双框架MSCMG框架伺服系统的动力学解耦及扰动补偿

《双框架MSCMG框架伺服系统的动力学解耦及扰动补偿》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、航空学报ActaAeronauticaetAstronauticaSinicaMar．252016V01．37No3916-927ISSN1000．6893CN11．1929／Vhttp：／,／hkxbbuaa．edu．cnhkxb@buaaedu．caDOI：10．7527／S1000一6893．2015．0163双框架MSCMG框架伺服系统的动力学解耦及扰动补偿崔培玲1’2一，杨珊1’2，李海涛1’21．北京航空航天大学仪器科学与光电工程学院，北京1000832．北京航空航天大学惯性技术国家级重点实验室，北京100083摘要：双框架磁悬浮控制力矩陀螺(MSCMG)框架伺服

2、系统是一个多变量、强耦合、非线性的复杂系统，针对耦合力矩对框架系统速率伺服性能的影响，以及框架系统动力学解耦之后存在残余耦合、卫星运动引起的牵连力矩和非线性摩擦的问题，提出了微分几何法与扩张状态观测器(ESO)相结合的高精度控制方法，在线性化解耦的基础上对残余耦合、牵连力矩及非线性摩擦进行观测补偿以提高框架伺服系统解耦及速率跟踪性能。仿真结果表明、由耦合力矩引起的内、外框架速率波动最大值分别从0．18(。)／s和0．12(。)／s减小到5×10_3(。)／s和4xlO-3(。)／s，内、外框架正弦角速度跟踪误差分别从0．18(。)／s和0．19(。)／s减小到0．005(。)

3、／s和0．004(。)／s。所提出的方法实现了框架伺服系统的动力学解耦以及非线性摩擦和牵连力矩的补偿，提高了框架系统的解耦性能和速率伺服精度。关键词：扰动补偿；动力学解耦；框架伺服系统；微分几何法；扩张状态观测器中图分类号：V242。44文献标识码：A文章编号：1000—6893(2016)03—0916—12磁悬浮控制力矩陀螺(MSCMG)具有输出力矩大、精度高和寿命长的特点，是敏捷机动卫星等卫星的理想姿态控制执行机构n。3]。MSCMG根据框架自由度数可以分为单框架MSCMG和双框架MSCMG。相比于单框架MSCMG，双框架MSCMG可以输出两个自由度的力矩，奇异性小，是

4、MSCMG发展的一个重要方向[4。5]。内、外框架伺服系统是双框架MSCMG的重要组成部分，框架系统角速度控制精度，直接影响MSCMG输出力矩的精度，进而影响卫星姿态控制精度，因而实现框架伺服系统高精度速率跟踪控制具有重要意义。双框架MSCMG的框架伺服系统是一个多变量、强耦合、非线性的低速伺服系统，内、外框架之间的强耦合力矩、卫星运动引起的牵连力矩以及非线性摩擦等未知扰动，会影响框架系统的速率跟踪精度，甚至影响双框架MSCMG整机的稳定性。因而要实现框架伺服系统的高精度控制，必须消除内外框架间的耦合力矩、卫星运动引起的牵连力矩以及非线性摩擦等未知扰动对框架系统速率跟踪性能的

5、影响。针对多变量耦合系统的解耦控制问题，目前主要有两类方法：①根据系统动力学模型计算耦合力矩进行补偿控制；②线性化解耦控制。计算力矩方法主要基于系统的精确数学模型计算出耦合力矩，然后进行反馈或前馈补偿控制[6‘7]，但是收稿日期：2015—04—09；退修日期：2015一05—12；录用日期：2015—05—29；网络出版时间：2015-06一0809：28网络出版地址：WWW．cnki．net／kcms／detail／111929V201506080928．001．htmI基金项目：国家自然科学基金(61203112)*通讯作者．Tel：010—82339273E-mail

6、：peilingcui@buaa．edu．cn弓l用格武t崔培玲。杨珊．李海涛双框架MSCMG框架伺驳系统的动力学解耦及挠动补偿[J]．航空学报．2016。37(3)：916-977．CUIPL!YANGS，uH7-．Dynamicdecouplingco船o

7、anadisturbancecompensationofgimbalservesystemofdoublegimbalMSC·MGLJ2．ActaAeronauticaetAstronauticaSinica．2016．37(3)：916—927崔培玲，等：双框架MSCMG框架伺服系统的动力学解耦及扰动补偿这种方法依赖

8、于精确数学模型，而且补偿控制方法无法保证系统的全局稳定性。线性化解耦控制[81主要分为智能线性化方法和状态反馈线性化方法。智能线性化解耦控制方法凹。胡不依赖于系统的动力学模型，主要有神经网络解耦、最小二乘支持向量机、模糊解耦等。神经网络解耦凹伽解决了系统动态逆难以实现的问题，由于其较强的自学习能力，能够获得较强的鲁棒性；与神经网络相比，最小二乘支持向量机[11]采用了结构化风险最小化准则，不存在局部极小问题；模糊解耦[12]是对参数不敏感的鲁棒解耦方法，但是需要对被控对象进行人工归纳和操作经验的总结，而