基于深度学习的组合体航天器参数辨识及姿控研究

发布时间：2022-01-24 15:29

　　在轨服务及空间对抗中,很多场景都涉及对非合作目标的抓捕。由于非合作目标本身处于失控或者无合作意愿状态,动力学特性未知,抓捕中还存在残余相对角速度与线速度,因此抓捕后的组合体航天器姿控将面临很大困难。本文以抓捕后的组合体姿控系统为研究对象,对组合体参数辨识和控制进行了深入研究。首先,研究了一种基于卷积神经网络的智能参数辨识算法,借助深度学习在多参数寻优上的优势,解决组合体质量、质心位置以及转动惯量参数未知等问题。该算法在组合体线动量和角动量不守恒条件下依然可以实现对航天器组合体多参数辨识,相比以往零外力的条件,更具有普遍适应性。该算法利用卷积神经网络权值共享的特点,设计4层卷积神经网络,通过短时间内对大量特定存储形式的状态数据的训练,实现航天器组合体多参数快速高精度辨识。仿真表明:在24s内,质量与质心位置收敛;1190s内,转动惯量参数收敛,辨识精度在3%以内。上述结果说明该方法在外界随机干扰力和力矩影响下能准确快速辨识出航天器组合体质量、质心位置和惯量矩阵。其次,研究了一种弱计算能力下的基于卷积神经网络的模型预测控制算法,实现组合体多场景下姿态控制律的重构。在根据深度学习辨识结果建立... 

【文章来源】：南京航空航天大学江苏省 211工程院校

【文章页数】：85 页

【学位级别】：硕士

【部分图文】：

德国DEOS项目

非合作目标捕获后的组合体姿态控制技术尚处于发展阶段，针对该问题的解决方案具有一定研究价值。图1.1 德国 DEOS 项目 图1.2 中国神舟 9 号对接图1.3 美国 FREND 项目 图1.4 ARM 任务目前国内外对于合作航天器的捕获与抓捕后的组合控制在工程实践中已得到实现，如日本

图1.1 德国 DEOS 项目 图1.2 中国神舟 9 号对接图1.3 美国 FREND 项目 图1.4 ARM 任务目前国内外对于合作航天器的捕获与抓捕后的组合控制在工程实践中已得到实现，如日本

【参考文献】：
期刊论文
[1]组合体航天器的姿态无模型自适应控制[J]. 张宪亮,宋婷,阳光,贺亮,袁建平,郝田蔚.  哈尔滨工业大学学报. 2018(10)
[2]深度学习研究综述[J]. 张荣,李伟平,莫同.  信息与控制. 2018(04)
[3]深度学习原理及应用综述[J]. 付文博,孙涛,梁藉,闫宝伟,范福新.  计算机科学. 2018(S1)
[4]基于深度学习的推荐系统研究综述[J]. 黄立威,江碧涛,吕守业,刘艳博,李德毅.  计算机学报. 2018(07)
[5]组合体航天器有限时间超螺旋反步姿态控制[J]. 马广富,高寒,吕跃勇,宋婷,袁建平.  宇航学报. 2017(11)
[6]深度学习相关研究综述[J]. 张军阳,王慧丽,郭阳,扈啸.  计算机应用研究. 2018(07)
[7]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军.  计算机学报. 2017(06)
[8]非合作体附着下的组合体航天器自适应控制[J]. 陈雪芬,康国华.  导航与控制. 2016(04)
[9]空间非合作目标惯性参数在轨辨识[J]. 孔祥龙,李文龙,李文峰,赵毅.  中国空间科学技术. 2016(04)
[10]捕获目标后组合体航天器抗干扰自适应控制[J]. 王益平,赵育善,师鹏,郑翰清.  中国空间科学技术. 2015(06)

博士论文
[1]在轨服务航天器位姿一体化规划与控制[D]. 孙俊.哈尔滨工业大学 2017

硕士论文
[1]基于神经网络的快速模型预测控制算法研究[D]. 黄彦春.浙江大学 2018
[2]空间非合作目标质量辨识与控制研究[D]. 李鑫宇.南京航空航天大学 2017
[3]微纳航天器群的智能故障诊断方法研究[D]. 王嘉轶.南京航空航天大学 2017
[4]基于神经网络和模糊逻辑的WSN智能故障诊断研究[D]. 周奚.南京航空航天大学 2017
[5]双臂空间机器人捕获翻滚目标后参数辨识和控制技术研究[D]. 薛爽爽.西北工业大学 2016
[6]局部惯量未知的航天器组合体姿态控制[D]. 秦琰.哈尔滨工业大学 2015



本文编号：3606829