Please wait a minute...
空天防御  2018, Vol. 1 Issue (4): 8-17    
0
  导航制导与控制技术 本期目录 | 过刊浏览 | 高级检索 |
基于改进型神经网络PID算法的太阳翼α驱动控制技术
吴鹏飞, 石然, 易志坤, 吴智杰, 仇存凯, 付伟平
1.上海航天控制技术研究所,上海,201109;
2.上海市空间智能控制技术重点实验室,上海,201109;
3.南昌航空大学,江西 南昌,330000
Research on α Drive Control for Solar Array Based on Improved Neural Network PID
WU Pengfei, SHI Ran, YI Zhikun, WU Zhijie, QIU Cunkai, FU Weiping
1.Shanghai Institute of Spaceflight Control Technology,Shanghai 201109,China;
2.Shanghai Key Laboratory of Aerospace Intelligent Control Technology, Shanghai 201109,China;
3.Nanchang Hangkong University, Nanchang 330000,Jiangxi,China
全文: PDF(2645 KB)  
输出: BibTeX | EndNote (RIS)       背景资料
文章导读  
摘要 对日定向跟踪技术是太阳翼保持最大发电效率的关键,而诸如空间站等大型太阳翼,α驱动方向上的任何扰动都可能导致对日定向精度变差从而降低发电效率,甚至导致舱体剧烈振动。为了减小扰动的影响,本文以某宇航型号空间站太阳翼α驱动控制技术为研究背景,提出采用改进型BP神经网络PID算法抑制齿轮间隙冲击扰动和摩擦扰动,并采用MATLAB对算法进行了验证。改进后的控制器相比于传统PI控制,动态性能、跟随效果更好,能实现PID参数自适应调节,且各指标均满足空间站太阳翼控制系统实际指标要求。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
Abstract:Sun tracking technology is the key to maximize power generation efficiency of the solar array of large spacecraft, such as space station. During the sun tracking process, any disturbance on the α direction of the solar array may diminish the tracking precision and power generation, even lead to severe vibration of cabin. Therefore, in order to reduce disturbance and improve sun tracking precision, a possible solution by using BP neural network PID controller associated with suppression of gear gap impact interference and friction interference is proposed firstly and studied systematically in this paper. The MATLAB simulation results of the designed BP neural network PID controller with gear gap interference and friction interference models show that the dynamic performance and follow up effect are better, and PID parameters can be adaptively adjusted, all satisfies the design requirements.
收稿日期: 2018-06-27      出版日期: 2018-10-23
ZTFLH:  TP273  
基金资助: 
作者简介: 吴鹏飞(1992—),男,硕士,工程师,主要研究方向为航天器伺服控制。
引用本文:   
吴鹏飞, 石然, 易志坤, 吴智杰, 仇存凯, 付伟平. 基于改进型神经网络PID算法的太阳翼α驱动控制技术[J]. 空天防御, 2018, 1(4): 8-17.
WU Pengfei, SHI Ran, YI Zhikun, WU Zhijie, QIU Cunkai, FU Weiping. Research on α Drive Control for Solar Array Based on Improved Neural Network PID. Air & Space Defense, 2018, 1(4): 8-17.
链接本文:  
https://www.qk.sjtu.edu.cn/ktfy/CN/      或      https://www.qk.sjtu.edu.cn/ktfy/CN/Y2018/V1/I4/8

参考文献
[1] 贾岛, 陈磊, 朱志鹏, 余曜, 迟德建. 机器学习在引战系统设计中的应用研究[J]. 空天防御, 2022, 5(2): 27-31.
[2] 李勇, 张梦骏, 仇栋, 范云锋, 苏智勇, 邱令存. 数据驱动的指控系统增强现实电子沙盘设计与开发[J]. 空天防御, 2021, 4(2): 27-.
[3] 刘晨, 谢宝娣, 董国宝, 霍达, 段雨昕, 夏川. 基于自适应积分滑模的无人机编队控制器设计[J]. 空天防御, 2021, 4(1): 65-70.
[4] 梅瀚桐, 麻黎娟, 吴光辉, 邵翔, 许朋亚. 远程导弹的自适应反步姿态控制系统设计[J]. 空天防御, 2020, 3(3): 118-123.
[5] 黄煜博, 沈暑龙, 李黎, 李军. 基于虚拟仪器技术的电动力矩加载系统[J]. 空天防御, 2018, 1(3): 48-55.
[6] 周来, 靳晓伟, 郑益凯. 基于深度强化学习的作战辅助决策研究[J]. 空天防御, 2018, 1(1): 31-35.
沪ICP备15013849号-1
版权所有 © 2017《空天防御》编辑部
主管单位:中国航天科技集团有限公司 主办单位:上海机电工程研究所 上海交通大学出版社有限公司