较大的控制力矩,以及发生抖振现象,这都将影响到控制系统的稳定性。因此,需要设计一种简单易行且符合实际情况的控制方法来解决该领域的问题。
发明内容
本发明的目的是为了解决当发生执行机构故障和输出饱和的情况下,航天器仍实现姿态协同一致的问题,结合归一化神经网络和滑模变结构控制理论,提出了基于归一化神经网络的航天器姿态容错协同跟踪控制方法。
本发明的目的是通过下述技术方案实现的。
基于归一化神经网络的航天器容错姿态协同跟踪控制方法,步骤如下:
步骤1,建立单个航天器的姿态运动模型
航天器编队由n个刚体航天器组成,其编号分别为1,2,...,n,编队的期望姿态由“虚拟领导者”给出,其编号为0。其中第i个航天器的姿态动力学方程和运动学方程如下所示:
其中,Ji∈R3×3为第i个刚体航天器的惯量矩阵,ωi∈R3为第i个航天器相对于惯性坐标系在本体坐标系下表示的角速度,第i个航天器的四元数姿态参数为其中为矢量部分,为标量部分,并满足Γi=diag(Γi1,Γi2,Γi3)∈R3×3为执行机构的效率系数,满足为已知常数。τi∈R3为考虑执行机构输出饱和后的控制力矩,fi∈R3为额外故障力矩,di∈R3为包括参数不确定性和外部扰动的聚合扰动。[·]×表示向量的反对称矩阵算子。
步骤2,针对步骤1建立的模型,定义误差
为了解决航天器姿态协同跟踪问题,定义第i个航天器的单位四元数姿态误差和角速度误差分别为:
其中,Ni表示第i个航天器的邻居集合。
步骤3,在步骤2的基础上,为步骤1提出的模型设计控制律:
设计的目标为:在考虑系统存在扰动,执行机构故障和输出饱和的情况下,编队中航天器从任意初始位置出发,通过通信关系获取期望姿态以及邻居航天器的姿态信息,使得qei和ωei最终一致有界,即qi→qj→qd,ωi→ωj→ωd。
步骤3.1,设计滑模函数
对于第i个航天器,设计滑模函数如下:
其中常值ωei为第i个航天器的速度误差,为第i个航天器姿态误差矢量部分,|Ni|为第i个航天器的入邻居总个数。
步骤3.2,对步骤3.1设计的滑模函数求导,然后左乘Ji得到误差模型:
其中, 为不确定项组成的非线性函数,由归一化神经网络进行逼近。
步骤3.3,设计基于输入归一化神经网络的控制律,使得各航天器状态达到协同一致。
对于第i个航天器,设计控制律如下:
其中:
为输入神经网络的输出,用来逼近Δi,且
式中为神经网络的理想权值矩阵的估计值,xi为归一化后的神经网络输入,为激活函数。
根据求得
步骤4,各航天器根据自身以及其邻居航天器的姿态信息,带入步骤3的式(5)计算出所需的控制力矩,再由各航天器的执行机构分别将计算出的控制力矩作用于相应的航天器,通过步骤1得到的姿态动力学方程求角速度ωi,通过姿态运动学方程使得单位四元数姿态qi跟踪上期望姿态,最终实现该航天器编队的姿态一致。
有益效果
本发明有两方面优点:
1.由步骤3中的式(6)可看出,利用归一化神经网络设计控制器,可在线估计和消除系统的聚合干扰,避免了常规自适应控制方法需要估计大量不确定性参数的缺陷。且采用输入归一化这种数据预处理方法,降低了对非线性函数逼近的估计误差,减少了计算时间。
2.步骤3中的式(6)给出了修正滑模面方法,解决了由于神经网络自适应过度导致的饱和问题,且提高加快了系统的收敛速度,提高系统的控制精度。
附图说明
图1为本发明方案的控制原理图;
图2为本发明方案的设计流程图;
图3为具体实施案例中各航天器的通信拓扑示意图,其中i=0,1,2,3,4,5,6代表的是第i个航天器,横线连接代表两个航天器之间可以进行信息的交换;
图4为具体实施案例中各航天器的单位四元数姿态曲线,其中(1)为航天器1-6以及期望姿态的单位四元数矢量部分分量的仿真曲线图,(2)为相应矢量部分分量的仿真曲线图,(3)为相应矢量部分分量的仿真曲线图,(4)为单位四元数标量部分的仿真曲线图;
图5为具体实施案例中各航天器姿态跟踪误差变化曲线,其中(1)为航天器1-6的姿态跟踪误差四元数矢量部分分量的仿真曲线图,(2)为相应矢量部分分量的仿真曲线图,(3)为相应矢量部分分量的仿真曲线图,(4)为姿态跟踪误差四元数标量部分的仿真曲线图;
图6为具体实施案例中各航天器的角速度变化曲线,其中(1)为航天器1-6及期望姿态角速度分量的仿真曲线图,(2)为相应角速度分量的仿真曲线图,(3)为相应角速度分量的仿真曲线图;
图7为具体实施案例中控制力矩曲线图,其中(1)航天器1-6在控制律作用的控制力矩分量的仿真曲线图,(2)为相应的控制力矩分量的仿真曲线图,(3)为相应的控制力矩分量的仿真曲线图;
图8为具体实施案例中航天器1的实际输出力矩和期望力矩比较曲线图。
具体实施方式
