基于深度学习的组合体航天器模型预测控制

论文摘要

利用模型预测算法先预测控制结果后控制的类人行为特点,借助深度学习在多参数寻优上的优势,提出了一种基于卷积神经网络的模型预测控制算法,满足航天工程低硬件需求,实现组合航天器多场景下姿态控制律的重构。该算法首先利用模型预测控制将组合航天器从初始状态控制到预期状态,然后将控制过程中状态量用于3层3核卷积神经网络的训练,训练完成后,用该卷积神经网络代替模型预测对组合航天器进行控制,从而降低计算资源需求。仿真校验表明:该算法可预测5个控制周期内的控制参数,相比传统模型预测算法所需硬件计算时间降低约5倍,在一般硬件环境下30 s内即可完成各场景下的组合航天器姿态控制,控制精度在10-4量级。

论文目录

• 0 引 言
• 1 航天器模型预测控制建模
•   1.1 模型预测下的姿态动力学建模
•   1.2 模型预测下的姿态运动学建模
• 2 基于深度学习的模型预测控制算法设计
•   2.1 控制算法总体设计
•   2.2 模型预测控制器设计
•     2.2.1 模型预测方程
•     2.2.2 滚动优化
•   2.3 深度学习网络设计
•     2.3.1 卷积神经网络结构设计
•     2.3.2 深度学习网络控制
• 3 仿真校验和分析
•   3.1 仿真环境设置
•   3.2 模型预测控制仿真分析
•   3.3 基于深度学习模型预测控制仿真分析
• 4 结 论

文章来源

类型: 期刊论文

作者: 康国华,金晨迪,郭玉洁,乔思元

关键词: 深度学习,组合航天器,模型预测,卷积神经网络,姿态控制

来源: 宇航学报 2019年11期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 航空航天科学与工程

单位: 南京航空航天大学航天学院

基金: 空间智能控制技术重点实验室开放基金资助项目(ZDSYS-2017-01,KGJZDSYS-2018-07)

分类号: V448.2

页码: 1322-1331

总页数: 10

文件大小: 2605K

下载量: 342