卫星编队保持的初始化条件及仿真分析

规则化的卫星编队具有节省编队控制能量,保持椭圆轨道卫星编队,Hill方程有一定的局限性,为了解决上述问题,将T-H方程表示为参考轨道为真近角的显函数形式,推导出相对运动方程的解析解,并推导出满足卫星编队周期运动的初始化条件,虽然此条件能很好的稳定编队队形,但得到的实际编队轨道都是不规则的形状。为此,将重点对编队轨道规则形状的初始条件进行研究。仿真结果显示,规则化初始条件能很好地保持编队轨道形状规则。     

卫星编队相对动力学方程数值解法

随着卫星技术的迅速发展,编队飞行技术得到了广泛的应用,而相对动力学数学精确模型是卫星编队飞行首先要解决的问题.为了保证卫星飞行保持稳定轨道,按Hill方程的圆轨道编队设计方法应用于椭圆轨道编队设计中,分析了相对动力学方程的精确模型.在满足椭圆轨道编队周期性运动的一般性初始化条件基础上,采用椭圆轨道编队相对动力学方程中周期解的要求,提出了一种新的数值解法.通过仿真,利用STK仿真工具,得到主从卫星的相对位置变化曲线,并对误差进行了分析,进而验证了方法的有效性和可行性.     

卫星编队长期保持与控制比较研究

卫星编队飞行的难点之一是在复杂干扰力环境下控制队形.近圆轨道,编队控制充分考虑了J_2摄动等各种干扰对相对轨道构形的影响.以空间二体运动的Hill方程为基础建立相对运动动力学方程.分别采用基于线性二次调节器、李亚普诺夫理论以及零控脱靶量的方法设计了编队控制器,对干扰力作用下卫星编队长期保持的不同控制方法进行了比较研究,并对三种编队控制方法的控制精度、能量消耗进行了仿真分析.研究表明,对于编队的长期三种保持控制方法都是有效的,但基于零控脱靶量的编队控制方法更简单、性能好、实用性强,是一种较为理想的编队控制方法.     

无人机编队队形保持变换控制器设计

研究无人机编队队形保持变换的控制设计问题.由于控制系统队形跟踪应保证姿态的稳定性,针对两架无人机在“长机-僚机”编队结构中的左菱形编队飞行控制系统,为了有效控制飞行队形,保持变换,提出了根据编队飞行的几何关系推导编队相对运动学方程,结合无人机的自动驾驶仪模型建立了相应的编队飞行线性化数学模型.采用PID控制方法分别对速度、航向和高度设计了一种能通过控制编队间距实现队形变换的三维编队队形保持变换的控制器,并进行仿真.仿真结果表明所设计的控制器能够有效地控制无人机编队,在飞行过程中可以稳定地保持队形,并能根据任务要求合理进行编队,并无碰撞,为设计提供了依据.     

低轨编队卫星构形保持的模糊PID控制

近地轨道上的编队卫星,大气摄动和J2项摄动是影响编队构形的主要因素,编队会造成卫星编队构形产生沿航迹方向漂移,导致队形发散,面质比差直接决定了漂移的方向和速度。因此可以通过调整面质比差消除漂移。可以相对队形绕飞中心的漂移距离为输入量,以卫星面质比差为控制量,用模糊控制和PID控制相结合设计控制器消除编队构形的航迹引起的漂移,实现PID参数的自寻优模糊控制。仿真利用MATLAB链接STK实现模糊PID控制的仿真,结果表明,对于两颗卫星构成的构形长半轴为10km的共面绕飞椭圆,相对构形沿航迹漂移距离能够控制在40m之内,实现了设计要求。     

基于领航-跟随的有人/无人机编队队形保持控制

针对有人/无人机编队飞行过程中的队形保持问题,采用领航-跟随策略设计一种有人/无人机编队队形保持控制器.首先从编队作战体系和控制原理角度设计有人/无人机编队控制系统结构;然后基于领航有人机与跟随无人机平面位姿的几何关系,建立编队内相对距离-角度运动学模型;最后在考虑僚机控制系统时变扰动的情况下,针对编队运动学模型特点设计动态反馈自适应编队队形保持控制器,并利用李雅普诺夫理论证明编队控制器的稳定性.仿真结果表明,所设计的控制器能够克服僚机控制模型不确定性带来的扰动影响,可以实现编队由初始误差到期望队形的快速调整以及稳定队形的保持.     

