航天器姿轨控制研究综述:微分几何控制方法

作为空间任务顺利执行的关键技术,航天器姿态和轨道控制具有典型的非线性特征,其本质是对在矩阵李群SO (3)和SE (3)上演化的动态系统进行控制.与传统的参数化模型相比,航天器的矩阵李群模型对姿轨表征具有全局性、非奇异性和唯一性等固有优势,为控制设计提供了数学简洁、精度高、适用性好的模型基础.因此,近年来基于微分几何控制方法直接对其进行系统分析和控制设计的研究逐渐兴起,取得了一系列突破性成果.鉴于此,首先,系统地论述微分几何控制理论在航天器姿轨控制应用中的研究现状和进展;然后,面向空间任务的实际需要,分别对基于矩阵李群模型的单体航天器姿态控制、姿轨耦合控制、网络化航天器集群姿轨协同控制3个技术方向加以讨论;最后,对上述研究领域中存在的难题和挑战进行总结,并对未来发展方向进行展望.     

形状空间中模型变化的插值生成

在形状空间中,由三角形网格构成的模型可视为空间中的一个点,可以借助黎曼度量对形状空间进行操作,从而实现对模型的变换.改进了已有的操纵形状空间的方法,根据输入模型顶点的位置变化判断是否需要利用黎曼度量计算插值位置,降低了形状空间的维数,提高了运算速度.实验结果显示,混合利用线性插值和利用形状空间计算2种方法的生成模型具有良好的效果.     

基于广义改进分解策略的多目标代理优化方法

为解决多目标代理优化方法中代理模型选择单一问题,提出基于广义改进函数分解策略的多目标代理优化方法.该方法充分利用模型预测信息构建广义改进多目标分解准则和广义改进R2指标准则,有效拓展多目标代理优化中代理模型的选择空间.所提两种准则通过随机均匀权重实现全局探索和局部搜索能力的自适应平衡.研究结果表明,所提方法在有限仿真条件下拥有良好的寻优性能,获得Pareto前沿在收敛性、多样性及空间分布性方面均具有一定优势.相比同类方法,该方法具有优势:1)不需要模型预测不确定性信息,适用于基于不同种类代理模型的代理优化方法; 2)实现简单且计算复杂度低,能够有效提升昂贵黑箱问题优化效率.     

融入无监督度量学习的稀疏子空间聚类模型

子空间聚类任务中的无标记数据具有维度高、数据分布分散等特点,传统方法对数据预处理未进行详细地针对化设计且大多使用欧氏距离度量数据间的相似性,使聚类性能提升受限.因此,本文提出融入无监督度量学习的稀疏子空间聚类模型,该算法将距离度量与子空间聚类联合到同一框架,设计由两步组成的聚类过程.该方法对原始数据进行度量学习并重构了稀疏子空间聚类模型,使数据预处理不再是一个单独的步骤,最大限度地将输入的无标记数据之间相似度提高,有效提升了子空间聚类性能、加强了模型泛化能力.我们在真实公开数据集上进行实验测试,实验结果表明该方法优于现有的子空间聚类算法,具有良好的聚类性能.     

晶格式集群机器人矩阵成型方法及实验

针对复杂非结构环境下作业任务对机器人的多功能性、柔性化等特殊需求,提出一种以映射矩为目标构型识别依据、矩阵元素为成型运动核心的晶格式集群机器人矩阵成型方法.基于离散化处理后的晶格式群体系统与元素离散排列、对称分布的矩阵的相似性,在预处理阶段,将用户给定的二维目标几何构型任务进行矩阵二值化处理后,与初始构型矩阵嵌套和匹配,并依次通过矩阵映射运算、初始构型体的相对定位实现集群机器人对目标几何构型的有效识别.在成型阶段,晶格式机器人个体以矩阵元素为运动依据、晶格单元为成型载体,设计晶格式集群机器人的个体自主成型规则,有效解决群体系统中“走哪里”和“怎么走”的问题.最后,通过仿真实验表明群体矩阵成型方法的可行性和有效性.     

