适应有限故障的运载火箭神经网络自适应容错控制

发布时间：2021-11-04 09:05

　　针对运载火箭推力下降或伺服机构卡死等有限故障,提出了一种基于径向基神经网络（radial basis function neural network,RBFNN）的自适应容错姿态控制方法。该方法在有限故障动力学模型基础上,采用极点配置设计基线控制器,使用RBFNN在线辨识模型的故障参数和不确定干扰,最后基于Lyapunov理论设计自适应容错控制律对故障模型和干扰进行补偿。仿真结果表明,在有限故障工况下,该方法与传统PD方法相比,对故障具有较好的自适应能力,并能满足姿态稳定和控制精度要求。 

【文章来源】：西北工业大学学报. 2020,38(03)北大核心EICSCD

【文章页数】：9 页

【部分图文】：

发动机布局示意图

神经网络自适应容错控制器架构

神经网络对ΔΦ逼近情况

【参考文献】：
期刊论文
[1]适应运载火箭推力下降故障的神经网络容错控制方法[J]. 朱海洋,吴燕生,陈宇,杨云飞,徐利杰.  航天控制. 2019(04)
[2]运载火箭故障模式及制导自适应技术应用分析[J]. 常武权,张志国.  宇航学报. 2019(03)
[3]运载火箭伺服机构故障检测与诊断的扩展多模型自适应方法[J]. 程堂明,李家文,陈宇,唐国金.  国防科技大学学报. 2017(05)
[4]智慧火箭发展路线思考[J]. 李洪.  宇航总体技术. 2017(01)
[5]伺服机构故障下基于线性规划的运载火箭姿控系统重构控制[J]. 程堂明,李家文,唐国金.  国防科技大学学报. 2017(01)
[6]漂浮基空间机器人执行机构部分失效故障的分散容错控制[J]. 赵紫汪,陈力.  载人航天. 2016(01)
[7]卫星姿态控制系统的故障可诊断性评价研究[J]. 李文博,王大轶,刘成瑞.  空间控制技术与应用. 2014(05)

博士论文
[1]大型捆绑火箭姿态控制系统的建模、设计与分析[D]. 李家文.国防科学技术大学 2011

硕士论文
[1]基于神经网络观测器的飞控系统故障诊断与容错控制研究[D]. 王若男.南京航空航天大学 2018



本文编号：3475426