CN113496009B - 卫星太阳光压力矩高精度在线估计方法 - Google Patents
卫星太阳光压力矩高精度在线估计方法 Download PDFInfo
- Publication number
- CN113496009B CN113496009B CN202110721119.8A CN202110721119A CN113496009B CN 113496009 B CN113496009 B CN 113496009B CN 202110721119 A CN202110721119 A CN 202110721119A CN 113496009 B CN113496009 B CN 113496009B
- Authority
- CN
- China
- Prior art keywords
- estimation
- pressure moment
- solar
- online
- satellite
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- Biomedical Technology (AREA)
- Fuzzy Systems (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Feedback Control In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
卫星太阳光压力矩高精度在线估计方法,包括:1)建立太阳光压力矩模糊逻辑估计模型;2)根据步骤1)所述太阳光压力矩模糊逻辑估计模型,利用梯度下降法,在线迭代调整获得待调参数θj、3)根据步骤2)所述在线待调参数从而在线获得太阳光压力矩本发明可以实现太阳光压力矩的直接在线估计,且对在轨数据没有额外要求的前提下,利用地面分析得到的先验信息,有效的提高太阳光压力矩在线估计的精度。
Description
技术领域
本发明涉及卫星太阳光压力矩高精度在线估计方法,属于空间飞行器控制技术领域。
背景技术
太阳光压力矩是卫星在轨运行中面临的主要环境干扰力矩之一。对于地球静止轨道卫星,更是最主要的环境干扰力矩。太阳光压力矩的长期作用将导致卫星角动量发生变化,从而对卫星姿态指向产生不利影响。因此,在姿态控制律设计以及角动量管理算法设计中,都离不开对太阳光压等干扰力矩的建模与分析。由于太阳光压力矩难以在轨实时获取,目前星上角动量管理律的设计多采用比较简单的门限比较法。如果能够在轨实时获得卫星精确的太阳光压力矩,将有助于实现卫星角动量的在轨精确管理,大幅提升卫星角动量管理的精度和自适应能力。
从国内外公开文献看,针对卫星太阳光压力矩的在线估计方法研究尚不多见,主要做法多是将太阳光压力矩表示为高阶傅里叶级数形式,然后利用频域或时域在轨辨识技术辨识出相关系数。存在的不足是,需要满足一定的持续输入激励条件,适用于周期性干扰力矩场合。但由于太阳活动强度的变化,周期性假设通常并不成立,脉冲响应的激励条件也过于苛刻。
发明内容
本发明的技术解决问题是:克服现有技术的不足,提出了卫星太阳光压力矩高精度在线估计方法,与现有方法相比,本方法对在轨数据没有额外的要求,且在充分利用地面分析得到的初始先验信息,形成模糊规则,从而提高辨识的收敛速度和精度。
本发明的技术方案是:
卫星太阳光压力矩高精度在线估计方法,包括步骤如下:
1)建立太阳光压力矩模糊逻辑估计模型;
2)根据步骤1)所述太阳光压力矩模糊逻辑估计模型,利用梯度下降法,在线迭代调整获得待调参数θj、
3)根据步骤2)所述在线待调参数从而在线获得太阳光压力矩
步骤1)所述太阳光压力矩模糊逻辑估计模型,具体为:
ξ(x)=[ξ1(x);…;ξm(x))]
θ=[θ1;θ2;…;θm]
其中,x为系统输入,x=[x1,x2,…,xn],根据动量轮转速测量值和估计值确定,θj、为在线待调参数,1≤j≤m,1≤i≤n,m为逻辑规则数,n为输入向量的维度或者个数;m的取值范围为3~15,n的取值范围为1~10。
获得待调参数θj、的方法,具体包括步骤如下:
21)利用地面分析得到的初始先验信息,设定初始参数θj(0)、其中θj(0)∈[0,1],/>
22)利用梯度下降法迭代调整参数θj、
步骤22)利用梯度下降法迭代调整参数θj、的方法,具体为:
221)根据21)设定的初始参数,估算得到满足估计误差阈值条件A的估算量
222)根据步骤221)获得的估算量使用梯度下降法调整/>和/>从而估算获得满足估计误差阈值条件B的/>和/>
步骤221)估算得到满足估计误差阈值条件A的估算量的方法,具体为:
A1)定义在线待调参数具体如下:
其中,φ(0)=βI,β∈[103,108],I是m×m的单位矩阵,k为迭代求解次数,其初始值为1,λ为遗忘因子,λ∈(0,1];
A2)根据步骤1)所述太阳光压力矩模糊逻辑估计模型的估计值和步骤A1)所述在线待调参数/>计算得到/>
A3)根据步骤A2)得到的判定是否满足估计误差阈值条件A;若满足估计误差阈值条件A则进入步骤A4),反之,则k累加1并返回步骤A1);
A4)获得当前第k次迭代求解对应的在线待调参数作为满足太阳光压力矩模型估算精度最优的估算量/>
估计误差阈值条件A,具体如下:
J<ε1;
其中,ε1为系统函数的容许值,ε1∈(0,0.2]。
步骤222)估算获得满足估计误差阈值条件B的和/>的方法,具体为:
B1)定义参数e,f,初始参数选取为e=1,f=1;
B2)获得初值,
B3)根据步骤B2)的初值,获得修正后的
其中,ξ是学习率,ξ∈(0,1];
B4)根据修正后的确定太阳光压力矩模糊逻辑估计模型的估算值并记为/>
B5)根据步骤B3)获得的修正后的并根据步骤B4)获得的判定是否满足估计误差阈值条件B,若满足估计误差阈值条件B则进入步骤B6),反之,则e累加1,f累加1,对/>进行修正处理,并返回步骤B4);
B6)获得当前修正后的作为满足太阳光压力矩模型估算精度的和/>
估计误差阈值条件B具体如下:
E<ε2;
其中,ε2为模型估算精度,ε2∈(0,0.2]。
步骤3)所述太阳光压力矩具体为:
其中,1≤j≤m,1≤i≤n;m为逻辑规则数,n为输入向量的维度;为动量轮转速估计值,/>为动量轮转速估计值的导数,/>为卫星本体坐标下的角加速度,Jw为动量轮的转动惯量,Jb为卫星的转动惯量;ωw为动量轮实际输出值。
m的取值范围为3~15,n的取值范围为1~10。
本发明与现有技术相比的有益效果是:
1)本发明所提出的方法具有更强的适用性,没有苛刻的前提条件和假设;
2)本发明利用模糊逻辑辨识系统对太阳光压力矩进行在线估计,其中模糊逻辑系统中的待调参数加入了先验信息,且采用梯度下降进行迭代调整,使得太阳光压力矩在线估计的精度更高。
附图说明
图1为本发明原理框图;
具体实施方式
本发明提出了一种基于模糊辨识技术的太阳光压力矩高精度在线估计方法,相对于其他模糊估计方法,本方法可以实现对太阳光压力矩的直接在线估计,且对在轨数据没有额外要求的前提下,可以充分利用地面分析得到的先验信息,形成模糊规则,从而有效的提高太阳光压力矩在线估计的精度。。
下面结合附图和具体实施方式对本发明做进一步详细的描述。
如图1所示,本发明提出一种基于模糊辨识技术的太阳光压力矩高精度在线估计方法,包括步骤如下:
1)建立模糊逻辑系统
模糊逻辑系统包括:乘积推理器、单值模糊器、中心平均解模糊器和高斯型隶属度函数;
太阳光压力矩模糊逻辑估计模型,具体为:
ξ(x)=[ξ1(x);…;ξm(x))]
θ=[θ1;θ2;…;θm]
其中,x为系统输入,x=[x1,x2,…,xn],根据动量轮转速测量值和估计值确定,θj、为在线待调参数,1≤j≤m,1≤i≤n,m为逻辑规则数,n为输入向量的维度或者个数;m的取值范围为3~15,n的取值范围为1~10;
2)根据步骤1)所述太阳光压力矩模糊逻辑估计模型,利用梯度下降法,在线迭代调整获得待调参数θj、具体包括如下步骤:
21)利用地面分析得到的初始先验信息,设定初始参数θj(0)、其中θj(0)∈[0,1],/>
22)利用梯度下降法迭代调整参数θj、具体为:
221)根据21)设定的初始参数,固定和/>其为常数,估算得到满足估计误差阈值条件A的估算量/>其具体步骤为:
A1)定义在线待调参数具体如下:
