模糊滑模与神经网络混合卫星姿态控制

《模糊滑模与神经网络混合卫星姿态控制》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：密级：UDC：编号：专业硕士学位论文（工程硕士）模糊滑模与神经网络混合卫星姿态控制硕士研究生：曹雨佳指导教师：黄平副教授企业导师：陈征峰高级工程师工程领域：控制工程论文主审人：哈尔滨工程大学2018年05月分类号：密级：UDC：编号：专业硕士学位论文（工程硕士）模糊滑模与神经网络混合卫星姿态控制硕士研究生：曹雨佳指导教师：黄平副教授学位级别：工程硕士工程领域：控制工程所在单位：自动化学院论文提交日期：2018年05月论文答辩日期：2018年06月学位授予单位：哈尔滨工程大学ClassifiedIndex:U.

2、D.C:ADissertationfortheProfessionalDegreeofMaster（MasterofEngineering）SatelliteAttitudeControlBasedonFuzzySlidingModeandNeuralNetworkCandidate:CaoYujiaSupervisor:AssociateProf.HuangPingAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:ControlEngineeringDate

3、ofSubmission:May,2018DateofOralExamination:June,2018University:HarbinEngineeringUniversity哈尔滨工程大学学位论文原创性声明本人郑重声明：本论文的所有工作，是在导师的指导下，由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出，并与参考文献相对应。除文中已注明引用的内容外，本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结

4、果由本人承担。作者(签字)：日期：年月日哈尔滨工程大学学位论文授权使用声明本人完全了解学校保护知识产权的有关规定，即研究生在校攻读学位期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机构送交论文的复印件。本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据库进行检索，可采用影印、缩印或扫描等复制手段保存和汇编本学位论文，可以公布论文的全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。本论文(□在授

5、予学位后即可□在授予学位12个月后□解密后)由哈尔滨工程大学送交有关部门进行保存、汇编等。作者(签字)：导师(签字)：日期：年月日年月日摘要姿态控制系统是保证卫星在轨期间能否具有高水平控制性能的关键。随着科技发展和社会进步，人类对卫星的要求任务越来越多样化，这会导致卫星的结构趋于复杂化。结构的复杂化会在一定程度上使得卫星姿态控制系统在工作时受到的不确定因素变多。所以在对卫星姿态控制系统的设计中，需要寻求一些优越的方法对这些问题进行处理，以期能得到一个在复杂空间环境下的高水平设计方案。考虑到卫星的初始混沌状态，利用滑模

6、变结构控制来解决卫星混沌状态并提高姿态控制的稳定性和精度。考虑到滑模变结构存在的抖振及其消极影响，采用基于指数趋近律的模糊滑模控制方法对抖振进行大幅度削弱直至基本消除。但在降抖的控制方法中未充分考虑对卫星数学模型中复合干扰的逼近，引入基于改进粒子群的径向基神经网络方法对复合干扰进行逼近。仿真验证了设计的模糊滑模与神经网络混合方法不但保证了卫星姿态控制的稳定，同时消除了控制力矩的抖振，并对干扰实现了有效的逼近，展现出优越的控制性能。论文的主要研究内容包括：首先，对卫星姿态控制问题的基本知识进行了简要的介绍，包括国内外研

7、究现状、相关坐标系的定义、姿态描述方法和卫星姿态模型的建立等。简要介绍了混沌系统的相关概念，并通过仿真表现了卫星在未加入控制时的混沌状态。将本文重点选用的滑模变结构控制加入卫星混沌系统中，仿真验证了加入滑模变结构控制方法后对卫星混沌状态的解决。其次，采用趋近律的方式实现对滑模变结构控制方法的抖振削弱。将基于等速趋近律和基于指数趋近律的滑模变结构控制方法进行仿真对比，验证了指数趋近律对抖振的大幅削弱。但仿真结果表明控制力矩的抖振虽大幅减弱但并未基本消除，将模糊方法嵌入到基于指数趋近律的滑模控制，仿真验证了模糊滑模对控制

8、力矩抖振的基本消除。然后，充分考虑刚体卫星运动模型中可能存在的未知干扰，对于干扰采用神经网络方法进行逼近。为了得到良好的逼近效果，将粒子群方法进行改进后对径向基神经网络进行优化，仿真验证了优化后方法的优越性。最后，为了实现对卫星姿态稳定和全面的控制，将第四章设计的基于改进粒子群算法的径向基神经网络与第三章利用模糊方法对滑模控制律中影响系统抖振的