为了更好的说明本发明的目的和优点,下面结合附图和实施例对本发明的技术方案做进一步阐述。
本发明方案的航天器姿态控制流程图如图1所示。
1.基于输入归一化神经网络的控制律设计。
步骤1,建立单个航天器的姿态运动模型:
该编队系统由n个刚体航天器组成,其编号分别为1,2,...,n,编队的期望姿态由“虚拟领导者”给出,其编号为0。其中在航天器本体坐标系下建立单位四元数姿态动力学方程,第i(i=1,2,...,n)个航天器的姿态动力学和运动学方程如下:
其中,Ji∈R3×3为第i个刚体航天器的惯量矩阵,ωi∈R3为第i个航天器相对于惯性坐标系在本体坐标系下表示的角速度,第i个航天器的四元数姿态参数为其中为矢量部分,为标量部分,并满足Γi=diag(Γi1,Γi2,Γi3)∈R3×3为执行机构的效率系数,满足为已知常数。τi∈R3为考虑执行机构输出饱和后的控制力矩,fi∈R3为增加故障力矩,di∈R3为包括参数不确定性和外部扰动的聚合扰动。[·]×表示向量的反对称矩阵算子。
步骤2,针对步骤1建立的模型,定义误差
为了解决航天器姿态协同跟踪问题,定义第i个航天器的单位四元数姿态误差和角速度误差分别为:
其中,Ni表示第i个航天器的入邻居集合(包括虚拟领导者)。单位四元数之间的乘法关系为:
步骤3,设计控制器
设计的目标为:考虑执行机构故障和饱和以及扰动的情况下,编队中航天器从任意初始位置出发,通过通信拓扑关系获取期望姿态和邻居航天器的姿态信息,使得qei和ωei最终一致有界,即qi→qj→qd,ωi→ωj→ωd。
步骤3.1,设计滑模函数
对于第i个航天器,设计滑模函数如下:
其中|Ni|为第i个航天器的入邻居总个数,
步骤3.2,对步骤3.1设计的滑模函数求导,然后左乘Ji得到:
其中, 由不确定项组成的非线性函数,利用输入归一化神经网络进行逼近。
步骤3.3,设计基于输入归一化神经网络的控制律,使得各航天器状态达到协同一致。
对于第i个航天器,设计的控制律如下:
其中:根据求得
为输入归一化神经网络的输出,用来估计和消除Δi。其中xi为归一化后的神经网络输入,为激活函数,为神经网络输入层到隐层的理想权值矩阵估计值,为神经网络隐层到输出层的理想权值矩阵估计值,其分别可由以下的自适应律求得:
式中Tei和Tfi为对称正定常值矩阵,αi为正常值。
步骤4,证明系统稳定性
在证明系统稳定性和状态一致性之前,先简要证明如下定理。
定理1.对于任意的非线性函数Δ,输入归一化神经网络的估计值为其误差残余项是有界的。
证明:令理想权值误差矩阵
定义
由于
式中为ρ(ETx)在附近的泰勒展开高阶项。
假设对于任意的有
则:
又由于神经网络的输入x为归一化后的值,所以是有界的;理想权值矩阵为有界的,即
由激活函数可知,ρ(x)和为有界函数,
所以式中c1和c2为正常数。
证毕。
定理2.针对式(1)所构成的航天器编队,当只有一部分航天器可以获取“虚拟领导者”的姿态信息,系统在设计的控制律作用下,四元数姿态误差qei和角速度误差ωei将一致最终有界。
证明:
因为本设计中给出了一种修正滑模面的方法,当τi=ui时,可以得到将收敛到零,所以在证明稳定性时,以下的分析是合理的。
当τi=ui,第i个航天器的闭环误差动力学方程可写成:
定义:
Φi=ΓiKi(11)
则
将式(9)写成列向量的形式:
式中:
J=diag(J1,J2,...,Jn),
Φ=diag(Φ1,Φ2,...,Φn),
定义如下正定的Lyapunov函数:
结合式(12)对上式求导得到:
式中λmin(Φ)为矩阵Φ的最小特征值。
令使则满足矩阵Z>0
根据定理1,对式(14)整理后得到
式中h=c0/(2λmin(Z)),
设
由以上分析可知,当和紧集在邻域之外时,满足根据Lyapunov稳定理论可知,和是一致最终有界的。
又由于式中G(qei)为正定矩阵,根据式(4)可知和ωei是一致最终有界的。
令L∈Rn×n为编队航天器之间的Laplacian矩阵,B∈Rn×n为编队航天器的领导连接矩阵,且矩阵L+B为正定矩阵。
则根据式(2)可知:
式中1n为元素全部为1的n行列向量,ω0为“虚拟领导者”的速度,即为期望姿态速度。
因此,当t→∞时,qi→qj→q0,ωi→ωj→ω0
证毕。
2.验证本发明提出的控制律的有效性
针对不同情况对该发明的有效性进行验证,验证该发明提出的控制律能够实现姿态的协同跟踪,即使得编队航天器的姿态最终一致。
各航天器的惯性矩阵和初始条件如下表所示:
考虑系统(1),其中di=0.1[sin(t/i)cos(t/i)sin(2t/i)]T,且满足
期望的姿态角速度为ω0=0.15[sin(0.15πt)sin(0.15πt)sin(0.15πt)]T。