其中,φ(0)=βI,β是正的常数,其取值范围为β∈[103,108],I是m×m的单位矩阵,k为迭代求解次数,其初始值为1,λ为遗忘因子,λ∈(0,1];
A2)根据步骤1)所述太阳光压力矩模糊逻辑估计模型的估计值和步骤A1)所述在线待调参数/>计算得到/>
A3)根据步骤A2)得到的判定是否满足估计误差阈值条件A;若满足估计误差阈值条件A则进入步骤A4),反之,则k累加1并返回步骤A1);
估计误差阈值条件A,具体如下:
J<ε1;
其中,ε1为系统函数的容许值,其为给定值,ε1∈(0,0.2]。
A4)获得当前第k次迭代求解对应的在线待调参数作为满足太阳光压力矩模型估算精度最优的估算量/>
222)根据步骤221)获得的估算量使用梯度下降法调整/>和/>从而估算获得满足估计误差阈值条件B的/>和/>具体包括步骤如下:
B1)定义参数e,f,初始参数选取为e=1,f=1;
B2)获得初值,
B3)根据步骤B2)的初值,获得修正后的
其中,ξ是学习率,ξ∈(0,1]
B4)根据修正后的确定太阳光压力矩模糊逻辑估计模型的估算值并记为/>
B5)根据步骤B3)获得的修正后的并根据步骤B4)获得的判定是否满足估计误差阈值条件B,若满足估计误差阈值条件B则进入步骤B6),反之,则e累加1,f累加1,对/>进行修正处理,并返回步骤B3);
估计误差阈值条件B具体如下:
E<ε2;
其中,为步骤1)中的估算值,ε2为模型估算精度,其为给定值,
ε2∈(0,0.2];
B6)获得当前修正后的作为满足太阳光压力矩模型估算精度的/>和/>
通过先固定和/>估算得到/>然后再通过估算得到的/>进行估算得到/>和依次交替进行,直到达到所需的太阳光阳力矩精度,从而完成卫星对太阳光压力矩的高精度在线估计。
3)根据步骤2)所述在线待调参数从而在线获得太阳光压力矩具体为:
式中,1≤j≤m,1≤i≤n;m为逻辑规则数,n为输入向量的维度或者个数。m的取值范围为3~15,n的取值范围为1~10。为动量轮转速估计值(系统输出),/>为动量轮转速估计值的导数,/>为卫星本体坐标下的角加速度,Jw为动量轮的转动惯量,Jb为卫星的转动惯量。ωw为动量轮实际输出值。
由于卫星三轴相对解耦,其在线估计方法完全相同,因此,这里仅以某一单轴为例进行说明。
本发明的核心思想是利用模糊逻辑系统对太阳光压力矩进行在线估计,并利用地面分析得到的初始验证信息,提高辨识的收敛速度和精度。由于针对卫星三轴的在线估计方法完全相同,这里仅以某一单轴为例进行说明。其主要方案如下(见附图1)。
实施例
以一种三轴正交安装动量轮卫星为例,介绍本发明的具体实施方式。以滚动轴为例进行阐述。假设卫星滚动轴惯量为5000kg.m2,反作用轮的惯量为0.108kg.m2。
(1)建立太阳光压力矩估计模型
在只考虑滚动通道情况下,由于只有一个动量轮转速误差作为输入,即n=1,其中ωw为真实动量轮转速,/>动量轮估计转速,因此,滚动通道太阳光压估计力矩可以表示为:
在这里m选择为5,即建立5条模糊规则。
由于这里采用的是在线辨识方法,因此不需要给定隶属度函数,只需要在最初的时刻,给定输入x和输出即可,在这里给定x=1,/>
另外:
ξ(x)=(ξ1(x);…;ξ5(x))
θ=[θ1;θ2;…;θ5]
(2)在线迭代调整参数θj、
首先,利用地面分析得到的初始先验信息,设定初始参数为:θj(0)=[0.1,0.5,0.1,0.2,0.1];
然后,固定不进行更新,首先更新θj,1≤j≤5,具体如下:
A1)定义在线待调参数具体如下:
A2)根据步骤1)所述太阳光压力矩模糊逻辑估计模型的估计值和步骤A1)所述在线待调参数/>计算得到/>
A3)根据步骤A2)得到的判定是否满足估计误差阈值条件A;若满足估计误差阈值条件A则进入步骤A4),反之,则k累加1并返回步骤A1);
估计误差阈值条件A,具体如下:
J<0.001;
A4)获得当前第k次迭代求解对应的在线待调参数作为满足太阳光压力矩模型估算精度最优的估算量/>
最后,利用上面得到的使其固定不变,利用梯度下降法来调制/>和/>具体步骤为:
B1)定义参数e,f,初始参数选取为e=1,f=1;
B2)获得初值,
