[发明专利]一种基于transformer的抗干扰星上挠性附件耦合力矩辨识器

说明书

本发明提出一种基于transformer的抗干扰星上挠性附件耦合力矩辨识器，包括以下步骤：步骤S1：利用深度相机获得挠性帆板的深度图，利用图像识别技术获得挠性附件标识点的振动位移；步骤S2：判别在步骤S1中是否识别全部的标识点，若全部识别，则进入步骤S3，若未全部识别，则利用位移预测器进行帆板标识点位移的补全；步骤S3：将识别或预测到的挠性帆板上的四个标识点的振动位移输入到耦合力矩辨识器中，辨识当前挠性帆板产生的振动耦合力矩。本发明能够通过计算机视觉处理技术和神经网络强大的非线性拟合能力，智能实时的获取挠性附件帆板的耦合干扰力矩，为航天器的姿态控制系统提供帮助。能够应用于各种工业场景中，帮助企业更好更安全的工作生产。

技术领域

本发明属于航天器智能控制技术领域，尤其涉及一种基于transformer的抗干扰星上挠性附件耦合力矩辨识器。

背景技术

随着科学技术的不断发展，现如今在轨工作的航天器大多携带着大型的挠性附件，如太阳能帆板或天线等。大挠性附件在航天器进行姿态机动过程中会发生振动，产生的耦合力矩对航天器控制系统有巨大危害，甚至导致航天器任务失败。

而目前航天器姿态控制算法针对该问题并无合适的解决方法。

发明内容

本发明解决的问题是：克服现有技术的不足，提供一种基于transformer的抗干扰星上挠性附件耦合力矩辨识器，能够辨识航天器携带的大挠性附件由于颤振产生的耦合干扰力矩。

本发明目的通过以下技术方案予以实现：一种基于transformer的抗干扰星上挠性附件耦合力矩辨识器，所述方法包括以下步骤：

步骤S1：利用深度相机获得挠性帆板的深度图，利用图像识别技术获得挠性附件标识点的振动位移；

步骤S2：判别在步骤S1中是否识别全部的标识点，若全部识别，则进入步骤S3，若未全部识别，则利用位移预测器进行帆板标识点位移的补全；

步骤S3：将识别或预测到的挠性帆板上的四个标识点的振动位移输入到耦合力矩辨识器中，辨识当前挠性帆板产生的振动耦合力矩。

上述基于transformer的抗干扰星上挠性附件耦合力矩辨识器中，在步骤S1中，首先对帆板进行标识，在帆板表面标记黑色圆点作为标识点，再利用深度相机得到正面帆板的深度图，使用圆点检测方法，检测到中轴位置前四个个标识点在深度图像中的图像坐标，进而得到每个时刻所选取的四个标识点的振动位移，由于帆板在振动，故每个时刻振动位移都在变化。

上述基于transformer的抗干扰星上挠性附件耦合力矩辨识器中，在步骤S2中，由于在辨识器工作中，可能会因为外界干扰导致不能辨识到全部的标识点的位置，导致力矩辨识器无法工作，故设计基于transformer网络的位移预测器，将前四个时间序列中的四个标识点的振动位移和当前时间序列中辨识到的不完整的标识点位移信息作为输入，位移预测器输出缺失点的位移信息。基于transformer的位移预测器工作方式如下：首先，将前四个时间序列中四个标识点的振动位移数据整理成1×4×4的位移数组矩阵Ms，将辨识到的不完整当前时间序列的标识点位移数据整理成1×4×1的辅助数组矩阵Ma，将位移数组矩阵Ms和辅助数组矩阵Ma输入到数据处理网络中，数据处理网络有两层全连接层L1和L2，L1的输入神经元个数为4，输出神经元个数为512；L2的输入神经元个数为1，输出神经元个数为512，分别将位移数组矩阵Ms和辅助数组矩阵Ma输入L1和L2中，将位移数组矩阵Ms和辅助数组矩阵Ma升维到1×4×512的编码器输入矩阵和1×4×512的解码器输入矩阵，将编码器输入矩阵和解码器输入矩阵分别输入到编码器和解码器中，编码器由编码器和解码器分别由8头的自注意力机制网络和注意力机制网络构成，经过3层的解码编码后，将解码器的输出送入到数据整合器中，数据整合器由一层全连接层组成，输入神经元个数和输出神经元个数分别是512和4，输出补全的当前时间序列的所有标识点位移数据。