控制律参数选取如下:Ksi=3,Ki=26,Tei=60,Tfi=60,αi=0.02。
仿真时间设置为30s。根据图2可知,只有航天器1和5可以获取期望姿态信息。航天器的四元数姿态和姿态角速度如图3和图5所示,从图3和图5可以看出航天器编队实现了对期望姿态的协同跟踪。各航天器的姿态跟踪误差变化曲线图如图4所示,其误差精度为10-4。
图6给出了各航天器的控制力矩变化曲线图,从图6可以看出,作用于航天器的控制力矩一部分用来跟踪期望姿态,一部分用来抵消聚合扰动,最终实现姿态的协同跟踪。
为了简单,图7给出了第1个航天器的期望力矩和实际控制力矩比较曲线图,从图7中可以看出,执行机构发生了故障,而从图3和图5可以看出,编队航天器最终实现了姿态协同跟踪,因此,在存在执行机构故障的情况下,所设计的控制器具有较强的鲁棒性。
综上所述,本发明设计的基于输入归一化神经网络的的航天器容错姿态协同跟踪控制器可以很好完成姿态协同跟踪的任务,且效果很好。
Claims (1)
1.基于归一化神经网络的航天器容错姿态协同跟踪控制方法,步骤如下:
步骤1,建立单个航天器的姿态运动模型
航天器编队由n个刚体航天器组成,其编号分别为1,2,...,n,编队的期望姿态由“虚拟领导者”给出,其编号为0;其中第i个航天器的姿态动力学方程和运动学方程如下所示:
其中,Ji∈R3×3为第i个刚体航天器的惯量矩阵,ωi∈R3为第i个航天器相对于惯性坐标系在本体坐标系下表示的角速度,第i个航天器的四元数姿态参数为其中为矢量部分,为标量部分,并满足
Γi=diag(Γi1,Γi2,Γi3)∈R3×3为执行机构的效率系数,满足 为已知常数;τi∈R3为考虑执行机构输出饱和后的控制力矩,fi∈R3为额外故障力矩,di∈R3为包括参数不确定性和外部扰动的聚合扰动;[·]×表示向量的反对称矩阵算子;
步骤2,针对步骤1建立的模型,定义误差
为了解决航天器姿态协同跟踪问题,定义第i个航天器的单位四元数姿态误差和角速度误差分别为:
其中,Ni表示第i个航天器的邻居集合;
步骤3,在步骤2的基础上,为步骤1提出的模型设计控制律:
设计的目标为:在考虑系统存在扰动,执行机构故障和输出饱和的情况下,编队中航天器从任意初始位置出发,通过通信关系获取期望姿态以及邻居航天器的姿态信息,使得qei和ωei最终一致有界,即qi→qj→qd,ωi→ωj→ωd
步骤3.1,设计滑模函数
对于第i个航天器,设计滑模函数如下:
其中常值ωei为第i个航天器的速度误差,为第i个航天器姿态误差矢量部分,|Ni|为第i个航天器的入邻居总个数;
步骤3.2,对步骤3.1设计的滑模函数求导,然后左乘Ji得到误差模型:
其中, 为不确定项组成的非线性函数,由归一化神经网络进行逼近;
步骤3.3,设计基于输入归一化神经网络的控制律,使得各航天器状态达到协同一致;
对于第i个航天器,设计控制律如下:
其中:
为输入神经网络的输出,用来逼近Δi,且
式中为神经网络的理想权值矩阵的估计值,xi为归一化后的神经网络输入,为激活函数;
根据求得
步骤4,各航天器根据自身以及其邻居航天器的姿态信息,带入步骤3的式(5)计算出所需的控制力矩,再由各航天器的执行机构分别将计算出的控制力矩作用于相应的航天器,通过步骤1得到的姿态动力学方程求角速度ωi,通过姿态运动学方程使得单位四元数姿态qi跟踪上期望姿态,最终实现该航天器编队的姿态一致。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510520989.3A CN105404304B (zh) | 2015-08-21 | 2015-08-21 | 基于归一化神经网络的航天器容错姿态协同跟踪控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510520989.3A CN105404304B (zh) | 2015-08-21 | 2015-08-21 | 基于归一化神经网络的航天器容错姿态协同跟踪控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105404304A true CN105404304A (zh) | 2016-03-16 |
CN105404304B CN105404304B (zh) | 2018-05-25 |
Family
ID=55469844
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510520989.3A Active CN105404304B (zh) | 2015-08-21 | 2015-08-21 | 基于归一化神经网络的航天器容错姿态协同跟踪控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105404304B (zh) |
