基于主动干扰抑制控制与自平衡模型的ADCS测试平台自动自平衡方法

《Acta Astronautica》:An automatic self-balancing method for ADCS testbeds based on active disturbance rejection control and self-levelling model

【字体: 大 中 小 】 时间:2026年08月07日 来源:Acta Astronautica 3.7

编辑推荐:

  摘要:姿态确定与控制系统(ADCS)需要在能够真实模拟太空环境的条件下进行地面验证。此类验证的关键在于利用气浮试验台来模拟微重力环境。然而,由于质心与旋转中心不对齐而产生的引力扭矩,使得在这些平台上保持平衡变得十分困难。本文提出了一种自动平衡方法,该方法将主动干扰抑制控制(ADR

  摘要:姿态确定与控制系统(ADCS)需要在能够真实模拟太空环境的条件下进行地面验证。此类验证的关键在于利用气浮试验台来模拟微重力环境。然而,由于质心与旋转中心不对齐而产生的引力扭矩,使得在这些平台上保持平衡变得十分困难。本文提出了一种自动平衡方法,该方法将主动干扰抑制控制(ADRC)与自调平模型相结合。自调平模型在保留系统核心动态特性的同时,为滑动质量机制提供了简化且有效的表达方式。基于平整度的分析可判定系统的局部微分平整度与可控性,从而实现基于反演的系统控制设计。ADRC策略采用扩展状态观测器(ESO)来估计并消除干扰,而基于带宽的参数设定则有助于合理选择控制增益。该方法已在九州工业大学的气浮试验台上得到应用,并通过多体仿真与实验进行了验证。实验结果表明,系统可在约40秒内实现稳定,角位置的稳态误差低于0.1°,角速度的稳态误差低于0.50°/s,观测器估计误差也低于0.1°。对比分析显示,对于初始倾斜角度不超过15°的情况,自调平模型与传统平衡模型的相对误差低于10%(5°时为2.10%,20°时为15.1%),这表明简化模型足以体现系统的核心动态特性。因此,所提出的框架为气浮试验台的自平衡提供了可靠且实用的解决方案。

