-
公开(公告)号:CN118083159B
公开(公告)日:2025-03-18
申请号:CN202410205789.8
申请日:2024-02-26
Applicant: 哈尔滨工业大学
IPC: B64G1/24
Abstract: 本发明属于航天科学技术领域,具体涉及一种基于碎片位置预估的航天器安全轨道规划方法,包括以下步骤:S1:基于LSTM神经网络的碎片位置预估模型;S2、基于梯度下降法优化碎片位置预估模型参数;S3、航天器利用人工势场法进行安全轨道规划;S4、相关场景仿真。步骤S1中还设计用于碎片轨迹实时预测的LSTM神经网络,LSTM神经网络的机构分为输入层、LSTM层和输出层,输入层,其用于接收碎片轨迹历史数据,如下:x(t)=[rd(t‑2p)rd(t‑p)rd(t)]T其中,rd(t)表示t时刻碎片位置,rd(t‑p)表示t‑p时刻碎片位置,rd(t‑2p)表示t‑2p时刻碎片位置,p表示预测间隔。本发明使航天器能够在复杂动态的空间环境中,利用自身的传感器和计算资源,实现快速自主的规避决策。
-
公开(公告)号:CN118114808B
公开(公告)日:2025-01-17
申请号:CN202410095466.8
申请日:2024-01-24
Applicant: 哈尔滨工业大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q10/08
Abstract: 本发明属于资源配置技术领域,具体涉及一种批量任务的过程规划及资源调度集成优化方法,包括以下步骤:步骤一:描述过程流程、可供选择操作、操作时间,如下:资源分配系统,如制造模块和物流模块,可以同时执行多种类型的任务J={J1,J2,...,Jq},资源集合R={R1,R2,…,Rk},其中每个任务Ji可以划分为不同的步骤#imgabs0#可以表示如下:#imgabs1#具体来说,每个步骤Si,j可以由不同的过程路线组成,记为:#imgabs2#即,步骤Si,j有ui,j过程路由(ui,j=|Si,j|),过程路由Li,j,u可以表示为不同的操作序列。本发明利用变迁时延S3PR对资源分配系统进行建模分析,以最小化任务完成时间为目标,规划过程和资源调度方案。
-
公开(公告)号:CN119065394A
公开(公告)日:2024-12-03
申请号:CN202411187437.0
申请日:2024-08-28
Applicant: 哈尔滨工业大学
Abstract: 本发明属于多航天器编队安全控制技术领域,具体涉及一种用于抵御多路欺骗攻击的多航天器安全协同控制方法,包括利用罗德里格斯参数建立航天器的姿态运动学和动力学模型,建立多路欺骗攻击的数学模型并对受攻击的航天器模型进行预处理,设计基于受损系统状态的航天器一致性误差变量,构建航天器实际姿态输出与受损一致性误差变量之间的相关关系,利用自适应模糊更新律估计由欺骗攻击引起的航天器姿态模型中的未知项,并利用一阶滤波器构建第一虚拟控制器和第二虚拟控制器。本发明能够有效处理系统发生受到网络攻击时存在失稳的问题,进而有效解决了系统受到欺骗攻击的问题,保证了系统的稳定性。
-
公开(公告)号:CN118083159A
公开(公告)日:2024-05-28
申请号:CN202410205789.8
申请日:2024-02-26
Applicant: 哈尔滨工业大学
IPC: B64G1/24
Abstract: 本发明属于航天科学技术领域,具体涉及一种基于碎片位置预估的航天器安全轨道规划方法,包括以下步骤:S1:基于LSTM神经网络的碎片位置预估模型;S2、基于梯度下降法优化碎片位置预估模型参数;S3、航天器利用人工势场法进行安全轨道规划;S4、相关场景仿真。步骤S1中还设计用于碎片轨迹实时预测的LSTM神经网络,LSTM神经网络的机构分为输入层、LSTM层和输出层,输入层,其用于接收碎片轨迹历史数据,如下:x(t)=[rd(t‑2p)rd(t‑p)rd(t)]T其中,rd(t)表示t时刻碎片位置,rd(t‑p)表示t‑p时刻碎片位置,rd(t‑2p)表示t‑2p时刻碎片位置,p表示预测间隔。本发明使航天器能够在复杂动态的空间环境中,利用自身的传感器和计算资源,实现快速自主的规避决策。
-
公开(公告)号:CN117950318A
公开(公告)日:2024-04-30
申请号:CN202410051739.9
申请日:2024-01-15
Applicant: 哈尔滨工业大学
IPC: G05B13/04
Abstract: 本发明属于航天控制技术领域,具体涉及一种基于扭量的航天器姿轨一体化控制方法,包括以下步骤:S1:建立基于扭量的航天器姿轨一体化一阶状态空间模型,S2:根据HOFA系统方法,对建立的航天器姿轨一体化一阶状态空间模型消元升阶,得到航天器姿轨一体化HOFA系统模型,S3:基于航天器姿轨一体化HOFA系统模型,设计HOFA控制器,S4:根据参数化设计方法,将HOFA控制器作用到航天器的姿轨一体化模型上,得到可以任意配置闭环极点的稳定线性闭环。本发明解决了传统一阶状态空间方法下航天器姿轨控制面临的复杂非线性问题,将闭环系统转化为了一个极点可以任意配置的线性闭环,同时避免了对偶四元数的单位化约束问题。