B3)根据步骤B2)的初值,获得修正后的
B4)根据修正后的确定太阳光压力矩模糊逻辑估计模型的估算值并记为/>
B5)根据步骤B3)获得的修正后的并根据步骤B4)获得的判定是否满足估计误差阈值条件B,若满足估计误差阈值条件B则进入步骤B6),反之,则e累加1,f累加1,对/>进行修正处理,并返回步骤B3);
估计误差阈值条件B具体如下:
E<0.001;
B6)获得当前修正后的作为满足太阳光压力矩模型估算精度的/>和/>
(3)根据上述获得的待调参数θj、在线获得太阳光压力矩/>具体为:
本发明说明书中未作详细描述的内容属本领域专业技术人员的公知技术。
Claims (10)
1.卫星太阳光压力矩高精度在线估计方法,其特征在于,包括步骤如下:
1)建立太阳光压力矩模糊逻辑估计模型;所述太阳光压力矩模糊逻辑估计模型,具体为:
ξ(x)=[ξ1(x);…;ξm(x))]
θ=[θ1;θ2;…;θm]
其中,x为系统输入,x=[x1,x2,…,xn],根据动量轮转速测量值和估计值确定,θj、为在线待调参数,1≤j≤m,1≤i≤n,m为逻辑规则数,n为输入向量的维度或者个数;
2)根据步骤1)所述太阳光压力矩模糊逻辑估计模型,利用梯度下降法,在线迭代调整获得待调参数θj、
3)根据步骤2)所述在线待调参数从而在线获得太阳光压力矩/>
2.根据权利要求1所述的卫星太阳光压力矩高精度在线估计方法,其特征在于,步骤1)所述m的取值范围为3~15,n的取值范围为1~10。
3.根据权利要求2所述的卫星太阳光压力矩高精度在线估计方法,其特征在于,步骤2)获得待调参数θj、的方法,具体包括步骤如下:
21)利用地面分析得到的初始先验信息,设定初始参数θj(0)、其中θj(0)∈[0,1],/>
22)利用梯度下降法迭代调整参数θj、
4.根据权利要求3所述的卫星太阳光压力矩高精度在线估计方法,其特征在于,步骤22)利用梯度下降法迭代调整参数θj、的方法,具体为:
221)根据21)设定的初始参数,估算得到满足估计误差阈值条件A的估算量
222)根据步骤221)获得的估算量使用梯度下降法调整/>和/>从而估算获得满足估计误差阈值条件B的/>和/>
5.根据权利要求4所述的卫星太阳光压力矩高精度在线估计方法,其特征在于,步骤221)估算得到满足估计误差阈值条件A的估算量的方法,具体为:
A1)定义在线待调参数具体如下:
其中,φ(0)=βI,β∈[103,108],I是m×m的单位矩阵,k为迭代求解次数,其初始值为1,λ为遗忘因子,λ∈(0,1];
A2)根据步骤1)所述太阳光压力矩模糊逻辑估计模型的估计值和步骤A1)所述在线待调参数/>计算得到/>
A3)根据步骤A2)得到的判定是否满足估计误差阈值条件A;若满足估计误差阈值条件A则进入步骤A4),反之,则k累加1并返回步骤A1);
A4)获得当前第k次迭代求解对应的在线待调参数作为满足太阳光压力矩模型估算精度最优的估算量/>
6.根据权利要求5所述的卫星太阳光压力矩高精度在线估计方法,其特征在于,估计误差阈值条件A,具体如下:
J<ε1;
其中,ε1为系统函数的容许值,ε1∈(0,0.2]。
7.根据权利要求4~6任意一项所述的卫星太阳光压力矩高精度在线估计方法,其特征在于,步骤222)估算获得满足估计误差阈值条件B的σi j和xi j的方法,具体为:
B1)定义参数e,f,初始参数选取为e=1,f=1;
B2)获得初值,
B3)根据步骤B2)的初值,获得修正后的
其中,ξ是学习率,ξ∈(0,1];
B4)根据修正后的确定太阳光压力矩模糊逻辑估计模型的估算值并记为/>
B5)根据步骤B3)获得的修正后的并根据步骤B4)获得的/>判定是否满足估计误差阈值条件B,若满足估计误差阈值条件B则进入步骤B6),反之,则e累加1,f累加1,对/>进行修正处理,并返回步骤B4);
B6)获得当前修正后的作为满足太阳光压力矩模型估算精度的/>和
8.根据权利要求7所述的卫星太阳光压力矩高精度在线估计方法,其特征在于,估计误差阈值条件B具体如下:
E<ε2;
其中,ε2为模型估算精度,ε2∈(0,0.2]。
9.根据权利要求8所述的卫星太阳光压力矩高精度在线估计方法,其特征在于,步骤3)所述太阳光压力矩具体为:
其中,1≤j≤m,1≤i≤n;m为逻辑规则数,n为输入向量的维度;为动量轮转速估计值,/>为动量轮转速估计值的导数,/>为卫星本体坐标下的角加速度,Jw为动量轮的转动惯量,Jb为卫星的转动惯量;ωw为动量轮实际输出值。
10.根据权利要求9所述的卫星太阳光压力矩高精度在线估计方法,其特征在于,m的取值范围为3~15,n的取值范围为1~10。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110721119.8A CN113496009B (zh) | 2021-06-28 | 2021-06-28 | 卫星太阳光压力矩高精度在线估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110721119.8A CN113496009B (zh) | 2021-06-28 | 2021-06-28 | 卫星太阳光压力矩高精度在线估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113496009A CN113496009A (zh) | 2021-10-12 |
CN113496009B true CN113496009B (zh) | 2023-07-28 |
Family
ID=77998035
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110721119.8A Active CN113496009B (zh) | 2021-06-28 | 2021-06-28 | 卫星太阳光压力矩高精度在线估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113496009B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115828035B (zh) * | 2023-02-16 | 2023-04-21 | 北京控制工程研究所 | 静止轨道卫星太阳光压干扰力矩的在轨拟合估计方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101814107A (zh) * | 2010-05-06 | 2010-08-25 | 哈尔滨工业大学 | 基于卫星动力学模型库的卫星动力学仿真系统及仿真方法 |
CN108959734A (zh) * | 2018-06-15 | 2018-12-07 | 北京控制工程研究所 | 一种基于实时递推太阳光压力矩辨识方法及系统 |
WO2021035500A1 (zh) * | 2019-08-27 | 2021-03-04 | 淄博火炬能源有限责任公司 | 用于48v轻混汽车锂离子电池的荷电状态在线估算系统 |
-
2021
- 2021-06-28 CN CN202110721119.8A patent/CN113496009B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101814107A (zh) * | 2010-05-06 | 2010-08-25 | 哈尔滨工业大学 | 基于卫星动力学模型库的卫星动力学仿真系统及仿真方法 |
CN108959734A (zh) * | 2018-06-15 | 2018-12-07 | 北京控制工程研究所 | 一种基于实时递推太阳光压力矩辨识方法及系统 |
WO2021035500A1 (zh) * | 2019-08-27 | 2021-03-04 | 淄博火炬能源有限责任公司 | 用于48v轻混汽车锂离子电池的荷电状态在线估算系统 |
Non-Patent Citations (1)
Title |
---|
