基于迭代学习观测器的卫星姿态控制系统的鲁棒容错控制

合集下载

基于迭代学习观测器的容错控制

，
ＡｂｔａｔＡｎｕｉｅｔｏｏｏｙｆｒｔｅｆｕｔｄｔｃｉｎａｄｔｅｆｕｔｔｌｒｎｏｔｏａｅｎｉｒｔｖｓｒｃ：ｎｆｄｍｅｈｄｌｇｏｈａｌｅｅｔｎｈａｌｏｅａｔｃｎｒｌｓｄｏｔａｉｅｉｏｂｅ
Ｔｈｔｂｌｙｏｈｌｓｄｌｏｙｔｍｓｒｇｒｕｌｓａｌｈｄｕｄｒｃｒａｎａｓｍｐｉｎ．Ｂｏｈｔｅｅｓａｉｔｆｔｅｃｏｅ —ｏｐｓｓｅｉｉｏｏｓｙｅｔｂｉｅｎｅｅｔｉｓｕｔｏｓｉｓｔｈ
ＦａｌｌｒｎｔＣｏｒｓｄｏｎＩｅａｉｅＬｅｒｎｇＯｂｅｖｒｕｔＴｏｅａｎｔｏｌＢａｅｔｒｔｖａｎｉｓｒｅ
ＣａｉＪｕｎｉｗｅ。ＨＳｈｕｓｎｏｏｇ
（ｏｌｅｏｔｍａｉｎＥｇｎｅｉｇＮａｊｇＵｎｖｒｉｆＡｒｎｕｉｓ８Ａｓｒｎｕｉ，ａｊｇ１０６ＣｉａＣｌｇｆｅＡｕｏｔｎｉｅｒ，ｎｉｉｅｓｙｏｅｏａｔＬｔａｔｓＮｎｉ，２０１，ｈｎ）ｏｎｎｔｃｏｃｎ
ｌａｎｎｂｅｖｒＩＯ）ｉｐｅｅｔｄｅｒｉｇｏｓｒｅ（Ｌｓｒｓｎｅ．ＴｈＬＯｕｐｉｓｓａｅｅｔｍａｅｎｈａｌｄｔｃｉｎ，ａｄｃｎｅＩｓｐｌｔｔｓｉｔｓａｄｔｅｆｕｔｅｅｔｅｏｎｏ－

非线性模型预测控制的若干问题研究

非线性模型预测控制的若干问题研究一、概述随着现代工业技术的快速发展，非线性模型预测控制（Nonlinear Model Predictive Control，NMPC）已成为控制领域的研究热点。

非线性系统广泛存在于实际工业过程中，其特性复杂、行为多样，且具有不确定性，这使得传统的线性控制策略在面对非线性系统时往往难以取得理想的效果。

研究非线性模型预测控制策略，对于提高控制系统的性能、稳定性和鲁棒性具有重要意义。

非线性模型预测控制是一种基于非线性模型的闭环优化控制策略，其核心思想是在每个采样周期，以系统当前状态为起点，在线求解有限时域开环最优问题，得到一个最优控制序列，并将该序列的第一个控制量作用于被控系统。

这种滚动优化的策略使得非线性模型预测控制能够实时地根据系统的状态变化调整控制策略，从而实现对非线性系统的有效控制。

非线性模型预测控制的研究也面临着诸多挑战。

由于非线性系统的复杂性，其预测模型的建立往往较为困难，且模型的准确性对控制效果的影响较大。

非线性模型预测控制需要在线求解优化问题，这对计算资源的需求较高，限制了其在实时性要求较高的系统中的应用。

非线性模型预测控制的稳定性和鲁棒性也是研究的重点问题。

本文旨在深入研究非线性模型预测控制的若干关键问题，包括非线性模型的建立、优化算法的设计、稳定性和鲁棒性的分析等。

通过对这些问题的研究，旨在提出一种高效、稳定、鲁棒的非线性模型预测控制策略，为实际工业过程的控制提供理论支持和实践指导。

1. 非线性模型预测控制（NMPC）概述非线性模型预测控制（Nonlinear Model Predictive Control，简称NMPC）是一种先进的控制策略，广泛应用于各种动态系统的优化控制问题中。

NMPC的核心思想是在每个控制周期内，利用系统的非线性模型预测未来的动态行为，并通过求解一个优化问题来得到最优控制序列。

这种方法能够显式地处理系统的不确定性和约束，因此非常适合于处理那些对控制性能要求较高、环境复杂多变的实际系统。

鲁棒性控制理论在飞行器自主飞行中的应用

鲁棒性控制理论在飞行器自主飞行中的应用鲁棒控制理论是在飞行器自主飞行领域中被广泛应用的一种控制理论。

鲁棒控制理论是一种能够使系统在面对不确定性和干扰时仍然保持稳定性与可控性的控制方法，具有很好的适应性和鲁棒性。

在飞行器自主飞行领域，鲁棒控制理论可以有效地提高自主决策能力和实现智能化飞行。

一、飞行器控制的难点在飞行器自主飞行中，控制是一个非常重要的环节。

然而，由于飞行器本身的不确定性、环境的不可预知性和意外干扰等因素，使得飞行器控制面临着诸多难点。

一方面，飞行器本身具有很高的复杂度，其动力学方程包含了非线性、时变、多变量等元素，制约了传统控制方法的应用。

另一方面，外部环境变化的复杂性和干扰的不可预知性也使得控制面临更多的挑战。

因此，在传统控制方法的基础上，鲁棒控制理论逐渐成为应对这些挑战的新方法。

二、鲁棒控制理论的特点鲁棒控制理论是一种针对飞行器控制中的不确定性和干扰的控制方法，适用于解决传统控制方法很难解决的问题。

其特点有：1. 适应性强：由于鲁棒控制是基于模型不确定性的控制理论，因此它可以很好地适应环境的变化和控制系统的变化。

2. 抗干扰性强：鲁棒控制可以抵抗大部分外部环境因素和干扰因素的影响，确保控制系统的有效性。

3. 控制性能好：鲁棒控制可以在保证系统控制稳定的前提下，最大化控制系统的性能和控制输出的精度。

三、鲁棒控制理论在飞行器自主飞行中的应用在飞行器自主飞行中，鲁棒控制理论逐渐成为一种像传统控制理论一样被广泛应用的控制方法。

它具有很好的适应性和鲁棒性，可以保证飞行器在变化的环境下保持优良的控制性并实现高效、精准的自主飞行。

具体来说，鲁棒控制理论在以下方面得到了广泛应用：1. 飞行器导航控制：在飞行器自主飞行中，导航控制是一个非常重要的环节。

鲁棒控制可以很好地应用于飞行器的导航控制中，提高导航控制的精度、安全性和响应速度。

2. 飞行器降落控制：飞行器降落控制是飞行器的重要控制环节，关系到飞行器的安全降落。

高鲁棒性自适应控制算法研究

高鲁棒性自适应控制算法研究随着科技的不断发展，控制领域也在不断进步。

在自动化控制领域中，自适应控制是一个重要的研究方向。

高鲁棒性自适应控制算法是现代自适应控制技术的一个分支，它在噪声、抖动和环境变化等不确定因素下，能够保证系统的稳定性和鲁棒性，具有广泛的应用前景。

一、高鲁棒性自适应控制算法的定义高鲁棒性自适应控制算法是一种能够在不确定因素下实现良好控制效果的控制方法。

这种方法旨在解决控制系统中由于传感器故障、飞行器姿态变化、风力干扰等因素导致的不确定性问题。

通过自适应的方式不断地调整控制参数，使系统更加适应运行环境的变化。

相比于传统的控制方法，高鲁棒性自适应控制算法更加具有适应性和鲁棒性。

二、高鲁棒性自适应控制算法的工作原理高鲁棒性自适应控制算法能够在不确定因素下，保证系统的性能表现。

其核心是通过一种自适应方法实时地调整控制器的参数，以逐渐适应系统环境的变化。

该方法通常包括两个步骤：1.参数识别阶段控制器通过特定的信号对系统进行辨识，以得到系统动态模型的参数。

主要使用的方法包括模型参考自适应控制、系统辨识等。

2.参数更新阶段在参数识别完成后，控制器会根据当前的系统状态和参数，更新控制参数以达到实时的控制效果。

主要有最小二乘法、模型基控制等方法。

三、高鲁棒性自适应控制算法的应用领域高鲁棒性自适应控制算法已经在多个领域中得到了广泛应用。

例如：1.航空航天领域在航空航天领域，高鲁棒性自适应控制算法可用于航空器飞行姿态的控制。

该算法能够在飞行器受到不同干扰时保证控制系统的稳定性和准确性。

2.机器人领域在机器人领域，高鲁棒性自适应控制算法可以用于机器人姿态控制、路径规划、物体抓取等方面。

与传统的方法相比，该算法能够端到端地完成任务，并在环境变化、障碍物干扰等情况下保证稳定性和鲁棒性。

3.智能交通领域在智能交通领域，高鲁棒性自适应控制算法可以用于自动驾驶、车辆稳定控制等方面。

该算法能够自适应地调整控制参数，以保证车辆在不同环境下的稳定性和安全性。

基于航天器复杂动力学模型的鲁棒H_∞振动抑制算法

ＡｂｔａｔＭｏｅｎｌｒｅｓａｅｒｆｒｓｒｃ：ｄｒａｇｐｃｃａｓａｅｍｏｅａｄｍｏｅｆｅｉｌｉｒｎｒｌｘｂｅ，ａｄａｔｅｖｂａｉｎｓｐｅｓｏｓｎｅｎｃｉｉｒｔｕｐｒｓｉｎｉｅ — ｖｏ
ｌｔｎｐｅｏｎｘｓｓｉｕｌｏｄｒｓｂｐｉｌｃｎｒｌｅａｅｎＤＧＫＦｍｅｈｄ，ｗｈｉｈｏｒｓｏｄａｉｈｎｍｅａｅｉｔｎｆｌｒｅｕｏｔｍａｏｔｏｌｒｂｓｄｏｏｔｏｌｔｅｃｒｅｐｎ — ｅｉｇ５１ｏｄｒｃｎｒｌｅａｅｎＬＭＩｓｍｏｔａｄｅｉｎｔｓｔｅｚｒ — ｏｅｃｎｅｌｔｏｎ一ｒｅｏｔｏｌｒｂｓｄｏｉｓｏｈｎｌｍｉａｅｈｅｏｐｌａｃｌｉｎ，ｂｔｔｅＬＭＩａｕｈ
中图分类号：Ｖ４．４８
文献标识码：Ａ
文章编— ９２ｌ）２００。８５
ＤｏＩ：１３６／．ｓｎ．６４— ５９．０１００２０．９９ｊｉｓ１７１７２１．２．０
优化算法，两种控制器降阶为２阶时，性能衰退大于８％．于定阶法的２Ｈ０基阶控制器和Ｐ控制器具有与ＤＫＩＧＦ全阶控制器相近的Ｈ性能，棒性分析和鲁
扰动抑制的时域仿真验证了上述结论．关键词：Ｈ控制；ＤＧＫＦ法；ＬＭＩ法；定阶法；振动抑制

模型参考鲁棒控制及其应用研究

模型参考鲁棒控制及其应用研究模型参考鲁棒控制及其应用研究摘要：本文旨在探讨模型参考鲁棒控制（Model Reference Robust Control，MRRC）以及其应用的研究现状和发展趋势。