Cited By (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105912012A (zh) * | 2016-06-29 | 2016-08-31 | 哈尔滨工业大学 | 一种部分执行机构故障下航天器混沌姿态控制方法 |
CN106843254A (zh) * | 2017-03-08 | 2017-06-13 | 北京航天自动控制研究所 | 一种实时主动重构容错控制方法 |
CN107065847A (zh) * | 2016-03-31 | 2017-08-18 | 北京航空航天大学 | 一种执行器非对称饱和的水面舰船轨迹跟踪控制方法 |
CN107554817A (zh) * | 2017-07-11 | 2018-01-09 | 西北工业大学 | 卫星复合编队方法 |
CN107992062A (zh) * | 2017-11-28 | 2018-05-04 | 南京航空航天大学 | 一种基于混合执行机构的空间高动态目标高精度姿态跟踪控制方法 |
CN108508751A (zh) * | 2018-05-09 | 2018-09-07 | 南京理工大学 | 一种输入饱和自适应姿态协同跟踪控制方法 |
CN108628330A (zh) * | 2018-05-09 | 2018-10-09 | 南京理工大学 | 一种航天器限幅自适应姿态协同容错控制方法 |
CN109032137A (zh) * | 2018-07-24 | 2018-12-18 | 西北工业大学 | 多Euler-Lagrange系统分布式跟踪控制方法 |
CN109144018A (zh) * | 2018-10-26 | 2019-01-04 | 黑龙江大学 | 一种不同阶混合机电系统协同控制方法及控制系统 |
CN109164819A (zh) * | 2018-08-22 | 2019-01-08 | 哈尔滨工业大学(深圳) | 刚体航天器的反步自适应滑模大角度姿态机动控制方法 |
CN109189091A (zh) * | 2018-07-25 | 2019-01-11 | 西北工业大学 | 基于积分滑模与模型预测控制的多航天器协同控制方法 |
CN109343348A (zh) * | 2018-10-26 | 2019-02-15 | 黑龙江大学 | 一种混合阶机电系统的协同容错控制方法及控制系统 |
CN109459931A (zh) * | 2018-05-09 | 2019-03-12 | 南京理工大学 | 一种航天器编队有限时间姿态容错控制方法 |
CN109491244A (zh) * | 2017-09-13 | 2019-03-19 | 南京航空航天大学 | 一种基于滑模观测器的无人机编队系统故障诊断方法 |
CN109753045A (zh) * | 2017-11-08 | 2019-05-14 | 中国科学院沈阳自动化研究所 | 一种基于bp神经网络的航天器姿控系统故障诊断方法 |
CN109901394A (zh) * | 2019-03-22 | 2019-06-18 | 北京航空航天大学 | 基于分布式高阶滑模估计器的航天器姿态协同控制方法 |
CN109975788A (zh) * | 2019-04-23 | 2019-07-05 | 中国科学技术大学 | 一种激光雷达扫描机构的自适应控制方法 |
CN110488855A (zh) * | 2018-09-25 | 2019-11-22 | 浙江工业大学 | 一种基于神经网络估计的刚性飞行器自适应固定时间姿态容错控制方法 |
CN110543184A (zh) * | 2018-09-28 | 2019-12-06 | 浙江工业大学 | 一种刚性飞行器的固定时间神经网络控制方法 |
CN111338368A (zh) * | 2020-03-06 | 2020-06-26 | 上海航天控制技术研究所 | 一种航天器快速机动姿态跟踪自适应鲁棒控制方法 |
CN111522361A (zh) * | 2020-05-27 | 2020-08-11 | 北京理工大学 | 主-从模式的多无人机编队一致性控制方法 |
CN111562793A (zh) * | 2020-04-08 | 2020-08-21 | 中南大学 | 考虑任务时间约束的航天器姿态控制方法 |
