航空航天控制是控制理论最具挑战性和创新性的应用领域之一。从早期的飞行器稳定控制到现代的火箭回收、卫星编队飞行，航空航天控制不断推动着控制理论的发展边界。本章将系统介绍飞行器动力学建模、制导律设计、姿态控制等核心技术，并通过SpaceX火箭着陆、国际空间站机械臂等前沿案例，展示现代航空航天控制的最新成就。
飞行器在三维空间中具有六个自由度：三个平动（x, y, z）和三个转动（俯仰pitch、偏航yaw、滚转roll）。完整的动力学方程包括：
平动方程（体坐标系）： \(\begin{aligned} m\dot{u} &= X - mg\sin\theta + m(rv - qw) \\ m\dot{v} &= Y + mg\cos\theta\sin\phi + m(pw - ru) \\ m\dot{w} &= Z + mg\cos\theta\cos\phi + m(qu - pv) \end{aligned}\)
其中 $(u, v, w)$ 是体坐标系下的速度分量，$(p, q, r)$ 是角速度分量，$(X, Y, Z)$ 是气动力。
转动方程（欧拉方程）： \(\begin{aligned} I_x\dot{p} + (I_z - I_y)qr &= L \\ I_y\dot{q} + (I_x - I_z)pr &= M \\ I_z\dot{r} + (I_y - I_x)pq &= N \end{aligned}\)
其中 $(I_x, I_y, I_z)$ 是惯性矩，$(L, M, N)$ 是力矩。
对于小扰动飞行，可以在平衡点附近线性化：
纵向运动（Longitudinal）： 状态变量：$x_{lon} = [u, w, q, \theta]^T$ 控制输入：升降舵偏角 $\delta_e$，油门 $\delta_t$
\[\dot{x}_{lon} = A_{lon}x_{lon} + B_{lon}u_{lon}\]横侧向运动（Lateral-Directional）： 状态变量：$x_{lat} = [v, p, r, \phi, \psi]^T$ 控制输入：副翼偏角 $\delta_a$，方向舵偏角 $\delta_r$
\[\dot{x}_{lat} = A_{lat}x_{lat} + B_{lat}u_{lat}\]典型的飞行模态包括：
增稳系统（SAS - Stability Augmentation System）：
基本思路：增加阻尼，改善飞行品质
俯仰增稳：δe = -Kq·q - Kα·α
偏航增稳：δr = -Kr·r
控制增强系统（CAS - Control Augmentation System）：
功能：改善操纵响应特性
俯仰速率命令：q_cmd → PI控制器 → δe
滚转速率命令：p_cmd → P控制器 → δa
自动驾驶仪设计： 高度保持控制器（双环结构）：
外环：h_error → PI → θ_cmd
内环：θ_cmd → 俯仰姿态控制 → δe
飞行管理系统（FMS）
↓
自动驾驶（Autopilot）
↓
飞行控制律（Control Laws）
↓
控制分配（Control Allocation）
↓
作动器（Actuators）
电传飞控（Fly-by-Wire）特点：
制导的目标是生成加速度指令，使导弹击中目标。基本几何关系：
目标T
↗ R (相对距离)
╱
╱ λ (视线角)
╱
╱
导弹M
相对运动方程： \(\begin{aligned} \dot{R} &= V_T\cos(\gamma_T - \lambda) - V_M\cos(\gamma_M - \lambda) \\ R\dot{\lambda} &= V_T\sin(\gamma_T - \lambda) - V_M\sin(\gamma_M - \lambda) \end{aligned}\)
最经典的制导律，加速度指令正比于视线角速率：
\[a_c = N'V_c\dot{\lambda}\]其中 $N’$ 是有效导航比（通常3-5），$V_c$ 是接近速度。
优点：
扩展形式：
基于最优控制理论，最小化脱靶量和控制能量：
\[J = \frac{1}{2}y^2(t_f) + \frac{1}{2}\int_0^{t_f} u^2(t)dt\]对于非机动目标，最优解为： \(u(t) = \frac{N(t)V_c}{t_{go}^2}Z\)
其中 $t_{go}$ 是剩余飞行时间，$N(t) = 3 + \frac{t_{go}^2}{\tau^2}$
设计滑模面： \(s = \dot{\lambda} + k\lambda\)
制导律： \(a_c = V_c\dot{\lambda} + k_1|s|^{1/2}\text{sign}(s) + k_2\int\text{sign}(s)dt\)
