基于强化学习自适应固定时间滑模控制的卫星耦合 rendezvous 与对接控制
系统与控制
2025-05-13 v2 系统与控制
摘要
未知环境下的卫星动力学本质上具有不确定性，可能由各种因素引起，如变化的引力场、大气 drag 以及与太空碎片或其他天体的不可预测相互作用。具有固定参数的传统滑模控制器在面对这些波动条件时往往难以维持最佳性能。因此，必须开发出自适应控制器来应对这些挑战，通过实时调节增益来持续调整。本文针对在未知太空环境中执行 chaser 卫星与目标卫星耦合 rendezvous 与对接机动，采用强化学习对固定时间滑模表面的斜率进行自适应调节。神经网络模型用于确定滑模表面到达律的最优增益。我们假设系统没有准确模型，因此在切向空间中添加噪声而不是直接在流形上添加，以保持系统几何结构的完整性，同时确保数学上一致的不确定性传播。强化学习用作价值函数的逼近器，用于估计系统的数值模型。该控制算法将神经网络和滑模控制器集成到级联环路架构中，其中跟踪误差动态调节滑模表面增益。在Lyapunov 框架内证明了闭环反馈系统的全局固定时间稳定性。该方法综合运用固定时间滑模控制和基于强化学习的自适应控制，确保在面对不确定环境所提出的关键挑战的情况下，高效完成任务。所呈现的仿真结果支持了所作主张。
引用
@article{arxiv.2502.09517,
title = {Coupled Rendezvous and Docking Maneuver control of satellite using Reinforcement learning-based Adaptive Fixed-Time Sliding Mode Controller},
author = {Rakesh Kumar Sahoo and Manoranjan Sinha},
journal= {arXiv preprint arXiv:2502.09517},
year = {2025}
}