在軌服務(wù)及空間對(duì)抗中,很多場(chǎng)景都涉及對(duì)非合作目標(biāo)的抓捕。由于非合作目標(biāo)本身處于失控或者無(wú)合作意愿狀態(tài),動(dòng)力學(xué)特性未知,抓捕中還存在殘余相對(duì)角速度與線速度,因此抓捕后的組合體航天器姿控將面臨很大困難。本文以抓捕后的組合體姿控系統(tǒng)為研究對(duì)象,對(duì)組合體參數(shù)辨識(shí)和控制進(jìn)行了深入研究。首先,研究了一種基于卷積神經(jīng)網(wǎng)絡(luò)的智能參數(shù)辨識(shí)算法,借助深度學(xué)習(xí)在多參數(shù)尋優(yōu)上的優(yōu)勢(shì),解決組合體質(zhì)量、質(zhì)心位置以及轉(zhuǎn)動(dòng)慣量參數(shù)未知等問(wèn)題。該算法在組合體線動(dòng)量和角動(dòng)量不守恒條件下依然可以實(shí)現(xiàn)對(duì)航天器組合體多參數(shù)辨識(shí),相比以往零外力的條件,更具有普遍適應(yīng)性。該算法利用卷積神經(jīng)網(wǎng)絡(luò)權(quán)值共享的特點(diǎn),設(shè)計(jì)4層卷積神經(jīng)網(wǎng)絡(luò),通過(guò)短時(shí)間內(nèi)對(duì)大量特定存儲(chǔ)形式的狀態(tài)數(shù)據(jù)的訓(xùn)練,實(shí)現(xiàn)航天器組合體多參數(shù)快速高精度辨識(shí)。仿真表明:在24s內(nèi),質(zhì)量與質(zhì)心位置收斂;1190s內(nèi),轉(zhuǎn)動(dòng)慣量參數(shù)收斂,辨識(shí)精度在3%以內(nèi)。上述結(jié)果說(shuō)明該方法在外界隨機(jī)干擾力和力矩影響下能準(zhǔn)確快速辨識(shí)出航天器組合體質(zhì)量、質(zhì)心位置和慣量矩陣。其次,研究了一種弱計(jì)算能力下的基于卷積神經(jīng)網(wǎng)絡(luò)的模型預(yù)測(cè)控制算法,實(shí)現(xiàn)組合體多場(chǎng)景下姿態(tài)控制律的重構(gòu)。在根據(jù)深度學(xué)習(xí)辨識(shí)結(jié)果建立... 

【文章來(lái)源】：南京航空航天大學(xué)江蘇省 211工程院校

【文章頁(yè)數(shù)】：85 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

德國(guó)DEOS項(xiàng)目

非合作目標(biāo)捕獲后的組合體姿態(tài)控制技術(shù)尚處于發(fā)展階段，針對(duì)該問(wèn)題的解決方案具有一定研究?jī)r(jià)值。圖1.1 德國(guó) DEOS 項(xiàng)目 圖1.2 中國(guó)神舟 9 號(hào)對(duì)接圖1.3 美國(guó) FREND 項(xiàng)目 圖1.4 ARM 任務(wù)目前國(guó)內(nèi)外對(duì)于合作航天器的捕獲與抓捕后的組合控制在工程實(shí)踐中已得到實(shí)現(xiàn)，如日本

圖1.1 德國(guó) DEOS 項(xiàng)目 圖1.2 中國(guó)神舟 9 號(hào)對(duì)接圖1.3 美國(guó) FREND 項(xiàng)目 圖1.4 ARM 任務(wù)目前國(guó)內(nèi)外對(duì)于合作航天器的捕獲與抓捕后的組合控制在工程實(shí)踐中已得到實(shí)現(xiàn)，如日本

【參考文獻(xiàn)】：
期刊論文
[1]組合體航天器的姿態(tài)無(wú)模型自適應(yīng)控制[J]. 張憲亮,宋婷,陽(yáng)光,賀亮,袁建平,郝田蔚.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2018(10)
[2]深度學(xué)習(xí)研究綜述[J]. 張榮,李偉平,莫同.  信息與控制. 2018(04)
[3]深度學(xué)習(xí)原理及應(yīng)用綜述[J]. 付文博,孫濤,梁藉,閆寶偉,范福新.  計(jì)算機(jī)科學(xué). 2018(S1)
[4]基于深度學(xué)習(xí)的推薦系統(tǒng)研究綜述[J]. 黃立威,江碧濤,呂守業(yè),劉艷博,李德毅.  計(jì)算機(jī)學(xué)報(bào). 2018(07)
[5]組合體航天器有限時(shí)間超螺旋反步姿態(tài)控制[J]. 馬廣富,高寒,呂躍勇,宋婷,袁建平.  宇航學(xué)報(bào). 2017(11)
[6]深度學(xué)習(xí)相關(guān)研究綜述[J]. 張軍陽(yáng),王慧麗,郭陽(yáng),扈嘯.  計(jì)算機(jī)應(yīng)用研究. 2018(07)
[7]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[8]非合作體附著下的組合體航天器自適應(yīng)控制[J]. 陳雪芬,康國(guó)華.  導(dǎo)航與控制. 2016(04)
[9]空間非合作目標(biāo)慣性參數(shù)在軌辨識(shí)[J]. 孔祥龍,李文龍,李文峰,趙毅.  中國(guó)空間科學(xué)技術(shù). 2016(04)
[10]捕獲目標(biāo)后組合體航天器抗干擾自適應(yīng)控制[J]. 王益平,趙育善,師鵬,鄭翰清.  中國(guó)空間科學(xué)技術(shù). 2015(06)

博士論文
[1]在軌服務(wù)航天器位姿一體化規(guī)劃與控制[D]. 孫俊.哈爾濱工業(yè)大學(xué) 2017

碩士論文
[1]基于神經(jīng)網(wǎng)絡(luò)的快速模型預(yù)測(cè)控制算法研究[D]. 黃彥春.浙江大學(xué) 2018
[2]空間非合作目標(biāo)質(zhì)量辨識(shí)與控制研究[D]. 李鑫宇.南京航空航天大學(xué) 2017
[3]微納航天器群的智能故障診斷方法研究[D]. 王嘉軼.南京航空航天大學(xué) 2017
[4]基于神經(jīng)網(wǎng)絡(luò)和模糊邏輯的WSN智能故障診斷研究[D]. 周奚.南京航空航天大學(xué) 2017
[5]雙臂空間機(jī)器人捕獲翻滾目標(biāo)后參數(shù)辨識(shí)和控制技術(shù)研究[D]. 薛爽爽.西北工業(yè)大學(xué) 2016
[6]局部慣量未知的航天器組合體姿態(tài)控制[D]. 秦琰.哈爾濱工業(yè)大學(xué) 2015



本文編號(hào)：3606829