Page 103 - 当代控制理论及应用技术概论

第三章 自适应控制研究

（三）控制执行技术
目前，PID、模型参数化和自适应等经典控制方法在航天器控制领域已形成
了一套比较成熟的理论体系，但随着空间任务复杂性的增强，航天器的模型非线
性和不确定性也愈加显著，经典方法缺少泛化学习能力，在应对不确定性时能力
有限。考虑到人工智能方法可有效逼近不确定性和模型非线性，很多学者提出了

多种智能控制方法，用于解决较强不确定下的控制问题。
对于存在外部干扰、模型参数不确定和执行机构故障情况下的航天器姿态
控制问题，利用神经网络的泛化拟合和学习能力，构建了自适应神经网络姿态控

制器，实现了多种不确定因素下的姿态跟踪控制。在实际工程任务中，航天器控
制系统中的测量和执行机构使用频率较高，易发生故障，而大部分故障无法提前
预知，并且维修成本较高，可能在短时间内造成航天器姿态测量值或真实值发散，
进而导致任务失败。为此，一种模糊自适应观测器用于姿态和角速度的高精度估
计，并通过设计模糊自适应容错控制器，实现了在系统具有不确定性和执行机构

故障情况下的姿态稳定控制。
在轨道控制方面，远距离的轨道机动一般先通过智能优化算法进行轨迹规
划，然后设计相应的脉冲控制律，涉及的智能控制执行方法较少。在近距离交会

时，为了提高控制精度，需要考虑姿态与轨道控制通道之间的耦合影响，设计姿
轨联合控制律。针对空间非合作目标交会对接问题，考虑姿态与轨道控制通道交
叉耦合、目标未知控制加速度和追踪器控制力矩不确定性等影响，利用小增益定
理和反步设计法给出了可保证姿态和轨道控制通道整体上具有稳定性的姿轨联合
控制方法，有效提高了控制效率和控制精度。采用 T-S 模糊方法获得非线性系统

的参考模型，并基于该模型设计模糊自适应位置和姿态跟踪控制器，通过保障系
统的H∞性能获得了较强的鲁棒性。考虑在存在外部干扰和模型参数不确定性时，
利用模糊方法对不确定性进行拟合，通过在线学习自适应调整参数，并结合滑模

控制方法，设计了模糊自适应姿轨联合控制器，实现了姿态和轨道的高精度控制。
考虑存在外部干扰和执行机构故障等多种不确定性的情况，构建了深度强化学习
神经网络，通过在线学习调整参数，设计了对不确定性具有强鲁棒性的自适应智
能控制器，解决了航天器非合作目标跟踪姿轨联合控制问题。
在空间在轨维护任务中，利用空间机器人对目标进行操控是目前主要的实

施手段，其操控精度是需要重点考虑的问题。作为典型的空间多体系统，空间机

95
95