基于泛Kriging-MPSO的挠性航天器姿态机动控制方法研究
发布时间：2021-03-06 18:37
随着空间技术的不断发展,高指向精度和稳定性对地观测、激光通信和太空探索等任务对航天器的姿态控制稳定性提出了更高的要求。为了获得足够多的能源,作为航天器核心供能部件的挠性太阳帆板逐渐向大型化和轻量化发展。此类型航天器的中心刚体和太阳帆板弹性模态之间的耦合效应具有很强的非线性动力学特性,在航天器进行大角度姿态机动时挠性附件会产生弹性振动,将严重影响航天器姿态稳定性。针对此问题,本文从挠性航天器的刚柔耦合动力学模型入手,通过离散变量数据集对其运行状态进行预测,提出了一种基于泛Kriging—MPSO的最优控制方法,通过数值仿真验证了控制方法的有效性,具体研究内容如下:（1）利用欧拉—拉格朗日方程建立了挠性航天器刚柔耦合动力学模型,分别采用欧拉法建立中心刚体动力学模型,拉格朗日法建立太阳帆板动力学模型,并对两者之间的耦合动力学特性进行了分析;（2）针对挠性太阳帆板振动和外界环境干扰下,挠性航天器运行状态预测失准问题,提出了泛Kriging运行状态预测方法。选用两个标准测试函数,以拉丁超立方采样法选取样本点,将其分为两组作为训练和测试样本集,分别利用泛Kriging、二阶Kriging、Krig...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：137 页
【学位级别】：博士
【部分图文】：
大挠
第2章基于欧拉-拉格朗日的挠性航天器动力学建模23图2.5挠性航天器有限元模型表2.1航天器的结构参数和材料参数参数名称值参数名称值太阳帆板长度（m）1阻尼系数0.03太阳帆板宽度（m）0.6刚性转轴的长度（m）1.127铝合金弹性模量（Gpa）68刚性轴的半径（m）0.276铝合金质量密度（kg﹒m-3）2.7×103航天器总质量（kg）222泊松比0.33帆板总质量（kg）17.67转动惯量52552512.1382.31105.84102.311021.0161.32105.84101.321030.232由于大型挠性航天器在受到扰动时，其振动频率值较小，以低阶模态为主导，因此，本文选取前八阶模态分别对应有限元结果中的第七至十四阶模态，其模态阵型如图2.6所示，固有频率为[10.002;11.833;13.886;18.066;22.031;22.242;59.069;59.157]Hz。（a）第一阶模态振型（b）第二阶模态振型
吉林大学博士学位论文24（c）第三阶模态振型（d）第四阶模态振型（e）第五阶模态振型（f）第六阶模态振型（g）第七阶模态振型（h）第八阶模态振型图2.6挠性航天器自由振动前八阶模态阵型采用有限元分析软件提取节点相对中心刚体质心的节点坐标、太阳帆板坐标系原点相对中心刚体质心的坐标，根据公式（2-30）求得帆板中心刚体和太阳帆板的转动耦合系数，如表2.3所示：表2.3航天器本体坐标系下的转动耦合系数阶次x轴y轴z轴1-1.32660.2176-0.11120.0924-2.08×10-2-1.38893-2.66×10-27×10-3-1.14574-0.59584.96×10-24.27×10-251.1×10-30.27966.76×10-361.215×10-3-0.27351.712×10-37-2.7×10-3-0.1305-5.8×10-381.29×10-20.12436.1×10-3
【参考文献】：
期刊论文
[1]敏捷卫星姿态机动的非线性模型预测控制[J]. 范国伟,常琳,戴路,徐开,杨秀彬. 光学精密工程. 2015(08)
[2]一种基于粒子群参数优化的改进蚁群算法及其应用[J]. 张超,李擎,陈鹏,杨守功,尹怡欣. 北京科技大学学报. 2013(07)
[3]模型预测控制——现状与挑战[J]. 席裕庚,李德伟,林姝. 自动化学报. 2013(03)
博士论文
[1]面向智能节能的汽车实时优化控制及实车验证[D]. 郭露露.吉林大学 2019
[2]混合粒子群优化算法研究及其应用[D]. Arfan Ali Nagra.江苏大学 2019
[3]航天器姿态跟踪及姿态协同有限时间控制方法研究[D]. 陈海涛.哈尔滨工业大学 2019
[4]航天器姿态鲁棒控制方法研究[D]. 刘闯.哈尔滨工业大学 2019
[5]刚性航天器姿态约束控制研究[D]. 陈中天.浙江工业大学 2019
[6]DFP航天器动力学特性分析及精确控制方法研究[D]. 武晨.哈尔滨工业大学 2018
[7]挠性航天器振动抑制及姿态模糊控制方法研究[D]. 徐世东.哈尔滨工业大学 2018
[8]大挠性航天器分布式协同振动控制技术研究[D]. 袁秋帆.哈尔滨工业大学 2018
[9]变参数挠性航天器动力学与控制研究[D]. 王杰.国防科技大学 2017
[10]基于回归神经网络的滑坡位移时间序列预测研究[D]. 蒋平.华中科技大学 2017
硕士论文
[1]基于多目标粒子群算法的多约束组合优化问题研究[D]. 张宇丰.西安理工大学 2019
[2]轻度混合动力汽车启停系统建模与非线性控制方法研究[D]. 韩振宇.吉林大学 2019
[3]基于克里金法各向异性土体工程性质预测[D]. 郭庆.哈尔滨工业大学 2019
