基于 NMPC 与深度学习的卫星束天线振动控制：运用于 PZT 执行器与传感器
系统与控制
2024-12-24 v1 系统与控制
摘要
本文提出了一种 novel 方法，用于基于非线性模型预测控制 (NMPC) 和深度学习技术的卫星柔性束天线振动控制。开发的控制系统利用压电陶瓷 (PZT) 执行器和传感器来管理卫星的姿态与结构动力学的耦合，从而提高精度和稳定性。我们提出了详细的耦合动力学模型，将卫星姿态动力学和束结构动力学集成，考虑 PZT 执行器的影响。通过 MATLAB/Simulink 模拟，证明了结合 NMPC 与深度学习框架在减少结构振动、实现更快响应时间方面的有效性，并提高了整体控制精度。结果表明，所提出的系统为在太空环境中控制柔性束天线提供了稳健的解决方案。
引用
@article{arxiv.2412.16805,
title = {NMPC and Deep Learning-Based Vibration Control of Satellite Beam Antenna Dynamics Using PZT Actuators and Sensors},
author = {Sean Kalaycioglu and Daniel Ding},
journal= {arXiv preprint arXiv:2412.16805},
year = {2024}
}
备注
9 pages and 8 figures