低轨回归轨道卫星轨迹漂移特性分析与控制

针对低轨回归轨道卫星,建立了星下点轨迹漂移的数学模型,研究了星下点轨迹保持控制的问题。首先,分析了回归轨道星下点轨迹的约束条件,给出了星下点轨迹漂移与卫星轨道根数偏差之间的关系。在此基础上,将星下点轨迹保持控制问题转化为基于平均轨道根数的相对轨道控制问题,其中参考卫星是虚拟的,仅受到地球引力影响,利用高斯摄动方程建立了包含J₂摄动和大气阻力摄动的相对运动方程,基于Lyapunov理论设计了星下点轨迹保持的相对平均轨道根数反馈控制律。仿真结果表明,所设计的星下点轨迹控制律能有效地实现星下点轨迹保持的要求。     

基于摄动的不稳定编队协同控制系统仿真

编队卫星构形精确保持是实现分布式卫星任务的关键技术。基于摄动对编队相对轨道构形的影响,针对卫星轨道半长轴有偏差的不稳定编队,设计了一种基于视线测量无主星编队的循环协同控制系统。编队中每一颗卫星跟踪自己轨道前方邻近卫星,产生一个视线测量矢量,编队的第一颗卫星追踪最后一颗卫星,产生循环编队,将编队卫星之间的视线距离作为反馈控制量来实现队形控制,文章给出了相对摄动力方程和控制系统的仿真算例,仿真结果表明,该循环协同控制系统能够实现队形控制的稳定性。     

J2摄动下编队构形保持脉冲控制方法

针对卫星编队轨道构形在J2摄动干扰作用下被破坏的问题，给出了两种构形保持脉冲控制策略。首先，分析J2摄动对编队卫星相对轨道要素的影响，即J2摄动使相对升交点赤经、近地点辐角和平近点角产生长期漂移。然后，结合高斯摄动方程，分别设计了切向加法向脉冲和径向加法向脉冲两种控制方法修正从星升交点赤经、近地点辐角和平近点角的偏差，从而实现卫星编队的构形保持。数值仿真结果表明，两种方法都能够有效地修正编队构形偏差，且采取切向加法向脉冲的构形修正方式更有利于节省燃料消耗。     

卫星编队脉冲机动维持控制与策略

针对近地圆轨道卫星编队维持问题，开展了脉冲控制方案与维持控制策略研究，并搭建了仿真环境进行验证。根据相对轨道根数(relative orbital elements, ROEs)的状态转移方程，推导了各ROEs元素在J₂摄动下的漂移速率，并针对编队构型受到空间摄动的破坏问题，提出了两种不同的编队脉冲控制方案和维持策略。基于空间圆编队长期维持需求，建立了包括高精度轨道递推算法的任务仿真环境，从脉冲消耗与控制误差对提出的方案策略进行了分析讨论，验证了脉冲方案与维持策略的可行性。仿真结果表明，所提出的脉冲控制方案与维持策略具有较高的有效性及可靠性，可用于未来空间编队飞行任务。     

具有性能预设的多机编队目标跟踪控制

针对无人机编队目标跟踪中性能不可控的问题, 提出了一种具有性能预设的分布式多机编队目标跟踪控制方法。首先提出一种基于运动参数组的编队队形描述与目标跟踪方法, 实现了编队的相位预设与队形控制; 其次利用误差变换方法将有性能约束的误差问题转换为无约束误差控制问题, 并给出了一致性预设性能控制律; 然后分别设计了指数型和预设时间型性能函数, 实现了同一控制律下对不同性能的控制, 保证了编队目标跟踪过程中的收敛时间以及瞬态和稳态性能。最后,仿真证实了无人机编队能够在预期设定的性能范围内实现编队队形控制, 并成功跟踪目标。     

J2摄动影响下的卫星编队稳定性分析、仿真与构形设计

从坐标变换矩阵入手，得到小偏心率参考轨道卫星编队较精确的相对运动分析解，继而深入地分析在地球J2项摄动影响下编队构形的破坏机理并对构形破坏做出层次上的划分，为进一步地研究编队构形保持与控制方法提供思路；以此为基础，提出使卫星编队构形稳定的轨道约束条件，同时得到基于三轴(即参考卫星轨道的径向、沿迹向、轨道面法向)振动同步的编队构形设计方法；最后，通过使用STK软件的数值仿真证实了以上分析的正确性和方法的有效性。     

基于图Laplacian的多机编队目标跟踪方法

针对多无人机目标跟踪问题中存在的相位协同时间长和跟踪目标速度受限问题,基于图Laplacian方法提出一种分布式多机编队目标跟踪算法.首先,将无人机编队队形控制问题转换为基于旋转、缩放和平移的运动参数组设计问题,并通过设计编队控制律,实现动态编队队形的精准生成与变换.其次,将此编队队形控制方法应用到目标跟踪问题上,通过...     