CN111752292A (zh) * | 2020-07-03 | 2020-10-09 | 盐城工学院 | 一种分布式航天器的姿态协同跟踪控制方法 |
CN111776250A (zh) * | 2020-06-02 | 2020-10-16 | 南京航空航天大学 | 基于干涉神经网络的航天器组合体误差补偿控制方法 |
CN112046794A (zh) * | 2020-07-16 | 2020-12-08 | 中国人民解放军军事科学院国防科技创新研究院 | 基于混合高斯模型的固定时间约束的航天器集群控制方法 |
CN113268064A (zh) * | 2021-07-01 | 2021-08-17 | 黄山学院 | 一种考虑通信时延的多移动机器人协同编队控制方法 |
CN114580224A (zh) * | 2022-05-09 | 2022-06-03 | 中国空气动力研究与发展中心设备设计与测试技术研究所 | 一种分布式气动融合轨道耦合姿态摄动分析方法 |
CN114879512A (zh) * | 2022-07-06 | 2022-08-09 | 南京航空航天大学 | 基于学习神经网络滑模的航天器编队轨道容错控制方法 |
CN115327921A (zh) * | 2022-09-01 | 2022-11-11 | 深圳航天东方红卫星有限公司 | 一种在轨航天器纯三轴磁控方法 |
CN115857329A (zh) * | 2022-11-07 | 2023-03-28 | 西北工业大学 | 基于事件触发的绳系航天器复合体姿态稳定控制方法 |
CN115857342A (zh) * | 2022-11-28 | 2023-03-28 | 北京理工大学 | 基于自适应神经网络的航天器观测载荷随动机构控制方法 |
CN115963859A (zh) * | 2023-02-13 | 2023-04-14 | 哈尔滨工业大学 | 基于全驱系统理论的航天器集群分簇协同控制方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102073276A (zh) * | 2011-02-21 | 2011-05-25 | 哈尔滨工业大学 | 采用rbf神经网络的挠性结构自适应变结构控制方法 |
CN102862686A (zh) * | 2012-09-28 | 2013-01-09 | 北京理工大学 | 再入飞行器的最优积分滑模姿态控制方法及控制器 |
CN102929283A (zh) * | 2012-11-07 | 2013-02-13 | 北京理工大学 | 基于sdre的再入飞行器自适应最优滑模姿态控制方法 |
CN103699131A (zh) * | 2013-12-26 | 2014-04-02 | 北京控制工程研究所 | 一种卫星控制系统离散积分滑模容错控制方法 |
CN104022742A (zh) * | 2014-06-19 | 2014-09-03 | 金陵科技学院 | 基于神经网络观测器的飞行器姿态鲁棒反演容错控制方法 |
CN104238357A (zh) * | 2014-08-21 | 2014-12-24 | 南京航空航天大学 | 一种近空间飞行器的容错滑模控制方法 |
CN104281155A (zh) * | 2014-11-07 | 2015-01-14 | 中国人民解放军国防科学技术大学 | 一种无人飞艇三维航迹跟踪方法 |
-
2015
- 2015-08-21 CN CN201510520989.3A patent/CN105404304B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102073276A (zh) * | 2011-02-21 | 2011-05-25 | 哈尔滨工业大学 | 采用rbf神经网络的挠性结构自适应变结构控制方法 |
CN102862686A (zh) * | 2012-09-28 | 2013-01-09 | 北京理工大学 | 再入飞行器的最优积分滑模姿态控制方法及控制器 |
CN102929283A (zh) * | 2012-11-07 | 2013-02-13 | 北京理工大学 | 基于sdre的再入飞行器自适应最优滑模姿态控制方法 |
CN103699131A (zh) * | 2013-12-26 | 2014-04-02 | 北京控制工程研究所 | 一种卫星控制系统离散积分滑模容错控制方法 |
CN104022742A (zh) * | 2014-06-19 | 2014-09-03 | 金陵科技学院 | 基于神经网络观测器的飞行器姿态鲁棒反演容错控制方法 |
