Star-Tracker-Constrained Attitude MPC for CubeSats
作者: Dominik Beňo, Patrik Valábek, Martin Hromčík, Martin Klaučo
分类: eess.SY
发布日期: 2026-04-01
💡 一句话要点
提出星敏感器约束的姿态MPC控制框架，用于立方星快速调姿和目标跟踪
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 立方星 姿态控制 模型预测控制 星敏感器 线性化 二次规划 目标跟踪
📋 核心要点
- 传统立方星姿态控制方法难以兼顾快速调姿和星敏感器可用性，尤其是在存在几何约束的情况下。
- 论文提出一种线性模型预测控制（MPC）框架，通过在线线性化非线性动力学和约束，实现快速求解。
- 通过高保真仿真验证了该方法在不同目标几何和惯性扰动下的有效性，表明其具有良好的鲁棒性。
📝 摘要（中文）
本文提出了一种在线线性模型预测控制（MPC）框架，用于在地面目标跟踪期间保持星敏感器的可用性，从而实现快速调姿。该方法在每个控制步骤中，将非线性刚体动力学和几何排除约束，围绕当前状态估计进行解析线性化，从而产生一个时变线性MPC公式，并将其转化为标准二次规划（QP）问题。这种结构与已建立的航空航天飞行软件实践兼容，并且与同等的非线性MPC方案相比，具有更低的在线计算复杂度。该控制器在后退范围内结合了角速率、执行器和星敏感器排除约束。在NASA的“42”航天器动力学模拟器中使用高保真非线性模型在环仿真评估了性能，包括针对不同目标几何形状和惯性扰动的蒙特卡罗活动。
🔬 方法详解
问题定义：论文旨在解决立方星在执行快速调姿和地面目标跟踪任务时，如何保证星敏感器始终可用这一问题。现有的姿态控制方法通常难以同时满足快速响应和避开星敏感器视场遮挡等约束，尤其是在存在惯性参数不确定性的情况下，控制性能会进一步下降。
核心思路：论文的核心思路是在线地将非线性动力学模型和星敏感器视场约束线性化，并将其纳入模型预测控制（MPC）框架中。通过在每个控制周期内求解一个二次规划（QP）问题，得到最优的控制输入序列，从而实现快速调姿和目标跟踪，同时保证星敏感器的可用性。这种方法避免了直接求解非线性优化问题，降低了计算复杂度。
技术框架：该方法采用模型预测控制（MPC）框架，主要包括以下几个步骤：1. 基于当前状态估计，对非线性刚体动力学模型和星敏感器视场约束进行线性化；2. 将线性化后的模型和约束转化为标准二次规划（QP）问题；3. 求解QP问题，得到最优控制输入序列；4. 将控制输入作用于立方星，并更新状态估计；5. 重复以上步骤，实现滚动优化。
关键创新：该方法最重要的创新点在于将非线性约束在线线性化，并将其纳入线性MPC框架中。这种方法既保证了控制精度，又降低了计算复杂度，使其能够在计算资源有限的立方星上实时运行。此外，该方法还考虑了角速率和执行器约束，进一步提高了控制系统的鲁棒性。
关键设计：该方法的关键设计包括：1. 线性化点的选择：选择当前状态估计作为线性化点，可以保证线性化模型的局部精度；2. 预测时域的长度：预测时域的长度需要根据具体的任务需求进行调整，过短的预测时域可能导致控制性能下降，过长的预测时域则会增加计算复杂度；3. 权重矩阵的设置：权重矩阵用于平衡控制性能和控制输入的大小，需要根据具体的任务需求进行调整；4. 二次规划求解器：选择合适的二次规划求解器可以提高求解速度和精度。
🖼️ 关键图片
📊 实验亮点
通过NASA“42”航天器动力学模拟器进行的高保真非线性模型在环仿真表明，该方法能够在不同目标几何形状和惯性扰动下实现快速调姿和目标跟踪，同时保证星敏感器的可用性。蒙特卡罗仿真结果表明，该方法具有良好的鲁棒性，能够有效应对惯性参数的不确定性。
🎯 应用场景
该研究成果可应用于各类需要高精度姿态控制的立方星任务，例如对地观测、空间科学实验等。通过保证星敏感器的可用性，可以提高姿态估计的精度和可靠性，从而提升任务的整体性能。此外，该方法还可以推广到其他具有类似约束的航天器姿态控制问题中。
📄 摘要（原文）
This paper presents an online linear model predictive control (MPC) framework for slew maneuvers that maintains star-tracker availability during ground-target tracking. The nonlinear rigid-body dynamics and geometric exclusion constraints are analytically linearized about the current state estimate at each control step, yielding a time-varying linear MPC formulation cast as a standard quadratic program (QP). This structure is compatible with established aerospace flight-software practices and offers a computational profile with lower online complexity than comparable nonlinear MPC schemes. The controller incorporates angular-rate, actuator, and star-tracker exclusion constraints over a receding horizon. Performance is assessed in high-fidelity nonlinear model-in-the-loop simulations using NASA's "42" spacecraft dynamics simulator, including a Monte Carlo campaign over varying target geometries and inertia perturbations.