基于小波变换的轨道摄动时间序列建模及仿真

卫星摄动分析是卫星定轨的关键。卫星摄动变化规律复杂,直接影响定轨精度和计算效率。在摄动力分类和轨道摄动偏差统计分析的基础上,给出了一种基于小波变换的卫星轨道摄动时间序列分析建模方法。研究了基于小波变换的卫星轨道摄动偏差特征提取方法,能够对轨道摄动偏差做出很好的预测和噪声平滑;采用时间序列分析方法,构造了摄动偏差残差的统计模型;建立了基于卫星轨道摄动偏差残差AR（2）平稳时间序列表示的稀疏参数化卫星摄动的精确模型,达到对卫星轨道进行有效预测的目的。     

基于相对偏心率/倾角矢量的编队控制方法

基于高斯摄动方程,分别提出了效率高及燃耗少的两种编队脉冲控制方法。两方法均设计了同样的法向脉冲修正轨道面外队形偏差。对于轨道面内队形偏差,方法一设计了径向脉冲和径向、迹向的“合力脉冲”完成修正控制;方法二设计了两迹向脉冲实现对相对半长轴、偏心率和近地点幅角的修正,以及两径向脉冲来消除相对平近点角偏差。理论分析与仿真结果表明,与经典五脉冲控制方法相比,方法一和方法二分别具有高效和燃耗少等优点。     

无人机三维编队保持的自适应抗扰控制器设计

针对无人机编队飞行过程中领航无人机在三维空间机动飞行时的编队队形保持问题,构建了无人机三维编队保持控制系统。根据无人机编队飞行三维空间几何学关系,利用无人机自动驾驶仪模型和编队运动学模型建立了旋转坐标系下三维编队飞行的数学模型。在考虑闭环系统存在时变外界干扰的情况下,设计了无人机编队保持的自适应控制器,并基于李亚普诺夫理论,对设计的自适应控制律的稳定性进行了证明。最后通过仿真验证,该控制器能够有效抑制干扰带来的影响,使僚机能够迅速跟随长机机动,并保持编队队形的稳定。     

多终端仅测速实时定轨的自适应联邦STCKF算法

针对多手持终端仅测速实时定轨问题,设计了一种自适应联邦强跟踪容积卡尔曼滤波(strong tracking cubature Kalman filter,STCKF)算法。首先,使用欧拉预测校正法对带J2项摄动的轨道动力学方程进行离散得到状态方程。然后,为每个手持终端设计了STCKF滤波算法,该算法基于强跟踪滤波(strong tracking filter,STF)的等价表示计算次优渐消因子以在线实时调整增益矩阵,提高短弧段内滤波估计收敛速度。进而,利用信息最优合成算法对每个终端输出的局部定轨结果进行融合,为提高信息融合精度,信息分配因子由误差协方差矩阵的Frobenius范数自适应确定。最后的仿真结果表明,欧拉预测校正法可以有效提高轨道动力学方程离散精度,自适应联邦STCKF算法可以有效提高实时定轨精度和滤波收敛速度。     

近圆参考轨道卫星编队脉冲控制方法

针对高斯摄动方程在描述近圆轨道时其近地点幅角和平近点角存在奇异性的问题,采用非奇异轨道要素描述卫星轨道运动,推导了适用于近圆参考轨道编队的非奇异轨道要素脉冲控制模型。基于该模型,首先设计了一个法向脉冲同时调整轨道倾角和升交点赤经偏差;然后,先假定采取在两个位置分别同时施加切向和径向脉冲的策略调整其余轨道要素偏差,分析了如在第一个位置施加切向脉冲时将会导致的复杂非线性问题,从而提出了一种在轨道上的某两个位置分别仅施加径向和切向脉冲的双脉冲控制修正算法,并且分析了该算法的燃料消耗情况。最后通过数值仿真验证了算法的简单性和有效性。     

椭圆轨道上目标监测绕飞轨道构型设计与构型保持

重点研究了对椭圆轨道上非合作目标进行长期绕飞监测的相对运动轨道构型设计与构型保持问题。利用轨道要素法建立了适用于目标轨道为椭圆轨道的相对运动模型,推导了以目标为中心的周期性绕飞运动的必要条件,考虑绕飞安全距离约束给出了满足目标监测要求的绕飞轨道设计方法,针对J₂摄动和大气阻力摄动作用对绕飞轨道构型的影响,提出了绕飞轨道构型保持脉冲控制策略,建立了燃料最省构型保持非线性规划模型。仿真结果表明, 所提出的构型设计方法简单有效,适用于对椭圆轨道上目标的绕飞相对运动分析,基于非线性规划方法的构型保持最优控制方法能够有效实现燃料最省绕飞轨道构型保持的高精度控制。     

卫星自主定轨中轨道摄动仿真

本文针对组合大视场星敏感器卫星自主定轨方法,建立了地球非球形摄动下的广义卡尔曼滤波仿真模型,滤波过程采用了新的改进算法。通过计算机仿真,说明该自主定轨方法具有很高的位置、速度均方误差估计精度且算法是收敛的。计算给出了一日内的卫星轨道,反映了在地球非球形摄动下轨道的变化情况,且对轨道面的进动进行了计算。     

基于ALPSO算法的低轨卫星小推力离轨最优控制方法

低轨卫星在到寿后,需要在一定时间内离轨,而轨道高度高于800 km的卫星难以在自然条件下离轨。为了使卫星在规定时间内离轨,提出一种基于增广拉格朗日粒子群优化(augmented Lagrangian particle swarm optimization, ALPSO)算法的低轨卫星小推力离轨最优控制算法。首先依据小推力的特点列出摄动方程,并利用哈密尔顿方程求出带协状态参数的最优控制率。而后分别阐述了粒子群算法和增广拉格朗日方法,并据此得出了算法流程。最后与遗传算法的优化结果进行对比。结果表明, ALPSO算法迭代次数较少,收敛精度较高,降低轨道高度的第一种处置轨道适用于轨道高度821 km的卫星离轨,离轨时间为857天。该算法可用于低轨卫星小推力离轨问题的求解。