能量吸收研究60年——来自何处?走向何方?

本文论述能量吸收这个研究领域的诞生背景、简要历史和发展方向。第二次世界大战之后,以防护结构和运载工具的耐撞性为工程背景,加上塑性力学和结构冲击动力学学科发展的内生动力,结构和材料的能量吸收作为一个新兴研究领域在1960年代初萌生,到1970年代已经基本成形。在期刊和会议平台的支持下,这个新领域的研究在1980年代迎来了第一波热潮,聚焦于薄壁管件塑性大变形时的能量吸收机理。随着蜂窝、泡沫、格栅等多胞材料的兴起,研究和开发它们在能量吸收领域的应用,激发起2000年后的第二波热潮。其间不但揭示出了各种多胞材料的能量吸收机理,而且迅速地同电动车的电池组和新型防护结构等场景的应用结合起来。受生物启发的概念成为设计和开发新型超材料的灵感的源泉。增材制造、结构智能化,以及环保节能的概念,正在深度融入能量吸收系统的原理、设计和优化之中。

位移无拖曳控制的动力学协调条件研究

针对位移无拖曳控制的可实现性问题及避免推力饱和问题,首先基于位移无拖曳控制动力学方程,推导出位移无拖曳控制系统中连续可变推力推进子系统的最大推力需要满足的基本动力学协调条件。进一步由位移无拖曳控制动力学方程退化得到的切换动力学方程,推导出负刚度加速度函数为线性及非线性函数两种情形下的让步动力学协调条件。针对让步动力学协调条件开展了仿真比对,结果表明,强非线性情形下的让步动力学协调条件比退化的线性情形更加严苛。最后通过分析给出位移无拖曳控制避免推力饱和的、定性的动力学协调条件,并得到仿真校验,即:检验质量初始状态及指令状态应在让步动力学协调条件区域内靠近负刚度力零位,开环系统时间延迟尽可能短,并且控制带宽应折中选择。

一种适应卫星姿态侧摆机动的混合轮系控制方法

针对高稳定度轮控大型卫星因动量轮力矩小而难以满足侧摆成像任务需求问题,开展了混合轮系配置方案及控制方法研究。首先,提出常规轮系配置卫星滚动轴方向串联大力矩飞轮的混合配置方案,并设计飞轮开环前馈与常规动量轮闭环反馈相结合的控制策略;其次,设计以容许角动量最大量为权重的飞轮组前馈力矩分配律和具有角动量反馈的飞轮力矩跟踪控制方法,实现飞轮力矩合理分配及其模型不确定性导致输出力矩偏差抑制;然后,设计估计器对星体内外扰动力矩进行估计与补偿,以确保卫星高稳定度性能实现;最后,给出在轨应用情况,验证所提出方案及方法的有效性。在轨应用表明,采用该控制方法,有效缩短了整星侧摆稳定时间达100 s以上,且非机动期间姿态稳定度优于3.75×10-5(°)/s。

地外天体软着陆自主导航与控制技术研究进展

软着陆探测是重要的地外天体探测方式,制导、导航与控制(Guidance,Navigation and Control,GNC)是地外天体软着陆成功的关键。首先梳理了国内外月球、火星和小天体等地外天体软着陆任务发展现状;在此基础上,总结了地外天体软着陆任务典型GNC方案及自主导航与控制技术主要进展;最后,针对未来的地外天体精确定点软着陆任务,提出了需要重点关注和发展的自主导航与控制关键技术,为未来技术发展提供借鉴和参考。

电推进GEO卫星的改进粒子群轨道保持优化设计

针对地球同步轨道(GEO)卫星轨道保持问题,提出了一种基于改进粒子群算法(PSO)的序列电推力轨道保持方法。首先,建立了GEO卫星高精度非线性轨道动力学模型和序列电推力模型。然后,设计了GEO卫星相对轨道保持策略,建立了以燃料消耗为性能指标的序列电推力轨道保持问题优化模型并进行了离散化。接着,通过引入差分进化算法和维度学习策略对粒子群优化算法进行了适应性改进,同时对推力大小和作用时间进行寻优计算。最后,通过数值仿真对所提出的改进粒子群优化算法进行了对比校验。结果表明,该方法在完成GEO卫星轨道保持任务的同时具备燃料消耗低和收敛速度快等优点。