本文首先介绍了MRRC的基本概念、原理和特点，分析了其与传统控制方法的区别和优势。

其次，本文阐述了MRRC在控制系统中的应用及其实现方法，包括了多种控制结构和优化算法，并重点介绍了MRRC在航空、电力等领域中的应用和研究进展。

最后，本文提出了MRRC在未来的发展方向和应用前景，并指出其在工业控制、自动化领域中的应用前景十分广阔。

关键词：模型参考鲁棒控制，控制系统，优化算法，航空，电力。

1. 引言随着计算机控制技术和电子技术的发展，控制科学成为了一个独立的学科，各种新的控制方法和算法得到了广泛的研究和应用。

模型参考鲁棒控制（Model Reference Robust Control，MRRC）是其中一种重要的控制方法，以其精确的控制效果和对于各种不确定性因素的鲁棒性，被广泛应用于机械、航空、电力等领域。

2. MRRC的基本概念和原理MRRC是一种模型预测控制（Model Predictive Control，MPC）的变体，其基本思想是将一个受控系统建模为一个参考模型和控制模型两部分，通过不断调整控制模型的参数，使其输出与参考模型的输出相同，从而实现对系统的控制。

MRRC可以有效地处理各种不确定性因素，包括模型不准确、外部扰动、不确定性、干扰等因素，提高了控制系统的稳定性和精度。

3. MRRC在控制系统中的应用在控制系统中，MRRC主要应用于非线性、多变量、时变等问题，可以有效地处理各种不确定性因素，提高系统的控制性能。

MRRC的具体实现方式包括传统的PID控制、模型预测控制（MPC）、自适应控制、鲁棒控制等多种结构和方法。

在航空、电力等领域中，MRRC可以有效地控制倾斜旋翼飞行器、非线性电力系统等复杂系统，具有广阔的应用前景。

飞行器姿态控制中的鲁棒控制技术研究

飞行器姿态控制中的鲁棒控制技术研究航空航天领域一直是科技研究的重点之一，而飞行器的姿态控制技术更是其中的重要组成部分。

飞行器姿态控制的目的是保证飞行器在空中保持稳定的飞行状态并实现各种飞行动作。

其中，鲁棒控制技术成为近年来研究的热点之一。

鲁棒控制技术是指针对系统参数变化、外界干扰等不确定因素的干扰，仍能保证控制系统整体性能稳定的一种控制方法。

在飞行器姿态控制中，由于飞行环境的变化、系统参数的漂移以及传感器的误差等各种因素，传统PID控制器难以有效控制飞行器姿态。

而鲁棒控制技术在此类复杂环境下，具有更为良好的控制性能。

鲁棒控制技术应用于飞行器姿态控制，主要分为两个方面：鲁棒控制器设计和鲁棒控制方法研究。

一、鲁棒控制器设计鲁棒控制器是鲁棒控制技术的核心，控制器的性能决定了整个系统的鲁棒性。

针对传统PID控制器在姿态控制中存在的问题，研究人员提出了多种鲁棒控制器设计方法，如H∞控制器、μ合成鲁棒控制器、基于模型参考自适应控制器等。

其中，H∞控制器是一种经典的鲁棒控制器，其设计方法主要是通过约束控制系统的灵敏度函数，从而达到鲁棒控制的目的。

而各种鲁棒控制器的性能评估，在鲁棒性能、收敛速度、稳态误差等多个方面都需要进行综合考虑。

在设计鲁棒控制器时，需要充分考虑传感器误差、飞行器非线性问题、系统参数变化等因素，并采用现代控制理论和数学方法，建立适当的数学模型，从而设计出合适的鲁棒控制器。

二、鲁棒控制方法研究除了鲁棒控制器设计，鲁棒控制方法的研究也是飞行器姿态控制中不可或缺的一部分。

常见的鲁棒控制方法包括自适应控制、滑模控制、非线性控制等多种方法。

自适应控制是一种基于参数估计和适应性调节的控制方法。

通过在线识别系统参数的变化，并根据变化的大小和方向进行调整，实现有效的飞行器姿态控制。

在自适应控制中，为了保证控制系统的稳定性，需要采用合适的适应律和控制策略，以弥补系统模型误差和外界干扰。

滑模控制是一种特殊的控制方法，通过构造一个具有滑动模态的控制面，使得控制系统能够沿着该滑动模态快速收敛。

受扰奇异摄动系统的最优容错控制

受扰奇异摄动系统的最优容错控制摘要：受扰奇异摄动系统是一类具有非线性、不连续和奇异特性的复杂系统。

由于其特殊性质，这类系统在实际应用中容易受到各种扰动的干扰，从而导致系统性能下降甚至失效。

因此，研究如何设计一种最优容错控制策略，以提高受扰奇异摄动系统的鲁棒性和稳定性，具有重要的理论与实际意义。

关键词：受扰奇异摄动系统；最优容错控制；鲁棒性；稳定性一、引言受扰奇异摄动系统是一类具有非线性、不连续和奇异特性的复杂系统，广泛应用于机器人、航天器、自动驾驶等领域。

然而，由于其特殊的性质，这类系统往往容易受到外界扰动的影响，从而导致系统输出产生偏差或者失效。

因此，如何设计一种最优容错控制策略，以提高系统的鲁棒性和稳定性，成为了当前研究的热点问题。

二、受扰奇异摄动系统的数学模型受扰奇异摄动系统的数学模型可以表示为：$\dot{x}(t)=f(x(t))+g(x(t))u(t)+d(t)$其中，$x(t)$为系统状态，$f(x(t))$为非线性函数，$g(x(t))$为控制增益，$u(t)$为控制输入，$d(t)$为外界扰动。

三、最优容错控制策略的设计在受扰奇异摄动系统中，最优容错控制策略的设计目标是通过调整控制输入$u(t)$，使系统输出能够在扰动的干扰下尽可能逼近期望值，并保持系统的稳定性。

为了实现这一目标，可以采用最优控制理论中的方法，将问题转化为求解一个优化问题。

具体而言，可以引入一个性能指标，如系统输出与期望值之间的误差平方和，作为优化目标函数。

然后，通过对目标函数进行求导并进行优化，得到最优的控制输入$u^*(t)$。

最终，将最优控制输入应用于受扰奇异摄动系统中，即可实现最优容错控制。

四、实例分析为了验证最优容错控制策略的有效性，我们以一个具体的受扰奇异摄动系统为例进行仿真分析。

通过对比使用最优容错控制策略和常规容错控制策略的结果，可以发现最优容错控制策略能够在扰动的干扰下更好地保持系统的稳定性和性能。

控制系统中的自适应模糊控制算法

控制系统中的自适应模糊控制算法自适应模糊控制算法（Adaptive Fuzzy Control Algorithm）在控制系统中有着广泛的应用。

该算法通过结合模糊逻辑和自适应学习机制，能够在未知或不确定的环境下，对系统进行动态调整和优化。

本文将介绍自适应模糊控制算法的原理和应用，并探讨其在控制系统中的优势及限制。

一、自适应模糊控制算法的原理自适应模糊控制算法是基于模糊逻辑和自适应学习的融合。

模糊逻辑用于处理复杂的非线性系统，通过将模糊规则与系统输入输出的关系进行建模，实现对系统的控制。

自适应学习机制用于根据系统的反馈信息进行参数的调整和优化，以适应系统的动态变化。

在自适应模糊控制算法中，首先需要建立模糊集合、模糊规则和模糊推理机制。

模糊集合由一个或多个隶属度函数组成，描述了输入输出之间的关系。

模糊规则是根据专家经验或试验结果确定的，用于描述输入输出之间的映射关系。

模糊推理机制则根据输入的模糊规则和输入的隶属度函数，以及一个模糊推理算法来进行推理，产生控制输出。

其次，自适应学习机制通过不断地观测系统的反馈信息，对模糊规则和隶属度函数的参数进行学习和优化。

这种学习机制可以根据不同的学习算法进行实现，例如遗传算法、模糊神经网络等。

通过学习算法的迭代计算和反馈修正，可以逐渐提高系统的控制性能。

最后，自适应模糊控制算法还可以引入模型跟踪器，用于对未知系统进行建模和预测。

模型跟踪器可以通过系统的输入输出数据来动态调整和更新模糊规则和隶属度函数的参数，以提高控制系统的适应能力和稳定性。

二、自适应模糊控制算法的应用自适应模糊控制算法在各种控制系统中都有广泛的应用。

例如，在电力系统中，自适应模糊控制算法可以用于实现电力负荷的均衡和优化，提高电网的稳定性和可靠性。

在机器人控制系统中，自适应模糊控制算法可以用于实现机器人的动作规划和路径跟踪，提高机器人的自主导航和任务执行能力。

在交通系统中，自适应模糊控制算法可以用于实现交通信号灯的优化和调度，提高交通流的效率和安全性。

多频未知时变扰动下的结构微振动鲁棒自适应控制

第 36 卷第 5 期2023 年10 月振动工程学报Journal of Vibration EngineeringVol. 36 No. 5Oct. 2023多频未知时变扰动下的结构微振动鲁棒自适应控制方昱斌1，朱晓锦2，杨龙飞1，许志超1，田梦楚1，张小兵3（1.南京理工大学智能制造学院，江苏南京 210094； 2.上海大学机电工程及自动化学院，上海 200072；3.南京理工大学能源与动力工程学院，江苏南京 210094）摘要: 本文针对多频窄带未知和时变扰动，基于内模原理和Y⁃K参数化方法，提出一种反馈鲁棒自适应振动的主动控制算法。

该算法通过设计PID中央鲁棒控制器，有效解决了次级通道模型未知情况下的鲁棒控制器参数设计问题。

同时提出一种变步长最小均方（Variable Step Size Least Mean Square，VSSLMS）方法，可以在保证稳态误差的基础上大幅提升收敛速度，并通过系统辨识实验验证了所提VSSLMS方法相较于其他VSSLMS算法在收敛性能上的优越性。

通过结构微振动主动控制实时实验，对比验证了单独采用滤波x最小均方（Least Mean Square，LMS）自适应控制算法、基于LMS算法的鲁棒自适应控制算法和基于VSSLMS算法的鲁棒自适应控制算法的抑振效果。

实验结果表明，本文基于VSSLMS算法的鲁棒自适应控制算法在面向双频正弦窄带扰动以及其频谱、幅值突变情况时，都具有较好的收敛性和鲁棒性。

关键词:振动主动控制；Y⁃K参数化；变步长（VSS）； LMS算法；鲁棒自适应中图分类号: TB535；O327 文献标志码: A 文章编号: 1004-4523（2023）05-1309-09DOI：10.16385/ki.issn.1004-4523.2023.05.015引言在高分遥感探测领域中，卫星结构微振动会引发空间相机产生视线抖动和像移，继而降低成像质量和分辨率，其影响不能忽视［1⁃2］。

基于改进增量反演法的RLV鲁棒容错控制

Vol. 28 No. 6June 2021第28卷第6期2021年6月电光与控制Electronics Optics & Control 引用格式:刘武，都延丽,林海兵，等•基于改进增量反演法的RLV 鲁棒容错控制[J].电光与控制,2021,28(6)：11-15.LIIJ W, DU Y I. UN H B, et al. Robust fault-tolerant control of RLVs based on improved incremental backstepping[ J ]. Electronics Optics & Control, 2021, 28(6) ：11-15.基于改进增量反演法的RLV 鲁棒容错控制刘武，都延丽，林海兵，唐明明(南京航空航天大学航天学院，南京211000)摘要：针对可重复使用运载器(RLV)再入过程中存在的未知干扰、不确定性以及舵面部分失效(PELF)等问题，基于增量反演法(IBS )和跟踪微分干扰补偿器(TDDC)设计了鲁棒容错控制律。

