星载TDICCD系统的随机振动控制理论及其关键技术研究

The project intends to build the mathematical model of the stochastic vibration control system for satellite TDICCD. Firstly, it is built the dissipation Hamilton system with the external vibration excitation by the Hamilton system theory, and then it is derived the average system with Ito stochastic differential theory and stochastic averaging method. Secondly, it is built the stochastic optimal control problem of the uncertainty system, which can get the dynamic programming equation by the stochastic dynamic programming principle, this equation can be solved to have the optimal control strategy on average. Finally, it is achieved the simulation of the stochastic vibration control system for the satellite TDICCD by the simulation software, and built the experimental platform of the stochastic vibration control system for the satellite TDICCD to select and develop the related software and hardware. Ultimately, the vibration suppression effect can be validate by the experimental platform, and get the valuable results of the theoretical and the application, which is the necessary foundation of the theory and technology to the practical application.

本项目拟构建星载TDICCD随机振动控制系统的数学模型，首先运用随机激励下的耗散汉密尔顿系统理论，构建外部振动激励下的耗散的汉密尔顿系统，运用伊藤随机微分理论和随机平均法导出平均系统，随后建立不确定性系统的随机最优控制问题，针对该随机最优控制问题，由随机动态规划原理得到不确定性系统的动态规划方程，通过求解该动态规划方程得到最优平均控制策略。最后通过相关仿真软件平台实现星载TDICCD随机振动控制系统的仿真，并进一步选定和开发相关软硬件构建星载TDICCD随机振动控制系统实验平台，最终进行验证振动抑制效果并获得有价值的理论和应用成果，为本项目的实际工程应用打下必要的理论和技术基础。

本项目构建了星载TDICCD随机振动控制系统的数学模型，将振动控制系统作为一个不稳定的混合随机微分方程，研究了混合动力随机微分方程的延迟反馈控制的稳定性，设计了一个延迟反馈控制，以稳定一类系数满足多项式增长条件的高度非线性混合随机微分方程，用非线性离散随机反馈控制方法研究了一个给定的不稳定混合系统的几乎肯定的稳定性；提出了基于状态空间方程的预测函数控制和多变量PI预测函数控制，设计了卫星姿态控制器并进行了仿真，获得良好的控制性能；针对星载TDICCD图像的分类问题，提出一种新的遥感高光谱图像数据分类算法，将自适应均值滤波和跳跃回归相结合，该算法在总体精度、平均精度和Kappa统计等方面都具有较好的性能；提出了一种新的基于鲁棒回归的最近正规化子空间HSI分类方法，该方法在处理图像中某些波段受到噪声或数据丢失的情况下，具有较好的分类性能；提出了基于判别式字典的正则化稀疏表示的算法，在非约束性条件下与SRC,FDDL,RSC等识别算法相比具有最佳的识别率；提出了将模拟退火算法、粒子群算法及自适应函数与模糊C均值聚类算法相融合的混合算法(AD-SA-PSO-FCM)，该算法能够在未知聚类数的情况下，提高图像分割结果的精确性与稳定性；提出了一种基于局部信息和噪声距离的核度量的中智模糊聚类算法，该方法具有良好的噪声图像分割性能。针对星载TDICCD的振动信号容易被外界噪声干扰的情况，提出一种基于变模式分解和频谱特性的自适应降噪算法（SA-VMD），该方法具有良好的模态识别能力，降噪效果良好，抗模态混叠能力强，运算效率高，利于实时分析振动信号；提出了一种基于随机共振消噪（Stochastic resonance，SR）和变分模态分解（Variational Mode Decomposition，VMD）的SR-VMD方法,该方法可以大幅提高信噪比，实现在复杂环境中强背景噪声情况下微弱信号检测，更有效地应用于振动信号的特征提取。.最后，项目组构建了星载TDICCD随机振动控制系统实验平台，验证了本项目的振动控制系统对星载TDICCD在外部随机振动的影响下能够稳定的运行并获取高质量的数据。