基于PID-bang-bang控制算法的卫星姿态控制matlab仿真

目录

1.课题概述

2.系统仿真结果

3.核心程序与模型

4.系统原理简介

5.完整工程文件


1.课题概述

基于PID-bang-bang控制算法的卫星姿态控制。仿真输出控制器的控制收敛曲线,卫星姿态调整过程的动画。

2.系统仿真结果

3.核心程序与模型

版本:MATLAB2022a

...........................................................
    %动画绘制部分
    if mod(t(i),3/Fcycle) < Tglobal  % 每隔一段时间绘制一次图形(降低绘图频率以提高效率)  
       % 计算卫星位置
       [x_sat, y_sat]            = func_satellite(x(1,i),Len1,Len2); 
       % 计算推力向量位置
       [x1_th,y1_th,x2_th,y2_th] = func_thrust(u(i),x(1,i),Len1,Len2,Len3,Len4); 
  
        figure(1); % 创建或激活图形窗口1  
        subplot(2,2,[1,3]); % 在2x2的子图布局中选择第1和第3个位置进行绘图  
        fill(x_sat,y_sat,'g'); % 绘制卫星位置(绿色填充)  
        hold on; % 保持当前图形,以便在同一张图上绘制更多内容  
  
        fill(r*cos(0:.1:2*pi),r*sin(0:.1:2*pi),'b'); % 绘制一个蓝色的圆(可能是表示卫星轨迹或参考圆)  
        fill(x1_th,y1_th,'r'); % 绘制推力向量的起点(红色填充)  
        fill(x2_th,y2_th,'r'); % 绘制推力向量的终点(红色填充)  
        hold off; % 释放当前图形,不再在同一张图上绘制更多内容  
        pbaspect([1 1 1]); % 设置绘图区域的宽高比和深度比为1:1:1,确保图形不会变形  
        axis([-4 4 -4 4]); % 设置坐标轴范围  
          
        subplot(2,2,2); % 在2x2的子图布局中选择第2个位置进行绘图  
        plot(t(1:i),x(1,1:i),'-b',... % 绘制角度随时间变化的曲线(蓝色实线)  
            'LineWidth',1,... % 设置线宽为1  
            'MarkerSize',6,... % 设置标记点大小为6  
            'MarkerEdgeColor','k',... % 设置标记点边缘颜色为黑色  
            'MarkerFaceColor',[0.9,0.0,0.0]); % 设置标记点填充颜色为红色(但这里实际上并不会显示标记点,因为plot函数没有添加标记点的选项)  
        hold on; % 保持当前图形,以便在同一张图上绘制更多内容  
        plot(t(1:i),x(2,1:i),'-r',... % 绘制角度速率随时间变化的曲线(红色实线)(注意:这里应该使用新的变量或不同的线型来区分两条曲线)  
            'LineWidth',1,... % 设置线宽为1(与上一条曲线相同,可能会覆盖)  
            'MarkerSize',6,... % 设置标记点大小为6(同上)  
            'MarkerEdgeColor','k',... % 设置标记点边缘颜色为黑色(同上)  
            'MarkerFaceColor',[0.9,0.9,0.0]); % 设置标记点填充颜色为黄色(同上)(但这里实际上并不会显示标记点)  
        title('状态'); % 设置子图标题为"状态"  
        legend('角度','角度速率'); % 添加图例,说明两条曲线分别代表什么  
        xlim([0 SimuTime]); % 设置x轴范围(时间范围)  
        ylim([-1.5 1.5]); % 设置y轴范围(角度和角度速率范围)(注意:这个范围可能不适合角度速率的显示)  
          
        subplot(2,2,4); % 在2x2的子图布局中选择第4个位置进行绘图(但实际上这里应该是第3个位置,因为上面只用了两个位置)  
        plot(t(1:i),u(1:i)); % 绘制控制器输出随时间变化的曲线  
        title('控制器输出'); % 设置子图标题为"控制器输出"  
        xlim([0 SimuTime]); % 设置x轴范围(时间范围)  
        ylim([-1.1 1.1]); % 设置y轴范围(控制器输出范围)  
        xlabel('时间'); % 设置x轴标签为"时间"  
          
    end  
      
    % 积分累积(注意:这里可能有一个逻辑错误,因为每次循环都在累积误差,但没有在pwm更新时刻重置或调整累积值)  
    Errsum = Errsum + Ref_pos - x(1,i); % 累积位置误差(但这里实际上是在累积位置误差的差值)  
      
    % 状态传播(更新下一个时刻的状态)  
    x(:,i+1) = x(:,i) + (Astate*x(:,i) + Bstate*u(i))/Fcycle; % 使用离散时间状态空间方程更新状态(但这里可能存在数组越界问题,因为当i=end时,x(:,i+1)会超出数组范围)  
    i = i + 1; % 循环计数器加1(但这里实际上存在一个问题:当i=end时,上面的代码会导致数组越界错误)  
      
end
33

4.系统原理简介

PID(比例-积分-微分)控制器是一种广泛使用的控制算法,它通过计算误差信号的比例、积分和微分项来调整系统的输出,以减小误差并达到期望的控制目标。Bang-Bang控制则是一种简单的双模态控制策略,其中控制器输出在两个极值之间切换,通常用于实现快速响应。

在卫星姿态控制中,PID-Bang-Bang控制算法可能结合了两者的特点:当误差较大时,采用Bang-Bang控制以快速减小误差;当误差较小时,切换到PID控制以实现更精细的调整。在卫星姿态控制系统中,PID控制器(比例-积分-微分控制器)与bang-bang控制结合使用,能够有效克服单一控制策略的局限性,实现对卫星姿态的精确、快速调节。

  1. PID控制器: 基于误差(e(t))进行工作,误差为期望姿态角(θ_d)与实际姿态角(θ)之差,即 e(t) = θ_d - θ。PID控制器输出(u(t))由以下三部分组成:

    u(t) = K_p * e(t) + K_i * ∫e(t)dt + K_d * de(t)/dt

    其中:

    • K_p是比例增益,它直接影响系统对当前误差的响应速度。
    • K_i是积分增益,用于消除稳态误差,防止误差累积。
    • K_d是微分增益,通过预测未来误差变化趋势,提高系统的动态性能和稳定性。
  2. Bang-Bang控制: Bang-Bang控制是一种开关型控制策略,其输出要么是最大值U_max,要么是最小值U_min,取决于当前误差是否超出设定的阈值。在卫星姿态控制中,当卫星姿态偏差超出预定范围时,bang-bang控制器会立即输出最大或最小控制力矩,以尽快纠正姿态。

  3. PID-bang-bang混合控制: 在实际应用中,PID控制可提供连续且平滑的控制输出,但可能在某些极端条件下反应不足;而bang-bang控制虽然反应迅速,但易导致系统震荡。因此,将两者结合,通常会在正常状态下采用PID控制,而在姿态偏差过大、需要快速响应时切换至bang-bang控制。

综合以上,PID-bang-bang混合控制的具体实施可能是:当卫星姿态误差e(t)在一定范围内时,采用PID控制输出u_PID(t);当误差超出预设阈值时,则切换为bang-bang控制,输出u_BB(t)。这样既能保证姿态控制的稳定性和精确性,又能应对突发的大偏差情况,实现对卫星姿态的有效控制。

5.完整工程文件

v

v

相关推荐
Evand J5 小时前
集合卡尔曼滤波(Ensemble Kalman Filter),用于二维滤波(模拟平面上的目标跟踪),MATLAB代码
matlab·平面·目标跟踪
我是博博啦10 小时前
matlab例题
人工智能·算法·matlab
2402_8713219512 小时前
MATLAB方程组
gpt·学习·线性代数·算法·matlab
Matlab程序猿小助手1 天前
【MATLAB源码-第218期】基于matlab的北方苍鹰优化算法(NGO)无人机三维路径规划,输出做短路径图和适应度曲线.
开发语言·嵌入式硬件·算法·matlab·机器人·无人机
Matlab精灵1 天前
使用MATLAB进行字符串处理
开发语言·matlab
机器学习之心2 天前
POD-Transformer多变量回归预测(Matlab)
matlab·回归·transformer·pod-transformer
WangYan20222 天前
高光谱遥感是什么?高光谱遥感数据如何处理?(基于Matlab和Python多案例解析)从小白到精通
matlab·高光谱遥感数据处理·混合像元分解
Matlab精灵2 天前
利用Matlab函数实现深度学习算法
深度学习·算法·matlab
十七算法实验室3 天前
Matlab实现北方苍鹰优化算法优化随机森林算法模型 (NGO-RF)(附源码)
开发语言·深度学习·算法·决策树·随机森林·机器学习·matlab
mailangduoduo3 天前
基于matlab的语音信号去噪的App Designer 设计
matlab·gui设计·语音去噪·app设计