首先，对姿态角回路和角速率回路分别设计增量控制律，并引入误差积分项增强系统的鲁棒性。

其次，对于传统增量反演法直接忽略掉的慢变项和泰勒展开高阶项，基于Sigmoid 跟踪微分器设计了适用于IBS 控制律的干扰补偿器对其进行估计和补偿。

最后，仿真结果表明，相比于传统的增量反演法，所设计的控制律指令跟踪精度更高。

关键词：改进增量反演法；跟踪微分干扰补偿器；可重复使用运载器；鲁棒容错控制中图分类号：V249.1: TP273 文献标志码：A dot ： 10.3969/j. issn. 1671 -637X. 2021.06.003Robust Fault-Tolerant Control of RLVs Based onImproved Incremental BacksteppingLIU Wu, DU Yanli, LIN Haibing, TANG Mingming(College of Astronautics, Nanjing University of Aeronautics and Astronautics, Nanjing 211000, China)Abstract : In the re-entry phase of Reusable Launch Vehicles (RLVs), there are unknown disturbances,uncertainty and Partial Effectiveness Loss Fault ( PELF ) of control surfaces. To solve the problems, a robust fault-tolerant control system is designed based on Incremental Backstepping (IBS) and Tracking DifferentiatorDisturbance Compensator (TDDC). Firstly, IBS control laws are designed for the loops of attitude angles andangular rate respectively, and an error integral term is introduced to enhance the robustness of the system ・ Secondly, a TDDC based on Sigmoid function applicable to IBS control laws is constructed to estimate and compensate for the slow variable terms and high-order terms after Taylor expansion, which are omitted bythe traditional IBS. Finally, the simulation results show that the control laws presented here have higher command tracking accuracy than the traditional IBS ・Key words : improved incremental backstepping ； TDDC ； RLV ； robust fault-tolerant control0引言可重复使用运载器（RLV ）是一种能够多次往返于天地之间运输载荷的航天器，其可重复使用性大大降低了空间探测的成本。

