【学科发展报告】航天器先进控制方法
在传统的航天器系统设计与实现过程中，可靠性往往是首要设计准则。在这样的背景下，工程师们更倾向于用传统的已经得到在轨验证的方法实现预定功能，而对新方法的接纳度非常有限。例如，自 1957 年第一颗人造地球卫星上天以来，目前已经发射的 7800 多颗航天器中，超过 99% 的航天器都是建立在 PID 控制基础上，通过叠加结构滤波器、增益调度等方法以弥补 PID 控制在鲁棒性和自适应性方面的不足。这种做法逐渐使得航天器控制系统变得越来越复杂，其可移植性和灵活性变得越来越差。与此同时，人类太空探索活动的逐渐深入，任务层面对航天器的功能和性能都提出了越来越高的要求，一方面导致航天器结构日趋复杂，由此带来的挠性、高频抖动和未建模动态特性越来越显著，另一方面对航天器的性能要求越来越高，包括指向精度、鲁棒性和快速机动能力等。因此， 基于 PID 的控制系统日趋复杂以及航天器任务需求的日趋复杂多样，对传统的 PID 控制提出了严峻挑战，促使航天工程师们重新思考现代控制理论的工程可行性。根据 NASA 科学家的分析，自 1990 — 2002 年，美国、欧洲和俄罗斯（与美国公司合作的项目）的各类发射失败事件中，如果控制系统具备对故障的快速反应能力，能够及时地在线自主调整控制器参数或控制策略，那么约 41% 的事故可以通过先进的制导与控制系统得以避免［1］。这进一步引发我们的思考，可靠性固然是航天器设计和制造中必须要遵循的最重要的设计准则，但是，如果盲目地为追求可靠性而拒绝尝试新思想、新方法，那么，反而会作茧自缚。
围绕高指向精度和快速机动能力两方面需求，先进控制理论在航天器上的应用主要面临航天器挠性、未知参数大范围变化、未知参数快速变化、以及日益提升的性能需求。与此同时，缺乏精确的对象和环境模型，以及缺乏充分的地面物理实验，是制约先进控制方法在实际工程应用的核心难点。值得欣慰的是，在航天器对先进控制方法迫切需求的发展趋势下，国内外始终有一些学者和工程师们致力于将先进控制方法引入航天器的控制系统中。参考文献［2］分析总结了当前先进控制方法在航天器上的应用现状，特别是那些已经得到了在轨验证的先进控制方法。相关分析统计结果如表 1 所示。从表 1 中，我们可以看出对于几类典型航天器，先进控制方法的适用范围具有如下规律：
1. 挠性
目前在轨航天器中，SpaceBus4000，ETS -VI，ETS-VIII 以及 HST 都采用了 H2/H ∞鲁棒控制方法来克服航天器的挠性。
2. 参数不确定性
以自矫正调节器和特征模型自适应控制为代表的自适应控制方法，在神舟飞船和DRTS 两类卫星上得以成功应用，实现了对未知参数的在轨辨识和自适应。
3. 参数大范围变化
航天器再入过程中，面对大气环境和航天器工作点的大范围变化，特征模型自适应控制以及模型参考自适应控制在工程中展现了较好的参数适应能力。
4. 先进性能指标
为了提高航天器的指向精度或快速机动性，伪谱法、LQR 和逆优化三类优化方法成功地实现了对航天器控制系统的优化。
从有限的成功应用可以看出，先进控制方法在航天器上的应用，需要从面向对象的建模和面向对象的控制器设计两方面入手。紧密围绕航天器的特点，分别构建适用于不同任务，不同场景，不同性能要求的控制器。例如，从表 1 的分析可以看出，为了抑制航天器的挠性，鲁棒控制是首选，而对于参数未知对象，则应该优先考虑自适应控制方法。在上述两方面研究基础上，航天器控制系统将进一步实现“现代控制”到“智能自主控制”的技术跨越。强自主性是航天器控制系统设计的终极目标。通过面向对象的建模和控制的研究，构建不同对象、不同任务需求下航天器的模型库和控制器大数据库，是航天器走向人工智能的第一步。这样一个数据库将能够为计算机提供基本的知识和推理依据，是航天器控制系统向智能自主进化的原动力。
在本报告的第三部分，我们将以高超声速飞行器这样一类航天器为对象，围绕强非线性、大不确定性、参数快速变化、强耦合等系统特点，分析和探讨航天器智能控制系统的研究现状和发展趋势，以期以高超声速飞行器为引领，推进我国航天事业加速迈入智能自主时代。