一种微纳卫星的姿态安全控制方案

针对微纳卫星在低冗余度下实现姿态安全控制的问题进行了研究,提出一种占用资源少的姿态安全控制方案,当诊断信息不完备时尽可能切除所有潜在故障源,仅用磁强计和磁力矩器实现卫星姿态控制系统的重构。所提方案可以在卫星任意初始姿态条件下完成角速度阻尼,并可控制卫星机动至对日定向姿态,确保帆板充电效率,从而延长故障条件下的卫星寿命。数学仿真表明,在陀螺、星敏感器、动量轮和推力器等主要控制部件均不使用的条件下,所提方案仍可完成稳定的单轴对日定向安全姿态控制,姿态确定精度优于2°,对日定向精度优于5°,极大地提高了卫星在轨安全运行的能力。

航天器轨道追逃动力学与控制问题研究综述

随着航天器交会与接近操作技术的快速发展,轨道追逃问题逐渐成为航天领域的研究热点。从动力学与控制视角,对航天器轨道追逃问题的研究现状进行综述。给出了基于定量微分对策的轨道追逃问题模型的一般形式,系统梳理了各种类型的轨道追逃问题;对于追逃策略求解,分别针对闭环策略和开环策略,分析了各种方法的优缺点;围绕人工智能算法与轨道追逃问题的结合,阐述了基于深度神经网络和强化学习的轨道追逃策略的研究现状。关于未来展望,提出了追逃博弈态势分析、多航天器博弈控制、三体条件下博弈动力学与控制等发展方向。

第十二届全国(中国)空间轨道设计竞赛:地月空间助力火星移民和近地小行星探测

本文首先简要介绍了全国(中国)空间轨道设计竞赛的发展概况和第十二届全国(中国)空间轨道设计竞赛题目的研究背景。然后介绍并解读了“可重复使用地火运输空间站火星移民”“可重复使用探测器飞越探测近地小行星”两组竞赛题目,回顾了竞赛组织历程,分析了竞赛最终提交结果。最后简要陈述了赛后交流和研讨情况以及总结和展望。此外,文中各章节对本竞赛区别于其他学科竞赛的若干特色也进行了简要陈述。

柔性关节空间机械臂传感容错无模型自适应控制

针对传感信号畸变、丢失等故障状态严重影响空间机械臂控制系统性能的问题,提出基于空间机械臂运动传感器故障观测的无模型自适应容错控制方法。采用动态线性化和递推参数估计思想设计传感故障监测器,实现对传感畸变及数据丢失等故障的判定,并进行运动状态预测估计;建立包含跟踪误差变化率项的无模型自适应控制准则函数,有效惩罚由传感故障引起的参数估计突变问题;设计面向柔性关节空间机械臂的新型传感容错无模型自适应控制(SFT-MFAC)算法。仿真结果表明,在不同传感故障情况下,所提控制策略均能快速准确识别传感故障信息,避免系统瞬时发散,有效延长系统响应时间,增加控制系统的鲁棒性。

欠驱动航天器模糊自适应增强耦合姿态控制

在快速轨道机动期间,针对固体推进作用下推力偏心、安装误差等因素带来的姿态强干扰问题,提出了一种基于推力矢量控制技术的航天器姿态欠驱动智能控制方法。首先,建立了航天器姿态误差动力学模型,并分析推力矢量控制输入的欠驱动特性。然后,考虑强干扰不确定性和滚转通道耦合弱的问题,设计了基于增强耦合策略与自适应模糊观测器的欠驱动智能控制律,结合模糊逻辑函数逼近强干扰不确定项并引入控制律中,实现航天器的姿态欠驱动智能控制,通过Lyapunov理论证明了系统的稳定性。最后,通过与分层滑模控制方法进行对比仿真,验证了所设计的方法能够使得三轴姿态稳定时间缩短14%,滚转通道耦合弱产生的静差被有效消除,为快速轨道机动期间的强干扰抑制技术提供基础。

