基于卷积神经网络的挠性航天器动力学建模及PD控制设计

【作者】 任和； 钟睿；

【机构】 北京航空航天大学大学宇航学院；

【摘要】 航空航天技术在二十世纪取得了长足的进步和发展,进入二十一世纪后,为了应对更加复杂,苛刻的应用环境,大型化、挠性化、低刚度的航天器是一个重要的发展方向。想要精确分析带有挠性附件结构航天器的动力学特性是非常复杂的,在工程应用上,往往采用有限元的方法进行离散化,同时为了简化模型,通常采用模态截断的方法来降低模型的复杂度。可即便如此,对于带有多挠性附件或折叠式挠性附件航天器来说,模型依旧十分复杂,给动力学分析带来巨大困难。为了解决这一问题,本文提出一种卷积神经网络辨识模型,该模型通过对挠性附件上的均布采样点的振动位移进行辨识,能够拟合出该挠性附件的干扰耦合力矩。同传统辨识方法相比,该辨识模型辨识更加直接,通过检测挠性附件不同振动点位移直接辨识出耦合力矩;同时,由于耦合力矩可测,航天器入轨后可以很快的修正辨识模型,避免了传统辨识方法精度低,辨识模态和阵型困难的问题。在此辨识模型的基础下对挠性航天器进行建模,通过将挠性附件结构的耦合力矩精确辩视后视作外加干扰力矩,把复杂的挠性航天器动力学模型转化成中心刚体外加挠性附件干扰的单刚体动力学模型,使得动力学模型形式更加简化,方便后续的控制器设计。同时由于该神经网络模型输入仅为挠性附件采样点的振动位移,而挠性附件的振动位移目前有多种可行办法可测,如摄影测量等,故该神经网络模型理论上是易实现的,且应用门槛低,可应用在多种工程场合,在航天领域有一定的应用空间。最后本文基于该神经网络模型对带有单挠性附件航天器进行了设计PD控制,验证了该方法的可行性,同时与普通PD控制律进行对比,发现该方法具有收敛性快等优点。更多还原