详情

原文传递基于神经网络的双超卫星载荷舱干扰补偿方法

专利名称：	基于神经网络的双超卫星载荷舱干扰补偿方法
摘要：	本发明涉及航天卫星技术领域的基于神经网络的双超卫星载荷舱干扰补偿方法，包括如下步骤：步骤1：分析双超卫星载荷舱的干扰，建立带干扰的载荷舱数学模型；步骤2：基于神经网络设计干扰的数学模型，进行神经网络参数训练，获得干扰的估计值；步骤3：根据干扰的估计值，设计姿态补偿控制律，补偿干扰，获得载荷舱的高精度控制性能。本发明提供的基于神经网络的干扰补偿方法可以对双超卫星的不确定干扰进行补偿，极大地增强了对干扰的处理能力，使得卫星在轨超精超稳性能得到保障。
专利类型：	发明专利
国家地区组织代码：	上海;31
申请人：	上海卫星工程研究所
发明人：	许域菲;朱敏;廖鹤;唐忠兴;赵艳彬;张伟;赵强;倪涛
专利状态：	有效
申请日期：	2019-01-30T00:00:00+0800
发布日期：	2019-05-28T00:00:00+0800
申请号：	CN201910091522.X
公开号：	CN109808918A
代理机构：	上海段和段律师事务所
代理人：	李佳俊;郭国中
分类号：	B64G1/24(2006.01);B;B64;B64G;B64G1
申请人地址：	200240 上海市闵行区华宁路251号
主权项：	1.一种基于神经网络的双超卫星载荷舱干扰补偿方法，其特征在于，包括如下步骤：步骤1：分析双超卫星载荷舱的干扰，建立带干扰的载荷舱数学模型；步骤2：基于神经网络设计干扰的数学模型，进行神经网络参数训练，获得干扰的估计值；步骤3：根据干扰的估计值，设计姿态补偿控制律，补偿干扰，获得载荷舱的高精度控制性能。 2.根据权利要求1所述的基于神经网络的双超卫星载荷舱干扰补偿方法，其特征在于，所述步骤1包括：步骤1.1：双超卫星载荷舱在轨期间受到外部空间不确定干扰的作用，建立其姿态动力学干扰模型如下：式中：I是载荷舱转动惯量矩阵；ω＝[ω1 ω2 ω3]T是载荷舱本体坐标系相对于参考坐标系的角速度在本体系中的投影，也简称为姿态角速度；表示ω的导数，Hw是执行机构相对载荷舱本体的角动量；u是控制输入量，TN表示载荷舱的模型不确定性、未建模动态、挠性因素，是未知的且不确定的干扰项，需要加以估计和补偿；步骤1.2：不确定干扰TN对载荷舱姿态的影响，可以归结为对姿态角速度ω的影响，表示为ω的函数，记为TN＝TN(ω)。 3.根据权利要求2所述的基于神经网络的双超卫星载荷舱干扰补偿方法，其特征在于，所述载荷舱的干扰是有界不确定的，针对多种未知的不确定干扰进行补偿，可以使载荷舱具有超精超稳控制性能。 4.根据权利要求1所述的基于神经网络的双超卫星载荷舱干扰补偿方法，其特征在于，所述步骤2包括：步骤2.1：设计干扰项TN(ω)的理想的神经网络模型，有 TN(ω)＝WTσ(ω)+ε (2) 其中，W∈Rm×n是理想的网络权值矩阵，m表示网络隐层的个数、也为矩阵W的行数，n表示矩阵W的列数，WT表示矩阵W的转置，σ(ω)表示变量为ω的高斯函数，ε是网络的逼近误差，是有界的；步骤2.2：神经网络的输出可以表示为；其中，是神经网络的输出,是矩阵理想的权值矩阵W的估计值,也是m行，n列，表示σ(ω)的估计值步骤2.3：神经网络理想值与估计值的误差，记为e，表示为 5.根据权利要求4所述的基于神经网络的双超卫星载荷舱干扰补偿方法，其特征在于，权值矩阵W∈Rm×n是理想值，不能直接计算求得，而是采用神经网络估计的方法，求得W*∈Rm×n的近似值来代替。 6.根据权利要求4所述的基于神经网络的双超卫星载荷舱干扰补偿方法，其特征在于， σ(ω)∈Rm是传递函数向量，表示成如下高斯函数的形式其中，σ(ω)＝[σ1(ω)......σi(ω)......σm(ω)]T,i＝1,2......m,m是向量的维数，也是神经网络隐层的数量，ω是神经网络的输入，νi和δi(i＝1,2......m)分别是高斯函数的中心向量和宽度。 7.根据权利要求4所述的基于神经网络的双超卫星载荷舱干扰补偿方法，其特征在于，采用如下参数在线自适应更新律训练神经网络的参数：其中,分别是的导数，θw,θv和θδ是待设计的参数，Γw,Γν,Γδ分别是W,ν,δ的调节矩阵，分别是高斯函数对和的偏导数，e是如式(4)所示的网络误差；以神经网络与目标值的误差的均方差最小为训练目标，求得神经网络的参数，进而获得不确定干扰的估计值。 8.根据权利要求7所述的基于神经网络的双超卫星载荷舱干扰补偿方法，其特征在于，所述偏导数具有如下定义，包括：其中，表示偏导数。 9.根据权利要求1所述的双超卫星载荷舱干扰补偿方法，其特征在于，所述步骤3包括：步骤3.1：设计载荷舱姿态控制器为步骤3.2：基于神经网络，设计补偿控制律步骤3.3：网络用估计值表示，得到双超卫星载荷舱干扰补偿控制律为其中，是理想矩阵W的估计值，是σ(ω)的估计值，通过(6)式可求解得到各参数值。
所属类别：	发明专利