CN112326120B - 一种基于参数辨识的航天器质量特性预测方法 - Google Patents
一种基于参数辨识的航天器质量特性预测方法 Download PDFInfo
- Publication number
- CN112326120B CN112326120B CN202011197403.1A CN202011197403A CN112326120B CN 112326120 B CN112326120 B CN 112326120B CN 202011197403 A CN202011197403 A CN 202011197403A CN 112326120 B CN112326120 B CN 112326120B
- Authority
- CN
- China
- Prior art keywords
- spacecraft
- data
- input
- quality
- prediction
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 230000036544 posture Effects 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 11
- 238000010586 diagram Methods 0.000 description 7
- 238000009434 installation Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 125000000174 L-prolyl group Chemical group [H]N1C([H])([H])C([H])([H])C([H])([H])[C@@]1([H])C(*)=O 0.000 description 1
- 108091092878 Microsatellite Proteins 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M1/00—Testing static or dynamic balance of machines or structures
- G01M1/12—Static balancing; Determining position of centre of gravity
- G01M1/122—Determining position of centre of gravity
- G01M1/125—Determining position of centre of gravity of aircraft
- G01M1/127—Determining position of centre of gravity of aircraft during the flight
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M1/00—Testing static or dynamic balance of machines or structures
- G01M1/10—Determining the moment of inertia
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Aviation & Aerospace Engineering (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Navigation (AREA)
Abstract
本发明涉及一种基于参数辨识的航天器质量特性预测方法,属于航天飞行器的质量特性计算技术领域。包括:1)采集航天器处于各种确定姿态下的质量特性;2)对姿态特征数据及其对应的质量特性进行非线性拟合,获得具有若干参数的预测模型;3)将任意一组航天器姿态特征数据输入步骤2)获得的预测模型中,得到该姿态状态下的航天器的质量特性。该方法通过数据拟合力学问题,方法简单,操作难度低,需要的数据量小,计算精度高,可以有效在地面或在轨获取卫星的质量特性,几乎没有研制成本。
Description
技术领域
本发明涉及航天飞行器的质量特性计算技术领域,具体地说,涉及一种基于参数辨识的航天器质量特性预测方法。
背景技术
在航天器的姿态控制中,航天器质心位置和转动惯量是最为重要的参数,但由于地面难以模拟太空中的失重环境,航天器在姿态机动时导致的质心变化、转动惯量变化难以通过实验来获取数据,同样也难以建立适当的质心与转动惯量变化的数学模型。结构复杂的航天飞行器可能同时带有多个大角度机动或移动部件,使得航天器的姿态控制难度增加。由于大角度机动机构导致的航天器(质量变化不会太明显)质心位置和转动惯量矩阵变化有一定随机性和未知性,在地面进行航天器控制仿真时难以建立动力学模型,所以对实现高精度稳定度姿态控制造成了一定的困难。
公布号为CN103136425A的发明专利文献公开了一种航天器质量特性快速分析方法,根据航天器的设备接口数据单记录形成质量信息汇总表;使用接口工具将质量信息汇总表导入到航天器设备模型中;使用接口工具将设备模型的位置信息和质量信息导出,形成设备模型位置和质量信息汇总表,通过质量特性计算公式对设备模型位置和质量信息汇总表中的位置信息和质量信息进行计算,得到航天器的质量特性结果;使用Pro/E软件对航天器进行质量特性分析,并将分析结果与步骤得到的质量特性结果进行比对,若比对差异在预设范围之内,则完成了对航天器的质量特性快速分析。
然而,对于皮纳卫星来说,质量特性的预测需要尽可能准确,高效,但由于质量特性变化的随机性和未知性,仅通过传统力学角度不仅没办法得到准确的质量特性参数,也没有办法在短时间内达到计算精度。
发明内容
本发明的目的是提供一种基于参数辨识的航天器质量特性预测方法,在保证计算精度的前提下能够快速对航天器质量特性进行预测。
为了实现上述目的,本发明提供的基于参数辨识的航天器质量特性预测方法包括以下步骤:
1)采集航天器处于各种确定姿态下的质量特性;
2)对姿态特征数据及其对应的质量特性进行非线性拟合,获得具有若干参数的预测模型;
3)将任意一组航天器姿态特征数据输入步骤2)获得的预测模型中,得到该姿态状态下的航天器的质量特性。
上述技术方案过程简单,计算精度高,计算速度快,可以有效在地面预测卫星的在轨运动状态。
步骤1)中的航天器通过三维软件建立。步骤2)中的姿态特征数据包括航天器的摆动角度、位移和形状。所述的质量特性包括质心位置和惯性张量数据。