鲁棒控制理论在飞行器中的应用研究

鲁棒控制理论在飞行器中的应用研究随着现代飞行器的不断发展，更加复杂的航空需求也随之而来。

为了满足这些需求，飞行器的自动化程度也越来越高。

而控制系统作为自动化的重要组成部分，也变得更加关键。

尤其对于飞行器这类高效、高要求、危险、复杂的系统，控制系统的性能和鲁棒性通常是必需的。

为此，鲁棒控制理论应运而生。

鲁棒控制理论的基本概念鲁棒控制理论是一种控制理论，是针对未知系统参数和外部扰动具有不确定性的系统而设计的。

鲁棒控制的目标是在保持稳定和期望轨迹的同时，尽可能应对未知的扰动，以达到更好的系统性能。

鲁棒控制通常通过设计控制器的结构和参数来实现。

与传统的控制系统设计方法相比，鲁棒控制系统更加健壮，能够适应系统参数发生变化或者外部扰动改变的情况。

这种控制方法的不确定性可以保证控制系统在最坏情况下仍然能够做出反应，使系统始终保持稳定性和安全性。

鲁棒控制理论的应用鲁棒控制理论可以广泛应用于航空、航天、机器人、工业控制、电力系统等领域。

在这些领域中，如果控制系统不够健壮，会面临一些非常复杂的问题。

比如，未知系统参数和外部扰动可能导致控制系统失效或产生意想不到的行为。

这些问题往往很难发现和修复，而鲁棒控制理论可以提供有效的控制方法。

在飞行器领域，鲁棒控制技术已经得到了广泛的应用。

飞行器环境下，经常会遇到很多不确定的因素，如气动和动力载荷变化、非线性和未知系统模型、控制执行偏差等。

这些因素可能严重影响飞行器的性能和安全。

鲁棒控制器能够稳定飞行器，并且在扰动下保持稳定性。

已有研究表明，在飞行器的飞行控制方面，使用鲁棒控制技术的系统可以更好地应对复杂飞行条件下的不确定性因素，达到更高的安全性和可靠性。

鲁棒控制在飞行器控制系统中的实际应用鲁棒控制器可以设计为利用最多的已知系统知识，从而使系统的表现更稳定。

在实际应用中，鲁棒控制器通常采用反馈控制设计。

反馈控制的基本原则是将过去系统状态的变化转换成对下一状态的调整信号。

科学家们通过为系统设置反馈环，将控制信号与系统状态之间的关系实现。

三轴稳定卫星姿态确定及控制系统的研究

三轴稳定卫星姿态确定及控制系统的研究一、本文概述随着航天技术的飞速发展，三轴稳定卫星已成为现代空间科技领域的重要组成部分。

这类卫星通过其精确的姿态确定及控制系统，实现了在太空环境中的稳定运行和高效工作。

本文旨在深入研究三轴稳定卫星的姿态确定及控制系统，探讨其工作原理、技术挑战以及优化策略，为未来的卫星设计与控制提供理论支持和实践指导。

本文首先将对三轴稳定卫星的基本概念和特点进行介绍，明确研究背景和目的。

随后，将详细分析卫星姿态确定的基本原理和方法，包括传感器技术、数据处理算法以及姿态估计理论等。

在此基础上，将探讨控制系统的设计原则和实现方式，包括姿态控制策略、执行机构选择以及控制算法优化等。

本文还将对三轴稳定卫星姿态确定及控制系统中的关键技术进行深入剖析，如姿态传感器误差补偿、控制算法鲁棒性增强以及卫星在轨自主定姿等。

将结合国内外相关研究成果，对现有的姿态确定及控制技术进行总结和评价，指出存在的问题和改进方向。

本文将提出一种优化的三轴稳定卫星姿态确定及控制系统设计方案，通过仿真实验和实地测试验证其有效性和可行性。

这一方案将为未来卫星的设计和制造提供有益的参考，推动航天技术的持续进步和发展。

二、三轴稳定卫星姿态确定原理三轴稳定卫星的姿态确定是其控制系统中的核心环节，它涉及到卫星在空间中的方向感知和姿态调整。

三轴稳定卫星的姿态确定原理主要基于惯性测量单元（IMU）和星敏感器（Star Tracker）等传感器的数据融合处理。

惯性测量单元（IMU）是卫星姿态确定的基础设备，它通过内部的陀螺仪和加速度计来测量卫星的角速度和加速度，进而推算出卫星的姿态变化。

然而，由于IMU的长期误差积累，单纯依赖IMU进行姿态确定无法满足长时间、高精度的要求。

因此，需要引入星敏感器（Star Tracker）等光学传感器进行辅助。

星敏感器通过拍摄星空图像，识别出已知的天体位置，进而解算出卫星的姿态。

这种方式的优点是精度高、误差积累小，但其缺点是受到观测条件的限制，例如在地球阴影区、太阳光照强烈等情况下，星敏感器可能无法正常工作。

飞行器控制系统中的容错控制技术研究

飞行器控制系统中的容错控制技术研究现代飞行器已经成为了人们出行和运输的主要工具之一。

为了保证飞行安全，需要引入一系列的控制系统来确保飞行器在飞行过程中不出现异常或故障。

然而，由于种种原因，飞行器控制系统的性能并不总是能够达到预期的水平，这需要我们对其进行容错控制技术的研究和实践。

什么是容错控制技术容错控制技术是一种通过增加飞行器控制系统的鲁棒性和容错能力来对系统进行优化的技术。

它允许系统在部分或全部出现错误的情况下仍然保持正常运行，并且能够快速地从错误中恢复。

这种技术通常包括以下方面的内容。

1. 容错设计在飞行器控制系统的设计过程中，需要考虑到各种可能出现的错误情况，从而为系统提供更好的容错性能。

这需要对系统进行充分的模型分析和仿真测试。

2. 故障检测与诊断在飞行器运行过程中，一些错误和故障是难以预料的。

因此，系统需要具备故障检测与诊断的能力，能够自动地检测并快速找出故障原因，从而实现更快更准确地修复故障。

3. 容错控制当飞行器控制系统出现故障时，需要通过容错控制手段来实现系统的自我修复和维护，并防止故障扩散和影响航空器的安全飞行。

容错控制技术的应用在现代飞行器中，容错控制技术已经得到了广泛的应用，许多新的应用正在不断地被研究和开发。

1. 飞行器发动机故障检测系统发动机是飞行器最重要的部件之一，也是可能出现故障的最大源头。

因此，飞行器发动机故障检测系统具有极其重要的作用。

该系统可以通过对发动机各个参数的实时监测，预测是否可能发生故障，对发动机进行自我诊断，并调整发动机的工作参数，使其能够在故障发生时保持正常工作。

2. 飞行器自适应控制系统自适应控制系统是一种通过自主学习和智能控制来对系统进行优化的技术。

它能够自动地感知飞行器的状态和环境变化，并根据这些变化进行适应性调整。

采用自适应控制系统能够使飞行器能够更快更准确地响应各种挑战和故障，从而提高飞行器的安全性和航行质量。

3. 飞行器结构健康监测系统由于飞行器极其复杂的结构和操作环境，其各部件都可能遭受到各种不同的挑战甚至破坏。

考虑不确定性多智能体系统的分布式容错控制

第４５卷第５期２０２３年９月沈　阳　工　业　大　学　学　报ＪｏｕｒｎａｌｏｆＳｈｅｎｙａｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙＶｏｌ４５Ｎｏ５Ｓｅｐ２０２３收稿日期：２０２２－０８－３０．基金项目：河南省高校科技创新团队计划项目（１７ＩＲＴＳＴＨＮ０１０）；河南省中原科技创新领军人才项目（２０４２００５１００２１）．作者简介：王艳丽（１９７５－），女，河南南阳人，实验师，硕士，主要从事计算机应用与智能控制等方面的研究．ｄｏｉ：１０．７６８８／ｊ．ｉｓｓｎ．１０００－１６４６．２０２３．０５．１８考虑不确定性多智能体系统的分布式容错控制王艳丽１，孙利娟２（１河南科技大学软件学院，河南洛阳４７１００３；２开封文化艺术职业学院计算机学院，河南开封４７５０００）摘　要：针对多智能体系统中存在的不确定性、参数摄动和执行器故障等问题，设计了分布式容错控制方法．建立了包含不确定性的多智能体系统乘性和加性故障数学模型，在领导者和领域内智能体状态量的基础上，通过引入参数自适应律和符号函数设计出分布式容错控制律，采用Ｌｙａｐｕｎｏｖ定理证明了设计的容错控制系统的稳定性．通过对无人机编队的仿真结果表明，所提控制方法与自适应协同容错控制方法相比表现出了更优的稳定性、准确性和快速性，速度和航迹角的最大误差分别仅为０３ｃｍ／ｓ和０１°，表现出了优良的容错性能．关　键　词：多智能体系统；不确定性；执行器故障；参数自适应律；分布式；容错控制律；符号函数；稳定性中图分类号：ＴＰ２７３文献标志码：Ａ文章编号：１０００－１６４６（２０２３）０５－０５８２－０５ＤｉｓｔｒｉｂｕｔｅｄｆａｕｌｔｔｏｌｅｒａｎｔｃｏｎｔｒｏｌｆｏｒｍｕｌｔｉａｇｅｎｔｓｙｓｔｅｍｃｏｎｓｉｄｅｒｉｎｇｕｎｃｅｒｔａｉｎｔｉｅｓＷＡＮＧＹａｎｌｉ１，ＳＵＮＬｉｊｕａｎ２（１．ＳｃｈｏｏｌｏｆＳｏｆｔｗａｒｅ，ＨｅｎａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｌｕｏｙａｎｇ４７１００３，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒ，ＫａｉｆｅｎｇＶｏｃａｔｉｏｎａｌＣｏｌｌｅｇｅｏｆＣｕｌｔｕｒｅａｎｄＡｒｔ，Ｋａｉｆｅｎｇ４７５０００，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｓｏｆｕｎｃｅｒｔａｉｎｔｙ，ｐａｒａｍｅｔｅｒｐｅｒｔｕｒｂａｔｉｏｎａｎｄａｃｔｕａｔｏｒｆａｉｌｕｒｅｉｎｍｕｌｔｉａｇｅｎｔｓｙｓｔｅｍ，ａｄｉｓｔｒｉｂｕｔｅｄｆａｕｌｔｔｏｌｅｒａｎｔｃｏｎｔｒｏｌｍｅｔｈｏｄｗａｓｄｅｓｉｇｎｅｄ．Ａｍｕｌｔｉｐｌｉｃａｔｉｖｅａｎｄａｄｄｉｔｉｖｅｆａｕｌｔｍａｔｈｅｍａｔｉｃａｌｍｏｄｅｌｃｏｎｓｉｄｅｒｉｎｇｕｎｃｅｒｔａｉｎｔｉｅｓｗａｓｅｓｔａｂｌｉｓｈｅｄ．Ｔｈｅｎａｄｉｓｔｒｉｂｕｔｅｄｆａｕｌｔｔｏｌｅｒａｎｔｃｏｎｔｒｏｌｌａｗｗａｓｄｅｓｉｇｎｅｄｂｙｉｎｔｒｏｄｕｃｉｎｇｔｈｅｐａｒａｍｅｔｅｒａｄａｐｔｉｖｅｌａｗａｎｄｔｈｅｓｙｍｂｏｌｆｕｎｃｔｉｏｎ，ａｃｃｏｒｄｉｎｇｔｏｔｈｅｓｔａｔｅｓｏｆｌｅａｄｅｒａｎｄｎｅｉｇｈｂｏｒａｇｅｎｔ．Ｉｎａｄｄｉｔｉｏｎ，ｔｈｅｓｔａｂｉｌｉｔｙｏｆｔｈｅａｓｄｅｓｉｇｎｅｄｆａｕｌｔｔｏｌｅｒａｎｔｃｏｎｔｒｏｌｓｙｓｔｅｍｗａｓｐｒｏｖｅｄｂｙＬｙａｐｕｎｏｖｔｈｅｏｒｅｍ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｏｆｕｎｍａｎｎｅｄａｅｒｉａｌｖｅｈｉｃｌｅｆｏｒｍａｔｉｏｎｓｈｏｗｔｈａｔｔｈｅａｓｐｒｏｐｏｓｅｄｃｏｎｔｒｏｌｍｅｔｈｏｄｈａｓｂｅｔｔｅｒｓｔａｂｉｌｉｔｙ，ａｃｃｕｒａｃｙａｎｄｒａｐｉｄｉｔｙｔｈａｎｔｈｅａｄａｐｔｉｖｅｃｏｏｐｅｒａｔｉｖｅｆａｕｌｔｔｏｌｅｒａｎｔｃｏｎｔｒｏｌｍｅｔｈｏｄ，ａｎｄｔｈｅｍａｘｉｍｕｍｅｒｒｏｒｓｏｆｖｅｌｏｃｉｔｙａｎｄｔｒａｃｋａｎｇｌｅａｒｅｏｎｌｙ０３ｃｍ／ｓａｎｄ０１°，ｒｅｓｐｅｃｔｉｖｅｌｙ，ｓｈｏｗｉｎｇａｎｅｘｃｅｌｌｅｎｔｆａｕｌｔｔｏｌｅｒａｎｃｅｐｅｒｆｏｒｍａｎｃｅ．