空间环境探测卫星用磁强计误差分析及在线标定;杨照华;余远金;祁振强;;宇航学报(08);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113496009A (zh) | 2021-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hu et al. | Robust saturated finite time output feedback attitude stabilization for rigid spacecraft | |
CN103616818B (zh) | 微陀螺仪的自适应模糊神经全局快速终端滑模控制方法 | |
CN105607473B (zh) | 小型无人直升机的姿态误差快速收敛自适应控制方法 | |
CN107797130A (zh) | 低轨航天器多点多参数轨道上行数据计算方法 | |
CN113361013B (zh) | 一种基于时间同步稳定的航天器姿态鲁棒控制方法 | |
CN113496009B (zh) | 卫星太阳光压力矩高精度在线估计方法 | |
CN108959734B (zh) | 一种基于实时递推太阳光压力矩辨识方法及系统 | |
CN116382071B (zh) | 深度学习网络修正补偿的气动参数智能辨识方法 | |
CN114879515B (zh) | 基于学习神经网络的航天器姿态重构容错控制方法 | |
Zhang et al. | Control surface faults neural adaptive compensation control for tailless flying wing aircraft with uncertainties | |
CN113761809A (zh) | 一种基于深度神经网络的无源探测定轨方法 | |
Ye et al. | Fuzzy sliding mode control of nonparallel-ground-track imaging satellite with high precision | |
CN104252548A (zh) | 一种燃料最优的火星探测器入轨目标点设计方法 | |
CN116923730B (zh) | 一种具有自调节预设性能约束的航天器姿态主动容错控制方法 | |
CN112560343B (zh) | 基于深度神经网络与打靶算法的J2摄动Lambert问题求解方法 | |
CN111766890B (zh) | 不依赖神经网络近似的航天器保性能姿态控制方法 | |
Zheng et al. | An rnn-based learnable extended kalman filter design and application | |
Zhang et al. | Prediction-based guidance algorithm for high-lift reentry vehicles | |
CN112506209B (zh) | 一种基于自适应预测周期的再入飞行器预测控制方法 | |
Xiao et al. | A fast convergence super‐twisting observer design for an autonomous airship | |
CN115422496A (zh) | 推力故障下运载火箭质量和推力参数的联合校正辨识方法 | |
CN115014321A (zh) | 一种基于自适应鲁棒滤波的仿生偏振多源融合定向方法 | |
Yuqi et al. | Time-varying parameters estimation with adaptive neural network EKF for missile-dual control system | |
Zamani et al. | Minimum-energy filtering on the unit circle | |
Gao et al. | Adaptive air-data estimation in wind disturbance based on flight data |
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 |