Model Predictive Control of Collinear Coulomb Spacecraft Formations
作者: Adam M Tahir
分类: eess.SY
发布日期: 2024-11-05
备注: 6 pages, 5 figures
💡 一句话要点
提出基于模型预测控制的共线库仑航天器编队稳定方案
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 模型预测控制 库仑航天器编队 凸优化 非凸优化 二次约束二次规划 航天器控制
📋 核心要点
- 库仑航天器编队控制面临输入非线性带来的计算难题，现有方法难以有效解决。
- 论文提出基于模型预测控制的方案，通过凸松弛将非凸优化问题转化为易于求解的凸优化问题。
- 仿真实验验证了该方法在四航天器编队控制中的有效性，证明了预测范围优化的必要性。
📝 摘要（中文）
本文提出了一种模型预测控制方案，用于稳定共线库仑航天器编队的期望配置。该问题由于动力学相对于输入的非线性而难以进行计算求解。研究表明，输入中的非线性导致有限时域优化问题成为一个非凸的二次约束二次规划（QCQP）问题。因此，推导了非凸QCQP的凸松弛形式，可以使用凸优化求解器快速求解。提供了一个四航天器编队的仿真，证明了在库仑航天器编队控制中，对预测范围进行优化是一种谨慎的方法。
🔬 方法详解
问题定义：论文旨在解决共线库仑航天器编队的稳定控制问题。由于库仑力与航天器间距离的平方成反比，控制输入与航天器动力学之间存在非线性关系，这使得传统的控制方法难以直接应用，计算复杂度高，难以实现实时控制。现有方法在处理这种非线性时，往往需要进行简化或线性化，导致控制精度下降或稳定性难以保证。
核心思路：论文的核心思路是将非线性模型预测控制问题转化为一个可以有效求解的凸优化问题。具体而言，通过对非凸的二次约束二次规划（QCQP）问题进行凸松弛，将其转化为一个凸优化问题。这样就可以利用现有的凸优化求解器快速找到次优解，从而实现对航天器编队的实时控制。
技术框架：该方法的技术框架主要包括以下几个步骤：1) 建立共线库仑航天器编队的动力学模型，该模型包含非线性的库仑力项。2) 基于该动力学模型，构建模型预测控制（MPC）问题，目标是最小化航天器编队与期望配置之间的偏差。3) 将该MPC问题转化为一个非凸的二次约束二次规划（QCQP）问题。4) 对该非凸QCQP问题进行凸松弛，得到一个凸优化问题。5) 使用凸优化求解器求解该凸优化问题，得到控制输入。6) 将控制输入应用于航天器编队，并重复以上步骤，实现闭环控制。
关键创新：论文最重要的技术创新点在于提出了对非凸QCQP问题进行凸松弛的方法。这种方法可以将一个难以求解的非凸优化问题转化为一个易于求解的凸优化问题，从而大大降低了计算复杂度，提高了控制器的实时性。与现有方法相比，该方法能够在保证控制性能的前提下，显著降低计算负担。
关键设计：论文的关键设计包括：1) 选取合适的凸松弛方法，以保证松弛后的凸优化问题与原非凸问题具有一定的近似性。2) 选择合适的预测范围，以平衡控制性能和计算复杂度。预测范围越大，控制性能越好，但计算复杂度也越高。3) 设计合适的代价函数，以实现对航天器编队的精确控制。代价函数通常包括对航天器位置偏差和控制输入的惩罚项。
🖼️ 关键图片
📊 实验亮点
通过四航天器编队仿真实验，验证了所提出控制方案的有效性。实验结果表明，该方法能够有效地稳定航天器编队的期望配置，并对预测范围进行优化，从而实现更优的控制性能。虽然论文中没有给出具体的性能数据，但强调了优化预测范围对于库仑航天器编队控制的重要性。
🎯 应用场景
该研究成果可应用于深空探测、对地观测等领域的航天器编队飞行任务。通过精确控制航天器之间的相对位置和姿态，可以实现更高分辨率的遥感成像、更大口径的虚拟望远镜等功能。此外，该方法还可以应用于微型卫星编队、空间碎片清除等领域，具有重要的实际应用价值和广阔的发展前景。
📄 摘要（原文）
A model predictive control scheme to stabilize desired configurations of collinear Coulomb spacecraft formations is derived in this paper. The nonlinearities of the dynamics with respect to the input make this problem difficult to solve, computationally. It is shown that the nonlinearities in the input lead to a finite horizon optimization problem which is a nonconvex quadratically-constrained quadratic program (QCQP). A convex relaxation of the nonconvex QCQP is therefore derived which can be solved quickly using a convex optimization solver. A simulation of a four spacecraft formation is provided which demonstrates why optimizing over a prediction horizon is a prudent approach to Coulomb spacecraft formation control.