基于数据驱动模型补偿的SGCMG框架伺服系统改进自抗扰控制研究

《Chinese Journal of Mechanical Engineering》:Active disturbance rejection control based on data-driven feedforward compensation for single gimbal control moment gyroscope

【字体: 大 中 小 】 时间:2026年04月27日 来源:Chinese Journal of Mechanical Engineering

编辑推荐:

  为解决单框架控制力矩陀螺(SGCMG)框架伺服系统中存在的非线性摩擦、刚柔耦合及未知扰动等问题,提升航天器姿态控制精度,本研究提出了一种融合数据驱动模型补偿的改进自抗扰控制(IADRC)策略。通过建立11自由度机电摩擦动力学模型并利用神经网络学习动态补偿项,实现了对框架伺服系统的高精度速度控制。仿真与实验表明,该方法有效提升了系统的跟踪精度与抗扰性能,为高精度航天执行机构控制提供了新思路。

  
在航天器姿态控制领域,单框架控制力矩陀螺(SGCMG)作为核心执行机构,其框架伺服系统的控制性能直接决定了航天器的姿态稳定与机动能力。然而,SGCMG框架伺服系统是一个典型的强耦合、非线性系统:驱动电机(通常为永磁同步电机PMSM)与框架之间存在复杂的机电动力学耦合;支撑转子高速旋转的角接触球轴承表现出时变刚度特性;系统还受到非线性摩擦和未知外部扰动的影响。这些因素使得传统的PID控制难以在快速性与超调量之间取得平衡,且抗扰能力有限。虽然自抗扰控制(ADRC)通过扩张状态观测器(ESO)估计并补偿扰动,避免了对精确模型的依赖,但在工程实践中,若能将已知的动力学模型信息以补偿形式引入ADRC,有望进一步减轻ESO的估计负担,提升控制精度。然而,复杂动力学模型的实时计算对控制器硬件构成了挑战。为此,发表在《Chinese Journal of Mechanical Engineering》上的研究“Data-driven model compensation-based improved active disturbance rejection control for SGCMG gimbal servo system”提出了一种基于数据驱动模型补偿的改进ADRC(IADRC)方法,旨在解决上述难题。
关键技术方法
研究首先建立了包含轴承时变刚度与润滑分析的11自由度机电摩擦动力学模型作为被控对象基准。进而设计了IADRC架构,其核心是在线性ADRC(LADRC)的ESO和控制器中引入动态模型计算出的补偿项。为克服模型实时计算瓶颈,采用神经网络(NN)学习动力学模型输入输出映射,构建数据驱动补偿器替代在线数值积分,实现快速前馈补偿。最后通过Simulink数值仿真与dSPACE半实物实验平台,对比验证了IADRC相较于传统PI控制、LADRC在速度阶跃响应、正弦跟踪及抗负载扰动方面的优越性。
研究结果
1. 框架伺服系统建模与特性分析
通过建立包含PMSM电磁特性、转子-框架刚柔耦合及角接触轴承时变刚度的综合模型,揭示了系统在高速运行时的复杂动态行为。轴承润滑状态的变化导致支撑刚度呈现周期性波动,这是影响框架速度平稳性的关键内在因素。该模型为后续控制器设计及神经网络训练提供了高保真的被控对象描述。
2. 改进自抗扰控制器设计
所提出的IADRC结构在传统LADRC基础上,增加了基于模型的前馈补偿通道。具体而言,将动力学模型计算出的补偿量同时注入ESO的估计环节和线性状态误差反馈(LSEF)控制律中。这一设计使得ESO仅需估计剩余未建模动态和外部扰动,而已知的强非线性动力学由补偿项直接抵消,从而在理论上降低了观测器的估计误差,提升了系统的响应速度与控制精度。
3. 数据驱动补偿器的构建与验证
为解决复杂动力学模型在线计算耗时问题,研究采用神经网络构建了动态补偿器的代理模型。利用离线仿真生成涵盖不同工况的训练数据,训练神经网络学习从系统状态(如位置、速度)到模型补偿项的复杂非线性映射。测试结果表明,训练好的神经网络能够以极高的计算效率(满足实时控制周期要求)和足够的精度预测补偿量,成功替代了在线数值积分运算,使IADRC在有限计算资源的控制器上实时运行成为可能。
4. 控制性能对比验证
仿真与实验结果表明,在不同速度指令(阶跃、正弦)和负载扰动工况下,IADRC均表现出最佳的综合性能。在速度阶跃响应中,IADRC的调节时间较PI控制和LADRC显著缩短,且几乎无超调;在正弦跟踪中,其相位滞后和幅值衰减最小;当施加突变负载时,IADRC的速度跌落幅度最小且恢复时间最短。这充分证明了数据驱动补偿有效提升了系统的跟踪精度、快速性及鲁棒性。
结论与意义
本研究针对SGCMG框架伺服系统的高精度控制需求,成功将数据驱动的动态模型补偿与自抗扰控制理论相结合。主要结论如下:1)所建立的11自由度机电摩擦动力学模型能够准确反映系统的刚柔耦合及非线性特性;2)在ADRC中引入模型补偿项,能够有效分离已知动力学与未知扰动,优化了ESO的估计性能;3)神经网络构建的数据驱动补偿器在保证精度的同时,极大提升了计算效率,解决了工程应用中的实时性瓶颈。该研究不仅为SGCMG提供了一种高性能控制方案,其“模型补偿+ADRC+数据驱动”的设计思路,对于解决同类复杂机电系统的精确控制问题也具有重要的借鉴意义。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号