优势：
预测制导：
1. 预测目标轨迹
2. 计算预测拦截点
3. 生成最优轨迹
4. 跟踪参考轨迹
协同制导（多弹协同）：
欧拉角： 简单直观但存在奇异性（万向节锁）
四元数： \(q = q_0 + q_1i + q_2j + q_3k, \quad ||q|| = 1\)
姿态运动学： \(\dot{q} = \frac{1}{2}\Omega(w)q\)
其中： \(\Omega(w) = \begin{bmatrix} 0 & -w_x & -w_y & -w_z \\ w_x & 0 & w_z & -w_y \\ w_y & -w_z & 0 & w_x \\ w_z & w_y & -w_x & 0 \end{bmatrix}\)
反作用轮（Reaction Wheels）：
原理：角动量交换
优点：精度高、连续控制
缺点：饱和问题、需要卸载
应用：高精度指向任务
磁力矩器（Magnetorquers）：
原理：与地磁场相互作用
优点：无消耗、可卸载动量
缺点：控制受限、依赖磁场
应用：低轨卫星、动量卸载
推力器（Thrusters）：
原理：喷气反作用
优点：力矩大、不饱和
缺点：燃料限制、离散控制
应用：大角度机动、轨道保持
PD控制器（小角度）： \(\tau = -K_p\theta_e - K_d\omega\)
四元数反馈控制： \(\tau = -K_p\text{sgn}(q_{e0})q_{ev} - K_d\omega_e\)
其中 $q_e$ 是误差四元数。
滑模控制（大角度机动）： 滑模面： \(s = \omega + K q_{ev}\)
控制律： \(\tau = -\omega \times J\omega - K_1s - K_2\text{sat}(s/\Phi)\)
零动量系统：
偏置动量系统：
动量卸载策略：
if ||h_wheels|| > h_threshold:
τ_magnetic = compute_detumbling_torque()
apply_magnetic_torque(τ_magnetic)
compensate_with_wheels(-τ_magnetic)
Hill-Clohessy-Wiltshire (HCW) 方程：
对于近圆轨道，从轨道坐标系看相对运动： \(\begin{aligned} \ddot{x} - 2n\dot{y} - 3n^2x &= f_x/m \\ \ddot{y} + 2n\dot{x} &= f_y/m \\ \ddot{z} + n^2z &= f_z/m \end{aligned}\)
其中 $n = \sqrt{\mu/a^3}$ 是轨道角速度。
自然编队构型：
无控制力时的周期解： \(\begin{aligned} x(t) &= A\sin(nt + \phi) \\ y(t) &= -2A\cos(nt + \phi) + y_0 \\ z(t) &= B\sin(nt + \psi) \end{aligned}\)
形成2:1的椭圆相对轨道。
脉冲控制策略：
每个轨道周期执行一次机动
目标：消除相对轨道漂移
方法：基于状态转移矩阵
Δv = Φ^(-1)(T)[x_des(T) - Φ(T)x_0]
连续控制（LQR）：
性能指标： \(J = \int_0^{\infty} (x^TQx + u^TRu)dt\)
反馈控制律： \(u = -Kx = -R^{-1}B^TPx\)
其中P满足代数Riccati方程。
最优燃料轨迹规划：
最小化总速度增量： \(\min \sum_{i=1}^{N} ||\Delta v_i||_1\)
约束条件：
| 避免碰撞：$ | r_i - r_j | \geq d_{min}$ |
| 推力限制：$ | u | \leq u_{max}$ |
基于凸优化的求解：
# 凸化后的问题
minimize: sum(||Δv_i||_1)
subject to:
x(k+1) = A*x(k) + B*u(k) # 动力学
||x_i - x_j|| >= d_safe # 防撞
||u|| <= u_max # 推力约束
x(N) = x_target # 终端约束
一致性协议： \(u_i = -\sum_{j \in \mathcal{N}_i} (x_i - x_j - \delta_{ij})\)
其中 $\delta_{ij}$ 是期望相对位置。
虚拟结构法：
1. 定义虚拟刚体参考框架
2. 各卫星跟踪框架内的指定位置
3. 虚拟框架根据任务需求运动
Leader-Follower架构：
Leader: 跟踪参考轨迹
