[发明专利]一种面向任务约束的航天器姿态控制系统在轨重构方法

说明书

本发明公开了一种面向任务约束的航天器姿态控制系统在轨重构方法，属于航天器姿态控制系统重构的技术领域。本发明将任务约束条件纳入效用函数以及性能指标函数的设计，根据效用函数以及性能指标函数确定HJB方程形式的迭代控制律，在ADP框架下训练神经网络以拟合迭代控制律的目标函数进而确定最优重构策略，在故障情形下作出尽量保证既定任务顺利执行的最优重构决策，提高了航天器的任务完成能力以及故障应对能力。

技术领域

本发明公开了一种面向任务约束的航天器姿态控制系统在轨重构方法，属于航天器姿态控制系统重构的技术领域。

背景技术

在轨航天器一旦发生故障，即使只有几分钟、十几分钟，都可能会导致整个飞行任务的失败。由于航天器距离地面遥远，故障往往无法得到地面测控人员的及时处理，航天器应具有在轨自主重构的能力。目前的系统重构方法主要聚焦于容错控制器的设计，通过主动容错或者被动容错的方式实现故障后的系统稳定，然而，主动容错或者被动容错的方式没有考虑任务约束条件，重构后的控制系统不能保证满足任务执行要求。

Werbos于1977年提出的自适应动态规划(Adaptive Dynamic Programming,ADP)方法是一种解决高维复杂系统最优控制问题的有效方法。ADP方法基于增强学习(Reinforcement Learning,RL)的思想并采用迭代学习算法训练人工神经网络以近似求解哈密顿-雅可比-贝尔曼(Hamilton-Jacobian-Bellman,HJB)方程，避免了传统动态规划方法“维数灾难”的问题，在解决高维复杂系统最优控制问题中展现出了独特的优势。本发明中旨在针对任务约束设计满足HJB方程形式且适合在ADP框架中进行求解的最优重构策略。

发明内容

本发明的发明目的是针对上述背景技术的不足，提供了一种面向任务约束的航天器姿态控制系统在轨重构方法，将任务约束条件纳入效用函数以及性能指标函数的设计，在故障情形下作出尽量保证既定任务顺利执行的最优重构决策，解决了现有重构方法重构后的控制系统不能保证满足任务执行要求的技术问题。

本发明为实现上述发明目的采用如下技术方案：

一种面向任务约束的航天器姿态控制系统在轨重构方法，以系统故障信息、系统状态信息以及任务约束信息为决策因素，在ADP框架下通过近似求解HJB方程的方式确定最优重构策略。

进一步的，一种面向任务约束的航天器姿态控制系统在轨重构方法中，任务约束信息包含但不限于控制能耗、控制精度、任务优先级。

进一步的，一种面向任务约束的航天器姿态控制系统在轨重构方法中，系统故障信息包含但不限于故障位置、故障类型、故障程度。

进一步的，一种面向任务约束的航天器姿态控制系统在轨重构方法中，系统状态信息包含但不限于姿态角和角速度、当前系统配置、电池电量。

作为一种面向任务约束的航天器姿态控制系统在轨重构方法的进一步优化方案，在ADP框架下通过近似求解HJB方程的方式确定最优重构策略的具体方法为：根据系统故障信息、系统状态信息确定体现了任务约束信息的效用函数，通过在时间维度上折扣效用函数后并累加的方式确定性能指标函数，由效用函数及最优性能指标函数得到HJB方程形式的迭代控制律，采用迭代算法近似拟合迭代控制律的目标函数进而确定最优重构策略。

作为一种面向任务约束的航天器姿态控制系统在轨重构方法的再进一步优化方案，根据系统故障信息、系统状态信息确定体现了任务约束信息的效用函数的方法为：根据k时刻的状态量s_k、k时刻的重构动作a_k构建体现了k时刻任务约束信息的k时刻的效用函数U(s_k,a_k)，k时刻的状态量s_k通过加权处理k时刻的系统故障信息、系统状态信息得到。