Augmented Model Predictive Control: A Balance between Satellite Agility and Computation Complexity

📄 arXiv: 2603.08078v1 📥 PDF

作者: Yiming Wang, Mihindukulasooriya Sheral Crescent Tissera, Haihong Yu, Kai Jie Ethan Foo, Sean Yeo Keyuan, Ankit Srivastava, Hao An

分类: eess.SY

发布日期: 2026-03-09

备注: European Control Conference 2026

💡 一句话要点

提出增强型模型预测控制，平衡卫星敏捷性和计算复杂度

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 模型预测控制 卫星姿态控制 敏捷性 非线性控制 计算复杂度

📋 核心要点

  1. 现有卫星控制策略在提升敏捷性方面关注不足，难以充分发挥新型执行器的性能优势。
  2. 论文提出增强型MPC方法，旨在兼顾非线性MPC的高性能和线性MPC的低计算复杂度。
  3. 通过数值模拟和物理实验验证了所提出方法的有效性和实际可行性。

📝 摘要（中文）

敏捷地球观测卫星采用多个执行器来实现灵活和响应迅速的成像能力。虽然执行器技术的显著进步提高了卫星的扭矩和动量，但专门为提高卫星敏捷性而定制的控制策略却相对较少受到关注。本文对不同的模型预测控制（MPC）公式进行了比较分析，并提出了一种增强型MPC方法，该方法有效地平衡了敏捷性要求与硬件实现约束。所提出的方法实现了非线性MPC的高性能特性，同时保留了线性MPC的计算简单性。数值模拟和物理实验验证了该方法的有效性和可行性。

🔬 方法详解

问题定义：论文旨在解决敏捷卫星姿态控制问题，现有控制方法难以在敏捷性和计算复杂度之间取得平衡。非线性MPC虽然性能优异，但计算量巨大，难以在星上实时运行；线性MPC计算简单，但性能受限，无法满足高敏捷性需求。

核心思路：论文的核心思路是设计一种增强型MPC，使其既能逼近非线性MPC的性能，又能保持线性MPC的计算效率。通过对线性MPC进行增强，使其能够更好地处理卫星姿态控制中的非线性特性。

技术框架：该方法首先建立卫星的动力学模型，然后设计线性MPC控制器。为了增强线性MPC的性能，引入了额外的补偿项，该补偿项基于对非线性误差的估计。整体流程包括：1) 建立卫星动力学模型；2) 设计线性MPC控制器；3) 估计非线性误差；4) 计算补偿项并将其加入线性MPC的控制律中。

关键创新：该方法最重要的创新点在于引入了非线性误差补偿机制，有效地提升了线性MPC的性能，使其能够逼近非线性MPC的控制效果。与直接使用非线性MPC相比，该方法显著降低了计算复杂度。

关键设计：关键设计包括：1) 精确的卫星动力学建模；2) 线性MPC控制器的参数整定；3) 非线性误差的估计方法，例如使用卡尔曼滤波或其他状态估计器；4) 补偿项的设计，需要保证其能够有效地补偿非线性误差，同时避免引入不稳定性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

数值模拟结果表明，所提出的增强型MPC方法在姿态控制精度和响应速度方面均优于传统的线性MPC方法，并接近非线性MPC的性能。物理实验验证了该方法在实际硬件平台上的可行性和有效性。具体性能提升数据在论文中进行了详细展示。

🎯 应用场景

该研究成果可应用于敏捷地球观测卫星、空间机器人等领域，提升卫星的姿态控制精度和响应速度，从而提高成像质量和任务执行效率。未来，该方法有望推广到其他需要高精度和快速响应的控制系统中，例如无人机、自动驾驶汽车等。

📄 摘要（原文）

Agile earth observation satellites employ multiple actuators to enable flexible and responsive imaging capabilities. While significant advancements in actuator technology have enhanced satellites' torque and momentum, relatively little attention has been given to control strategies specifically tailored to improve satellite agility. This paper provides a comparative analysis of different Model Predictive Control (MPC) formulations and introduces an augmented-MPC method that effectively balances agility requirements with hardware implementation constraints. The proposed method achieves the high-performance characteristics of nonlinear MPC while preserving the computational simplicity of linear MPC. Numerical simulations and physical experiments are conducted to validate the effectiveness and feasibility of the proposed approach.