地球J_2摄动下卫星编队飞行自主相对定轨研究

卫星编队飞行自主相对定轨作为实现编队队形保持和控制的前提,是编队任务必须解决的关键技术之一.设计了一种应用于卫星编队的自主相对轨道确定方案,不同于目前广泛采用的C-W方程,采用了包含摄动影响的相对运动方程的解析表达式描述编队飞行,使得模型的精度有了很大提高.利用星间距离信息和方位信息作为观测量,设计扩展卡尔曼滤波器实现环绕星相对轨道的自主确定,仿真结果表明使用本方案得到的定轨精度比采用C-W方程提高一个数量级,验证了这种导航方案的有效性,为实现编队飞行卫星高精度自主相对定轨提供了一个有效的方案.     

基于STK的编队飞行队形保持控制及仿真

小卫星编队飞行是近年来各个国家航天领域研究的重点,而编队飞行队形的保持控制是其中的一个重要方面.主要介绍了一种基于STK的编队飞行队形保持控制仿真实现方法.控制算法采用了基于Hill方程动力学模型的线性二次型最优控制.利用STK中的嵌入式脚本(Plug-in),将由控制算法得到的队形保持控制力,添加到STK轨道计算的力学模型中,从而进行队形保持控制.通过对有一定初始构型偏差的卫星编队飞行进行仿真,控制结果表明:控制后的卫星编队队形误差可控制在1m之内,最高精度可达到厘米级.从而验证了此控制方法及仿真实现方法的可行性.     

椭圆轨道编队飞行的典型模态与构型保持控制方法

本文首先基于T—H方程推导了椭圆参考轨道编队飞行的周期性条件，讨论了椭圆参考轨道卫星编队飞行的典型模态，该模态是圆形参考轨道空间圆形模态的推广。然后论述了二阶带谐项(J2项)摄动对编队飞行构型保持的影响。最后，基于相平面法提出了一种编队飞行构型保持控制方法，该控制方法不是消极的抵消干扰的影响，而是积极的利用干扰的作用达到节约燃料并精确保持构型的目的。仿真表明，采用该控制方法可对椭圆参考轨道卫星编队构型进行有效的保持，卫星的相对位置保持精度可达到厘米量级。     

基于多任务的无人机编队控制研究

考虑到多架无人机编队飞行的特点,将松散编队及协同思想应用到紧密编队控制中,提出了一个三架无人机协同作战编队的飞行控制系统设计方法;在编队飞行动力学模型的基础上,设计了基于特征结构配置的无人机横侧向控制律,进行指定航路的飞行控制;然后,设计编队控制器,两架僚机可紧紧跟随长机并保持队形稳定;仿真结果表明,设计的控制器可以控制多架无人机进行紧密编队飞行,具有一定的实用性和推广价值。     

LQ终端控制器设计的生成函数方法及其应用

利用哈密顿系统生成函数的性质求解LQ终端控制问题,并给出了相应的数值方法.针对现有文献中此类问题的最优控制律在终端时刻存在无穷大增益的情况,利用第二类生成函数的性质求解哈密顿系统两端边值问题并构造了无终端奇异性的时变最优控制律.然后根据哈密顿系统状态的正则变换性质导出了求解生成函数系数矩阵微分方程和计算时变控制律的矩阵递推格式.最后用所提出的方法研究了以能量均衡消耗为约束条件的卫星编队重构问题,设计了符合要求的闭环控制系统并给出了数值仿真结果.     

Distributed optimal formation algorithm for multi-satellites system with time-varying performance function

ABSTRACT

This paper studies a fully distributed optimal formation flying problem for a multi-satellite system with a chief satellite and some deputy satellites, in order to seek the optimal formation via simple local information exchange. A distributed algorithm is proposed such that the satellites team performance is optimised in finite time while all of the satellites meet the formation constraint. To achieve the optimal flight, the performance functions for each deputy satellite that can describe the satellite's contribution to the task are introduced. Here, the performance functions can be time varying, which generally changes the problem from finding the fixed optimal point to tracking the optimal trajectory. Theoretical studies indicate that the proposed algorithm will optimise the satellites flight and all of the satellites can keep the desired communication distance. Finally, simulation examples are presented to show the validity of the theoretical results.     