高超声速飞行器特有的飞行空域和严苛的任务需求，决定了此类飞行器在外形、结构设计、弹道、飞行包线上，与传统航天器或航空飞行器都存在较大差异。为了能够在临近空间长时间滑翔并且具备足够的机动能力，高超声速飞行器通常升阻比高，对气动非常敏感，可能存在静不稳定的工作点，舵面数量少，横侧平面耦合严重，大攻角飞行时非线性特性显著。上述特点给高超声速飞行器控制系统设计带来了全新的挑战，引起了以北京大学［3］，北京控制工程研究所［4］，北京空气动力学研究所［5］，东南大学［6］等众多高校专家和学者的高度重视。随着临近空间在国防建设中的战略地位不断提高，高超声速飞行器的军事需求也日益显著，面向新时期复杂军事需求的新型高超声速飞行器不断出现，原有较为保守的弹道设计及飞行控制系统设计方案已无法及时有效地提供解决方案。在这样的时代背景下，有必要对近年来高超声速飞行器的姿态控制问题的研究成果进行归纳分析， 并对未来的发展趋势展开探讨。本部分以此为出发点，重点调研近年来高超声速飞行器智能控制方法的研究现状和主要研究成果，以期为我国未来高超声速飞行器智能控制系统的研制提供参考依据。
1. 基于神经网络的智能控制方法
在高超声速飞行器的控制系统设计中，神经网络往往与其他控制方法相结合实现控制，主要包括基于神经网络的动态逆控制方法，基于神经网络的自适应控制方法，基于神经网络的滑模控制方法等。
在理论方法研究方面，神经网络可用于对高超声速飞行器的未建模动态［7］、参数未知［8］、模型不确定性［9-11］和干扰［12］进行辨识或补偿，根据辨识结果开展智能控制器的设计，能够处理对象具有短周期不稳定模态的情形，并对对象模型的小范围变化具有一定的适应能力。
在工程仿真方面，X-33亚轨道空天飞机项目于1996年启动，原计划在1999 年 3 月进行首飞，但是由于发动机和燃料储箱故障，首飞一再推迟。研究人员针对 X-33 开展了大量基于神经网络的先进控制方法研究。参考文献［13］详细介绍了X-33神经网络与模型参考自适应相结合的控制方案，其中，用于补偿动态逆误差的神经网络是一个 Sigmoid 型的单隐层前馈网络。此外，参考文献［14］以径向基函数作为激活函数，构建单隐层神经网络对自适应增益进行在线辨识，并在X-45A上进行了仿真验证。
可以看出，高超声速飞行器领域涉及的神经网络，主要还是与其他控制方法如动态逆控制、滑模控制方法相结合，用于补偿建模误差，而不是直接对飞行器模型进行辨识，更没有直接进行控制器设计。
2. 基于模糊逻辑的智能控制方法
参考文献［15］针对X-38 飞行器再入大气层的姿态控制问题，基于模糊逻辑的方法将其整个过程分为5 个阶段，对应不同的执行器机构；在此基础上，参考文献［16］进一步研究针对X-38 的模糊控制，详细讨论了再入模态中，在不同执行机构组合情况下，采用线性传递函数调节控制器输入，保证了同一模糊控制器可完成整个控制任务。参考文献［17］ 采用遗传算法设计模糊逻辑控制器，并应用于 X-34 的姿态控制中。参考文献［18］针对带有执行器故障的近空间高超声速飞行器，基于模糊系统理论设计了容错控制系统。参考文献［19］直接利用模糊规则，选择攻角和俯仰角速率作为逻辑变量，基于14 条模糊规则， 得到升降舵的控制量。数值仿真表明系统具有一定的鲁棒性。
国内方面，模糊规则用于在线补偿飞行器模型由于气动参数变化而引起的不确定性［20，21］；用于实现多个特征模型的融合，以缩短模型参数的收敛速度［22］；用于调节系统误差使其沿滑模面收敛到原点［23］；用于实现不同滑模控制器之间的切换［24］，或滑模控制器参数的在线调整［25］；也可直接基于模糊规则得到控制量［26］。
3. 基于特征模型的全系数自适应控制方法
特征模型理论由北京控制工程研究所提出，是一种结合对象动力学特征、环境特征和控制性能要求进行的建模，而不是仅仅基于对象精确动力学分析的建模。基于特征模型的全系数自适应控制方法，能够保证参数未知系统在参数尚未收敛情况下闭环系统的稳定性，具有简单的形式，调试方便，直接给出控制器的离散形式，易于硬件实现，有着极强的鲁棒性和适应性。目前，这一建模和控制方法，已经成功应用于天宫一号与神舟八号的交会对接，嫦娥五号试验飞行器跳跃式返回再入等关键航天任务中，取得了非常好的制导和控制效果。