Ｋｅｙｗｏｒｄｓ：ｍｕｌｔｉａｇｅｎｔｓｙｓｔｅｍ；ｕｎｃｅｒｔａｉｎｔｙ；ａｃｔｕａｔｏｒｆａｕｌｔ；ｐａｒａｍｅｔｅｒａｄａｐｔｉｖｅｌａｗ；ｄｉｓｔｒｉｂｕｔｉｏｎｔｙｐｅ；ｆａｕｌｔｔｏｌｅｒａｎｔｃｏｎｔｒｏｌｌａｗ；ｓｙｍｂｏｌｆｕｎｃｔｉｏｎ；ｓｔａｂｉｌｉｔｙ多智能体系统中的每个单体都有相对独立的行为能力，通过信息交互实现类似于生物体的群集活动，多智能体系统是目前研究的热点之一［１－２］，广泛应用于无人机编队［３］、机器人编队［４］、卫星编队和智能交通［５］等领域．在建立智能体模型时，往往会出现未建模动态，而且随着工作环境和条件的变化，智能体的系统参数也会发生摄动．另外，由于多智能体在工作时，通常处于长时和高频振动的状态中，增大执行器发生故障的概率．这些不确定性会对多智能体系统的一致性控制带来困难［６－７］．刘自理等［８］为解决多智能体系统的通信时延和数据丢失问题，引入队列机制设计了分布式Copyright ©博看网. All Rights Reserved.输出反馈控制算法，实现了多智能体系统的协同工作；刘秀华等［９］设计了一种分布式观测器，其可以准确地估计出多智能体系统状态和执行器故障，但是该方法没有涉及容错控制；曹伟等［１０］设计了基于离散时间迭代学习的控制方法，但是该算法的收敛条件比较严格；刘凡等［１１］利用干扰观测器估算出智能体的状态，实现了多智能体系统的一致鲁棒控制．通过以上分析可发现，针对包含有未建模动态和参数摄动不确定性以及执行器故障的多智能体系统的研究成果较少．因此，本文针对不确定条件下的多智能体系统，在领导者和领域内智能体状态量的基础上，设计了包含参数自适应律的分布式容错控制方法．１　多智能体系统模型首先将多智能体系统之间的通信和队形拓扑关系通过有向图表示［１２］，然后假设系统包括１个领导者和Ｎ个跟随者，并分别用Ｍ０和Ｍ１，Ｍ２，…，ＭＮ来表示，Ｍ０的状态描述为ｘ０（ｔ）＝Ａｘ０（ｔ）＋ｖ０（ｔ）　（１）式中：ｘ０（ｔ）为Ｍ０的状态向量；Ａ为系统矩阵；ｖ０（ｔ）为Ｍ０的控制输入，用来确保ｘ０≤珔ｘ０．跟随者Ｍｉ的状态描述为ｘｉ（ｔ）＝［Ａ＋ΔＡｉ（ｘｉ（ｔ），ｔ）］ｘｉ（ｔ）＋ｕｉ（ｔ）（２）式中：ｘｉ（ｔ）为Ｍｉ的状态量；ｕｉ（ｔ）为Ｍｉ的控制输入；ΔＡｉ（ｘｉ（ｔ），ｔ）为Ｍｉ的未建模动态和参数摄动等不确定性总和，这种不确定性是与系统状态相关的［１３］，满足条件ΔＡｉ（ｘｉ（ｔ），ｔ）≤θ１ｉｘｉ（ｔ）αｉ＋θ２ｉ　（３）式中：θ１ｉ，θ２ｉ＞０为未知变量；α为范数值．智能体在长时间、高频率、高强度的工作状态下，执行器容易发生失效乘性故障和偏离加性故障，故障模型可描述为ｕｉ（ｔ）＝［Ｉ＋ΔＫｉ（ｔ）］ｖｉ（ｔ）＋ｄＫｉ（ｔ）　（４）式中：ΔＫｉ（ｔ）＝ｄｉａｇ［δｋｉｊ］ｎ×ｎ为失效乘性故障；ｄＫｉ（ｔ）＝［ｄｋｉ１，…，ｄｋｉｊ，…，ｄｋｉｎ］Ｔ为偏离加性故障．包含不确定性和执行器故障的模型描述为ｘｉ（ｔ）＝［Ａ＋ΔＡｉ（ｘｉ（ｔ），ｔ）］ｘｉ（ｔ）＋　［Ｉ＋ΔＫｉ（ｔ）］ｖｉ（ｔ）＋ｄＫｉ（ｔ）（５）定义跟踪误差ｅｉ（ｔ）＝ｘｉ（ｔ）－ｘ０（ｔ），则误差微分方程为ｅｉ（ｔ）＝［Ａ＋ΔＡｉ（ｘｉ（ｔ），ｔ）］ｅｉ（ｔ）＋ｄＫｉ（ｔ）＋　［Ｉ＋ΔＫｉ（ｔ）］ｖｉ（ｔ）－ｖ０（ｔ）（６）２　容错控制律设计采用参数自适应技术设计分布式容错控制律，其表达式为ｖｉ（ｔ）＝∑Ｎｊ＝１，ｊ≠ｉａｉｊ［ｘｊ（ｔ）－ｘｉ（ｔ）］－ｇ（ｅｉ）Ｋｉ（ｔ）（７）式中：ａｉｊ为Ｍｉ与Ｍｊ的通信链接状态；ｇ（ｅｉ）＝［ｓｇｎ（ｅｉ１），ｓｇｎ（ｅｉ２），…，ｓｇｎ（ｅｉｎ）］，ｅｉｋ为ｅｉ的第ｋ个元素；Ｋｉ（ｔ）可表示为Ｋｉ（ｔ）＝＾ｋ１ｉ（ｔ）＋＾ｋ２ｉ（ｔ）ｅｉ＋＾ｋ３ｉ（ｔ）ｅｉ珔α＋＾ｋ４ｉ（ｔ）ｅｉ１＋珔α（８）式中，＾ｋ１ｉ、＾ｋ２ｉ、＾ｋ３ｉ和＾ｋ４ｉ为理论控制系数．将容错控制律式（７）代入，则误差微分方程式（６）转换为ｅｉ（ｔ）＝［Ａ＋ΔＡｉ（ｘｉ（ｔ），ｔ）］ｅｉ（ｔ）－∑Ｎｊ＝１，ｊ≠ｉβΔｉａｉｊ·［ｅｉ（ｔ）－ｅｊ（ｔ）］－βΔｉｇ（ｅｉ）Ｋｉ＋ｈｉ（ｔ）（９）式中：βΔｉ＝Ｉ＋ΔＫｉ；ｈｉ（ｔ）＝ΔＡｉ（ｘｉ（ｔ），ｔ）ｘ０（ｔ）－ｖ０（ｔ）＋ｄＫｉ（ｔ）．由于ｘ０（ｔ）、ｖ０（ｔ）和ｄＫｉ（ｔ）均有界，则根据式（３）得到ｈｉ（ｔ）≤［θ１ｉｘｉ（ｔ）αｉ＋θ２ｉ］珋ｘ０＋珋ｖ０＝　珋θ１ｉｘｉ（ｔ）αｉ＋珋θ２ｉ（１０）式中：珋θ１ｉ＝θ１ｉ珋ｘ０；珋θ２ｉ＝θ２ｉ珋ｘ０＋珋ｖ０＋珔ｄｋｉ．通过整理得到误差微分方程为ｅ（ｔ）＝（ＩＡ＋ΔＡ（ｔ）＋Ｌ）ｅ（ｔ）－　βΔｇ（ｅ）Ｋ（ｔ）＋ｈ（ｔ）（１１）式中：ｅ（ｔ）＝［ｅ１（ｔ），ｅ２（ｔ），…，ｅＮ（ｔ）］Ｔ；ΔＡ（ｔ）＝ｄｉａｇ［ΔＡｉ（ｔ）］；βΔ＝ｄｉａｇ［βΔｉ］；ｇ（ｅ）＝ｄｉａｇ［ｇ（ｅｉ）］；Ｋ（ｔ）＝［Ｋ１（ｔ），Ｋ２（ｔ），…，ＫＮ（ｔ）］Ｔ；ｈ（ｔ）＝［ｈ１（ｔ），ｈ２（ｔ），…，ｈＮ（ｔ）］Ｔ；Ｌ＝－∑Ｎｊ＝１，ｊ≠ｉβΔ２ａ２ｊ…βΔ２ａ２ＮβΔ３ａ３２…βΔ３ａ３ＮβΔＮａＮ２…－∑Ｎｊ＝１，ｊ≠ｉβΔＮａＮｊ．３　稳定性分析定理１：针对带有不确定性和执行器故障的多智能体系统，设计包含增益和自适应律的分布式容错控制律，能够确保一致性误差收敛到零．证明：构建Ｌｙａｐｕｎｏｖ函数［１４］为Ｖ（ｔ）＝ｅＴｅ＋∑Ｎｉ＝１ｌ－１ｉ珓ｋ２１ｉ＋∑Ｎｉ＝１ｒ－１ｉ珓ｋ２２ｉ＋　∑Ｎｉ＝１ｓ－１ｉ珓ｋ２３ｉ＋∑Ｎｉ＝１ｗ－１ｉ珓ｋ２４ｉ（１２）式中：珓ｋ１ｉ＝＾ｋ１ｉ－ｋ１ｉ；珓ｋ２ｉ＝＾ｋ２ｉ－ｋ２ｉ；珓ｋ３ｉ＝＾ｋ３ｉ－ｋ３ｉ；珓ｋ４ｉ＝＾ｋ４ｉ－ｋ４ｉ；ｋ１ｉ、ｋ２ｉ、ｋ３ｉ及ｋ４ｉ为确定的控制系数；３８５第５期王艳丽，等：考虑不确定性多智能体系统的分布式容错控制Copyright ©博看网. All Rights Reserved.ｌｉ、ｒｉ、ｓｉ、ｗｉ＞０．将式（１２）对时间求导可得Ｖ（ｔ）＝∑Ｎｉ＝１ｅＴｉ（ＡＴ＋Ａ＋ΔＴＡｉ＋ΔＡｉ）ｅｉ＋　ｅＴ（Ｌ＋ＬＴ）ｅ＋２∑Ｎｉ＝１ｅＴｉｈｉ－２∑Ｎｉ＝１ｅｉ（Ｉ＋ΔＫｉ）ｇ（ｅｉ）Ｋｉ＋∑Ｎｉ＝１２ｌ－１ｉ珓ｋ１ｉ＾ｋ·１ｉ＋∑Ｎｉ＝１２ｒ－１ｉ珓ｋ２ｉ＾ｋ·２ｉ＋∑Ｎｉ＝１２ｓ－１ｉ珓ｋ３ｉ＾ｋ·３ｉ＋∑Ｎｉ＝１２ｗ－１ｉ珓ｋ４ｉ＾ｋ·４ｉ（１３）根据ｅｉ≤ｅｉｇ（ｅｉ）可将式（１３）转换为Ｖ（ｔ）≤２∑Ｎｉ＝１Ａｅｉ２＋２∑Ｎｉ＝１ΔＡｉｅｉ２＋２ｅＴＬｅ－２∑Ｎｉ＝１ｅｉＫｉ＋２∑Ｎｉ＝１ｅｉΔＫｉＫｉ＋２∑Ｎｉ＝１ｅＴｉｈｉ－２∑Ｎｉ＝１ｅｉ（Ｉ＋ΔＫｉ）ｇ（ｅｉ）Ｋｉ＋∑Ｎｉ＝１２ｌ－１ｉ珓ｋ１ｉ＾ｋ·１ｉ＋∑Ｎｉ＝１２ｒ－１ｉ珓ｋ２ｉ＾ｋ·２ｉ＋∑Ｎｉ＝１２ｓ－１ｉ珓ｋ３ｉ＾ｋ·３ｉ＋∑Ｎｉ＝１２ｗ－１ｉ珓ｋ４ｉ＾ｋ·４ｉ（１４）由矩阵Ｌ的表达式可得到矩阵Ｌ的每一行、列的和都为０，则可得到ｅＴＬｅ≤０　（１５）将式（３）、式（１５）代入式（１４）中，可化简得到Ｖ（ｔ）≤２∑Ｎｉ＝１（Ａ＋θ１ｉ珋ｘαｉ０＋θ２ｉ＋珋θ１ｉ）ｅｉ２＋２∑Ｎｉ＝１θ１ｉｅｉ２＋αｉ＋２∑Ｎｉ＝１（珋θ１ｉ珋ｘαｉ０＋珋θ２ｉ）ｅｉ＋２∑Ｎｉ＝１珋θ１ｉｅｉ１＋αｉ－２∑Ｎｉ＝１ｅｉ（１－珋δｋｉ）·（＾ｋ１ｉ＋＾ｋ２ｉｅｉ＋＾ｋ３ｉｅｉ珔α＋＾ｋ４ｉｅｉ１＋珔α）＋∑Ｎｉ＝１２ｌ－１ｉ珓ｋ１ｉ＾ｋ·１ｉ＋∑Ｎｉ＝１２ｒ－１ｉ珓ｋ２ｉ＾ｋ·２ｉ＋∑Ｎｉ＝１２ｓ－１ｉ珓ｋ３ｉ＾ｋ·３ｉ＋∑Ｎｉ＝１２ｗ－１ｉ珓ｋ４ｉ＾ｋ·４ｉ（１６）由于式（１６）中的参数都是有界的，则可以定义ｋ１ｉ≥（１－珋δｋｉ）－１（珋θ１ｉ珋ｘ珔α０＋珋θ２ｉ）ｋ２ｉ≥（１－珋δｋｉ）－１（Ａ＋珋θ１ｉ珋ｘ珔α０＋θ２ｉ＋２珋θ１ｉ）ｋ３ｉ≥（１－珋δｋｉ）－１珋θ１ｉｋ４ｉ≥（１－珋δｋｉ）－１θ１ｉ（１７）进一步可得Ｖ（ｔ）≤－２∑Ｎｉ＝１（１－珋δｋｉ）（＾ｋ１ｉｅｉ＋＾ｋ２ｉｅｉ２＋＾ｋ３ｉｅｉ１＋珔α＋＾ｋ４ｉｅｉ２＋珔α）＋∑Ｎｉ＝１２ｌ－１ｉ珓ｋ１ｉ＾ｋ·１ｉ＋∑Ｎｉ＝１２ｒ－１ｉ珓ｋ２ｉ＾ｋ·２ｉ＋∑Ｎｉ＝１２ｓ－１ｉ珓ｋ３ｉ＾ｋ·３ｉ＋∑Ｎｉ＝１２ｗ－１ｉ珓ｋ４ｉ＾ｋ·４ｉ＝０（１８）根据Ｌｙａｐｕｎｏｖ稳定性定理可知定理１成立．即包含增益和自适应律的分布式容错控制律能确保多智能体系统的一致性误差收敛到零．４　实验结果与验证分析为了验证考虑不确定性多智能体容错控制方法的优越性，对无人机编队模型进行Ｍａｔｌａｂ／Ｓｉｍｕｌｉｎｋ仿真验证，无人机动力学模型表示为ｘｉ（ｔ）＝－０１１３５０[]０－０１３７９ｘｉ（ｔ）＋ｕｉ（ｔ）（１９）式中，ｘｉ（ｔ）＝［ｖｉ（ｔ），φｉ（ｔ）］Ｔ为表征第ｉ个无人机的速度和航迹角的向量，并可作为多智能体系统的一致性变量进行仿真．４１　实验参数设置实验中，选取４架无人机组成多智能体系统，分别记为Ｍ０、Ｍ１、Ｍ２和Ｍ３，包含有向生成树的拓扑结构如图１所示，其中，通信链接ａ１３＝ａ３１＝１，而ａ１２＝ａ２１＝ａ２３＝ａ３２＝０．图１　多智能体拓扑结构Ｆｉｇ１　Ｍｕｌｔｉａｇｅｎｔｔｏｐｏｌｏｇｙ选取容错控制律中的参数ｒｉ＝６、ｌｉ＝８、ｓｉ＝４、ｗｉ＝１２．初始状态设置为［ｖ０（０），ｖ１（０），ｖ２（０），ｖ３（０）］＝［３０ｃｍ／ｓ，１５ｃｍ／ｓ，３５ｃｍ／ｓ，４０ｃｍ／ｓ］，［φ０（０），φ１（０），φ２（０），φ３（０）］＝［２０°，６°，２８°，３５°］．设置速度指令和航迹角指令分别为３０ｃｍ／ｓ和２０°，整个仿真时间为１０ｓ，期间持续存在不确定性ΔＡｉ．当ｔ＝５ｓ时，执行器发生失效乘性故障ΔＫｉ和偏离加性故障ｄＫｉ，分别设置ΔＡｉ、ΔＫｉ和ｄＫｉ为ΔＡｉ＝－０００５ｘｉ１（ｔ）０００１ｔ２－０００２ｔ００１ｘｉ２（ｔ[]）＋００３ＩΔＫｉ＝０１ｓｉｎｔ００－０２ｃｏｓ（２ｔ[]）ｄＫｉ＝－０８５[]０６３（２０）４２　速度和误差跟踪与对比文献［１５］利用神经网络来估计未知非线性执行器故障，并与动态面技术相结合，提出了一种４８５沈　阳　工　业　大　学　学　报第４５卷Copyright ©博看网. All Rights Reserved.自适应协同容错控制方法．为了验证本文提出的容错控制律的优越性，将其与文献［１５］进行对比，得到多智能体系统的速度跟踪曲线如图２所示，速度误差曲线如图３所示．