空间充气展开绳网系统捕获目标自抗扰控制研究

空间充气展开绳网系统是依靠充气梁展开绳网进行目标捕获的航天器系统,具有更好的稳定性和可操控性.然而由于充气梁和绳网的大柔性变形以及捕获失稳自旋目标后的未知碰撞,使得捕获后的航天器姿态稳定控制困难.本文主要基于自抗扰控制解决了空间充气展开绳网系统捕获目标后的姿态稳定和消旋难题.首先,基于理想薄膜充压失效理论和绝对节点坐标方法建立充气展开绳网系统动力学模型,而后设计了航天器姿态稳定自抗扰控制器,用于实时估计并补偿系统捕获过程中未知惯量目标与捕获机构的碰撞干扰.仿真结果表明,动力学模型能够模拟捕获过程中充气梁的屈曲失效及碰撞特性,自抗扰控制器能够有效抑制碰撞带来的干扰,实现空间充气展开绳网系统捕获后的高精度姿态稳定控制,同时能够在有限时间内对自旋目标实现消旋.     

着色Petri网对高性能集群的建模与性能评估

针对形式化建模方法导致的状态空间爆炸问题,提出了一种基于Petri网的高性能集群建模与性能评估方法.首先分析了高性能集群的系统架构,构建了模型的总体结构;然后针对集群系统建立了相应的任务产生子模型和调度子模型,并通过对Petri网进行着色,根据不同种类任务的执行特点设计了相应的任务处理模型.仿真结果表明,利用所建立的模型能够有效评估关键参数对集群性能的影响.     

基于反步法的主从航天器相对姿态控制

对主从航天器的相对姿态控制问题,考虑从航天器系统不确定因素,提出了一种基于反步法的姿态控制方法,并引入自适应控制律.该方法首先根据主从航天器的相对位置信息,解算出从航天器观测轴指向主航天器以及从航天器跟踪主航天器轨道坐标系等两种任务的期望姿态;然后基于修正罗德里格参数(MI(P)描述的从航天器姿态误差动力学模型设计了姿态控制器以及针对航天器惯量的不确定性设计了自适应控制律;并基于Lyapunov方法从理论上证明了该方法能够实现全局渐近稳定的相对姿态控制.最后将该方法应用于某编队飞行任务,仿真结果表明此控制器能够实现其编队飞行控制,具有良好的控制性能.     

空间控制技术发展与展望

控制是航天器在空间环境下自主完成复杂任务的关键技术.首先梳理了中国空间控制技术过去50多年来的发展成果,总结划分为航天器姿态控制、姿态轨道控制、“感知-决策-执行”(Perception-decision-action, PDA)自主控制三个方面,并在综述了各方面主要进展的基础上,围绕超大结构航天器姿态轨道控制、轨道空间博弈控制、网络化航天器集群控制、地外探测智能无人系统控制、跨域航天器自主控制、在轨建造与维护(On-orbit servicing, assembly, and manufacturing, OSAM)控制6个技术方向,提出面临的挑战和需要重点关注的基础性问题,为空间控制技术未来的发展提供借鉴和参考.     

基于机械臂耦合力矩评估的组合航天器姿态协调控制

针对在轨服务任务中服务航天器和目标航天器对接后组合体的姿态稳定问题,提出一种基于机械臂耦合力矩评估的组合航天器姿态协调控制方法.首先,对空间机械臂和组合航天器进行了动力学建模与分析;其次,利用空间机械臂和组合体平台之间的强耦合特点,采用空间机械臂的运动来协调组合航天器平台的姿态运动,并给出了相应的协调规划方法;然后,考虑传统航天器燃料有限、反作用轮易饱和等因素,采用以空间机械臂为主、反作用轮为辅的方式对组合航天器进行姿态协调控制,并设计了基于机械臂耦合力矩评估的姿态协调控制器;最后利用仿真实验与传统航天器姿态控制方法进行了比较分析,结果表明:所提方法仅通过空间机械臂和反作用轮就能实现对组合航天器的姿态稳定控制,而不需要消耗昂贵的喷气燃料.     