2005年以来，北京控制工程研究所将这一原创性的建模与自适应控制方法应用于高超声速飞行器上升、滑翔和再入等几个典型机动过程的姿态控制中，在横纵平面内分别开展特征建模与自适应控制的研究，实现了X-34爬升段控制［27］，类X-20滑翔段的控制［28］以及大升力体飞行器的再入控制［29］。针对再入过程大不确定性和参数大范围变化的特点，提出了多特征模型的自适应控制方法以及黄金分割“鲁棒”自适应控制［30］，同时结合模糊神经网络，实现了特征模型参数的快速准确辨识［31］，较好地解决了通道耦合及参数大范围快速变化的控制难点。此外，参考文献［22］借助模糊逻辑实现了多个特征模型之间的融合，提高了模型的精确性，实现了滑翔段飞行器的高精度姿态控制。
从上述论述中可以看出，我国在航天或航空，包括高超声速飞行器领域，形成了非常丰富的理论研究成果，但是在工程实践方面，主要围绕的是两类我国科学家原创的控制方法，即自抗扰控制和全系数自适应控制，在航天器交会对接任务［32］、神舟飞船返回再入任务［33］、嫦娥五号试验飞行器返回再入［34］以及高超声速飞行器制导与控制等航天任务中得以工程应用。但是，这些先进控制方法的应用广度和应用深度上，还停留在初级阶段。
从表 1 我们可以看出，以美国为首的航天强国，一直非常重视先进控制方法在航天器上的应用，重点围绕模型参考自适应控制、H∞/H2 鲁棒控制以及神经网络动态逆控制三类方法开展工程研制和飞行试验，针对几类典型对象，已经取得了若干套稳定且实用的先进控制系统设计方法。特别地，针对大气层内飞行器，美国非常重视其智能飞行控制系统的研制。目前 NASA 已形成若干套成熟的先进飞行控制平台，包括 FAST 测试平台［35］，AirSTAR 测试平台［36］、ACTIVE 测试平台［37］、AFCS 控制系统［38］、INFPCS 控制系统［39］、X-36 无尾战斗机平台［40］。这些先进飞行控制平台所采用的控制方法如表 2 所示。
从上述 6 类飞行控制平台的介绍中可知，NASA 针对大气层内飞行器，已经掌握了较为成熟的智能飞行控制技术，每一类飞行控制平台都开展了大量实际飞行测试。美国目前主流的先进飞行控制系统，主要包括自适应控制和基于动态逆的神经网络控制两类方法， 借助自适应控制中的参数在线辨识技术，以及神经网络的动态逆误差补偿方法，实现大空域大机动任务下的智能自主飞行控制。
我国在高超声速飞行器先进控制理论方面的研究成果非常丰富，但是，相应的先进飞行控制系统的工程研制方面，距离美国的差距较为明显。特别是缺少系统性的面向工程实际的飞行控制方法。目前已知的先进飞行控制方法是针对我国某高超声速飞行器，利用自抗扰方法补偿制导中的非线性部分，实现高精度制导。这一先进飞行控制方案已进行实际飞行试验，效果达到预期。
上述成功的应用实例是我国高超声速飞行器迈向智能自主控制的第一步，但是仅仅进行了少量有限次飞行试验，与美国航空飞行器上百次的飞行试验相比，还远未成熟。
面对日益严苛和多样的太空探索任务需求，站在人工智能新一轮发展浪潮下，有必要突破建模—线性化—控制器设计—打靶仿真—调参这样的传统设计思路，重新审视人工智能方法在航天器控制系统中的植入模式，寻求一种更接近飞行员 / 航天员行为模式的，不依赖精确动力学模型的航天器智能控制方法。换言之，针对航天器研制过程中遇到的高风险、高投入与高可靠性之间的矛盾，围绕强鲁棒性、强自适应性和强自学习能力这一设计目标，充分利用近年来以深度学习方法为代表的人工智能新技术、新方法，研究航天器智能自主的姿态控制系统，实现由“弱”智能到“强”智能的技术跨越，从根本上改变航天器与人类的共生模式，才能使得航天器全面满足人类太空探索和利用的需求。
内容节选自《控制科学与工程学科发展报告》
往期文章推荐
🔗【重要通知】中国自动化学会关于2019年度国家科学技术奖提名工作的通知
🔗【CAC2018大会报告】郑南宁：无人驾驶还有哪些坎儿
🔗【全国学会优秀改革案例汇编】学会治理结构与治理方式：会员（代表）大会
🔗【NIIS2019】大咖齐聚共绘健康蓝图，2019国家智能产业峰会智慧医疗平行论坛即将在青岛召开
🔗【全国学会优秀改革案例汇编】学会治理结构与治理方式：理事会（常务理事会）
🔗【NIIS2019】创新驱动发展，智造引领未来 ——2019国家智能产业峰会智能制造平行论坛即将在青岛召开
相关内容
微信扫码咨询专知VIP会员