CN104238357A (zh) * | 2014-08-21 | 2014-12-24 | 南京航空航天大学 | 一种近空间飞行器的容错滑模控制方法 |
CN104281155A (zh) * | 2014-11-07 | 2015-01-14 | 中国人民解放军国防科学技术大学 | 一种无人飞艇三维航迹跟踪方法 |
Non-Patent Citations (1)
Title |
---|
黄喜元 等: "基于归一化神经网络的航天器自适应姿态跟踪控制", 《宇航学报》 * |
Cited By (51)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107065847A (zh) * | 2016-03-31 | 2017-08-18 | 北京航空航天大学 | 一种执行器非对称饱和的水面舰船轨迹跟踪控制方法 |
CN105912012B (zh) * | 2016-06-29 | 2018-09-11 | 哈尔滨工业大学 | 一种部分执行机构故障下航天器混沌姿态控制方法 |
CN105912012A (zh) * | 2016-06-29 | 2016-08-31 | 哈尔滨工业大学 | 一种部分执行机构故障下航天器混沌姿态控制方法 |
CN106843254B (zh) * | 2017-03-08 | 2019-08-09 | 北京航天自动控制研究所 | 一种实时主动重构容错控制方法 |
CN106843254A (zh) * | 2017-03-08 | 2017-06-13 | 北京航天自动控制研究所 | 一种实时主动重构容错控制方法 |
CN107554817B (zh) * | 2017-07-11 | 2020-02-14 | 西北工业大学 | 卫星复合编队方法 |
CN107554817A (zh) * | 2017-07-11 | 2018-01-09 | 西北工业大学 | 卫星复合编队方法 |
CN109491244A (zh) * | 2017-09-13 | 2019-03-19 | 南京航空航天大学 | 一种基于滑模观测器的无人机编队系统故障诊断方法 |
CN109491244B (zh) * | 2017-09-13 | 2021-10-22 | 南京航空航天大学 | 一种基于滑模观测器的无人机编队系统故障诊断方法 |
CN109753045B (zh) * | 2017-11-08 | 2020-05-05 | 中国科学院沈阳自动化研究所 | 一种基于bp神经网络的航天器姿控系统故障诊断方法 |
CN109753045A (zh) * | 2017-11-08 | 2019-05-14 | 中国科学院沈阳自动化研究所 | 一种基于bp神经网络的航天器姿控系统故障诊断方法 |
CN107992062B (zh) * | 2017-11-28 | 2020-10-27 | 南京航空航天大学 | 一种基于混合执行机构的空间高动态目标高精度姿态跟踪控制方法 |
CN107992062A (zh) * | 2017-11-28 | 2018-05-04 | 南京航空航天大学 | 一种基于混合执行机构的空间高动态目标高精度姿态跟踪控制方法 |
CN108628330A (zh) * | 2018-05-09 | 2018-10-09 | 南京理工大学 | 一种航天器限幅自适应姿态协同容错控制方法 |
CN109459931A (zh) * | 2018-05-09 | 2019-03-12 | 南京理工大学 | 一种航天器编队有限时间姿态容错控制方法 |
CN108508751A (zh) * | 2018-05-09 | 2018-09-07 | 南京理工大学 | 一种输入饱和自适应姿态协同跟踪控制方法 |
CN109032137B (zh) * | 2018-07-24 | 2020-11-06 | 西北工业大学 | 多Euler-Lagrange系统分布式跟踪控制方法 |
CN109032137A (zh) * | 2018-07-24 | 2018-12-18 | 西北工业大学 | 多Euler-Lagrange系统分布式跟踪控制方法 |
CN109189091B (zh) * | 2018-07-25 | 2021-11-02 | 西北工业大学 | 基于积分滑模与模型预测控制的多航天器协同控制方法 |
CN109189091A (zh) * | 2018-07-25 | 2019-01-11 | 西北工业大学 | 基于积分滑模与模型预测控制的多航天器协同控制方法 |