Follower_i: 保持相对Leader的位置
u_i = -K_p(r_i - r_L - δ_i) - K_d(v_i - v_L)
地球观测（如A-Train）：
空间干涉测量（如LISA）：
在轨服务：
SpaceX的猎鹰9号一级火箭回收是航天史上的革命性成就。主要技术挑战：
动力学特性：
约束条件：
轨迹优化问题：
最小化燃料消耗： \(\min \int_0^{t_f} ||T(t)||_2 dt\)
动力学约束： \(\begin{aligned} \dot{r} &= v \\ \dot{v} &= \frac{T}{m} + g + \frac{D}{m} \\ \dot{m} &= -\frac{||T||}{I_{sp}g_0} \end{aligned}\)
无损凸化（Lossless Convexification）：
原始非凸约束： \(T_{min} \leq ||T|| \leq T_{max}\)
引入松弛变量 $\Gamma$： \(||T|| \leq \Gamma \leq T_{max}\)
| 关键定理：最优解处 $ | T^* | = \Gamma^*$（无损） |
二阶锥规划（SOCP）形式：
minimize: ∫Γ dt
subject to:
动力学方程（线性）
||T|| ≤ Γ（二阶锥约束）
姿态约束：||T_lateral|| ≤ tan(α_max)||T_axial||
滑翔锥约束：确保可达
连续凸化算法：
def successive_convexification():
x_ref = initial_guess()
for iteration in range(max_iter):
# 在参考轨迹处线性化
A, B = linearize_dynamics(x_ref)
# 求解凸化子问题
x_new = solve_socp(A, B, constraints)
# 信赖域更新
if cost(x_new) < cost(x_ref):
x_ref = x_new
expand_trust_region()
else:
shrink_trust_region()
if converged():
break
return x_ref
计算性能：
格栅舵控制（大气层内）：
功能：提供气动控制力矩
特点：可展开、耐高温
控制律：PID + 前馈补偿
挑战：非线性气动特性
冷气推进器（大气层外）：
功能：姿态调整、翻转机动
配置：多个推进器冗余设计
控制分配：基于伪逆的最优分配
推力矢量控制（TVC）：
执行机构：液压作动器
响应时间：< 100ms
最大偏转角：±5度
控制策略：跟踪制导指令 + 姿态稳定
“自杀式燃烧”（Suicide Burn）：
最优着陆策略：尽可能晚地点火，一次燃烧到速度为零。
点火时机计算： \(h_{ignition} = \frac{v^2}{2a_{net}} + h_{margin}\)
其中 $a_{net} = \frac{T}{m} - g$
着陆腿展开逻辑：
if altitude < 100m and velocity < 50m/s:
deploy_landing_legs()
update_aerodynamic_model()
reconfigure_controller_gains()
技术创新：
工程启示：
成功率演进：
Canadarm2是国际空间站的关键组件，负责站外货物搬运、航天员辅助、站体维护等任务。
物理参数：
特殊设计：
7自由度运动学：
冗余度解析： \(\dot{q} = J^{\#}\dot{x} + (I - J^{\#}J)\dot{q}_0\)
其中 $J^{#}$ 是伪逆，$(I - J^{#}J)\dot{q}_0$ 是零空间运动。
微重力动力学：
考虑柔性和耦合效应： \(M(q)\ddot{q} + C(q,\dot{q})\dot{q} + K_e\Delta q + D_e\Delta\dot{q} = \tau + J^T F_{ext}\)
其中 $K_e, D_e$ 表示结构柔性。
1. 位置控制模式：
用途：精确定位任务
方法：关节空间PID控制
特点：高精度、慢速度
2. 速率控制模式：
用途：快速机动
方法：笛卡尔空间速度控制
输入：操纵杆速度指令
映射：v_cmd → J^# → q_dot
3. 力控制模式：
用途：装配、对接任务
方法：阻抗控制
力/位混合控制框架：
τ = J^T[S_f F_d + S_p K_p(x_d - x)]
通信时延问题：
预测显示技术：
def predictive_display():
# 基于当前状态预测未来位置
x_predicted = simulate_forward(x_current, v_cmd, delay_time)
