[发明专利]一种针对离子电推进系统的连续变推力最优控制系统和方法

说明书

本发明公开了一种针对离子电推进系统的连续变推力最优控制系统和方法，该方法能够在完成推力需求值的同时达到工作效率最优，实现离子电推进系统的最优控制。在具体操作时，控制器在每个控制周期接收上位机下达的推力需求值，并在每个调节周期接收推力检测单元返回的当前推力值，仅依据推力需求值与当前推力值，通过阳极流率开环控制，阳极电流、励磁电流闭环控制以实现推进器的实时最优推力控制。

技术领域

本发明属于空间等离子体电领域，具体涉及一种针对离子电推进系统的连续变推力最优控制系统和方法。

背景技术

离子电推进系统的主要工作特点是宽范围高精度连续变推力，推力的调节需要通过控制量阳极流率、阳极电流、励磁电流的组合调节实现。为了实现推力的宽范围高精度连续调节，需要借助特定的控制算法实时控制离子推力器控制量的变化实现要求的推力需求值。建立离子推力器输出推力与控制量之间的变化关系目前还不能用等离子体放电相关物理规律进行表述，必须借助大量详细试验获得的试验数据进行拟合规律表述。由于由上位机下达的推力需求值是预先未知的随时间任意变化的函数，因此该系统是一种典型的随动系统，此类系统设计的重点是研究被控量(推力输出值)跟随参据量(推力需求值)的快速性和准确性。

近年来随着计算能力地不断提升，深度神经网络技术得到不断发展，深度神经网络能够学习与适应不确定系统的动态特性，有很强的鲁棒性和容错性。同时，根据万能逼近定理，通过连接多个特征值，经过线性和非线性的组合，深度神经网络可以逼近任意连续函数和非连续函数。因此，深度神经网络为非线性系统的建模和控制提供了强有力的手段。

在工程实际中，应用最为广泛的调节器控制规律为比例积分微分控制，简称PID控制。PID控制以其结构简单、稳定性好、工作可靠、调整方便成为工业控制的主要技术之一。但在离子电推进领域，传统的PID控制方法仅依靠推力误差进行决策控制，并未针对系统工作效率进行优化，不能保证在任何条件下系统均处于最优工作状态，无法满足离子推进器低误差且高效率(最优控制)的工作要求。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供一种针对离子电推进系统的连续变推力最优控制系统和方法，以解决现有技术中传统的PID控制方法未针对系统工作效率进行优化，难以保证系统处于最优工作状态的技术问题。

为达到上述目的，本发明采用以下技术方案予以实现：

一种针对离子电推进系统的连续变推力最优控制方法，包括以下步骤：

步骤1，建立控制量和推进器推力网络以及工作效率网络、以及推力网络损失函数和工作效率损失函数，通过输出推力的损失函数，训练推力网络中的参数，通过工作效率的损失函数，训练工作效率网路的损失函数，获得训练后的推力网络和工作效率网络，所述控制量包括阳极流率、阳极电流和励磁电流；

步骤2，通过训练后的推力网络和工作效率网络，建立输出推力的优化模型，所述优化模型以输出推力与推力需求误差值最小化，以及推进器工作效率最大化为目标；

步骤3，建立控制器，所述控制器包括优化器和调节器，所述优化器为控制量的控制网络，控制量的控制网络通过控制量的损失函数优化参数后获得，所述控制量的损失函数通过优化模型获得，所述调节器为阳极流率开环控制，阳极电流和励磁电流闭环增量式的PID控制调节器；

步骤4，划分推力控制阶段为控制周期和调节周期，控制周期期间，上位机下达推力需求指令；调节周期期间，控制器输出实时的最优控制量，整个推进器获得最优推力且整个推进器的工作效率最优。

本发明的进一步改进在于：

优选的，步骤1中，通过地面试验数据建立推力网络以及工作效率网络。

优选的，步骤1中，所述推力网络为：