CN109164819B (zh) * | 2018-08-22 | 2021-09-14 | 哈尔滨工业大学(深圳) | 刚体航天器的反步自适应滑模大角度姿态机动控制方法 |
CN109164819A (zh) * | 2018-08-22 | 2019-01-08 | 哈尔滨工业大学(深圳) | 刚体航天器的反步自适应滑模大角度姿态机动控制方法 |
CN110488855A (zh) * | 2018-09-25 | 2019-11-22 | 浙江工业大学 | 一种基于神经网络估计的刚性飞行器自适应固定时间姿态容错控制方法 |
CN110543184A (zh) * | 2018-09-28 | 2019-12-06 | 浙江工业大学 | 一种刚性飞行器的固定时间神经网络控制方法 |
CN109343348B (zh) * | 2018-10-26 | 2021-11-12 | 黑龙江大学 | 一种混合阶机电系统的协同容错控制方法及控制系统 |
CN109144018A (zh) * | 2018-10-26 | 2019-01-04 | 黑龙江大学 | 一种不同阶混合机电系统协同控制方法及控制系统 |
CN109343348A (zh) * | 2018-10-26 | 2019-02-15 | 黑龙江大学 | 一种混合阶机电系统的协同容错控制方法及控制系统 |
CN109901394A (zh) * | 2019-03-22 | 2019-06-18 | 北京航空航天大学 | 基于分布式高阶滑模估计器的航天器姿态协同控制方法 |
CN109975788A (zh) * | 2019-04-23 | 2019-07-05 | 中国科学技术大学 | 一种激光雷达扫描机构的自适应控制方法 |
CN111338368B (zh) * | 2020-03-06 | 2023-10-20 | 上海航天控制技术研究所 | 一种航天器快速机动姿态跟踪自适应鲁棒控制方法 |
CN111338368A (zh) * | 2020-03-06 | 2020-06-26 | 上海航天控制技术研究所 | 一种航天器快速机动姿态跟踪自适应鲁棒控制方法 |
CN111562793B (zh) * | 2020-04-08 | 2021-11-02 | 中南大学 | 考虑任务时间约束的航天器姿态控制方法 |
CN111562793A (zh) * | 2020-04-08 | 2020-08-21 | 中南大学 | 考虑任务时间约束的航天器姿态控制方法 |
CN111522361B (zh) * | 2020-05-27 | 2021-07-27 | 北京理工大学 | 主-从模式的多无人机编队一致性控制方法 |
CN111522361A (zh) * | 2020-05-27 | 2020-08-11 | 北京理工大学 | 主-从模式的多无人机编队一致性控制方法 |
CN111776250B (zh) * | 2020-06-02 | 2022-07-26 | 南京航空航天大学 | 基于干涉神经网络的航天器组合体误差补偿控制方法 |
CN111776250A (zh) * | 2020-06-02 | 2020-10-16 | 南京航空航天大学 | 基于干涉神经网络的航天器组合体误差补偿控制方法 |
CN111752292A (zh) * | 2020-07-03 | 2020-10-09 | 盐城工学院 | 一种分布式航天器的姿态协同跟踪控制方法 |
CN111752292B (zh) * | 2020-07-03 | 2022-09-02 | 盐城工学院 | 一种分布式航天器的姿态协同跟踪控制方法 |
CN112046794B (zh) * | 2020-07-16 | 2022-02-25 | 中国人民解放军军事科学院国防科技创新研究院 | 基于混合高斯模型的固定时间约束的航天器集群控制方法 |
CN112046794A (zh) * | 2020-07-16 | 2020-12-08 | 中国人民解放军军事科学院国防科技创新研究院 | 基于混合高斯模型的固定时间约束的航天器集群控制方法 |
CN113268064A (zh) * | 2021-07-01 | 2021-08-17 | 黄山学院 | 一种考虑通信时延的多移动机器人协同编队控制方法 |
CN114580224A (zh) * | 2022-05-09 | 2022-06-03 | 中国空气动力研究与发展中心设备设计与测试技术研究所 | 一种分布式气动融合轨道耦合姿态摄动分析方法 |
