[发明专利]基于神经网络的双超卫星载荷舱干扰补偿方法

权利要求书

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；

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，H_w是执行机构相对载荷舱本体的角动量；u是控制输入量，T_N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T_N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T_N＝T_N(ω)；

所述步骤2包括：

步骤2.1：设计干扰项T_N(ω)的理想的神经网络模型，有

T_N(ω)＝W^Tσ(ω)+ε (2)

其中，W∈R^m×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，W^T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

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。

3.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，

权值矩阵W∈R^m×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^*∈R^m×n的近似值来代替。

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，

σ(ω)∈R^m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)......σ_i(ω)......σ_m(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，ν_i和δ_i(i＝1,2......m)分别是高斯函数的中心向量和宽度。

5.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，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，θ^w,θ^v和θ^δ是待设计的参数，Γ_w,Γ_ν,Γ_δ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。