基于安全强化学习的航天器交会制导方法

随着航天器交会对接任务越来越复杂,对其高效性、自主性和安全性的要求急剧增加。近年来,引入强化学习技术来解决航天器交会制导问题已经成为国际前沿热点。障碍物避撞对于确保航天器安全交会对接至关重要,而一般的强化学习算法没有对探索空间进行安全限制,这使得航天器交会制导策略设计面临挑战。为此,提出了基于安全强化学习的航天器交会制导方法。首先,设计避撞场景下航天器自主交会的马尔可夫模型,提出基于障碍预警与避撞约束的奖励机制,从而建立用于求解航天器交会制导策略的安全强化学习框架;其次,在该安全强化学习框架下,基于近端策略优化算法(PPO)和深度确定性策略梯度算法(DDPG)这两种深度强化学习算法生成了制导策略。实验结果表明,该方法能有效地进行障碍物避撞并以较高的精度完成交会。另外,通过分析两种算法的性能优劣和泛化能力,进一步证明了所提方法的有效性。

柔性航天器大角度姿态机动的变论域分形控制

针对具有开环树状拓扑结构的柔性多体航天器,基于真-伪坐标形式的拉格朗日方程,建立柔性多体航天器的动力学模型,充分考虑了柔性航天器的时变与不确定性的动力学特征,设计了改进的变论域分形模糊控制器,并对该系统进行了仿真验证.仿真结果表明,该方案回避了实时计算收缩因子所导致的论域范围实时收缩的缺点,实现了对柔性多体航天器大角度姿态机动的有效控制,同时保证了航天器柔性附件振动的有效抑制.

非合作自主交会对接动态障碍物躲避模糊制导

提出了一种基于Gaussian势函数的模糊制导方法,完成了非合作式航天器自主交会对接及相关任务。首先根据视线坐标系建立了系统相对运动状态方程。进而应用模糊控制方法完成了非合作目标飞行器的自主交会对接任务,同时应用基于Gaussian势函数的模糊制导方法解决了动态障碍物的躲避问题。随后研究讨论了两种不同情形下动态障碍物的躲避。最后,用精确的数学模型进行了数值仿真,验证了制导方法应用于所研究问题的正确性和有效性。

基于最优状态反馈的小推力转移轨道制导策略

针对小推力变轨技术研究中的难点之一——飞行器的制导问题,提出了一种基于最优状态反馈的自主制导策略。首先利用传统Gauss型运动方程,推导出三个轨道根数增大最快的独立控制律;然后根据当前根数与目标值的偏差量对独立控制律进行加权组合;最后为高效可靠地获得最优制导律,采用一种遗传算法和逐次二次规划相结合的混合方法对权重进行了优化。该制导算法设计简单,无须预存参考轨道,能够实现飞行器的自主制导,并且具有燃料消耗次优的特点。仿真计算验证了该算法的有效性。

卫星姿态跟踪的模糊滑模控制器设计

针对刚体卫星的姿态跟踪问题,提出了一种模糊滑模变结构控制器设计方法。首先根据由误差四元数和误差角速度描述的跟踪误差动力学和运动学方程,设计了基于李亚普诺夫方法的滑模变结构控制律。为克服滑模控制中存在的固有的抖振问题,采用模糊控制方法设计了切换控制项。最后对卫星姿态跟踪控制系统进行了仿真研究。结果表明,在参数不确定性及外干扰存在时,所设计的控制方案在实现姿态跟踪控制的同时,对于卫星转动惯量的摄动及外部扰动力矩是鲁棒的。

基于RBF网络上界自适应学习的预警卫星滑模控制

分析了RBF(径向基函数)神经网络的基本结构和数学特性,对于预警卫星动力学系统的不确定性上界值无法测量和未知的情况,采用RBF神经网络可以对较强干扰上界进行自适应学习,并可降低控制和动力学带来的抖振。针对带有摆镜的预警卫星姿态控制问题,提出了一种基于神经网络扰动补偿的姿态滑模控制方法。针对RBF网络正交最小二乘(OLS)学习算法,采用RBF神经网络来学习不确定因素的上界值,并设计了预警卫星的姿态控制规律,解决了预警卫星动力学扰动补偿问题。利用数值仿真估算了基于RBF网络上界自适应学习滑模控制的预警卫星姿态控制系统的性能指标。

自动控制、自动控制设备及系统

Y98-61442-51 9908562多航天器轨道自主控制的3维方法=A 3-D method forautonomously controlling multiple spacecraft orbits[会,英]/Folta,D.C.& Quinn,D.//1998 IEEE AerospaceConference Proceedings,Vol.1 of 5.—51～60(PV)本文介绍戈达德空间飞行中心(GSFC)制导、导航和控制中心(GNCC)维持多低地球轨道(LEO)航天器的3维操作控制理论和完成 LED 航天器飞行用的算法。研究了轨道动态学,这是确定所提出的用于借助于参考航天器或预测轨道飞行的航天器制导和控制的方法所必须的。给出了集成自主“模糊逻辑”控制系统的模拟结果,该系统被称为“AutoCon”。