[发明专利]一种航天器姿态跟踪的神经网络反步滑模控制方法和系统

权利要求书

1.一种航天器姿态跟踪的神经网络反步滑模控制方法，其特征在于，所述方法包括：

根据航天器的给定期望姿态和实际姿态，得到所述期望姿态和所述实际姿态之间的误差量；所述航天器为控制受限航天器；

根据所述误差量和推力器提供的实际受限控制输入建立控制受限航天器姿态误差动力学模型，所述控制受限航天器姿态误差动力学模型中包括不确定项；所述控制受限航天器姿态误差动力学模型为：，其中为航天器姿态误差四元数的矢量部分、为航天器姿态误差四元数的矢量部分的一阶导数，和为根据所述误差量计算得到的中间变量，为控制器计算控制输入，为实际推力器提供的控制输入，表示所述不确定项；

通过构建辅助系统对所述动力学模型中的控制输入受限进行补偿，采用反步滑模算法得到所述动力学模型的反步滑模姿态跟踪控制律；所述辅助系统为，其中和为预设的正定矩阵，为控制器计算控制输入和实际推力器提供的控制输入的差值，和为所述辅助系统定义的状态变量，和为定义变量和的一阶导数；

将所述误差量中姿态误差四元数的矢量部分、所述实际姿态中的角速度以及所述角速度的导数作为输入量，将所述不确定项的估计值作为输出量，构造神经网络逼近器；所述神经网络逼近器的自适应律为：，其中为神经网络理想权值的估计值，为预设的正定对称矩阵，为隐含层输出，为控制器设计中选取的滑模面，表示向量转置；

根据所述神经网络逼近器和所述反步滑模姿态跟踪控制律，得到所述动力学模型的神经网络反步滑模姿态跟踪控制律，实现对所述航天器的姿态跟踪。

2.根据权利要求1所述的方法，其特征在于，所述根据航天器的给定期望姿态和实际姿态，得到所述期望姿态和所述实际姿态之间的误差量，包括：

根据航天器的给定期望姿态和实际姿态，得到所述期望姿态和所述实际姿态之间的误差量为：

其中，表示姿态误差四元数；表示期望姿态四元数，表示期望姿态四元数的逆；表示实际姿态四元数；符号表示四元数相乘；表示姿态误差角速度；表示实际姿态角速度；表示基于姿态误差四元数的姿态转换矩阵；表示期望姿态角速度。

3.根据权利要求2所述的方法，其特征在于，根据所述误差量和推力器提供的实际受限控制输入建立控制受限航天器姿态误差动力学模型，所述控制受限航天器姿态误差动力学模型包括不确定项，包括：

根据所述误差量建立航天器姿态误差的理论动力学模型，所述理论动力学模型包括外界干扰力矩不确定项；

将所述理论动力学模型中的转动惯量转换为转动惯量已知量和建模的转动惯量不确定项的和；

根据所述理论动力学模型和推力器提供的实际受限控制输入，得到控制受限航天器姿态误差动力学模型，所述控制受限航天器姿态误差动力学模型中包括不确定项，所述不确定项包括外界干扰力矩不确定项和建模参数不确定项。

4.根据权利要求3所述的方法，其特征在于，所述通过构建辅助系统对所述动力学模型中的控制输入受限进行补偿，采用反步滑模算法得到所述动力学模型的反步滑模姿态跟踪控制律，包括：

根据所述实际受限控制输入和所述计算控制输入的差值构建辅助系统；

根据所述航天器的系统状态，通过反步方式得到虚拟控制量；

根据所述辅助系统、所述系统状态和所述虚拟控制量，选取滑模面，采用反步滑模算法得到所述动力学模型的反步滑模姿态跟踪控制律。

5.根据权利要求4所述的方法，其特征在于，在所述通过构建辅助系统对所述动力学模型中的控制输入受限进行补偿，采用反步滑模算法得到所述动力学模型的反步滑模姿态跟踪控制律之后，还包括：

根据所述辅助系统、所述系统状态和所述虚拟控制量，构建李亚普诺夫函数，根据所述李亚普诺夫函数验证所述反步滑模姿态跟踪控制律的稳定性。