Print

基于深度学习的航天器组合体惯性参数在轨智能辨识

论文摘要

针对在轨服务过程形成新组合体的动力学参数未知的问题,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智能参数辨识算法,实现在外力作用下,线动量和角动量不守恒条件下的航天器组合体多参数辨识。利用卷积神经网络权值共享的特点,设计4层卷积神经网络,通过短时间内对大量特定存储形式的状态数据的训练,实现航天器组合体多参数快速高精度辨识。利用数学仿真试验对算法的可行性进行验证,结果表明:在24 s内,质量与质心位置收敛;1 190 s内,惯量参数收敛,辨识精度在3%以内。说明所提方法在外界随机干扰力和力矩影响下能准确快速辨识出航天器组合体质量、质心位置和惯量矩阵。

论文目录

  • 1 CNN神经网络对质量/质心 位置的辨识
  •   1.1 组合航天器线动量模型建立
  •   1.2 质量/质心位置辨识误差分析
  •   1.3 质量/质心位置辨识CNN神经网络设计
  • 2 CNN神经网络对惯量的辨识
  •   2.1 组合航天器角动量模型建立
  •   2.2 惯量辨识误差分析
  •   2.3 转动惯量辨识CNN神经网络设计
  • 3 仿真分析
  •   3.1 仿真环境设置
  •   3.2 质量/质心位置辨识仿真
  •   3.3 惯量辨识仿真
  • 4 结束语

    • 文章来源

    类型: 期刊论文

    作者: 金晨迪,康国华,郭玉洁,乔思元

    关键词: 深度学习,组合航天器,惯性参数,在轨辨识,卷积神经网络

    来源: 中国空间科学技术 2019年02期

    年度: 2019

    分类: 工程科技Ⅱ辑

    专业: 航空航天科学与工程

    单位: 南京航空航天大学航天学院微小卫星研究中心

    基金: 空间智能控制技术重点实验室开放基金资助项目(No.ZDSYS-2017-01,No.KGJZDSYS-2018-07)

    分类号: V448.2

    DOI: 10.16708/j.cnki.1000-758X.2019.0003

    页码: 1-12

    总页数: 12

    文件大小: 2407K

    下载量: 396

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/9358ed92bf79533daafd8167.html