一种改进的多目标粒子群优化算法及其应用

为提高多目标粒子群优化 (MOPSO)算法处理多目标优化问题的性能, 降低计算复杂度, 改善算法的收敛性, 提出了一种改进的多目标粒子群优化算法。通过运用比例分布及跳数改进机制策略的方法, 使该算法不仅继承了MOPSO算法的优点, 而且具有很强的局部搜索能力和较好的鲁棒性能, 使非劣解集均匀分布, 尽可能逼近真实的非劣前沿。通过对多连杆悬架空间结构硬点的多目标优化, 进一步验证了该算法的实用性及其优越性。     

一种基于改进蜂群算法的网络重构技术

空间信息网络在给定拓扑结构和资源受限的情况下,卫星节点间如何优化链路选择,重构网络拓扑结构,使得升级后的空间信息网络具有良好的抗毁性,是非常具有研究价值的问题.本文针对空间信网络拓扑重构问题,综合考虑卫星节点之间的可见性、可连通时间和可连通度等约束条件,建立了卫星网络拓扑链路模型和节点模型并提出基于改进蜂群算法的空间信息网络拓扑重构算法.仿真实验表明,该算法在资源受限的情况下,能够兼顾改善网络的有效性和抗毁性,有效延长网络的生存时间.     

星型结构的多目标粒子群算法求解多模态多目标问题

首先,根据多目标粒子群算法中的粒子结构信息,利用非支配解集构造粒子个体邻域之间的拓扑结构,提出星型结构的多目标粒子群算法用于求解多模态多目标问题。其次,针对多目标粒子群中全局最优个体选择困难,提出一种非支配解集分布均匀程度的评价方法,评价结果用于确定当前粒子对应的全局最优个体。最后,结合2种方法提出带均匀计算方法的星型拓扑结构多目标粒子群优化算法STMOPSONCMIU。通过测试函数分析算法的收敛性,表明改进的算法比原来的算法收敛速度快。实验结果表明,该算法可以较好地兼顾问题的目标空间和决策空间的分布,有效解决多模态多目标问题。     

EMOEA/D-DE算法在卫星有效载荷配置中的应用

针对卫星有效载荷配置问题,提出了一种基于差分进化分解的改进多目标优化算法(EMOEA/D-DE)的有效载荷配置模型。该模型将配置问题转化为以卫星数、卫星冗余度为目标的多目标优化问题(MOP),并采用EMOEA/D-DE进行求解。此外,针对随机均匀初始化会导致种群在目标空间分布过于集中的问题,采用与优化目标相结合的随机初始化方法进行改进。实验结果表明,该模型所求解集的平均差异性在0.05以内,分布度值在0.9以上,具有较好的稳定性及分布性,且改进后的算法收敛速度提升近1倍,所求解的近似Pareto前沿相对更优。     

仿欧椋鸟大规模超机动行为的无人机集群转弯控制

为了在动态不确定环境下实现大规模无人机集群转弯的快速性和一致性,提出了一种仿欧椋鸟大规模超机动行为的无人机集群转弯控制方法．通过分析欧椋鸟大规模超机动行为,分别建立邻居选择、局部交互和信息传递机制,并将其映射到无人机集群转弯控制中．在这些机制的基础上,利用改进社会力模型进行无人机转弯控制,使无人机集群在没有外界刺激的情况下实现快速聚集和速度极化;而在有外界刺激的情况下,无人机切换模式,整个集群快速完成超机动转弯动作以避开危险．仿真实验结果表明,在该模型作用下无人机集群既能满足转弯曲率的要求,又能保持群集运动的一致性．     