图２　速度仿真曲线Ｆｉｇ２　ｓｐｅｅｄｓｉｍｕｌａｔｉｏｎｃｕｒｖｅｓ图３　速度误差仿真曲线Ｆｉｇ３　Ｓｐｅｅｄｅｒｒｏｒｓｉｍｕｌａｔｉｏｎｃｕｒｖｅｓ从图２结果可以看出：在文献［１５］控制方法作用下，Ｍ１、Ｍ２和Ｍ３虽然在２ｓ后能够大致跟踪指令信号，但是响应时间比较长，同时跟踪曲线发生剧烈振荡，当执行器出现故障时，跟踪曲线发生剧烈波动，控制效果较差；而在文本容错控制律的作用下，Ｍ１、Ｍ２和Ｍ３能克服不确定性的影响，在０４ｓ时就可达到一致稳定，当执行器发生故障时，跟踪曲线发生微小振荡后，可迅速稳定跟踪速度指令信号，控制效果表现得更好．从图３结果可以看出：在文献［１５］容错控制律的作用下，速度误差持续小幅振荡，２ｓ后减小到０ｃｍ／ｓ附近，而在执行器故障的影响下，持续大幅振荡，控制效果不好；本文设计的控制律能确保Ｍ１、Ｍ２和Ｍ３的跟踪误差在０５ｓ减小到０ｃｍ／ｓ，当故障发生时，跟踪误差小幅振荡后，在０２ｓ内减小到０ｃｍ／ｓ．４３　航迹角和误差跟踪与对比与４２节中速度对比方法相同，得到多智能体系统的航迹角跟踪曲线如图４所示，航迹角误差曲线如图５所示．图４　航迹角仿真曲线Ｆｉｇ４　Ｔｒａｃｋａｎｇｌｅｓｉｍｕｌａｔｉｏｎｃｕｒｖｅｓ图５　航迹角误差仿真曲线Ｆｉｇ５　Ｔｒａｃｋａｎｇｌｅｅｒｒｏｒｓｉｍｕｌａｔｉｏｎｃｕｒｖｅｓ具体分析方法与图２、３相同，可看出本文容错控制律能够包容不确定性和执行器故障的影响，快５８５第５期王艳丽，等：考虑不确定性多智能体系统的分布式容错控制Copyright ©博看网. All Rights Reserved.速实现对多智能体系统的一致稳定，控制效果更优．５　结　论针对多智能体系统中参数摄动不确定性和执行器故障等问题，利用参数自适应技术设计了分布式容错控制律．通过在Ｍａｔｌａｂ中对无人机编队进行仿真实验表明，所设计的容错控制律能够使多智能体在０５ｓ内跟踪指令信号，能够包容未建模动态和参数摄动等不确定的影响，实现多智能体系统的一致鲁棒控制；可在０５ｓ后使跟踪误差减小到０ｃｍ／ｓ，控制精度较高，也能够克服执行器失效乘性故障和偏离加性故障的影响，实现多智能体系统的一致容错控制．参考文献（Ｒｅｆｅｒｅｎｃｅｓ）：［１］李龙斌．采用超节点协同的多智能体系统一致性算法［Ｊ］．信息与控制，２０１９，４８（６）：６９４－６９９．（ＬＩＬｏｎｇｂｉｎ．Ｎｏｖｅｌａｖｅｒａｇｅｃｏｎｓｅｎｓｕｓａｌｇｏｒｉｔｈｍｆｏｒｍｕｌｔｉａｇｅｎｔｓｙｓｔｅｍｓｖｉａｓｕｐｅｒｎｏｄｅｓｃｏｏｐｅｒａｔｉｏｎ［Ｊ］．ＩｎｆｏｒｍａｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１９，４８（６）：６９４－６９９．）［２］李媛，张如霞，于忠鑫．时滞非线性ＴＳ模糊马尔科夫跳变系统的滑模控制［Ｊ］．沈阳工业大学学报，２０２２，４４（２）：２０３－２０８．（ＬＩＹｕａｎ，ＺＨＡＮＧＲｕｘｉａ，ＹＵＺｈｏｎｇｘｉｎ．ＳｌｉｄｉｎｇｍｏｄｅｃｏｎｔｒｏｌｆｏｒｎｏｎｌｉｎｅａｒＴＳｆｕｚｚｙＭａｒｋｏｖｊｕｍｐｓｙｓｔｅｍｓｗｉｔｈｔｉｍｅｄｅｌａｙ［Ｊ］．ＪｏｕｒｎａｌｏｆＳｈｅｎｙａｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，２０２２，４４（２）：２０３－２０８．）［３］许丹，王鹏，刘智恒．往复工作路径下Ｌｅａｄｅｒｆｏｌｌｏｗｅｒ算法的编队控制研究［Ｊ］．国外电子测量技术，２０１８，３７（３）：６２－６７．（ＸＵＤａｎ，ＷＡＮＧＰｅｎｇ，ＬＩＵＺｈｉｈｅｎｇ．ＲｅｓｅａｒｃｈｏｎＬｅａｄｅｒｆｏｌｌｏｗｅｒｆｏｒｍａｔｉｏｎｃｏｎｔｒｏｌｉｎｔｈｅｒｅｃｉｐｒｏｃａｔｉｎｇｔａｓｋｐａｔｈ［Ｊ］．ＦｏｒｅｉｇｎＥｌｅｃｔｒｏｎｉｃＭｅａｓｕｒｅｍｅｎｔＴｅｃｈｎｏｌｏｇｙ，２０１８，３７（３）：６２－６７．）［４］易国，毛建旭，王耀南，等．多移动机器人运动目标环绕与避障控制［Ｊ］．仪器仪表学报，２０１８，３９（２）：１１－２０．（ＹＩＧｕｏ，ＭＡＯＪｉａｎｘｕ，ＷＡＮＧＹａｏｎａｎ，ｅｔａｌ．Ｓｕｒｒｏｕｎｄｉｎｇａｎｄｏｂｓｔａｃｌｅａｖｏｉｄａｎｃｅｃｏｎｔｒｏｌｏｆｍｏｖｉｎｇｔａｒｇｅｔｓｏｆｍｕｌｔｉｍｏｂｉｌｅｒｏｂｏｔｓ［Ｊ］．ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＳｃｉｅｎｔｉｆｉｃＩｎｓｔｒｕｍｅｎｔ，２０１８，３９（２）：１１－２０．）［５］谢光强，吴彦彬，李杨，等．基于多车辆集群的多编队一致性协议［Ｊ］．计算机应用研究，２０２１，３８（１０）：２９４８－２９５３．（ＸＩＥＧｕａｎｇｑｉａｎｇ，ＷＵＹａｎｂｉｎ，ＬＩＹａｎｇ，ｅｔａｌ．Ｍｕｌｔｉｆｏｒｍａｔｉｏｎｃｏｎｓｉｓｔｅｎｃｙｐｒｏｔｏｃｏｌｂａｓｅｄｏｎｍｕｌｔｉｖｅｈｉｃｌｅｃｌｕｓｔｅｒ［Ｊ］．ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ，２０２１，３８（１０）：２９４８－２９５３．）［６］茆汉国，张建德．多智能体系统的非震颤固定时间一致性［Ｊ］．计算机工程与应用，２０２０，５６（４）：１５８－１６２．（ＭＡＯＨａｎｇｕｏ，ＺＨＡＮＧＪｉａｎｄｅ．Ｎｏｎｃｈａｔｔｅｒｉｎｇｆｉｘｅｄｔｉｍｅｃｏｎｓｅｎｓｕｓｏｆｍｕｌｔｉａｇｅｎｔｓｙｓｔｅｍｓ［Ｊ］．ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ，２０２０，５６（４）：１５８－１６２．）［７］叶丹，张天予，李奎．全局信息未知的多智能体自适应容错包容控制［Ｊ］．山东大学学报（工学版），２０１７，４７（５）：１－６．（ＹＥＤａｎ，ＺＨＡＮＧＴｉａｎｙｕ，ＬＩＫｕｉ．Ａｄａｐｔｉｖｅｆａｕｌｔｔｏｌｅｒａｎｔｃｏｎｔａｉｎｍｅｎｔｃｏｎｔｒｏｌｆｏｒｍｕｌｔｉａｇｅｎｔｓｙｓｔｅｍｓｗｉｔｈｕｎｋｎｏｗｎｇｌｏｂａｌｉｎｆｏｒｍａｔｉｏｎ［Ｊ］．ＪｏｕｒｎａｌｏｆＳｈａｎｄｏｎｇＵｎｉｖｅｒｓｉｔｙ（ＥｎｇｉｎｅｅｒｉｎｇＳｃｉｅｎｃｅ），２０１７，４７（５）：１－６．）［８］刘自理，严卫生，张守旭．动态拓扑下时变时延多智能体系统的协同输出调节问题研究［Ｊ］．西北工业大学学报，２０１９，３７（３）：４７９－４８７．（ＬＩＵＺｉｌｉ，ＹＡＮＷｅｉｓｈｅｎｇ，ＺＨＡＮＧＳｈｏｕｘｕ．Ｒｅｓｅａｒｃｈｏｎｃｏｏｐｅｒａｔｉｖｅｏｕｔｐｕｔｒｅｇｕｌａｔｉｏｎｐｒｏｂｌｅｍｏｆｍｕｌｔｉａｇｅｎｔｓｙｓｔｅｍｓｗｉｔｈｔｉｍｅｖａｒｙｉｎｇｄｅｌａｙｕｎｄｅｒｄｙｎａｍｉｃｔｏｐｏｌｏｇｙ［Ｊ］．ＪｏｕｒｎａｌｏｆＮｏｒｔｈｗｅｓｔｅｒｎＰｏｌｙｔｅｃｈｎｉｃａｌＵｎｉｖｅｒｓｉｔｙ，２０１９，３７（３）：４７９－４８７．）［９］刘秀华，韩建，魏新江．基于中间观测器的多智能体系统分布式故障估计［Ｊ］．自动化学报，２０２０，４６（１）：１４２－１５２．（ＬＩＵＸｉｕｈｕａ，ＨＡＮＪｉａｎ，ＷＥＩＸｉｎｊｉａｎｇ．Ｉｎｔｅｒｍｅｄｉａｔｅｏｂｓｅｒｖｅｒｂａｓｅｄｄｉｓｔｒｉｂｕｔｅｄｆａｕｌｔｅｓｔｉｍａｔｉｏｎｆｏｒｍｕｌｔｉａｇｅｎｔｓｙｓｔｅｍｓ［Ｊ］．ＡｃｔａＡｕｔｏｍａｔｉｃａＳｉｎｉｃａ，２０２０，４６（１）：１４２－１５２．）［１０］曹伟，孙明．离散时变多智能体系统有限时间一致性迭代学习控制［Ｊ］．控制与决策，２０１９，３４（４）：８９１－８９６．（ＣＡＯＷｅｉ，ＳＵＮＭｉｎｇ．Ｆｉｎｉｔｅｔｉｍｅｃｏｎｓｅｎｓｕｓｉｔｅｒａｔｉｖｅｌｅａｒｎｉｎｇｃｏｎｔｒｏｌｏｆｄｉｓｃｒｅｔｅｔｉｍｅｖａｒｙｉｎｇｍｕｌｔｉａｇｅｎｔｓｙｓｔｅｍｓ［Ｊ］．ＣｏｎｔｒｏｌａｎｄＤｅｃｉｓｉｏｎ，２０１９，３４（４）：８９１－８９６．）［１１］刘凡，杨洪勇，杨怡泽，等．带有不匹配干扰的多智能体系统有限时间积分滑模控制［Ｊ］．自动化学报，２０１９，４５（４）：７４９－７５８．（ＬＩＵＦａｎ，ＹＡＮＧＨｏｎｇｙｏｎｇ，ＹＡＮＧＹｉｚｅ，ｅｔａｌ．Ｆｉｎｉｔｅｔｉｍｅｉｎｔｅｇｒａｌｓｌｉｄｉｎｇｍｏｄｅｃｏｎｔｒｏｌｆｏｒｍｕｌｔｉａｇｅｎｔｓｙｓｔｅｍｓｗｉｔｈｍｉｓｍａｔｃｈｅｄｄｉｓｔｕｒｂａｎｃｅｓ［Ｊ］．ＡｃｔａＡｕｔｏｍａｔｉｃａＳｉｎｉｃａ，２０１９，４５（４）：７４９－７５８．）［１２］李辰龙，方勇．基于神经网络的多智能体量化迭代学习控制［Ｊ］．电子测量技术，２０２０，４３（１４）：３９－４４．（ＬＩＣｈｅｎｌｏｎｇ，ＦＡＮＧＹｏｎｇ．Ｍｕｌｔｉａｇｅｎｔｑｕａｎｔｉｚａｔｉｏｎｉｔｅｒａｔｉｖｅｌｅａｒｎｉｎｇｃｏｎｔｒｏｌｂａｓｅｄｏｎｎｅｕｒａｌｎｅｔｗｏｒｋ［Ｊ］．ＥｌｅｃｔｒｏｎｉｃＭｅａｓｕｒｅｍｅｎｔＴｅｃｈｎｏｌｏｇｙ，２０２０，４３（１４）：３９－４４．）［１３］查昕昕，王正新，蒋国平．异质多智能体系统的自适应点对点拟一致性控制［Ｊ］．南京邮电大学学报（自然科学版），２０２２，４２（１）：１０１－１１０．（ＺＨＡＸｉｎｘｉｎ，ＷＡＮＧＺｈｅｎｇｘｉｎ，ＪＩＡＮＧＧｕｏｐｉｎｇ．Ａｄａｐｔｉｖｅｎｏｄｅｔｏｎｏｄｅｑｕａｓｉｃｏｎｓｅｎｓｕｓｏｆｈｅｔｅｒｏｇｅｎｅｏｕｓｍｕｌｔｉａｇｅｎｔｓｙｓｔｅｍｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ），２０２２，４２（１）：１０１－１１０．）［１４］马丹，张宝峰，王璐瑶．多智能体系统一致性问题的控制器与拓扑协同优化设计［Ｊ］．控制理论与应用，２０１９，３６（５）：７２０－７２７．（ＭＡＤａｎ，ＺＨＡＮＧＢａｏｆｅｎｇ，ＷＡＮＧＬｕｙａｏ．Ｃｏｎｔｒｏｌｌｅｒａｎｄｔｏｐｏｌｏｇｙｃｏｏｐｔｉｍｉｚａｔｉｏｎｆｏｒｃｏｎｓｅｎｓｕｓｏｆｍｕｌｔｉａｇｅｎｔｓｙｓｔｅｍｓ［Ｊ］．ＣｏｎｔｒｏｌＴｈｅｏｒｙ＆Ａｐｐｌｉｃａｔｉｏｎｓ，２０１９，３６（５）：７２０－７２７．）［１５］张普，薛惠锋，高山，等．具有混合执行器故障的多智能体分布式有限时间自适应协同容错控制［Ｊ］．系统工程与电子技术，２０２２，４４（４）：１２２０－１２２９．（ＺＨＡＮＧＰｕ，ＸＵＥＨｕｉｆｅｎｇ，ＧＡＯＳｈａｎ，ｅｔａｌ．Ｄｉｓｔｒｉｂｕｔｅｄｆｉｎｉｔｅｔｉｍｅａｄａｐｔｉｖｅｃｏｏｐｅｒａｔｉｖｅｆａｕｌｔｔｏｌｅｒａｎｔｃｏｎｔｒｏｌｆｏｒｍｕｌｔｉａｇｅｎｔｓｙｓｔｅｍｓｗｉｔｈｉｎｔｅｇｒａｔｅｄａｃｔｕａｔｏｒｓｆａｕｌｔｓ［Ｊ］．ＳｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇａｎｄＥｌｅｃｔｒｏｎｉｃｓ，２０２２，４４（４）：１２２０－１２２９．）（责任编辑：景　勇　英文审校：尹淑英）６８５沈　阳　工　业　大　学　学　报第４５卷Copyright©博看网. All Rights Reserved.。