航天器入轨状态与偏差传播分析

本文研究了航天器入轨状态和入轨偏差传播问题。推导了火箭熄火时的入轨速度平方比率及速度仰角与主要轨道参数之间的关系,从而分析航天器的入轨状态。建立了航天器转移轨道的偏差传播矩阵,得到入轨偏差对转移轨道的影响。将本文的偏差传播分析方法与传统轨道误差分析方法进行对比以验证本文方法的正确性。最后,通过仿真算例分析了航天器入轨状态和入轨偏差对转移轨道的影响。

航天器气动角运动学及开环性能分析

对于航天器在大气中飞行的控制设计问题,由于气动角与气动力和气动力矩直接相关,因此一般采用气动角反馈.在研究稳定性等闭环性能时,需要用到气动角运动学方程.但是难以找到气动角运动学的推导方法,因此在应用时对于不同坐标系的定义缺乏灵活性.气动角运动学形式复杂,其推导具有难度.提出推导的方法,给出了气动角运动学方程,并对其开环性能进行了分析,为控制设计提供了基础.所提出的气动角运动学的推导方法,气动角运动学方程,以及开环性能分析的方法和结果,可以应用于带有大气的目标星体的气动进入的控制设计和分析中,从而为其提供了理论支撑.

具有输入时延的多航天器分布式跟踪控制

针对具有不确定输入时延的多航天器姿态跟踪控制问题,利用Takagi-Sugeno(T-S)模糊方法将非线性多航天器跟踪误差动力学模型进行模糊线性化处理,从而构建出简化的航天器跟踪误差动力学线性模型。在此基础上,设计了一种分布式多航天器鲁棒跟踪控制协议,实现多航天器在不确定输入时延和扰动环境下的姿态跟踪控制。最后以多航天器姿态跟踪控制系统模型进行了数值仿真验证,结果表明,利用所设计的分布式跟踪控制器,可实现在不同输入时延下的多航天器姿态跟踪控制,并且可以满足系统的H∞性能指标。

面向重访周期需求的敏捷成像卫星任务规划方法

为满足敏捷成像星座观测目标的重访周期需求,提出一种混合编码差分进化算法.分析敏捷成像卫星的工作特点,构造评价重访周期需求满足情况的目标函数,建立成像任务约束满足模型.针对观测任务选择与否、执行顺序和成像时间的优化需求,提出一种二进制-实数混合编码差分进化算法,实现了成像任务在时间轴上的分布优化.通过工程实例进行仿真校验,仿真结果表明相比于基于二进制编码的遗传算法,本文算法在优化时间和优化效果方面都有较大优势.

基于偏航机动的常推力定点着陆制导方法

实现定点着陆终端位置速度六分量控制通常需要发动机推力可调。提出了一种通过偏航机动实现固定推力下的定点着陆制导方法。该方法通过偏转航向角,调节发动机输出在下降轨迹平面内的分量,从而实现航程控制;为了消除推力方向偏转产生的横向位置、速度偏差,设计了偏转角符号调整策略,使得着陆器在水平面内呈“之”字形运动,以一定推进剂为代价,最终保证了下降着陆终端位置、速度的全部可控。仿真表明,所提方法简单有效,易于工程实施。

融合轨道动力学的小行星探测器自主视觉定位

针对小行星探测器高精度自主视觉定位问题,提出了一种融合轨道动力学的深空探测器自主视觉定位方法,能修正视觉视觉定位与地图构建算法(simultaneous localization and mapping,SLAM)的定位误差。该方法通过融合轨道动力学的轨道改进技术,能够在缺乏表面先验信息、无人工手动标记的场景下,实现探测器的高精度视觉导航,并建立小行星表面稠密三维模型。首先,基于视觉同时定位和建图方法(VSLAM)提取小行星表面特征,通过因子图优化算法估计探测器位姿,设计回环检测提高定位精度;其次,重构行星表面三维模型,实现基于多面体法的行星不规则引力场建模;最后,提出了一种基于轨道动力学的伪相对运动轨道优化算法,将其作为物理约束修正视觉定位累积误差,分析反演视觉初始定轨误差在轨道动力学中的传播过程,实现修正视觉定位累积误差,改善初始定位结果。仿真实验结果表明,融合轨道动力学可以有效提升小行星探测视觉定位的精度,从而实现高精度导航,为深空探测技术的未来发展提供参考借鉴。

