1. 航天器姿态控制中的执行器故障挑战
航天器姿态控制系统的可靠性直接关系到任务成败。在实际太空环境中，执行器（如反作用轮或推力器）面临着双重挑战：物理限制导致的饱和效应和长期运行引发的故障风险。执行器饱和是指控制指令超出执行器的物理输出能力范围，这种现象在快速机动任务中尤为常见。而执行器故障则更为复杂，主要包括两种典型模式：效能损失（执行器输出能力部分或完全丧失）和附加偏差（输出力矩中存在固定偏移）。
传统控制方法如PD控制在面对这些问题时存在明显局限。以某型地球观测卫星为例，当其反作用轮出现30%效能损失时，采用传统PD控制会导致姿态角偏差超过2度，严重影响成像质量。更严重的是，在多个执行器同时出现饱和的情况下，系统甚至可能完全失稳。这些实际问题催生了主动容错控制技术的研究需求。
2. 系统建模与问题形式化
2.1 四元数姿态描述的优势
相比欧拉角，四元数(q=[q0,q1,q2,q3]^T)避免了万向节锁问题，特别适合大角度机动控制。其运动学方程为：
code复制q̇ = 0.5 * Ω(ω) * q
其中Ω(ω)是角速度ω的斜对称矩阵。这个方程建立了四元数与角速度之间的微分关系，是控制器设计的基础。
动力学方程则描述了角速度变化与外力矩的关系：
code复制Jω̇ + ω×Jω = τ + τ_d
这里J是惯量矩阵，τ是控制力矩，τ_d是扰动力矩。在仿真中，我们通常取J=diag([20,15,10] kg·m²)作为标准测试用例。
2.2 执行器故障的数学模型
执行器故障需要精确建模才能设计有效的容错策略。考虑有m个执行器的系统，故障模型可表示为：
code复制τ_f = ρ·τ_c + δ
其中ρ∈[0,1]^m是效能损失因子（ρ=1表示完全健康，ρ=0表示完全失效），δ∈R^m是附加偏差向量。在仿真中，我们设置故障触发条件为：
code复制if t > 20s
ρ = diag([0.7, 1, 0.8]) # 三个执行器分别损失30%、0%、20%效能
δ = [0.1, 0, -0.05]^T # N·m
2.3 饱和约束的处理方法
执行器饱和约束可表示为：
code复制|τ_i| ≤ τ_max, i=1,...,m
对于反作用轮，典型τ_max在0.1-1 N·m范围。我们在控制器设计中采用双曲正切函数作为饱和函数：
code复制τ = τ_max * tanh(τ_c/τ_max)
这种处理既保证了输出受限，又保持了函数的连续可微特性，有利于稳定性分析。
3. 主动容错控制系统设计
3.1 故障检测观测器设计
基于龙伯格观测器的故障检测方案如下：
code复制ω̂̇ = J⁻¹(-ω×Jω + τ) + L(ω - ω̂)
观测器增益L的选择至关重要。通过极点配置方法，我们通常将观测器带宽设为控制系统带宽的3-5倍。例如，当控制系统带宽为1 rad/s时，可取L=diag([3,3,3])。
残差信号r=ω-ω̂的范数用于故障检测。阈值r_th根据噪声特性确定，一般取3σ原则：
code复制r_th = 3 * max(σ_noise)
3.2 自适应故障估计算法
故障估计采用投影算子保证参数有界性：
code复制ρ̂̇ = Proj(ρ̂, -γ_ρ Y^T s)
δ̂̇ = Proj(δ̂, -γ_δ s)
其中γ_ρ, γ_δ>0是学习率，s是滑模面，Y是回归矩阵。投影算子确保ρ̂∈[ρ_min,1]，δ̂∈[-δ_max,δ_max]。
3.3 反步滑模容错控制器
3.3.1 反步控制框架
-
定义姿态误差：
code复制e_q = q ⊗ q_d⁻¹其中⊗表示四元数乘法，q_d是期望姿态。
-
设计虚拟控制律：
code复制ω_d = -K_q vec(e_q)vec(·)提取四元数的向量部分，K_q>0是增益矩阵。
-
角速度跟踪误差：
code复制e_ω = ω - ω_d
3.3.2 自适应滑模控制
滑模面设计为：
code复制s = e_ω + Λ∫e_ω dt
最终控制律包含三部分：
code复制τ = -K_s s - η̂ sgn(s) + Jω̇_d + ω×Jω
其中η̂是扰动上界估计，自适应律为：
code复制η̂̇ = γ_η ||s||
4. 仿真实现与结果分析
4.1 MATLAB实现要点
matlab复制% 主要仿真循环
for k = 1:N
% 故障注入
if t(k) > 20
rho = diag([0.7, 1, 0.8]);
delta = [0.1; 0; -0.05];
end
% 容错控制计算
tau_c = FTC_controller(q, omega, qd, omegad, rho_hat, delta_hat);
% 执行器饱和
tau = tau_max .* tanh(tau_c./tau_max);
% 系统动力学更新
[q, omega] = spacecraft_dynamics(q, omega, tau);
% 故障估计更新
[rho_hat, delta_hat] = fault_estimator(omega, omega_hat);
end
4.2 性能对比结果
在相同故障条件下（t=20s时执行器1失效30%）：
- 传统PD控制：稳态误差0.8度
- 线性反步控制：稳态误差0.3度
- 本文方法：稳态误差<0.05度
抗扰测试中（加入随机扰动τ_d=0.1*randn(3,1) N·m）：
- 本文方法的姿态稳定时间比PD控制缩短60%
- 控制输入平滑无抖振
4.3 参数整定经验
- 滑模增益η̂初始值设为预期扰动上限的1.2倍
- 自适应率γ_η需在收敛速度与噪声敏感度间折衷
- 双曲正切函数的斜率参数影响饱和过渡区的平滑性
- 观测器增益L过大可能放大测量噪声
5. 工程实践中的关键问题
5.1 计算资源优化
在实际星载计算机上实现时，需注意：
- 四元数规范化步骤（每步需保证||q||=1）
- 矩阵运算的简化（利用航天器惯量矩阵的对称性）
- 自适应律的定点数实现
5.2 故障检测延迟补偿
故障检测通常有0.5-2秒延迟，可通过预测补偿：
code复制τ_comp = τ_nominal + (1 - ρ̂⁻¹)τ_hist
其中τ_hist是历史控制量滑动平均。
5.3 多执行器冗余配置
对于n>3的执行器系统，需增加控制分配模块：
code复制min ||W(τ - τ_des)||
s.t. τ_min ≤ τ ≤ τ_max
其中W是根据执行器健康状态的对角权重矩阵。
6. 扩展应用与未来方向
本方法可推广到：
- 柔性航天器振动抑制
- 多航天器协同控制
- 深空探测器的自主导航
未来改进方向包括：
- 基于深度学习的故障预测
- 事件触发控制减少计算负荷
- 在轨参数自整定算法