基于终端滑模和神经网络的多目标姿态跟踪鲁棒控制

研究了航天器编队飞行多目标姿态跟踪的鲁棒控制问题.主航天器由中心刚体和一个快速机动天线组成,星载相机跟踪某一特定目标,同时天线与从航天器保持通信.在考虑模型不确定性和外部干扰情况下,基于非奇异终端滑模技术和RBF神经网络,设计了多目标姿态跟踪鲁棒控制器.鲁棒控制器由RBF神经网络和一个自适应控制器组成.自适应控制器用于抵消神经网络的逼近误差和实现期望的控制性能.RBF神经网络用于逼近模型不确定部分与外部干扰力矩,并且根据非奇异终端滑模的有限时间收敛属性,提出了一种RBF网络的在线学习算法,提高了RBF网络的逼近效率.应用Lyapunov稳定性理论,证明了闭环系统稳定性.数值仿真结果表明所设计的控制器对外部干扰与模型不确定具有良好的鲁棒性.

日心悬浮轨道混合推进航天器编队构型保持研究

针对混合推进航天器编队日心悬浮轨道保持控制问题进行了研究.首先推导出在日心悬浮轨道附近的航天器编队相对运动方程,考虑到航天器间距离变化值较小且航天器间距离与航天器到太阳的距离的比值为小量,将其在悬浮轨道附近线性化.基于该线性化方程,设计了一种LQR编队控制方式,该控制方式可通过调节太阳帆的姿态及航天器间库仑力的大小对编队构型进行改变或保持,具有响应速度快和控制简单的特点.最后对控制律进行数值仿真,表明该控制方法能实现编队.

行星悬浮轨道保持控制研究

针对太阳帆航天器行星悬浮轨道保持控制问题进行了研究.首先,建立了柱坐标系下太阳帆动力学模型;然后,对模型进行线性化处理,推导出太阳帆状态方程;接着,设计线性二次型调节器(LQR)及基于遗传算法(GA)改进的控制器,对出现扰动的轨道进行控制;最后,通过仿真结果对比,表明上述控制器均可实现轨道保持控制,且基于GA改进的LQR性能明显优于传统LQR.

基于流固耦合的仿生海鸥机翼气动弹性分析

由于新设计的仿生海鸥无人机机翼展弦比较大,机翼的振动和变形的气动力影响明显。为此,分别采用传统CFD方法和格子玻尔兹曼流固耦合方法对平直机翼和仿生机翼进行数值模拟,结果表明采用流固耦合方法分析机翼的气动弹性优势明显。在相同的计算条件下通过气动力、流场和结构响应对比找出仿生机翼的优势和不足。

地球静止轨道混合推进三星库仑编队队形保持控制研究

研究了地球静止轨道处混合推进三星库仑编队队形保持控制问题.首先考虑未知有界相对摄动影响,建立了地球静止轨道处混合推进三星库仑编队动力学方程.然后基于相对运动解析解,设计了投影圆轨道旋转编队构型.最后采用滑模控制方法,设计了控制器并证明其稳定性,用饱和函数对控制器进行了改进,消除了抖振的影响.通过控制编队内部静电力和补充电推力实现对预设队形的保持.仿真结果表明,混合推进方案响应速度快,控制精度高,达到了控制要求.