CN114879512A (zh) * | 2022-07-06 | 2022-08-09 | 南京航空航天大学 | 基于学习神经网络滑模的航天器编队轨道容错控制方法 |
CN114879512B (zh) * | 2022-07-06 | 2022-11-08 | 南京航空航天大学 | 基于学习神经网络滑模的航天器编队轨道容错控制方法 |
CN115327921A (zh) * | 2022-09-01 | 2022-11-11 | 深圳航天东方红卫星有限公司 | 一种在轨航天器纯三轴磁控方法 |
CN115857329A (zh) * | 2022-11-07 | 2023-03-28 | 西北工业大学 | 基于事件触发的绳系航天器复合体姿态稳定控制方法 |
CN115857329B (zh) * | 2022-11-07 | 2024-03-08 | 西北工业大学深圳研究院 | 基于事件触发的绳系航天器复合体姿态稳定控制方法 |
CN115857342A (zh) * | 2022-11-28 | 2023-03-28 | 北京理工大学 | 基于自适应神经网络的航天器观测载荷随动机构控制方法 |
CN115963859A (zh) * | 2023-02-13 | 2023-04-14 | 哈尔滨工业大学 | 基于全驱系统理论的航天器集群分簇协同控制方法 |
CN115963859B (zh) * | 2023-02-13 | 2023-09-05 | 哈尔滨工业大学 | 基于全驱系统理论的航天器集群分簇协同控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105404304B (zh) | 2018-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105404304A (zh) | 基于归一化神经网络的航天器容错姿态协同跟踪控制方法 | |
CN103439975B (zh) | 一种分布式指数时变滑模姿态协同跟踪控制方法 | |
CN106773679B (zh) | 一种基于角速度观测器的航天器容错控制方法 | |
CN109189085A (zh) | 基于事件触发的航天器网络化系统姿态控制方法 | |
CN105068427A (zh) | 一种多机器人系统有限时间鲁棒协同跟踪控制方法 | |
CN106843254B (zh) | 一种实时主动重构容错控制方法 | |
CN110376882A (zh) | 基于有限时间扩张状态观测器的预定性能控制方法 | |
CN107450328B (zh) | 一种基于e-s滑模观测器的抗干扰容错控制方法 | |
CN105093934A (zh) | 考虑干扰与模型不确定性的多机器人系统分布式有限时间跟踪控制方法 | |
CN104406598A (zh) | 一种基于虚拟滑模控制的非合作航天器姿态估计方法 | |
CN103406909B (zh) | 一种机械臂系统的跟踪控制设备及方法 | |
CN111142562B (zh) | 基于应力矩阵的混合条件约束下的编队变换控制方法 | |
CN106483844B (zh) | 基于非线性鲁棒的电液伺服系统自适应位置控制器的实现方法 | |
CN108181807B (zh) | 一种卫星初态阶段自适应容错姿态控制方法 | |
CN105629732A (zh) | 一种考虑控制受限的航天器姿态输出反馈跟踪控制方法 | |
CN104950677A (zh) | 基于反演滑模控制的机械臂系统饱和补偿控制方法 | |
CN107263483B (zh) | 二自由度关节机器人轨迹的协调控制方法 | |
CN105171758A (zh) | 一种机器人的自适应有限时间收敛滑模控制方法 | |
CN104656447A (zh) | 一种航天器抗干扰姿态跟踪的微分几何非线性控制方法 | |
CN109507890A (zh) | 一种基于eso的无人机动态逆广义预测控制器 | |
CN110018637A (zh) | 一种考虑完成时间约束的航天器姿态跟踪保性能控制方法 | |
CN109062043A (zh) | 考虑网络传输以及执行器饱和的航天器自抗扰控制方法 | |
CN105182990A (zh) | 具有输出受限的三自由度模型直升机的鲁棒控制方法 | |
CN113361013A (zh) | 一种基于时间同步稳定的航天器姿态鲁棒控制方法 | |
CN108508751A (zh) | 一种输入饱和自适应姿态协同跟踪控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |