论文部分内容阅读
射电望远镜经过“收听”微弱的宇宙无线电信号,协助人类认知遥远宇宙。FAST(Five hundred meters Aperture Spherical Telescope,简称FAST)是少有的具有中国独立自主知识产权的,而且建成之后是最灵敏的,以后将会是国际上的最大的射电望远镜,在天文界具有重大的科学意义[1]。FAST的最大特点是其反射面是主动变形的,其口径为500米,有效的照明口径为300米,在照明口径内实时的调整反射面形成瞬时抛物面,完成观测。本课题的创新处在于:FAST的主反射面是全可动的,在世界上尚属首例,并且将迭代学习应用于天线的控制使其更加智能化在天线控制领域也是首次出现。同时,FAST的整网控制策略的研究是实现FAST主动反射面整网变形控制策略与自适应建模研究项目的基础工作和核心技术之一,如何从宏观的角度进行整网控制也是这个项目的难点之一,良好的整网控制策略对提高整个FAST系统的使用寿命和观测灵敏度都会有很大的帮助与提高,所以可见FAST的整网控制具有重要的理论和实践价值[2]。针对以上两项主要内容,提出以下研究路线:首先,对迭代学习控制的相关理论进行了归纳总结,并重点对迭代学习的多种学习类型进行了学习与研究;其次,在理解学习迭代学习控制的基础上,根据实际使用进行了相应的改进,使得控制效果更佳;再次,对FAST的观测机理进行了详尽分析,由于FAST其复杂性,包括天文,机械,数学等多学科,本文中介绍了 FAST反射面动态成型定位控制数学模型,以及动态模型运动规划的数学模型,并分析主反射面的面变形以及控制策略,同时针对于天文轨迹规划以及FAST的观测模式进行了分析,整理出FAST节点的控制算法;最后,通过对FAST的分析,对整个FAST的控制进行数学建模,由于其运行的重复性、非线性以及不确定等特性,将迭代学习控制应用于整网的控制策略中,并对其仿真结果进行分析证明了其有效性,并针对FAST本身特点,对迭代学习控制算法进行相应改进,使得其能很好运用在FAST的整网控制中。本文建立了基于迭代学习的FAST整网控制策略,通过仿真验证了迭代学习控制算法在FAST整网控制中的可行性和有效性,这将对FAST主动反射面的整网调整研究产生重要的现实意义。