Two-loop reinforcement learning algorithm for finite-horizon optimal control of continuous-time affine nonlinear systems

This article proposes three novel time-varying policy iteration algorithms for finite-horizon optimal control problem of continuous-time affine nonlinear systems. We first propose a model-based time-varying policy iteration algorithm. The method considers time-varying solutions to the Hamiltonian–Jacobi–Bellman equation for finite-horizon optimal control. Based on this algorithm, value function approximation is applied to the Bellman equation by establishing neural networks with time-varying weights. A novel update law for time-varying weights is put forward based on the idea of iterative learning control, which obtains optimal solutions more efficiently compared to previous works. Considering that system models may be unknown in real applications, we propose a partially model-free time-varying policy iteration algorithm that applies integral reinforcement learning to acquiring the time-varying value function. Moreover, analysis of convergence, stability, and optimality is provided for every algorithm. Finally, simulations for different cases are given to verify the convenience and effectiveness of the proposed algorithms.     

Study on the Application of Iterative Learning Control to Terminal Control of Linear Time-varying Systems

An iterative learning control algorithm based on shifted Legendre orthogonal polynomials is proposed to address the terminal control problem of linear time-varying systems. First, the method parameterizes a linear time-varying system by using shifted Legendre polynomials approximation. Then, an approximated model for the linear time-varying system is deduced by employing the orthogonality relations and boundary values of shifted Legendre polynomials. Based on the model, the shifted Legendre polynomials coefficients of control function are iteratively adjusted by an optimal iterative learning law derived. The algorithm presented can avoid solving the state transfer matrix of linear time-varying systems. Simulation results illustrate the effectiveness of the proposed method.     

迭代学习控制在线性时变系统终端控制问题中的应用研究

An iterative learning control algorithm based on shifted Legendre orthogonal polynomials is proposed to address the terminal control problem of linear time-varying systems. First, the method parameterizes a linear time-varying system by using shifted Legendre polynomials approximation. Then, an approximated model for the linear time-varying system is deduced by employing the orthogonality relations and boundary values of shifted Legendre polynomials. Based on the model, the shifted Legendre polynomials coefficients of control function are iteratively adjusted by an optimal iterative learning law derived. The algorithm presented can avoid solving the state transfer matrix of linear time-varying systems. Simulation results illustrate the effectiveness of the proposed method.     

多星系统相对轨道的自适应协同控制

基于一致性理论,在无向拓扑结构上对多星系统相对轨道的协同控制问题进行了研究.本文考虑近地卫星相对轨道的非线性方程,首先设计控制律使得多星系统形成目标队形,并给出了速度阻尼和通信拓扑(相对速度间的拓扑关系)连通性之间的关系;其次,针对卫星质量具有不确定性的情形,设计了新的辅助变量,提出了自适应的协同控制律,这里要求传感(相对位置间的拓扑关系)和通信具有相同的拓扑结构.最后对4颗卫星的编队飞行进行了仿真分析,仿真结果表明本文设计的协同控制律是有效可行的.     

深空环境下三星库仑编队重构控制研究

本文研究了深空环境下三星库仑编队构型重构控制问题.首先考虑外界环境干扰作用(主要以太阳光压为主)和德拜效应影响,推导出精确的三星库仑编队动力学方程.针对库仑编队动力学特性和太阳光压对于编队任务控制精度的影响,设计基于BP神经网络的PID控制方法.PID控制结构简单,稳定性好,BP神经网络具有超强的自主学习和非线性逼近干扰能力,二者有机结合,通过BP神经网络输出最优的PID控制参数组合,改变卫星所带电荷从而改变卫星之间库仑力大小,使编队渐近稳定并按期望距离和构型飞行.仿真结果表明基于BP神经网络PID控制性能明显优于传统PID控制,大大提高了编队控制精度和系统对于外界干扰的鲁棒性.     

基于IGPC的时变大时滞系统自适应控制

针对工业过程中常见的参数时变和大时滞问题，研究了广义预测控制算法在其中的应用问题。为了克服普通广义预测控制算法计算复杂的缺点，采用隐式广义预测控制算法(IGPC)通过直接辩识控制器参数求解最优控制增量，具有计算量小、计算速度快的特点。仿真结果表明，在不需要关于被控对象的先验知识的情况下，隐式广义预测自校正控制器能很好地跟踪设定值的变化，当参数时变时仍具有很好的控制性能，适合于实现时变大时滞系统的自适应控制。     

非线性椭圆型种群模型的最优控制问题

The optimal control problem for a nonlinear elliptic population system is considered. First, under certain hypotheses, the existence and uniqueness of coexistence state solutions are shown. Then the existence of the optimal control is given and the optimality system is established.