基于深度学习的组合体航天器模型预测控制

• 作者: 乔思元 康国华 郭玉洁 金晨迪
• 来源期刊: 宇航学报
• 学科: 航空航天
• 关键词: 深度学习 组合航天器 模型预测 卷积神经网络 姿态控制
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 制导、导航、控制与电子
• 页码范围: 1322-1331
• 页数: 10页
• 分类号: V44
• 字数: 5026字
• 语种: 中文
• DOI: 10.3873/j.issn.1000-1328.2019.11.008

摘要

利用模型预测算法先预测控制结果后控制的类人行为特点,借助深度学习在多参数寻优上的优势,提出了一种基于卷积神经网络的模型预测控制算法,满足航天工程低硬件需求,实现组合航天器多场景下姿态控制律的重构.该算法首先利用模型预测控制将组合航天器从初始状态控制到预期状态,然后将控制过程中状态量用于3层3核卷积神经网络的训练,训练完成后,用该卷积神经网络代替模型预测对组合航天器进行控制,从而降低计算资源需求.仿真校验表明:该算法可预测5个控制周期内的控制参数,相比传统模型预测算法所需硬件计算时间降低约5倍,在一般硬件环境下30 s内即可完成各场景下的组合航天器姿态控制,控制精度在10-4量级.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	康国华	南京航空航天大学航天学院	39	293	10.0	16.0
2	金晨迪	南京航空航天大学航天学院	5	4	1.0	2.0
3	郭玉洁	南京航空航天大学航天学院	5	4	1.0	2.0
4	乔思元	南京航空航天大学航天学院	5	4	1.0	2.0