基于RBF神经网络的多体航天器姿态跟踪鲁棒控制

【摘要】：航天器由中心刚体和一个快速机动天线组成。在姿态大角度机动或快速跟踪时,动力学方程是强耦合非线性的,直接应用传统的鲁棒控制方法比较困难。在考虑模型不确定性和外部干扰力矩的情况下,本文提出了一种新的鲁棒控制策略。鲁棒控制器由RBF神经网络和一个自适应控制器复合而成。RBF神经网络用于逼近模型不确定部分与外部干扰力矩;自适应控制器用于抵消神经网络的逼近误差和实现期望的控制性能。根据非奇异终端滑模的有限时间收敛属性,提出了一种RBF网络的在线学习算法,提高了RBF网络的逼近效率。应用Liapunov稳定性理论,证明了闭环系统稳定性。最后,通过数值仿真验证了鲁棒控制策略的有效性。