基于深度增强学习的卫星姿态控制方法

论文摘要

针对卫星在执行丢弃载荷或捕获目标等复杂任务时遭遇的姿态突然发生变化的问题,采用深度增强学习方法对卫星姿态进行控制,使卫星恢复稳定状态。具体来说,首先搭建飞行器的姿态动力学环境,并将连续的控制力矩输出离散化,然后采用Deep Q Network算法进行卫星自主姿态控制训练,以姿态角速度趋于稳定作为奖励获得离散行为的最优智能输出。仿真试验表明,面向空间卫星姿态控制的深度增强学习算法能够在卫星受到突发随机扰动后稳定卫星姿态,并能有效解决传统PD控制器依赖被控对象质量参数的难题。所提出的方法采用自主学习的方式对卫星姿态进行控制,具有很强的智能性和一定的普适性,在未来卫星执行复杂空间任务中的智能控制方面有着很好的应用潜力。

论文目录

• 1 姿态控制方法
•   1.1 动力学环境搭建
•     （1）建立姿态动力学模型方程
•     （2）建立姿态运动学模型方程
•     （3）搭建动力学环境
•   1.2 深度增强训练
•     （1）离散化控制力矩的连续输出
•     （2） 定义reward函数及终止条件
•     （3） 神经网络训练流程
• 2 仿真试验
•   2.1 基于PD控制器的姿态控制
•   2.2 基于DQN训练的姿态控制
• 3 结束语

文章来源

类型: 期刊论文

作者: 王月娇,马钟,杨一岱,王竹平,唐磊

关键词: 深度增强学习,卫星姿态控制,动力学环境,自主姿态控制,质量参数

来源: 中国空间科学技术 2019年04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: 西安微电子技术研究所

基金: 国家自然科学基金(61702413),航天九院技术创新基金(2016JY06)

分类号: V448.22

DOI: 10.16708/j.cnki.1000-758X.2019.0027

页码: 36-42

总页数: 7

文件大小: 1456K

下载量: 277