引言:近年来,卫星产业发展迅猛,尤其是立方星类型的卫星[1]。自1999年问世以来,立方星因其体积小且标准化程度高而彻底改变了卫星的发展格局[2]。这一趋势从日益增多的立方星发射次数中可见一斑——据Kulu[3]统计,2023年约有359颗立方星被发射,而在2024至2029年间预计还将有1900颗纳米卫星被发射。随着立方星系统不断扩展和多样化,市场对立方星新应用的需求也在上升。因此,姿态确定与控制系统(ADCS)的重要性愈发凸显,因为它负责控制卫星的姿态。这一子系统对于激光通信[4][5][6]、优化太阳能电池充电[7][8]、深空恒星观测[9][10]以及避撞功能[11]等应用而言都至关重要。Xia等人[12]以及Guo和Han[13]的研究也表明,随着立方星控制系统复杂度的提升,它们已从被动控制系统发展为高精度控制方案。与此同时,由于各种新型且要求苛刻的应用不断涌现,立方星系统在可靠性方面面临着巨大挑战。Tafazoli[14]在2009年指出,32%的在轨航天器故障是由ADCS相关问题导致的。Langer和Bouwmeester[15]通过立方星故障数据库(CFD)估算,到2016年,立方星在抛射后的故障中,有3%可直接归因于ADCS问题,而另有33%的故障来源不明。根据Kulu[3]利用纳米卫星数据库所做的研究,截至2024年9月30日,这一趋势依然存在:2.81%的故障由ADCS导致,仍有29.54%的故障原因不明。需要指出的是,ADCS故障也可能由其他卫星子系统的先前故障引发[14],但这类故障的发生率并不明确。不过,这些统计数据可能偏于保守,因为实际上有一些立方星任务并未配备ADCS子系统[2]。此外,在配备ADCS的立方星中,仍有不少ADCS故障无法被及时检测出来,这使得对卫星子系统的监测变得极为困难。因此,实际的ADCS故障率很可能超过3%。鉴于测试与重新配置操作极其复杂、成本高昂,且一旦纳米卫星进入轨道往往就无法再进行,因此对ADCS进行全面的地面验证就显得尤为重要。这样的测试能够在发射前发现并解决潜在的设计或实现问题,从而降低任务风险[18][19][20]。Bouwmeester等人[21]指出,彻底的地面测试能显著降低在轨故障的风险。他们的研究表明,如果卫星配备冗余系统,其寿命为1年时的可靠性可提高约16%,寿命为3年时则可提高高达20%。考虑到ADCS的复杂性——它由多个可能成为故障关键点的组件构成——这种可靠性的提升意义尤为重大。因此,通过大规模的地面测试对ADCS进行严格验证,对于确保纳米卫星任务的成功至关重要。由于该系统包含多种组件,通常会采用三种主要的验证方法。软件在环(SIL)测试是在理想化环境中对软件组件进行验证。例如,Kiesbye等人[22]使用MATLAB?/Simulink测试了Bdot控制器和扩展LQR控制器,而Cordova-Alarcon等人[23]则通过模拟卫星动力学、姿态运动学、环境干扰以及ADCS算法的软件,对VERTECS 6U立方星在太阳跟踪与天底指向模式下的性能进行了评估。处理器在环(PIL)测试则在SIL测试的基础上,进一步整合真实的处理硬件与模拟的传感器及执行器,以实现实时测试。El wafi等人[24]在STM32 ARM Cortex微控制器上实现了ADCS算法,其中包括基于四元数的动力学模型、扩展卡尔曼滤波(EKF),以及用于解旋和指向控制的操作模式。类似地,Gaber等人[25]也使用MATLAB/Simulink,对2U立方星中的惯性传感器和磁力计在姿态确定方面的性能进行了评估。最后,硬件在环(HIL)测试则是最接近真实运行条件的全面系统验证方法。HIL测试被广泛用于电子与机电系统的验证与集成工作[26]。通过将虚拟组件与实时运行的物理组件相结合,HIL测试能够创造出与实际工作条件极为相似的环境。对于ADCS验证而言,这种方法尤其重要,因为它将包括传感器和执行器在内的真实硬件组件纳入验证流程,从而能够在真实条件下对系统性能进行严格评估。例如,Panyalert等人[27]开发了一种HIL测试环境,该环境包含磁场发生器以及基于SGP4的轨道传播软件,用于仅利用磁力矩来评估航天器的解旋模式。同样,Sparta[28]通过将 onboard计算机、姿态传感器、执行器等关键硬件模块与能够模拟太空环境(包括阳光、微重力、磁场等条件)的仿真设备相整合,并将其连接到轨道模拟器以实现实时数据交换,从而提升了模块化航空测试平台的性能。此外,Sulaiman等人[29]也对一款市售的1U立方星的太阳指向与解旋等操作模式进行了HIL测试验证。为了获得更可靠的测试结果,许多研究者采用两种或三种方法结合的方式来对ADCS进行验证。例如,Cordova-Alarcon等人[30]对6U立方星KITSUNE进行了SIL、PIL和HIL三重验证:SIL测试平台用于验证ADCS的操控动作、估算其持续时间以及调整控制增益;PIL测试则用于在模拟的姿态与轨道参数下验证控制软件,同时实现ADCS与地面系统的通信,以便收集遥测数据并接收指令;最后,HIL测试则用于验证解旋与太阳跟踪模式,以及传感器和执行器的坐标轴参数[30]。在ADCS验证过程中,HIL测试面临着诸多技术难题,尤其是如何创建一个低摩擦环境,以准确模拟太空环境中的微重力条件[31][32]。此外,生成受控磁场及其他环境条件也进一步增加了实验设置的复杂性[33][34][35]。