步骤2)中采用多输入多输出的非线性拟合系统对姿态特征数据及其对应的质心位置和惯性张量数据进行非线性拟合。具体采用三输入十二输出的MIMO系统对姿态特征数据及其对应的质心位置和惯性张量数据进行非线性拟合。
与现有技术相比,本发明的有益之处在于:
本发明的基于参数辨识的航天器质量特性预测方法,通过数据拟合力学问题,方法简单,操作难度低,需要的数据量小,计算精度高,可以有效在地面或在轨获取卫星的质量特性,几乎没有研制成本。
附图说明
图1为本发明实施例中建立的三维模型示意图,其中(a)为该卫星收拢状态示意图,(b)为卫星展开状态示意图;
图2为本发明实施例中卫星的转动副安装位置和旋转范围示意图,其中(a)为卫星太阳帆和卫星天线的安装示意图,(b)(c)分别为太阳帆转动角示意图和卫星天线转动示意图;
图3为本发明实施例中建立的预测模型,(a)为由太阳帆转动位置和天线转动位置共同决定的Z方向转动惯量的三维视图,(b)为该三维视图下的一个平面视图,(c)为Z方向转动惯量随时间变化曲线。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,以下结合实施例及其附图对本发明作进一步说明。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的实施例,本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
除非另外定义,本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
实施例
本实施例的基于参数辨识的航天器质量特性预测方法包括以下步骤:
S100,采集航天器处于各种确定姿态下的质量特性;
S200,对姿态特征数据及其对应的质量特性进行非线性拟合,获得具有若干参数的预测模型;
S300,将任意一组航天器姿态特征数据输入步骤S200获得的预测模型中,得到该姿态状态下的航天器的质量特性。
参见图1,本实施例对一颗现有的微小卫星进行质量特性的预测计算。卫星总重211kg,具有完备的卫星外形结构件、电子系统、能源系统、储能装置、推进装置、通信装置等实现卫星在轨执行任务必要的部件,根据各部件的真实形状、质量特性和安装位置建立三维模型。
其中对卫星的质量特性影响最大的是太阳翼的转动和天线执行任务时的转动,太阳翼总质量约为37.4kg,圆盘天线质量约为27.2kg。卫星在收拢状态时外形最大尺寸为10.8m,展开后太阳翼最远端可延伸至35m。
该卫星在轨执行任务时需要不停地旋转控制天线角度的两个关节来实现传输信号的功能。卫星的太阳帆板能在0°至180°的范围内自由旋转,自动转到能够使太阳翼受到最大太阳照射的角度。在卫星通信时圆盘天线也会转动至通信的最适位置,与之相连的两个转动副分别可以进行0°至180°和0°到360°的旋转,转动副安装位置和旋转范围如图2所示。
利用扩展多项式的最小二乘法进行拟合,首先采集若干组角A、B、C的输入数据记为[X1,X2,X3],并将对应的质量特性参数记为Ym,根据算法计算出一组预测参数θm,算法如下:
H=(C0,C1,C2,C3,…,Cn)T
θm=(HTH)-1HTYm
Xk为第k个角度的数据集,本例中k为3。
由此得到使得第m组输出数据预测误差最小的参数矩阵θm,最终需要m个参数矩阵来预测出所有输出特征。由于输入参数矩阵为多项式扩展矩阵,每个参数矩阵θm中共有个参数,总共需要个参数可以拟合出预测卫星质量特性的超曲面。
为建立该卫星的质量特性数学模型,采用扩展输入参数的最小二乘法来对卫星转动惯量进行参数辨识,该模型为三输入十二输出的MIMO系统,因此可以看做是十二个三输入单输出的模型,k的值为3,m的值为12。尽可能遍布三个输入的取值范围采集238组数据,N的值为238,为满足n可以取得的最高次为5,输入矩阵为H=(C0,C1,C2,C3,C4,C5),根据θm=(HTH)-1HTYm分别得出θ1,θ2,…,θ12,每个θ都能用来预测一个输出值。根据得出每个θ需要56个参数。
首先根据Cn的计算方法对238组输入数据进行扩展:
于是得到拼接后的输入矩阵H=(C0,C1,C2,C3,C4,C5),再根据θm的计算方法,分别计算出各质量特性的预测参数:
得到预测参数后便能通过Ym=Xθm预测任何形态下卫星的质心位置和各方向转动惯量大小。
Claims (1)
1.一种基于参数辨识的航天器质量特性预测方法,其特征在于,包括以下步骤:
1)采集航天器处于各种确定姿态下的质量特性;
2)对姿态特征数据及其对应的质量特性进行非线性拟合,获得具有若干参数的预测模型;
3)将任意一组航天器姿态特征数据输入步骤2)获得的预测模型中,得到该姿态状态下的航天器的质量特性;所述的质量特性包括质心位置和惯性张量数据;
姿态特征数据包括航天器的摆动角度、位移和形状;
航天器通过三维软件建立;
=, =,为第个角度的数据集;由此得到使得第组输出数据预测误差最小的参数矩阵,最终需要个参数矩阵来预测出所有输出特征;由于输入参数矩阵为多项式扩展矩阵,每个参数矩阵中共有个参数,总共需要个参数可以拟合出预测卫星质量特性的超曲面;为建立该卫星的质量特性数学模型,采用扩展输入参数的最小二乘法来对卫星转动惯量进行参数辨识,该模型为三输入十二输出的系统,因此可以看做是十二个三输入单输出的模型,的值为12;尽可能遍布三个输入取值范围采集组数据,为满足>,可以取得的最高次为5,输入矩阵为=(),根据=分别得出,,…, ,每个都能用来预测一个输出值;根据得出每个θ需要的参数,首先根据的计算方法对组数据进行扩展:得到拼接后的输入矩阵=(),再根据的计算方法,分别计算出各质量特性的预测参数;得到预测参数后便能通过=预测任何形态下航天器的质心位置和各方向转动惯量大小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011197403.1A CN112326120B (zh) | 2020-10-30 | 2020-10-30 | 一种基于参数辨识的航天器质量特性预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011197403.1A CN112326120B (zh) | 2020-10-30 | 2020-10-30 | 一种基于参数辨识的航天器质量特性预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112326120A CN112326120A (zh) | 2021-02-05 |
CN112326120B true CN112326120B (zh) | 2022-08-30 |
Family
ID=74323783