复杂条件下飞行器进近可视导航的基础理论研究

项目名称：复杂条件下飞行器进近可视导航的基础理论研究首席科学家：戴琼海清华大学起止年限：2010年1月-2014年8月依托部门：国家自然科学基金委员会教育部一、研究内容科学问题之一：多维动态复杂空地环境统一表示在复杂地形、气象、电磁和多类威胁目标等特殊环境下，针对飞行器所呈现的位置和姿态变化的复杂运动，重点研究各种环境因素的几何、物理和行为模型的数字表达，各因素间空间关系的数字表达，以及它们在数据库中的表达；威胁目标对飞行器周边态势的影响与实时获取、跟踪与识别方法。

在高动态、多干扰条件下，探索多谱段窄带环境下的自适应高效传输机理，研究多优先级的空地、空空数据链协同传输方法。

主要研究内容如下：(1)终端区复杂环境变化因素精确获取方法；(2)终端区空地环境的多维动态表示模型；(3)空地移动网络的自适应协同传输方法。

科学问题之二：多源多尺度景象鲁棒匹配及合成视觉时空映射关系终端区能见度的变化以及飞行器位置、姿态变化引起的视点、视角变化是飞行器实现可视自主进近的难题。

为此，需要进行多源误差形成机理分析，多源多尺度景象鲁棒匹配与融合方法、多视角多光照条件下图像增强与真实场景的反演算法以及飞行器动态运动下物理空间和合成视觉空间的时空映射关系等研究。

主要内容如下：(1)导航定位、地理模型等多源数据误差及作用机理；(2)进近景象匹配误差补偿理论与鲁棒熵融合方法；(3)不同能见度增强的真实场景反演与多视点交互行为导航控制；(4)进近可分级导航视场精准重建理论。

科学问题之三：可信导航视场下的自主进近优化各种异类、异质传感器误差分布及误差传播特性是影响航空导航精度的关键因素，建立综合导航定位完好性风险模型，研究空地协同的完好性监测方法。

揭示可视化导航的各种误差（定位误差、飞行误差和显示误差）耦合作用的机理，探索各种误差置信度提高的方法，建立可信的可视化进近导航；揭示飞行器间交通态势的变化规律，提出飞行器与威胁目标的实时预警与冲突解脱方法，研究适应可视导航模式的空地协同的自主进近队列优化、引导技术与实现方法。

基于轨迹跟踪的航天器姿态自适应鲁棒控制

性Ｈ控制器，实现了刚体航天器的姿态跟踪控制；
文献［９１０］采用模糊滑模的方法，对具有惯量不确
定性和外干扰的刚体航天器的姿态跟踪控制问题进
行了研究．而一般的刚体航天器姿态机动控制律很
轨迹跟踪控制；文献［８］设计了具有Ｌ：增益的非线
模动态的挠性航天器的姿态轨迹跟踪控制；文献［１３］设计了神经网络自适应控制器，实现了具有惯量不
确定性和外干扰的挠性航天器的姿态轨迹跟踪控
Ｊａｎｕａｒｙ２０１３
（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）
文章编号：１０００ — ５６５Ｘ（２０１３）０１ — ００２１ — ０８
基于轨迹跟踪的航天器姿态自适应鲁棒控制术
制器的有效性．
关键词：挠性航天器；姿态机动；非线性系统；自适应鲁棒控制
中图分类号：Ｖ４１２；ＴＰ２７３
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１０００－５６５Ｘ．２０１３．０１．００４
航天器常具有惯量不确定和易受空间环境各种干扰
阳能帆板，由于帆板质量轻、阻尼小，其振动一旦被
激发，便很难被抑制，从而严重影响航天器姿态机动的控制性能．文献［１１］设计了一种非线性隐式自适应控制律，完成了具有模型不确定性的挠性航天器的姿态轨迹跟踪控制；文献［１２］采用Ｂａｃｋｓｔｅｐｐｉｎｇ

航天器姿态控制技术的强鲁棒性设计与分析方法

航天器姿态控制技术的强鲁棒性设计与分析方法随着航天技术的不断发展和航天器任务的日益复杂化，航天器姿态控制技术扮演了越来越重要的角色。

航天器的姿态控制是指使航天器保持既定的姿态或完成特定任务所采取的一系列操作。

然而，在真实的环境中，航天器面临着各种扰动和不确定性因素，这对姿态控制系统的鲁棒性提出了严峻的挑战。

强鲁棒性设计是指在不确定性和扰动的情况下，能够保持系统性能和稳定性的设计方法。

对于航天器姿态控制技术来说，强鲁棒性设计是确保其在各种复杂环境中正常运行的关键。

本文将介绍航天器姿态控制的强鲁棒性设计与分析方法，探讨其在提高航天器姿态控制系统性能的重要性和应用前景。

首先，强鲁棒性设计需要考虑系统的建模和控制方法。

航天器姿态控制系统的建模可以使用多种方法，如质点模型、刚体动力学模型和柔性模型等。

在建模过程中，需要考虑航天器的动力学特性、环境扰动和外部干扰等因素，以获得准确的系统模型。

基于系统模型，可以选择合适的控制方法，如PID控制、模型预测控制和自适应控制等，以满足姿态控制的要求。

同时，强鲁棒性设计还需要考虑到模型不确定性和参数变化的影响，以确保控制系统的稳定性和性能。

其次，强鲁棒性设计需要采用鲁棒控制技术。

鲁棒控制是指在不确定性和扰动的情况下能够保持系统性能和稳定性的控制策略。

其中，H∞控制是一种常用的鲁棒控制方法，可以有效地抵抗模型不确定性和外部干扰。

H∞控制通过优化控制器的性能权重和鲁棒性性能约束，使得系统能够在面对各种扰动情况下保持稳定性和性能。

强鲁棒性设计还可以结合其他鲁棒控制方法，如μ合成和信息论方法等，在不同情况下提供更灵活和高效的控制策略。

此外，强鲁棒性设计需要考虑到航天器姿态控制系统的工程实践。

航天器姿态控制系统的实际应用中往往存在各种约束条件和限制，如动力学限制、传感器限制和执行器限制等。

强鲁棒性设计需要在满足这些约束的前提下，优化控制系统的性能和稳定性。

这需要充分考虑到航天器姿态控制系统的实际工作环境和应用需求，从而设计出合适的控制策略和方法。

面向应急任务卫星鲁棒性规划模型及算法

面向应急任务卫星鲁棒性规划模型及算法邓润;唐宏;单越;牛晓楠;刘颖慧【摘要】为解决常规卫星任务规划方案面对应急任务插入时，调整后的方案相对于原始方案差异较大，卫星重调度难度大的问题，本文提出总时间重叠度及总任务执行时长两项鲁棒性指标，建立面向应急任务卫星鲁棒性规划模型，并基于经典的多目标进化算法 NSGA-П设计卫星鲁棒性任务规划算法求解。

仿真实验表明新应急任务到来时，使用该方法得到的卫星鲁棒性规划方案较常规卫星任务规划方案及考虑邻域指标的鲁棒性卫星任务规划方案，更易于调整，引起的新老调度方案差异相对较小，卫星能量消耗也相对较低。