-
公开(公告)号:CN117406779A
公开(公告)日:2024-01-16
申请号:CN202311542966.3
申请日:2023-11-20
Applicant: 哈尔滨工业大学
IPC: G05D1/46
Abstract: 本发明属于航天科学控制技术领域,具体涉及一种航天器系统分析及自主规避威胁行为规划方法及系统,规划方法包括以下步骤:步骤1:根据航天器“感知‑决策‑执行”系统流程构建时延Petri网模型;步骤2:根据Petri网模型分析变迁和库所的逻辑关系;步骤3:Petri网简化并添加资源库所,获得变迁使能关系。本发明能够根据控制系统信息流信息建立Petri网模型,能够通过库所和变迁的等级筛选Petri网模型中的冗余信息流从而简化Petri网,根据简化Petri进一步获得变迁的触发关系,在此基础上考虑系统有限资源的最优分配,提出了最优动作序列数学模型,为进一步提高模型的可解性,将模型中的非线性约束转换为线性约束,进而实现最小化威胁规避时间的最优动作序列的求解。
-
公开(公告)号:CN112904726B
公开(公告)日:2022-11-18
申请号:CN202110074839.X
申请日:2021-01-20
Applicant: 哈尔滨工业大学
IPC: G05B13/04
Abstract: 一种基于误差重构权重更新的神经网络反步控制方法,属于非线性系统反步控制领域。本发明解决了目前神经网络反步控制不能准确估计系统未建模动态,导致系统跟踪误差较大的问题。本发明所述方法包括:建立考虑未建模动态的非线性二阶系统状态空间模型,给定系统目标信号;定义系统误差变量;利用误差变量设计李雅普诺夫函数;对李雅普诺夫函数对时间求一阶导数;根据李雅普诺夫函数对时间的一阶导数设计虚拟控制函数以及神经网络反步控制策略;根据神经网络反步控制策略,利用误差重构设计神经网络权重更新策略。本发明用于非线性系统的神经网络反步控制。
-
公开(公告)号:CN112612209B
公开(公告)日:2022-11-04
申请号:CN202011465505.7
申请日:2020-12-14
Applicant: 哈尔滨工业大学
Abstract: 本发明提供了一种基于指令滤波神经网络控制器的全驱动船舶轨迹跟踪控制方法,综合考虑船舶模型参数未知,受到外界环境干扰,输入受限和船舶输出的暂态与稳态性能受到约束,利用指令滤波器有效处理输入受限的问题;利用RBF神经网络和预估器估计系统未知参数,并提高神经网络逼近精度;设计递归误差进行控制器设计,提高系统的非脆弱性;将时变非对称障碍李雅普诺夫函数与性能函数相结合有效约束船舶输出轨迹的暂态性能与稳态性能,扩大适用范围,使控制器的性能更优。
-
公开(公告)号:CN113325718A
公开(公告)日:2021-08-31
申请号:CN202110648719.6
申请日:2021-06-10
Applicant: 哈尔滨工业大学
IPC: G05B13/04
Abstract: 本发明提供一种考虑跟踪误差约束的最优跟踪控制方法,包括以下步骤:步骤1.建立大规模系统的数学模型;步骤2.把含有约束的跟踪误差转化为没有约束的误差;步骤3.利用转换后的误差设计性能指标并利用自适应动态规划技术设计最优跟踪控制器;步骤4.利用互联倒立摆系统仿真验证所提方法的有效性。本发明在考虑跟踪误差约束下设计了最优跟踪控制器;简化了关于大规模互联系统的最优跟踪控制器方案的设计。
-
公开(公告)号:CN111474922B
公开(公告)日:2021-07-16
申请号:CN202010381568.8
申请日:2020-05-08
Applicant: 哈尔滨工业大学
IPC: G05B23/02
Abstract: 本发明提供了一种连续非线性系统的控制器构建方法,包括以下步骤,步骤A:建立非线性系统模型,确定系统状态变量{xi|i∈[1,I]},初始化i=1;步骤B:对状态变量xi,求解系统的跟踪误差zi;步骤C:将状态矢量输入RBF神经网络,基于梯度下降法更新RBF神经网络的权值;步骤D:构造李雅普诺夫函数Vi,并根据李雅普诺夫稳定性定理设计使系统运行稳定的虚拟控制器αi;步骤E:如果i<I,则输出控制器αi,令i=i+1,返回步骤B,否则输出控制器v(t)。本发明的优点在于:综合考虑系统可能受到的内外部影响及执行器限制,基于RBF神经网络设计容错控制器,重构神经网络的逼近误差,实现了基于梯度下降法的神经网络权值更新,提高了神经网络的故障估计能力,使控制器的容错控制性能更优。
-
-
-
-
-
-
-
-
-