HIL验证系统的一个固有局限性在于,在开始ADCS实验之前,必须先解决测试平台的初始平衡问题。这一要求源于卫星姿态测试中的一个众所周知的难题——即自平衡问题。具体而言,由于测试平台的质心与旋转中心不对齐而产生的引力扭矩,会严重影响仿真的准确性,并引入一些无法反映真实太空环境的误差[19][36]。这些异常扭矩正是由于平台不平衡所导致的,它们会在三维旋转操作期间使系统表现出类似物理摆的行为[18][37]。因此,解决自平衡问题对于在卫星进入轨道之前,确保对其ADCS系统进行可靠的地面验证至关重要。正如Bahu和Modenini[38]以及Zajac和Small[39]所指出的,这样的验证要求将引力扭矩降低到10?6N m量级,从而营造出适合进行严格ADCS测试的低干扰环境。虽然手动平衡在精度要求不高的情况下或许足够,但为了获得更高的精度和更高的效率,尤其是在实验设置需要频繁调整的情况下,自动平衡方法显然更为合适,Kwan等人、Saulnier等人以及Jovanovic等人[40][41][42]的研究也都体现了这一点。若平衡问题长期存在,将会严重干扰ADCS的验证工作,进而引入一些无法反映太空环境特征的异常扭矩[18][19][43]。因此,要实现可靠的航天器姿态仿真,就必须创造一个在机械扭矩方面处于平衡状态的环境。为了解决这一问题,人们已经开发出了多种自动平衡方法,其中最早且记载最为详尽的方法当属Zajac和Small[39]所提出的那种采用扭矩补偿控制器来稳定系统的方法。随着时间的推移,针对这一问题的解决方法也在不断演变,da Silva等人[44]对此进行了全面总结,他们将相关方法归纳为三类:批量估计技术(如最小二乘法)、基于卡尔曼滤波的过滤技术,以及基于主动控制的平衡技术(包括线性与非线性方法)。虽然在参数识别系统中,估计功能起着至关重要的作用,比如用于确定质心[49]或惯性张量[38][50],但正如da Silva等人[44]所指出的,这类过程往往需要多次迭代才能得到精确的结果。同样,基于过滤的方法依赖于高度精确的参考模型[51],并且对内在干扰与外在干扰都十分敏感,Zajac和Small[39]也指出了这一点。基于主动控制的平衡技术,包括自适应控制[46]、最优控制器[48]以及PID之类的经典补偿控制器[52],也面临着类似的挑战,因为它们同样依赖于那些往往难以获取或难以确定的精确系统参数。这凸显了自平衡控制系统中一个普遍存在的问题:即过度依赖高度精确的模型,而这些模型往往由于存在众多干扰因素或未被建模的动态特性,而无法完全反映系统的真实状况。此外,由于需要通过迭代方法来估计物理参数,自动平衡系统往往耗时较长,效率也低于手动平衡方法。为更直观地说明气浮式ADCS试验台(以下简称气浮试验台)的自平衡控制系统中存在的收敛时间过长的问题,表1汇总了文献中记载的几种控制方法,以及它们所报告的达到平衡状态的收敛时间,同时还列出了会影响收敛时间计算的相关试验台特性。需要指出的是,这些案例仅具有代表性,因为大多数已发表的研究并未明确报告达到平衡状态的收敛时间,或者由于试验台特性的差异——如自由度数量、所使用的执行器类型、传感器的数量与精度以及其他特定于系统的参数——导致所报告的收敛时间无法直接相互比较。尽管如此,Barati等人[48]的研究仍值得特别关注,因为他们通过采用最优控制策略,实现了最快的收敛速度。这也再次凸显了自平衡控制系统中一个普遍存在的问题:即过度依赖精确模型,而这些模型往往无法充分考虑系统在各种干扰作用下的复杂性。此外,由于需要依赖迭代式的物理参数估计,自动平衡系统往往效率低于手动平衡方法。本研究旨在避免那些为估计系统的质心或惯性张量而需要进行多次迭代所带来的问题,同时也避免了自平衡模型中存在的诸多内在与外在干扰。正因如此,主动干扰抑制控制(ADRC)作为一种强大且已被广泛应用的控制策略应运而生。ADRC的优势在于它能够有效抑制内在与外在干扰,从而无需借助参数估计技术来应对模型不确定性问题。近年来,ADRC受到了广泛关注,它已被广泛应用于机器人系统[53]、飞行器系统[54],甚至化学过程控制系统中[55]。正如Han[56]所指出的,ADRC逐渐被视为替代PID控制器的理想选择,因此它完全具备解决自平衡问题的潜力。这种控制方式依赖于通过GPI(广义比例积分)观测器来估计影响系统的扰动[57],与目前用于自平衡问题中的模型不同,它无需迭代模型。此外,本研究还引入了一种基于Barrientos-Cruz等人提出的自调平框架的新策略[58],为系统建模提供了简化且有效的依据。文章结构如下:第2节深入探讨了基于HIL的ADCS验证系统中的自平衡问题,并介绍了该问题的数学表述,包括平衡系统的动力学及其对卫星测试的影响。该节还介绍了在日本九州工业大学用于验证的测试平台模型的具体案例。第3节通过引入自调平平衡框架及其在九州工业大学ADCS测试平台的应用,探讨了自平衡问题的简化方法。文中推导出了控制系统的动态方程,并讨论了它们在现实场景中的适用性。第4.2节阐述了ADRC控制器的设计,详细介绍了其基本原理、GPI观测器的作用以及估计和补偿扰动的方法。第5节展示了所提出的控制模型的结果,包括仿真和实验验证。在不同条件下评估了ADRC的性能,证明了其在稳定系统和减轻扰动方面的有效性。第6节详细讨论了研究结果,强调了这项工作对ADCS测试平台方法发展的贡献,并指出了未来研究的潜在方向。最后,第7节概述了未来的研究方向及进一步研究的潜在途径。