基于多种群混沌遗传算法的GEO目标服务任务规划

面向地球同步轨道(geosynchronous Earth orbit,GEO)空间目标碎片清除、燃料加注等不同在轨服务需求,研究了“固定储油站+往返航天器”相结合的航天器任务规划问题。首先,建立了多任务混合的燃料最优双层任务规划模型,外层为目标服务序列规划,内层为轨道机动规划。随后,针对该连续-离散混合变量组合优化问题,提出了一种多种群混沌遗传算法(multi-group chaotic genetic algorithm,MGCGA),采用混合编码表征决策变量,引入立方混沌映射算子提高初始种群质量,多种群及精英保留策略使得算法在求解过程中能更为显著地逼近全局最优解。最后,参考实际GEO目标构建了典型算例,规划结果表明所提算法具有全局收敛性好、收敛速度快的优点。

面向变构型飞行器的强化学习位置姿态一体化控制方法

针对变构型飞行器在飞行过程中由于构型发生改变导致其质心、气动力、转动惯量和气动力矩以及飞行器的抗扰能力等参数或特性发生变化,对飞行器飞行控制品质产生较大影响的问题,提出一种基于强化学习的变构型飞行器一体化位置姿态控制方法,通过孪生延迟深度确定性策略梯度(TD3)强化学习算法训练神经网络控制律,实现变构型飞行器的一体化位置姿态控制。算法通过数学仿真与飞行试验进行了验证,仿真结果与飞行试验结果表明,该算法所设计的神经网络控制律能够实现变构型飞行器的一体化位置姿态控制,并对于外界干扰具有较强的适应能力。

应用变速控制力矩陀螺的航天器姿态自适应控制

为提高敏捷挠性航天器在轨连续机动的快速性和高稳定性,应用变速控制力矩陀螺(variable speed control moment gyroscopes,VSCMGs)作为姿态控制执行机构,提出了一种将观测器与自适应控制结合的姿态控制律与VSCMGs复合操纵律。考虑到机动过程中挠性模态及精确惯量不可知,采用模态观测器和转动惯量估计器对不可测的状态或参数进行辨识,辨识结果用于精确估计前馈补偿力矩,利用Lyapunov分析方法证明了闭环控制系统的稳定性。鉴于VSCMGs实际使用的力矩分配能力、避奇异能力、轮速平衡能力与末态框架角定位能力,分别设计了加权伪逆操纵律与3种对应的零运动。基于雅可比矩阵条件数提出了末态框架角的优选方法,给出了VSCMGs零运动在机动过程不同阶段的部署方案。结果表明:通过连续姿态机动数值仿真验证了所提算法的有效性;VSCMGs在连续机动过程中平滑切换模式,在不同的机动阶段实现了相应功能。模态观测值和惯量估计值在多次机动后收敛至真值附近,经过参数辨识后的控制器使航天器在机动末端更快更稳地达到指向精度要求。

一种超参数自适应航天器交会变轨策略优化方法

利用强化学习技术,本文提出了一种超参数自适应的燃料最优地球同步轨道(GEO)航天器交会变轨策略优化方法。首先,建立了GEO航天器交会Lambert变轨模型。以变轨时刻为决策变量、燃料消耗为适应度函数,使用改进式综合学习粒子群算法(ICLPSO)作为变轨策略优化的基础方法。其次,考虑到求解的最优性和快速性,重新设计了以粒子群算法(PSO)优化结果为参考基线的奖励函数。使用一族典型GEO航天器交会工况训练深度确定性策略梯度神经网络(DDPG)。将DDPG与ICLPSO组合为强化学习粒子群算法(RLPSO),从而实现算法超参数根据实时迭代收敛情况的自适应动态调整。最后,仿真结果表明与PSO、综合学习粒子群算法(CLPSO)相比,RLPSO在较少迭代后即可给出适应度较高的规划结果,减轻了迭代过程中的计算资源消耗。