基于在线值迭代自适应动态规划的CMG框架伺服系统多源扰动智能控制研究

推荐：针对航天器控制力矩陀螺(CMG)框架伺服系统受多源耦合扰动及柔性支撑动力学影响的问题，天津大学团队提出融合扩展状态观测器(ESO)与自适应动态规划(ADP)的在线值迭代(VI)控制算法。通过引入收敛因子优化Critic神经网络(CNN)估计误差，实现扰动补偿与收敛速度协同提升，仿真验证其较传统PID和滑模控制具有更优的跟踪性能与阻尼特性。该研究为高精度航天器姿态控制提供了新思路。

　　

航天器在轨运行时，姿态控制的精度直接决定任务成败。控制力矩陀螺(CMG)作为核心执行机构，其框架伺服系统的稳定性直接影响陀螺输出力矩品质。然而实际工况中，永磁同步电机(PMSM)驱动的伺服系统面临转子质量不平衡、扭矩脉动等内源性扰动，以及柔性隔振装置引入的耦合动力学问题，传统PID控制难以满足高精度需求。

针对这一挑战，天津大学团队在《Expert Systems with Applications》发表研究，提出融合扩展状态观测器(ESO)与自适应动态规划(ADP)的智能控制方案。通过建立含柔性支撑的伺服系统动力学模型，设计具有收敛因子的在线值迭代(VI)算法，实现扰动观测与最优控制的协同优化。关键技术包括：1）构建包含电机参数与柔性动力学的多物理场耦合模型；2）开发基于Critic神经网络(CNN)的ADP框架，引入收敛因子调节学习速率；3）采用ESO实时估计并补偿多频段扰动。

动态模型
研究首先建立含柔性隔振的CMG伺服系统数学模型，量化分析了PMSM转矩波动与支撑结构耦合效应。通过拉格朗日方程推导出系统状态方程，为后续控制设计奠定基础。

控制方案设计
创新性地将VI算法与ESO结合：CNN通过Bellman误差最小化迭代更新权值，收敛因子加速逼近最优值函数；ESO则对高频谐波扰动进行观测补偿。理论证明该方案能保证网络权值一致最终有界。

实验仿真
在100kHz采样频率下对比测试显示：相较于传统PID，所提算法使阶跃响应超调量降低63%，扰动抑制时间缩短41%。柔性模态振动幅值衰减达72%，验证了方案在复杂扰动下的优越性。

结论
该研究通过ADP与ESO的深度融合，解决了CMG伺服系统在多源扰动下的控制难题。收敛因子的引入使CNN学习效率提升35%，为航天器高精度姿态控制提供了新范式。未来可进一步探索该算法在多CMG集群协同控制中的应用。