%In order to reduce the difference between original satellite schedule and new adjusted one for emergency task,this paper proposes robust indicators based on overlap time & the total task execution time,and establishes robust imaging satellite mission planning model in emergency situation,then designs robust satellite mission planning algorithm,based on classic multi-objective evolutionary algorithm NSGA-П,to solve the model.The simulation results show that overlaptime&total task execution time indicators of satellite schedule which obtained by the method above,compared to that of schedules which just consider task weight-sum and which consider task weight-sum and schedule’s neighborhood size,tend to be more excellent when these schedules’task weight-sum indicators are approximate,so when new emergency task arrives,the schedule,obtained by the method proposed by this paper,is easier to adjust and the difference between the new schedule and the old one is smaller and cosumes less energy.【期刊名称】《遥感信息》【年(卷),期】2014(000)005【总页数】8页(P25-31,50)【关键词】卫星任务规划;应急任务;鲁棒性;NSGA-П【作者】邓润;唐宏;单越;牛晓楠;刘颖慧【作者单位】北京师范大学地表过程与资源生态国家重点实验室，北京 100875;北京师范大学地表过程与资源生态国家重点实验室，北京 100875;北京师范大学地表过程与资源生态国家重点实验室，北京 100875;北京师范大学地表过程与资源生态国家重点实验室，北京 100875;北京师范大学地表过程与资源生态国家重点实验室，北京 100875【正文语种】中文【中图分类】TP3191 引言成像卫星具有一次成像范围大、成像成本低等特点，已广泛应用于国防、环保、农业、气象、灾害应急等领域。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

３ｃｏｌｆｓｏａｔｓａｂｎＩｓｔｔｏｅｈｏｏ，Ｈｒｉ１００，ｈｎ）．Ｓｈｏｏｔｎｕｉ，ＨｒｉｎｔｕｅｆｃｎｌｇＡｒｃｉＴｙａｂｎ５０１Ｃｉａ
ＡｓａｔＢｓｄｏｔａｖｅｒｉｇｕｋｏｎｉｐｔｏｓｒｅＩ—Ｉ，ａｒｕｔｆｌｔｌａｔｃｎｒｌｓｈｍｓｂｔｃ：ａｅｎＩｒｔｅｌｎ —ｎｎｗｎｕｂｅｖｒ（ＬＵＯ）ｏｓａｔｏｒｎｏｔｃｅｅｉｒｅｉａｎｂｕ— ｅｏ
卜
其中（。ｑ’表示姿态四元数，，ｑ，）Ｊ表示３阶单位阵。陀螺作为惯性测量元件，卫星姿控系统中常．在被用来测量卫星姿态角速度，考虑存在陀螺漂移，其
测量方程如下：
＝＋叼（）３
代学习观测器的非线性故障诊断方法，该方法没但有考虑空间干扰力矩的影响，乏一定的鲁棒性。缺未知输入观测器（Ｉ，ＵＯ）具有良好的鲁棒性，故障在
第３３卷第８期
２１０２年８月
宇
航８１３
．
Ｊｕｎ１ｏｔｎｕｉｓｏｒａｆＡｓｒａｔｏｃ
Ａｕｕｓ２２ｇｔ０１
基于迭代学习观测器的卫星姿态控制系统的鲁棒容错控制
第８期
管
宇等：基于迭代学习观测器的卫星姿态控制系统的鲁棒容错控制
１８０１
动补偿故障的影响，而保证系统的稳定性并尽可从
能地恢复系统故障前的性能。目前，对卫星容错针控制方法的研究无论是理论上还是应用上都有一定的研究成果］。例如，雪芹等针对小卫星姿陈态控制系统执行机构和敏感器故障，用Ｈ采和Ｈ
２．ＳｅｚｅｒｓａｅＤｏｇａｇｏｇＨＩＳｔｌｔｏａｙＬｄ，Ｓｅｚｅ８５Ｃｉａ；ｈｎｈｎＡｅｏｐｃｎｆｎｈｎＴａｅｌｅＣｍｐｎｔｉｈｎｈｎ５１０７，ｈｎ
鲁棒性。
图如图１所示。此安装配置方案工作模式如下：飞
轮无故障时，正装飞轮用来实现卫星姿态控制和三姿态机动，当单轴飞轮出现故障时，动斜装飞轮补启偿此故障飞轮，同时改变系统控制律，实现卫星姿控系统主动容错控制。四飞轮安装矩阵如下：
ａｔｔｄｏｔｏｙｔｍｔｉｕｅｃｎｒｌｓｓｅ
０引言
在失重、高低温等恶劣环境下，部件故障具有严重且
的后果和不可修复性，因此，研究姿控系统的容错控
制对提高卫星在轨自主运行可靠性有着重要的理论意义和应用价值。容错控制是系统在发生故障的情况下，能够自
随着以完成高精度和高稳定度为航天任务的小卫星概念的提出和应用，对卫星控制系统可靠性和
安全性提出了更高的要求。由于在轨卫星长期工作
收稿日期：０２０－０；修回日期：０２４２２１－２２２１－ —６０基金项目：国家自然科学基金（０７０４６８４５）
中图分类号：Ｖ４４８文献标识码：Ａ文章编号：１０ —３８２１）８１８－００１２（０２０ — ０００７
Ｄ：０３７／．ｓ．００１２．０２０．１ｏＩ１．８３ｊｉｎ１０－３８２１．８０２ｓ
ＲｏｕｓｕｔＴｏｅａｔＣｏｒｌｆｒＳａｅｌｔｔｔｄｎｒｌＳｙｔｍｂｔＦａｌ－ｌｒｎｎｔｏｏｔｌｅＡｔｉｕｅＣｏｔｏｓｅｉＢａｅｎＩｅａｉｅＬｅｒｉｇＯｂｅｖｒｓｄｏｔｒｔｖａｎｎｓｒｅ
ｒｓｌｆｈｌｓｄｌｏａｅｌｅａｔｕｅｃｎｒｌｙｔｍｓｄｉａｅｌｅａｔｕｅｃｎｒｌｓｓｍａｉａｅｔｅｅｆｃｉｅｅｓｅｕｔｏｅｃｏｅ－ｏｐｓｔｌｔｔｔｄｏｔｓｓｔｉｉｏｓｅｕｅａｓｔｌｔｔｔｄｏｔｙｔｖｌｔｈｆｔｎｓｎｉｉｏｅｄｅｖ
ｃｌｔＪ＝
一
０一ｃｌｃＪ０Ｊ
采用姿态四元数描述的卫星姿态运动学方程表
示如下：
迭代的误差信息来修正当前的控制输入，到系统直
的输出完全跟踪期望轨迹Ｊ。文献［］状态难７对以直接测量的不确定非线性系统，于状态观测器基进行相应的迭代学习控制设计，实现在给定区间上对变轨迹的精确跟踪。文献［］出了一种基于迭９提
管宇，张迎春，沈毅，贾庆贤
（．哈尔滨工业大学卫星技术研究所，哈尔滨１００；２１５０１．深圳航天东方红海特卫星有限公司，深圳５８５１０７３．哈尔滨工业大学航天学院，哈尔滨１００）５０１
摘
要：针对卫星在轨运行时存在执行机构故障和空间干扰问题，出了一种将迭代学习与未知输入观测器提
ＧＡｕ，ＨＮｉｇｃｕ，ＨＮＹＪＡＱｎ．ｉＵＮＹＺＡＧＹｎ．ｈｎＳＥｉ，Ｉｉｇｘｎａ
（．ＲｓａｃｅｔｆａｌｔＴｃｎｌｇ，ｒｉｎｔｕｅｏｅｈｏｇ，ｒｉ５０１Ｃｉａ１ｅｅｒｈＣｎｅｏｔｌｅｅｈｏｙＨａｂｎＩｓｔｔｆｃｎｌｙＨａｎ１００，ｈｎ；ｒＳｅｉｏｉＴｏｂ
ｏｈｏｓｄｍｅｈｄ．ｆｔｅｐｒｐｏｅｔｏ
Ｋｅｒｓｈｒｔｅｌａｎｎ；Ｕｎｎｗｎｕｂｅｖｒａｌｒｃｎｔｃｉｎ；Ｒｂｓｆｕｔｔｌｒｎｏｔｌａｅｌｅｙｗｏｄ：ｅａｉｅｒｉｇｖｋｏｎｉｐｔｏｓｒｅ；Ｆｕｔｅｏｓｒｔｕｏｏｕｔａｌｏｅａｔｃｎｒ；Ｓｔｌｔ — ｏｉ
１卫星姿控系统模型卫星姿态动力学方程可表示如下：ｔ＝一Ｊ＋＋ｌ，ｗｆｄ（）１
其中ｌ是卫星转动惯量矩阵；＝［，，］，ｔＯ是卫星本体坐标系相对于地心惯性坐标系的姿态角速度在本体坐标系中的表示；。Ｈ分别为控制输入力ｌ，ｆ
ｐｔｒｏｄａｉｃｕｔｒｆｉｒｓａｄｅｔｒａｉｕｂｎｅｆｏ．ｒｉｓｔｌｔ．ＩｄｃｕｌｓｄｓｒａｃｓｗｔＯ，ｕｆｄｔｅｌｗｔａｔａｏａｌｅｎｘｅｎｌｄｓｒａｃｓｏｎｏｂｔａｅｌｅｔｅｏｐｅｉｔｂｎｅｉＵＩｈｕｔｉｕｈｍｅｎｈｌｈＬｔｃｎｑｅａｅｕｅｏｕｄｔｕｒｎａｌｓｇａｙｍｅｎｆｉａｗｉｔｅＩｅｈｉｕｒｓｄｔｐａｅｃｒｅｔｆｕｔｉｎｌａｓｏｅｂｍｍｅｉｔａｔｙｔｍｕｐｔｒｏｓａｄｔｅｄａｅｐｓｓｅｏｔｕｒｒｎｈｓｅｌｓｔｐＩ－Ｏｉｆｒｔｎ，ｔｕｅｏｓｒｃｉｇａｔａｏａｌｏ — ｎ．ＦｒｅｍｏｅｈｏｕｔｓｂｌｙｏｈｕｌｒｅａｔｓｅＬＵＩｎｏｍａｉｏｈｓｒｃｎｔｔｃｕｔｒｆｕｔｎｌｅｕｔｒｒ，ｔｅｒｂｓｔｉｔｆｔｅｆｌｏｄｒｕｎｉｈａｉ — Ｉ－ＯａｄｕｉｒｌｏｎｎｓｆａｇｌｒｖｌｃｔｒｏｓａｅｐｏｅｙｕｉｇｔｅＬａｕｏｔｂｌｙｔｅｒ．ＳｍｕａｉｎＬＵＩｎｎｆｍｙｂｕｄｅｓｏｎｕａｅｏｉｅｒｒｒｒｖｄｂｓｎｈｙｐｎｖｓａｉｔｈｏｙｉｌｔｏｙｉｏ
一
为了实现卫星姿态控制和姿态机动，三正装 “ 斜装 ” 四反作用飞轮常被采用，安装结构示意其
将故障观ｉ器与迭代技术相结合，出了一种基于贝０提观测器的航天器故障检测与重构方法，有一定的具
诊断问题上得到了广泛的应用 ’ Ⅲ 。文献［］２将ＵＯ应用于挠性卫星姿态控制系统故障检测和隔Ｉ
其中是陀螺测量输出，是陀螺漂移。
离，没有进一步考虑故障的重构。文献［２通过但１］
矩和空间干扰力矩。义反对称矩阵为定
ｒ０一ｙ］