挠性卫星姿态机动变结构神经网络控制方法研究

摘要

卫星姿态控制系统是一个耦合的不确定非线性系统。在轨运行的卫星不可避免地受到模型参数不确定性和各种干扰力矩的影响，这些不确定性的存在使挠性卫星大角度姿态机动的控制问题进一步复杂化。因此，为了完成姿态控制任务，需要所设计的控制律具有较高的鲁棒性。本文就是在这种背景下，从理论和应用两个方面对卫星姿态控制系统的控制算法进行了深入的研究。主要完成了以下几个方面的工作：
　　首先，滑模控制有很多优点，如鲁棒性好、计算量小、实时性好、响应速度快等。因此，用滑模控制方法来控制挠性卫星姿态，用饱和函数代替符号函数来消除抖振现象。
　　其次，用滑模变结构进行挠性卫星姿态机动控制，用神经网络补偿不确定性，提高系统鲁棒性。
　　采用传统的小脑神经网络来逼近不确定性，此网络不容易产生局部极小现象。针对传统小脑神经网络实时性差，泛化能力不够好的缺点，研究了高斯基函数的小脑神经网络，运用高斯基函数代替了传统小脑神经网络量化的0或者1。针对高斯基函数小脑神经网络计算量大，应用不方便，研究了基于超立方体子空间的快速学习算法，大大提高了网络的学习速度。
　　以上的网络都需要知道输入的具体范围，这样对网络的应用有一定的限制，自组织小脑神经网络不需要知道输入范围，可根据输入值自动更新节点数和权值。这样对于挠性卫星姿态控制系统参数的变化能通过设计来满足精度要求。

目录

挠性卫星姿态机动变结构神经网络控制 方法研究

SLIDING MODE AND NEURO NETWORKS CONTROL OF FLEXIBLE SATELLITE ATTITUDE MANEUVERING

摘 要

Abstract

第1章 绪论

1.1课题来源

1.2课题背景

1.3国内外的研究现状

1.3.1姿态控制系统

1.3.2卫星姿态机动控制律国内外研究现状

1.3.3小脑神经网络(CMAC)研究现状

1.4本文的主要研究内容

第2章 挠性卫星数学模型及神经网络介绍

2.1 引言

2.2 挠性卫星姿态数学模型

2.2.1 模型建立

2.2.2 模型不确定性分析

2.3 神经网络简介

2.3.1 神经网络的基本特征

2.3.2 神经网络学习规则

2.4 本章小结

第3章 挠性卫星姿态机动滑模变结构控制方法研究

3.1 引言

3.2 PD控制器

3.3 滑模变结构控制

3.3.1 变结构基本原理及性质

3.3.2 变结构的设计方法

3.3.3 准滑模控制

3.3.4 挠性卫星姿态机动准滑模控制

3.4 仿真分析

3.4.1 挠性卫星姿态机动PD控制仿真

3.4.2 挠性卫星姿态机动准滑模变结构控制仿真

3.5 本章小结

第4章 挠性卫星姿态机动变结构神经网络控制方法研究

4.1 引言

4.2 挠性卫星姿态机动变结构神经网络控制方法设计

4.2.1 算法设计

4.2.2 稳定性分析

4.3 RBF神经网络

4.3.1 基本结构

4.3.2 学习算法

4.4 传统小脑神经网络

4.4.1 基本结构

4.4.2 学习算法及收敛性证明

4.5 仿真分析

4.5.1 挠性卫星姿态机动变结构RBF神经网络控制仿真

4.5.2 挠性卫星姿态机动变结构传统的小脑神经网络控制仿真

4.6 本章小结

第5章 挠性卫星姿态机动变结构高斯基函数CMAC及改进算法研究

5.1 引言

5.2 高斯基函数小脑神经网络

5.3 高斯基函数小脑神经网络的快速算法

5.4 自组织小脑神经网络算法

5.5 仿真分析

5.5.1 挠性卫星姿态机动变结构高斯基函数CMAC仿真

5.5.2 挠性卫星姿态机动变结构高斯基函数CMAC快速算法仿真

5.5.3 挠性卫星姿态机动变结构自组织CMAC仿真

5.6 本章小结

结 论

参考文献

哈尔滨工业大学硕士学位论文原创性声明

哈尔滨工业大学硕士学位论文使用授权书

致谢

个人简历