航天器姿态容错控制：执行器饱和与故障的综合解决方案

1. 项目背景与核心挑战

航天器姿态控制是空间任务的基础保障，而执行器饱和与故障是实际工程中最常见的两类问题。当航天器在轨运行时，执行机构（如飞轮、推力器）可能因物理限制达到力矩输出上限（饱和），也可能因长期工作出现部分失效或完全失效（故障）。这两类问题若处理不当，轻则导致姿态控制精度下降，重则引发任务失败。

传统控制方法通常将饱和与故障分开处理，但实际系统中二者往往同时存在且相互影响。比如当某飞轮出现部分失效时，其他执行器可能被迫工作在饱和区以补偿力矩损失。这种耦合效应使得单一故障处理或抗饱和控制策略难以奏效。我们团队在TIE期刊发表的这项研究，正是针对这一工程痛点提出的综合解决方案。

2. 系统建模与问题描述

2.1 航天器姿态动力学模型

采用修正罗德里格斯参数（MRP）描述姿态运动，其动力学方程可表示为：

% 航天器姿态动力学方程 J*w_dot + w×J*w = u + d + f % 角速度动力学 σ_dot = G(σ)*w % 姿态运动学

其中J∈R^(3×3)为惯量矩阵，w∈R^3为角速度，u∈R^3为控制输入，d∈R^3为外部扰动，f∈R^3表示执行器故障等效力矩。G(σ)为MRP与角速度的转换矩阵。

2.2 执行器约束建模

执行器饱和与故障的统一数学描述：

u_i = sat(v_i) * ρ_i(t), i=1,2,3 sat(v_i) = sign(v_i)*min(|v_i|, u_max) ρ_i(t) = { 1 (正常), k_i(t)∈(0,1) (部分失效), 0 (完全失效) }

其中v_i为指令力矩，u_max为饱和限幅，ρ_i(t)表征故障程度。该模型同时覆盖了饱和非线性与时变故障特性。

3. 容错控制架构设计

3.1 分层控制结构

系统采用"观测-诊断-容错"的三层架构：

1. 状态观测层：基于自适应滑模观测器估计角速度与故障信息
2. 故障诊断层：通过残差分析检测执行器健康状态
3. 容错控制层：结合反步法与自适应滑模的复合控制器

3.2 自适应滑模观测器设计

观测器核心方程：

w_hat_dot = J^(-1)*(-w×J*w + u + L*sgn(s) + K*s) s = w - w_hat

其中L,K为待设计参数，通过Lyapunov方法证明观测误差在有限时间内收敛。

关键技巧：滑模增益L采用自适应律调整，既保证鲁棒性又避免过度抖振

3.3 反步-滑模复合控制器

控制律分两步构建：

1. 虚拟控制量设计使姿态误差收敛
2. 实际控制量补偿故障与饱和效应

最终控制律形式：

v = -c1*z1 - G'*z2 + w×J*w - J*(w_dot_d - α_dot) - η*sgn(s)

其中z1,z2为误差变量，c1,η为正定矩阵，α为虚拟控制量。

4. Matlab实现关键代码解析

4.1 观测器实现模块

function [w_hat, f_hat] = SM_Observer(J, w, u, params) persistent s_prev; if isempty(s_prev) s_prev = zeros(3,1); end % 滑模面计算 s = w - w_hat; % 自适应增益更新 L = params.L0 + params.gamma*norm(s); % 观测器方程 w_hat_dot = J\(-skew(w)*J*w + u + L*sign(s) + params.K*s); % 故障估计 f_hat = L*sign(s); % 离散化更新 w_hat = w_hat + w_hat_dot*params.Ts; s_prev = s; end

4.2 容错控制器核心代码

function u = FTC_Controller(sigma, w, w_hat, f_hat, ref, params) % 参考轨迹微分 w_d = ref.w_d; w_d_dot = ref.w_d_dot; % 误差变量 z1 = sigma - ref.sigma_d; z2 = w - w_d - alpha; % 虚拟控制量 alpha = -params.c1*z1 + G(sigma)'*w_d; alpha_dot = jacobian_alpha(sigma,w,params); % 控制律计算 u = -params.c1*z1 - G(sigma)'*z2 ... + skew(w)*J*w - J*(w_d_dot - alpha_dot) ... - params.eta*sign(z2) - f_hat; % 执行器饱和处理 u = saturate(u, params.u_max); end

5. 仿真验证与结果分析

5.1 故障注入场景设置

设计三种典型故障工况：

1. Case1：t=15s时飞轮1完全失效
2. Case2：t=10s时飞轮2出现50%效能损失
3. Case3：复合故障（飞轮1饱和+飞轮3部分失效）

5.2 性能指标对比

指标	常规PD控制	被动容错控制	本文方法
稳态误差(deg)	>2.5	1.2	<0.3
恢复时间(s)	-	8.0	3.5
控制能耗(Nm)	1.0	1.2	0.8

5.3 典型仿真结果图示

（仿真曲线显示在飞轮失效后1.5秒内系统恢复稳定跟踪）

6. 工程实现注意事项

1. 参数整定经验：

   • 滑模增益η的选择需在快速收敛与控制抖振间折衷
   • 自适应率γ过大可能导致估计器对噪声敏感
   • 反步法参数c1,c2建议按"先慢后快"原则调整

2. 计算资源优化：

   • 观测器更新频率可低于控制器（实测200Hz足够）
   • 符号函数可用饱和函数近似以减少计算负担
   • 矩阵运算采用预先分解法加速

3. 地面验证建议：

   • 先在全数字仿真中验证算法逻辑
   • 再接入硬件在环(HIL)测试平台
   • 最后进行三维气浮台物理试验

7. 常见问题排查指南

现象	可能原因	解决方案
稳态误差偏大	滑模增益不足	增大η或采用自适应增益
系统出现高频抖振	滑模切换过频繁	用边界层法或观测器滤波
故障检测延迟明显	观测器带宽不足	调整K矩阵特征值
执行器频繁饱和	控制分配不合理	引入力矩分配优化模块

8. 扩展研究方向

1. 多源故障处理：结合传感器故障诊断构建完整容错体系
2. 学习型控制：利用RL优化参数自适应律
3. 在轨自主重构：基于故障程度的控制结构在线调整
4. 分布式执行器：面向新型可变构型执行机构的扩展

在后续实验中，我们发现当系统存在多个执行器交叉耦合时，引入控制分配矩阵可进一步提升性能。具体实现时，可在控制律后添加如下分配算法：

function u_alloc = control_allocation(B, v, u_max) % 基于伪逆的力矩分配 W = diag([1/u_max(1), 1/u_max(2), 1/u_max(3)]); u_alloc = W*B'*inv(B*W*B')*v; u_alloc = saturate(u_alloc, u_max); end

这个改进使得当某执行器达到饱和时，系统能自动将冗余力矩分配给其他健康执行器，实测可将故障恢复时间再缩短约20%。