基于大脑情感学习的推力矢量无人机姿态控制

建立了与普通无人机相区别的带推力矢量的无人机数学模型,并提出了一种基于大脑情感学习(brain emotion learning, BEL)的推力矢量无人机姿态控制方法。首先设计了气动控制器和近似推力矢量控制器,然后设计了基于BEL算法的推力矢量控制补偿器。对无人机全量模型进行非线性数值仿真,结果验证了所建立的数学模型的正确性、推力矢量技术在无人机姿态控制上的特定优势以及BEL智能方法的自学习、自适应能力。     

改进粒子滤波在捷联惯导系统姿态确定中的应用

捷联惯导系统姿态确定问题本质上是一个非线生滤波估计问题.针对传统的扩展卡尔曼滤波不再适用于非线性和非高斯分布的系统,和一般粒子滤波存在粒子退化和粒子耗尽等问题,提出了将马尔可夫链蒙特卡罗(MCVC)正则粒子滤波算法应用于捷联惯导系统的姿态确定中.计算机仿真表明了该方法在加快收敛速度、提高姿态精度和自适应调整粒子个数方面的有效性和可行性.     

喷气/偏置动量轮联合微小卫星三轴稳定控制

针对偏置动量轮加喷气的微小卫星姿态控制方案,给出了LQG和Lyapunov控制的两种三轴稳定控制方法.首先以轨道系为参考建立了卫星、偏置动量轮以及喷气系统模型,在此基础上设计了两种喷气/动量轮联合控制律.仿真结果表明两种控制方法,将动量轮和采用PWM技术的喷气系统进行联合控制,与单独动量轮俯仰控制、喷气进行滚动-偏航控制的传统方法相比较,具有更高的控制精度,并且减少喷气系统的燃料消耗,同时还可以减少动量轮饱和的机会.     

欠驱动双足步行机器人通用仿真软件的开发

设计了欠驱动步行机器人开放式通用仿真、实验测试软件平台,应用MATLAB对具有膝关节的多自由度欠驱动双足行走机器人进行了运动.动力学建模与数值仿真,利用姿态还原算法重建机器人行走的运动学过程,应用计算机通信接口实现与机器人原型机的双向通信与控制连接,并应用VC++/OpenGL实现了人机交互界面和机器人行走的3D动画演示,研究成果对欠驱动双足机器人仿真、控制开发以及实验研究具有重要的应用价值.     

基于控制叶片的太阳帆姿态控制系统建模与仿真

针对由太阳帆薄膜、结构杆、有效载荷和四个控制叶片所组成的太阳帆航天器系统,从物理模型出发,利用欧拉方程建立了姿态动力学模型.对该类太阳帆航天器的系统能控性和稳定性进行分析,并通过数值仿真对太阳帆航天器三轴姿态控制的响应特性和行星际轨道转移过程中姿态控制效果进行研究.研究结果表明,在行星际飞行中利用四个控制叶片来对太阳帆航天器进行三轴姿态控制的方法是可行的.     

基于多种软件平台的卫星动力学仿真研究

卫星工具包STK(SatelliteToolKit)只能对自身的模块化方案进行验证和演示。引入了三维建模技术和可视化技术,并基于STK和Matlab的无缝连接,研究建立卫星动力学仿真系统。该仿真系统采用建模软件LightWave建立卫星三维模型,利用STK/Matlab模块提供的接口功能,开发新的轨道与姿态控制模块,为用户定制的轨道与姿态控制方案提供仿真、验证和演示。     

扑翼微型飞行器自适应鲁棒姿态控制

给出了扑翼微型飞行器姿态控制系统的数学模型,并提出了一种自适应鲁棒控制的新方法。飞行过程的复杂性使得姿态控制器的设计极具挑战性,主要困难是系统表现为非线性、不确定性、多变量参数耦合以及各种干扰。由于自适应鲁棒控制不依赖系统的精确数学模型,所以将系统分为名义模型、结构不确定性和非结构不确定性,对其分别设计直接反馈控制器、自适应控制器和鲁棒控制器,并用李亚普诺夫定理分析了系统的稳定性。仿真结果证实了所提方法的有效性。     

拦截器姿态控制系统切换控制方法研究

为增强拦截器姿态控制系统的鲁棒性,提出了一种切换控制方法来控制拦截器的姿态。该切换控制方法主要包括双重推力水平切换,相平面控制律与准滑模控制律切换和角度反馈切换。给出了高水平推力和低水平推力的切换逻辑,相平面控制与准滑模控制律的切换准则和角度反馈中俯仰角和攻角的切换策略。仿真实验表明,采用切换控制方法所设计的姿控系统可以适应大气层内外飞行,鲁棒性较强。     

航天器姿态的神经网络动态逆控制

针对航天器姿态系统,提出了一种基于自适应神经网络动态逆的控制算法。该算法针对滚转、俯仰和偏航三个姿态子系统,设计了两组神经网络:第一组是BP网络,用来逼近三个姿态通道的非线性项,可获得姿态逆模型;第二组是非线性自适应神经网络,用于在线实时地补偿逆模型存在的误差和外加干扰。详细分析了非线性自适应神经网络的拓扑结构、学习规则和调整算法。给出了应用该算法的具体实例,通过仿真实验证明该算法的有效性。     

基于IMM/EA的卫星姿态控制系统重构容错控制

研究了在轨卫星姿态控制系统发生可修复性故障状况下的系统重构容错控制。对于处于稳态的三轴稳定卫星,当姿态发生突变时,启动故障检测与诊断(FDD)子系统,采用交互式多模型(IMM)算法得到故障发生的位置以及故障模型,同时利用故障模型中的动力学系统进行特征结构配置(EA),生成重构控制器对原系统进行补偿控制。将FDD过程与重构控制器的设计过程结合,避免了单独设计FDD子系统然后再进行系统重构带来的计算量和时间延迟。最后通过数值仿真验证了该算法的有效性。