智能集群空间分布特性研究

针对智能集群概念的定义问题,从理论层面进行了智能集群空间分布特性的研究。首先建立了智能集群的边界模型,分别描述了智能集群的最大边界范围模型和个体最小安全范围模型,其次提出了智能集群的密度界限的概念,定义了智能集群的最大密度及最小密度的概念,最后通过仿真实验验证了所提出的智能集群空间特性指标的合理性,使得智能集群的概念变得具体和清晰。     

基于模糊物元模型的高维多目标FJSP研究*

为解决高维多目标柔性作业车间调度问题,提出了一种基于模糊物元模型与粒子群算法的模糊粒子群算法（Fuzzy Particle Swarm Optimization,FPSO）。该算法以模糊物元分析理论为依据,采用复合模糊物元与基准模糊物元之间的欧式贴近度作为适应度值引导粒子群算法的进化,并引入具有容量限制的外部存储器保留较优的Pareto非支配解以供决策者选择。此外,构建了优化目标为最大完工时间、设备总负荷、加工成本、最大设备负荷与加工质量的高维多目标优化模型,并以Kacem基准问题与实际生产数据为例进行仿真模拟与对比分析。结果表明,该算法具有良好的收敛性且搜索到的非支配解分布性较好,能够有效地应用于求解高维多目标柔性作业车间调度问题。     

一种基于粒子对称分布多样性的PSO算法

粒子群算法(PSO)在演化的过程中种群多样性越来越差,容易陷于局部最优。为了克服这一缺点,提出一种基于粒子对称分布多样性的改进PSO算法(sdPSO)。对粒子在空间分布的研究发现,粒子在最优解周围更对称的分布可大大提高算法收敛到全局最优解的概率。提出一种种群多样性函数表示方法,并在标准粒子群算法中引入多样性调节算法。由于种群多样性被不断调整,粒子在空间中的分布在对称与非对称之间反复变换,使得改进算法能搜索到更广泛的区域。通过benchmark函数实验仿真,改进sdPSO算法与标准粒子群算法相比,能达到更高的收敛精度。     

Particle swarm optimization-based sub-pixel mapping for remote-sensing imagery

Mixed pixels are widely existent in remote-sensing imagery. Although the proportion occupied by each class in mixed pixels can be determined by spectral unmixing, the spatial distribution of classes remains unknown. Sub-pixel mapping (SPM) addresses this problem and a sub-pixel/pixel spatial attraction model (SPSAM) has been introduced to realize SPM. However, this algorithm fails to adequately consider the correlation between sub-pixels. Consequently, the SPM results created by SPSAM are noisy and the accuracy is limited. In this article, a method based on particle swarm optimization is proposed as post-processing on the SPM results obtained with SPSAM. It searches the most likely spatial distribution of classes in each coarse pixel to improve the SPSAM. Experimental results show that the proposed method can provide higher accuracy and reduce the noise in the results created by SPSAM. When compared with the available modified pixel-swapping algorithm, the proposed method often yields higher accuracy results.     

How different feature spaces may be represented in cortical maps

This paper explores how different high-dimensional feature spaces might be represented in cortical maps, subject to continuity and completeness constraints. Spaces explored included products of circular variables (such as orientation), products of linear dimensions encoding scalar features (such as spatial frequency) and products of binary features. Maps were generated using the Kohonen algorithm, with uniform or non-uniform stimulus distributions. A 2D retina was always assumed to be present. Simulations were run with and without annealing. For uniform input distributions, coverage uniformity (Swindale 1991 Biol. Cybern. 65 415-24) was used to measure how well the map was able to represent the feature space. For non-uniform distributions a weighted measure of coverage uniformity was calculated. Good coverage could be achieved for up to five or six cyclic variables but was substantially worse for a similar number of uniformly distributed scalar features. For annealed maps of multi-dimensional stimuli with Gaussian distributions, the distribution of receptive field centres and the distribution of total activity evoked on the cortex matched the stimulus distribution well. For annealed maps of non-uniformly distributed binary features there was an approximately linear relationship between the area of a map devoted to a specific feature and the probability of occurrence of the feature during development. Deviations from uniform retinotopy often led to improved coverage.