# 虚拟现实显示
render_ghost_arm(x_predicted)
render_actual_arm(x_current)
# 碰撞预警
if check_collision(x_predicted):
alert_operator()
suggest_alternative_path()
波变量方法：
保证时延系统无源性： \(\begin{aligned} u_m &= \frac{1}{\sqrt{2b}}(F_m + bv_m) \\ v_s &= \frac{1}{b}(u_m(t-T) - \sqrt{\frac{b}{2}}F_s) \end{aligned}\)
碰撞避免：
1. 虚拟墙（软件限位）
2. 关节限位保护
3. 奇异点避免
4. 动态安全包络
故障处理：
def fault_detection_and_recovery():
if joint_torque > threshold:
# 立即停止
emergency_stop()
# 诊断故障
fault_type = diagnose_fault()
# 重构控制
if fault_type == "joint_failure":
reconfigure_to_reduced_dof()
elif fault_type == "sensor_failure":
switch_to_backup_sensor()
货运飞船捕获：
阶段1：跟踪接近（视觉伺服）
- 目标识别与跟踪
- 相对速度匹配
阶段2：捕获准备
- 末端执行器对准
- 安全检查
阶段3：捕获执行
- 软接触
- 抓取确认
- 刚性连接
阶段4：泊位操作
- 路径规划
- 协调运动控制
- 对接完成
关键技术突破：
未来发展方向：
谢尔盖·科罗廖夫是苏联航天计划的总设计师，被誉为”苏联航天之父”。他领导设计了世界第一颗人造卫星Sputnik、第一艘载人飞船东方号，开创了人类航天时代。
主要贡献：
控制理论贡献：
技术理念： “简单可靠优于复杂精巧” - 这一理念深刻影响了苏联/俄罗斯航天控制系统设计，强调鲁棒性和冗余性。
目标特性：
安全接近轨迹设计： \(\min J = \int_0^{t_f} (||u||^2 + \rho \cdot risk(x))dt\)
风险函数考虑：
自适应翻滚目标同步：
def tumbling_synchronization():
# 估计目标运动
ω_target = estimate_angular_velocity()
I_target = estimate_inertia_tensor()
# 生成同步轨迹
for t in time_horizon:
# 预测目标姿态
q_target = propagate_attitude(ω_target, t)
# 计算追踪器姿态指令
q_cmd = compute_approach_attitude(q_target)
# 自适应控制补偿
τ = adaptive_controller(q_cmd, q_actual)
柔性捕获技术：
捕获后稳定控制： 组合体动力学： \(\begin{bmatrix} M_s & 0 \\ 0 & M_t \end{bmatrix} \begin{bmatrix} \ddot{x}_s \\ \ddot{x}_t \end{bmatrix} + \begin{bmatrix} K & -K \\ -K & K \end{bmatrix} \begin{bmatrix} x_s \\ x_t \end{bmatrix} = \begin{bmatrix} F_s \\ 0 \end{bmatrix}\)
本章系统介绍了航空航天控制的核心理论和前沿应用：
核心概念：
关键技术：
工程实践：
案例启示：
航空航天控制将继续推动控制理论发展，特别是在自主性、鲁棒性和最优性的统一方面。
习题13.1 推导飞行器短周期模态的特征方程，并分析俯仰阻尼比对飞行品质的影响。
习题13.2 设计一个卫星三轴稳定PD控制器，给定惯性矩阵$I = \text{diag}(100, 150, 120)$ kg⋅m²。
习题13.3 推导比例导引律的脱靶量公式，假设目标做常值机动。
习题13.4 计算两颗卫星在圆轨道上相位调整所需的速度增量，要求30分钟后相位差改变90度。
习题13.5 设计一个火箭垂直着陆的滑模控制器，考虑质量时变和推力约束。
习题13.6 分析空间机械臂抓取翻滚目标时的角动量转移问题，提出最优抓取策略。
习题13.7 推导考虑J2摄动的编队飞行相对运动方程，设计长期稳定的编队构型。
习题13.8 设计一个应对通信时延的遥操作控制系统，保证1秒往返时延下的稳定性。