自平衡动态问题
在本节中,我们提出了理解和解决气浮测试平台中自平衡问题所需的基本物理和数学概念。2.1节定义了自平衡问题,而2.2节则致力于建立系统的运动方程,同时考虑了物理约束以及平衡质量的相互作用。之后,将介绍用于解决自平衡问题的气浮测试平台。

自平衡问题的简化:自调平模型
如2.1节所述,气浮测试平台中观察到的不稳定性与物理摆的行为极为相似,即由于质心与旋转中心不对齐而产生的重力扭矩会导致振荡运动。3.1节我们介绍了Barrientos-Cruz等人[58]提出的理论自调平模型,该模型与这种行为非常相似,3.2节则致力于对该模型进行改进以便于实施。

针对自平衡问题的基于ADRC的控制器
在本节中,4.1节简要总结了ADRC方法,以便为4.2节中使用的符号做铺垫,4.2节设计了用于气浮测试平台的ADRC控制器。

结果
本节展示了在2.3节描述的九州工业大学验证平台上进行的多物理场仿真和实验测试的结果,这些测试采用了4节中开发的自平衡控制器。考虑了多种测试场景,旨在严格评估控制器的扰动抑制能力及其在不同运行条件下的适应性。

结论
本文对ADCS中硬件在环验证平台上的自平衡问题进行了严格的公式化处理,采用了Barrientos-Cruz等人最初提出的自调平模型。通过数值仿真和实验验证,证明了该模型在捕捉气浮平台的动态行为方面的适用性,并通过与经典模型的比较,使用ISE、IAE和IE等误差指标进行了分析。

未来工作
虽然现有的结果已经提供了一种能够在自平衡系统中实现良好运行的基于误差的ADRC控制器,但仍有几方面需要进一步研究,以加深理解并推动未来发展:
• 自调平模型:自调平模型能够充分捕捉控制系统所需的系统动态特性。然而,对于那些需要更高精度建模描述的应用来说,经典模型可能更为合适。未来的工作应进一步探索……

作者贡献声明
Abraham de Jesus Pablo-Sotelo:撰写——初稿、软件、形式分析、概念构思。Jose Rodrigo Cordova-Alarcon:撰写——审阅与编辑、验证、项目管理。Jorge Javier Hernández-Gómez:撰写——审阅与编辑、方法论、资金获取。Alberto Luviano-Juarez:撰写——审阅与编辑、资源、概念构思。Kentaro Kitamura:监督、资源。

利益冲突声明
作者声明没有已知的财务利益或个人关系可能影响本文的研究成果。

致谢
此项工作是A. d. J. Pablo-Sotelo在日本九州工业大学,在Kentaro Kitamura教授和Jose Rodrigo Cordova-Alarcon博士的指导下进行的研究合作成果。A. d. J. Pablo-Sotelo衷心感谢墨西哥科学、人文、技术及创新部2023-2年度研究生奖学金(CVU编号1249905)的支持。作者们还要感谢技术支持人员。

Abraham de Jesus Pablo-Sotelo|Jose Rodrigo Cordova-Alarcon|Jorge Javier Hernández-Gómez|Alberto Luviano-Juarez|Kentaro Kitamura
墨西哥墨西哥城古斯塔沃·A·马德罗州蒂科曼拉拉古纳区,国立理工学院,先进工程与技术跨学科专业单位,地址:Instituto Politécnico Nacional 2580号路,邮编07340。
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