[发明专利]一种基于滑模控制和神经网络的卫星机动自主定轨方法

权利要求书

1.一种基于滑模控制和神经网络的卫星机动自主定轨方法，其特征在于：包括

(1)滑模保持控制算法

滑模控制器可以分为两个方面：离散时间滑模面设计和自适应滑模控制器设计；

①离散时间滑模面设计

离散系统的状态方程是x(k+1)＝Ax(k)+Bu(k)

其中x(k)表示为时刻t_k系统的状态误差量，x(k+1)表示为时刻t_k+1的系统状态量，A和B矩阵是状态方程的系数矩阵,u(k)是状态控制量，x(k)状态量误差量可以分为位置误差量和速度误差量两种，因此可以将上面的状态方程化简为：

其中和分别为位置偏差和速度偏差，为A的分块矩阵；

令滑模面为s(k)＝Cx(k)＝C₁r(k)+C₂v(k)

其中C₁,C₂是滑模面方程的系数矩阵，当系统状态到达滑模面时，有

C₁r(k)+C₂v(k)＝0

通过设置C₁和C₂的值构造离散时间滑模面；

②自适应滑模控制器设计

对某一时刻t_k+1，有s(k+1)＝Cx(k+1)

进一步可得s(k+1)＝CAx(k)+CBΔv(k)

Δv(k)＝-(CB)^-1{CAx(k)-(I₃-TK)s(k)+TDsgn[(s(k)]}

其中I₃为3阶的单位矩阵，为采样时间，为符号函数，s_i(k),i＝1,2,3表示的是s(k)的第i行的值，

D和K中的参数取值为

(2)神经网络自适应观测器

考虑如下非线性时变系统：

其中，u∈Eⁱ,y∈R^m,X∈Rⁿ；f(·)为已知的非线性函数；g(·)为已知的非线性观测函数；β(k)表示系统随时间变化的参数，它是一个随时间慢变的非线性函数；

从非线性时变系统的输入控制量u_k及输出y_k估计系统的状态，用BP网络动态系统构成状态观测器，网络动态系统的输出作为估计器的输入，动态方程如下：

其中Z_k∈Rⁿ为BP网络动态系统的输出状态，θ为BP网权值，是BP神经网络训练的标准样本量，通过误差进一步进行学习训练调整网权值θ，从而训练出最符合要求的网络动态系统，然后利用该系统通过控制量u_k和量测量Z_k来确定卫星的实时状态量，实现卫星的精确定轨。