[4]基于混沌优化的多种群粒子群优化算法的研究及其应用[D]. 李佳玲.江苏大学 2019
[5]分数阶粒子群优化及其在聚类分析中的应用[D]. 陈秋鑫.江苏科技大学 2019
[6]基于BP神经网络的电力负荷中长期预测[D]. 朱晓露.华北电力大学(北京) 2017
[7]智能桁架卫星的振动抑制与姿态控制方法研究[D]. 常雅杰.哈尔滨工业大学 2016
[8]基于多项式模型的混沌时间序列自适应预测算法[D]. 秦超.华南理工大学 2015
本文编号：3067600
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：137 页
【学位级别】：博士
【部分图文】：
大挠
第2章基于欧拉-拉格朗日的挠性航天器动力学建模23图2.5挠性航天器有限元模型表2.1航天器的结构参数和材料参数参数名称值参数名称值太阳帆板长度（m）1阻尼系数0.03太阳帆板宽度（m）0.6刚性转轴的长度（m）1.127铝合金弹性模量（Gpa）68刚性轴的半径（m）0.276铝合金质量密度（kg﹒m-3）2.7×103航天器总质量（kg）222泊松比0.33帆板总质量（kg）17.67转动惯量52552512.1382.31105.84102.311021.0161.32105.84101.321030.232由于大型挠性航天器在受到扰动时，其振动频率值较小，以低阶模态为主导，因此，本文选取前八阶模态分别对应有限元结果中的第七至十四阶模态，其模态阵型如图2.6所示，固有频率为[10.002;11.833;13.886;18.066;22.031;22.242;59.069;59.157]Hz。（a）第一阶模态振型（b）第二阶模态振型
吉林大学博士学位论文24（c）第三阶模态振型（d）第四阶模态振型（e）第五阶模态振型（f）第六阶模态振型（g）第七阶模态振型（h）第八阶模态振型图2.6挠性航天器自由振动前八阶模态阵型采用有限元分析软件提取节点相对中心刚体质心的节点坐标、太阳帆板坐标系原点相对中心刚体质心的坐标，根据公式（2-30）求得帆板中心刚体和太阳帆板的转动耦合系数，如表2.3所示：表2.3航天器本体坐标系下的转动耦合系数阶次x轴y轴z轴1-1.32660.2176-0.11120.0924-2.08×10-2-1.38893-2.66×10-27×10-3-1.14574-0.59584.96×10-24.27×10-251.1×10-30.27966.76×10-361.215×10-3-0.27351.712×10-37-2.7×10-3-0.1305-5.8×10-381.29×10-20.12436.1×10-3
【参考文献】：
期刊论文
[1]敏捷卫星姿态机动的非线性模型预测控制[J]. 范国伟,常琳,戴路,徐开,杨秀彬. 光学精密工程. 2015(08)
[2]一种基于粒子群参数优化的改进蚁群算法及其应用[J]. 张超,李擎,陈鹏,杨守功,尹怡欣. 北京科技大学学报. 2013(07)
[3]模型预测控制——现状与挑战[J]. 席裕庚,李德伟,林姝. 自动化学报. 2013(03)
博士论文
[1]面向智能节能的汽车实时优化控制及实车验证[D]. 郭露露.吉林大学 2019
[2]混合粒子群优化算法研究及其应用[D]. Arfan Ali Nagra.江苏大学 2019
[3]航天器姿态跟踪及姿态协同有限时间控制方法研究[D]. 陈海涛.哈尔滨工业大学 2019
[4]航天器姿态鲁棒控制方法研究[D]. 刘闯.哈尔滨工业大学 2019
[5]刚性航天器姿态约束控制研究[D]. 陈中天.浙江工业大学 2019
[6]DFP航天器动力学特性分析及精确控制方法研究[D]. 武晨.哈尔滨工业大学 2018
[7]挠性航天器振动抑制及姿态模糊控制方法研究[D]. 徐世东.哈尔滨工业大学 2018
[8]大挠性航天器分布式协同振动控制技术研究[D]. 袁秋帆.哈尔滨工业大学 2018
[9]变参数挠性航天器动力学与控制研究[D]. 王杰.国防科技大学 2017
[10]基于回归神经网络的滑坡位移时间序列预测研究[D]. 蒋平.华中科技大学 2017
硕士论文
[1]基于多目标粒子群算法的多约束组合优化问题研究[D]. 张宇丰.西安理工大学 2019
[2]轻度混合动力汽车启停系统建模与非线性控制方法研究[D]. 韩振宇.吉林大学 2019
[3]基于克里金法各向异性土体工程性质预测[D]. 郭庆.哈尔滨工业大学 2019
[4]基于混沌优化的多种群粒子群优化算法的研究及其应用[D]. 李佳玲.江苏大学 2019
[5]分数阶粒子群优化及其在聚类分析中的应用[D]. 陈秋鑫.江苏科技大学 2019
[6]基于BP神经网络的电力负荷中长期预测[D]. 朱晓露.华北电力大学(北京) 2017
[7]智能桁架卫星的振动抑制与姿态控制方法研究[D]. 常雅杰.哈尔滨工业大学 2016
[8]基于多项式模型的混沌时间序列自适应预测算法[D]. 秦超.华南理工大学 2015
本文编号：3067600
本文链接：https://www.wllwen.com/shoufeilunwen/gckjbs/3067600.html