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011197403.1A Active CN112326120B (zh) | 2020-10-30 | 2020-10-30 | 一种基于参数辨识的航天器质量特性预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112326120B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7110915B2 (en) * | 2003-05-06 | 2006-09-19 | Edward Wilson | Multiple concurrent recursive least squares identification with application to on-line spacecraft mass-property identification |
CN103136425B (zh) * | 2013-02-26 | 2015-10-21 | 北京空间飞行器总体设计部 | 一种航天器质量特性快速分析方法 |
CN106338325B (zh) * | 2016-07-26 | 2018-12-11 | 浙江大学 | 一种皮纳卫星质量、质心和转动惯量一体化测量装置 |
CN107036761B (zh) * | 2016-11-11 | 2019-04-16 | 大连理工大学 | 一种大角度机动下带挠性附件航天器转动惯量在轨辨识方法 |
CN110146224B (zh) * | 2019-05-22 | 2021-02-09 | 哈尔滨工业大学 | 一种辨识组合体航天器质量、质心位置和惯性张量的方法 |
-
2020
- 2020-10-30 CN CN202011197403.1A patent/CN112326120B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112326120A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102354123A (zh) | 一种跨平台可扩展的卫星动态仿真测试系统 | |
EP3318993B1 (en) | Truss antenna reflector deployment dynamics modelling method based on multi-body analysis test | |
CN104898642B (zh) | 一种用于航天器姿态控制算法的集成测试仿真系统 | |
CN104133479B (zh) | 一种采用单轴气浮台模拟挠性卫星三轴姿态耦合运动的测试方法 | |
CN105956348A (zh) | 一种航天器动力学建模方法 | |
CN103970964A (zh) | 一种挠性卫星模态参数在轨辨识方法 | |
CN113359444B (zh) | 基于神经网络的挠性航天器刚柔耦合特性智能辨识方法 | |
Rao et al. | A sliding mode controller for aircraft simulated entry into spin | |
Pilz et al. | Robust controller design for formation flight of quad-rotor helicopters | |
CN108663936A (zh) | 模型不确定航天器无退绕姿态跟踪有限时间控制方法 | |
CN112326120B (zh) | 一种基于参数辨识的航天器质量特性预测方法 | |
Keim et al. | Spacecraft inertia estimation via constrained least squares | |
CN111880552A (zh) | 多旋翼无人机轨迹跟踪复合控制方法 | |
Shang et al. | Rotation tracking control strategy for space flexible structures based on neural network compensation | |
CN109582920B (zh) | 一种卫星系统组合体惯量叠加和分解计算方法及系统 | |
CN113060309A (zh) | 一种基于动力学模型的双臂抓捕下空间目标参数辨识方法 | |
OOSHIMA et al. | Method for analysis of planar motion of system with rigid and extremely flexible components via analogy with contact problem of rigid bodies | |
Liang et al. | Kinematics and Dynamics Simulation of a Stewart Platform | |
CN111596678A (zh) | 一种航天器逼近空间翻滚目标的相对位置自适应控制方法 | |
Chen et al. | Flight dynamics modelling and experimental validation for unmanned aerial vehicles | |
CN114755923B (zh) | 一种基于欧拉角反解算的仿真转台控制方法及系统 | |
Uebelhart | Conditioning, reduction, and disturbance analysis of large order integrated models for space-based telescopes | |
Tan et al. | MATA-RL: continuous reaction wheel attitude control using the mata simulation software and reinforcement learning | |
Afşar et al. | Design and Control of Single Axis Attitude Control System | |
Wang et al. | Kinematics analysis of a novel all-attitude flight simulator |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |