基于NMPC和深度学习的使用PZT致动器与传感器的卫星梁式天线动力学振动控制
NMPC and Deep Learning-Based Vibration Control of Satellite Beam Antenna Dynamics Using PZT Actuators and Sensors
AI总结：
本文提出结合非线性模型预测控制（NMPC）与深度学习的方法，利用PZT致动器和传感器控制星载柔性梁式天线振动，仿真表明该方法有效减振并提升了响应速度与控制精度。
摘要：
本文提出了一种使用非线性模型预测控制（NMPC）和深度学习技术控制星载柔性梁式天线振动的新方法。所开发的控制系统利用压电（PZT）致动器和传感器管理卫星耦合的姿态与结构动力学，从而提高精度和稳定性。我们提出了一种详细的耦合动力学模型，该模型结合了卫星姿态和梁结构动力学，并考虑了基于PZT的致动器的影响。通过MATLAB/Simulink仿真，我们证明了结合NMPC和深度学习的框架在减少结构振动、实现更快响应时间以及提高整体控制精度方面的有效性。结果表明，所提出的系统为在空间环境中控制柔性梁式卫星天线提供了鲁棒的解决方案。
英文摘要：
This paper presents a novel approach for vibration control of satellite-based flexible beam-type antennas using Nonlinear Model Predictive Control (NMPC) and Deep Learning techniques. The developed control system leverages piezoelectric (PZT) actuators and sensors to manage the coupled attitude and structural dynamics of the satellite, improving precision and stability. We propose a detailed coupled dynamics model that integrates both satellite attitude and beam structural dynamics, considering the effects of PZT-based actuators. Through MATLAB/Simulink simulations, we demonstrate the effectiveness of the combined NMPC and Deep Learning framework in reducing structural vibrations, achieving faster response times, and enhancing overall control accuracy. The results indicate that the proposed system provides a robust solution for controlling flexible beam-type satellite antennas in space environments.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
