模糊滑模与神经网络混合卫星姿态控制

摘要

姿态控制系统是保证卫星在轨期间能否具有高水平控制性能的关键。随着科技发展和社会进步，人类对卫星的要求任务越来越多样化，这会导致卫星的结构趋于复杂化。结构的复杂化会在一定程度上使得卫星姿态控制系统在工作时受到的不确定因素变多。所以在对卫星姿态控制系统的设计中，需要寻求一些优越的方法对这些问题进行处理，以期能得到一个在复杂空间环境下的高水平设计方案。
　　考虑到卫星的初始混沌状态，利用滑模变结构控制来解决卫星混沌状态并提高姿态控制的稳定性和精度。考虑到滑模变结构存在的抖振及其消极影响，采用基于指数趋近律的模糊滑模控制方法对抖振进行大幅度削弱直至基本消除。但在降抖的控制方法中未充分考虑对卫星数学模型中复合干扰的逼近，引入基于改进粒子群的径向基神经网络方法对复合干扰进行逼近。仿真验证了设计的模糊滑模与神经网络混合方法不但保证了卫星姿态控制的稳定，同时消除了控制力矩的抖振，并对干扰实现了有效的逼近，展现出优越的控制性能。论文的主要研究内容包括:
　　首先，对卫星姿态控制问题的基本知识进行了简要的介绍，包括国内外研究现状、相关坐标系的定义、姿态描述方法和卫星姿态模型的建立等。简要介绍了混沌系统的相关概念，并通过仿真表现了卫星在未加入控制时的混沌状态。将本文重点选用的滑模变结构控制加入卫星混沌系统中，仿真验证了加入滑模变结构控制方法后对卫星混沌状态的解决。
　　其次，采用趋近律的方式实现对滑模变结构控制方法的抖振削弱。将基于等速趋近律和基于指数趋近律的滑模变结构控制方法进行仿真对比，验证了指数趋近律对抖振的大幅削弱。但仿真结果表明控制力矩的抖振虽大幅减弱但并未基本消除，将模糊方法嵌入到基于指数趋近律的滑模控制，仿真验证了模糊滑模对控制力矩抖振的基本消除。
　　然后，充分考虑刚体卫星运动模型中可能存在的未知干扰，对于干扰采用神经网络方法进行逼近。为了得到良好的逼近效果，将粒子群方法进行改进后对径向基神经网络进行优化，仿真验证了优化后方法的优越性。
　　最后，为了实现对卫星姿态稳定和全面的控制，将第四章设计的基于改进粒子群算法的径向基神经网络与第三章利用模糊方法对滑模控制律中影响系统抖振的切换增益ks的设计进行结合，得到基于改进粒子群算法的模糊滑模与神经网络混合控制律。仿真结果表明，设计的模糊滑模与神经网络混合控制方法在原始混沌卫星系统中改善混沌状态的同时解决了抖振问题，并在充分考虑复合干扰的情况下保证了控制效果的稳定。

目录

声明

摘要

第1章绪论

1．1课题的研究背景及意义

1．2卫星姿态控制问题概述

1．2．1卫星姿态控制系统的分类

1．2．2卫星姿态控制系统的组成

1．2．3卫星姿态控制系统存在的问题

1．3国内外研究现状

1．3．1卫星姿态控制方法国内外研究现状

1．3．2滑模变结构控制方法国内外研究现状

1．4论文的章节安排及主要工作

第2章卫星姿态控制系统建模及滑模控制原理

2．1卫星姿态运动模型的建立

2．1．1坐标系定义

2．1．2卫星姿态描述方法

2．1．3卫星姿态方程

2．2干扰力矩模型

2．3稳定性理论

2．4滑模变结构控制

2．4．1滑模变结构控制原理

2．4．2滑模变结构控制存在的问题

2．5本章小结

第3章基于指数趋近律的模糊滑模变结构控制器设计

3．1卫星混沌系统

3．1．1混沌系统

3．1．2卫星的混沌状态

3．1．3卫星混沌系统仿真分析

3．1．4卫星混沌系统的滑模变结构控制器设计

3．1．5卫星混沌系统的滑模变结构控制器的仿真分析

3．2基于指数趋近律的滑模变结构控制器设计

3．2．1趋近律方法

3．2．2传统滑模控制器

3．2．3基于指数趋近律的滑模变结构控制器设计

3．2．4仿真分析

3．3基于指数趋近律的模糊滑模变结构控制器设计

3．3．1模糊控制系统

3．3．2基于指数趋近律的模糊滑模变结构控制器设计

3．3．3仿真分析

3．4本章小结

第4章改进粒子群算法优化径向基神经网络

4．1改进粒子群算法

4．1．1粒子群算法

4．1．2粒子群算法的改进

4．1．3仿真分析

4．2径向基神经网络

4．2．1径向基神经网络的结构

4．2．2径向基神经网络的决定参数

4．3改进粒子群算法优化径向基神经网络

4．3．1优化方法

4．3．2仿真分析

4．4本章小结

第5章模糊滑模与神经网络混合卫星姿态控制

5．1基于改进粒子群算法的径向基神经网络对卫星的姿态控制

5．1．1考虑复合干扰的卫星姿态建模

5．1．2径向基神经网络的逼近

5．2模糊滑模与神经网络混合控制系统

5．2．1模糊滑模与神经网络混合系统结构

5．2．2模糊滑模与神经网络混合系统设计

5．2．3仿真分析

5．3本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