本文介绍了使用Matlab进行卫星姿态控制的仿真，详细阐述了动力学、运动学模块的构建，涉及陀螺噪声模型、星敏感器模块以及控制模块的实现。源代码示例展示了如何处理反步自适应滑模控制和噪声影响，以2014a版本Matlab为基础。
✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。
更多Matlab仿真内容点击👇
Matlab图像处理（进阶版）
路径规划（Matlab）
神经网络预测与分类（Matlab）
优化求解（Matlab）
语音处理（Matlab）
信号处理（Matlab）
车间调度（Matlab）
⛄一、反步自适应滑模控制卫星姿态抗干扰控制仿真
1 姿态控制模块的组成
卫星姿态控制的 SimuLink 模块如下图所示。
其中：
Dynamics 模块是动力学模块，它的输入是控制力矩 T，输出是卫星在惯性系下的角速度Wib。
Kinematics 模块是运动学模块，它引入 Wib 然后输出体坐标系下的姿态四元数 Qo 和卫星本体在体坐标系下的角速度 Wob。
StarSensor 模块是星敏感器模块，它引入姿态四元数 Qo，加入星敏感器噪声后输出测量姿态四元数 Qo_m。
Gyro 模块是陀螺模块，它引入 Wob，然后加入陀螺噪声得到测量的角速度 Wob_m。
Target 模块是控制目标模块，它输入测量四元数 Qo_m，输出姿态误差四元数的矢部qe。
Controller 模块是控制模块，它输入姿态误差四元数的矢部 qe 和姿态角速度的测量值Wob_m，输出控制信号 T_Signal。控制率为 PD 控制率： (K K w) p e d T q = - +
Actuator 模块是执行机构模块，它输入控制信号，输出控制力矩 T，然后将 T 引入动力学模块。
卫星姿态控制的 SimuLink 模块即建立完成。
2 动力学模块的建立
卫星动力学方程如下：（模型中 T 为体坐标系下的力矩，H 为体坐标系下的角动量，w为体坐标系相对于惯性坐标系的角速度在在体坐标系下的量）
3 运动学模块的建立
四元数姿态运动学方程：（见《基于星敏感器角速度估计的陀螺故障诊断》
其中Qo
b表示星体坐标系 b 相对于轨道坐标系 o 的姿态四元数在体坐标系 b 中的投影
（在星体坐标系中轨道坐标系 o 转到与星体坐标系 b 重合（与后面的姿态坐标转换矩阵对应）所需的姿态四元数）；Ä 表示四元数乘法； b wob 表示星体坐标系 b 相对于轨道坐标系 o的角速度在 b 坐标系中的投影； b wib 表示体坐标系 b 相对于惯性坐标系 i 的角速度在 b 坐标系中的投影，由动力学模块给出；Cob表示 o 系到 b 系的坐标转换矩阵，由四元数 Q 计算得到；
o wio 表示轨道坐标系 o 相对于惯性坐标系 i 的角速度在 o 坐标系中的投影，该角速度在轨道坐标系中表示简单，该值在 m 文件中给出。
4 角速度陀螺模块的建立
陀螺噪声分为两部分，一是白噪声，二是常值漂移。陀螺模块如下图所示。
初值漂移为 M 文件中的 cong。白噪声由 Random Number 模块提供，注意白噪声模块的
参数：Mean，Variance，Seed，Sample Time。噪声是三维的。
12 Help——Random Number 模块：
Seed：The seed must be 0 or a positive integer. Output is repeatable for a given seed.
不能对RandomNumber模块提供的噪声进行积分，需要积分的话应该使用Limited White Noise 模块。（Avoid integrating a random signal, because solvers must integrate relatively smooth
signals. Instead, use the Band-Limited White Noise block.）
5 星敏感器模块的建立
星敏感器用于测量姿态四元数，当不考虑星敏感器误差时可以忽视该模块。
6 控制目标模块的建立
该模块是为了由测量姿态四元数得到姿态误差四元数的矢部 qe。令目标姿态四元数为QT，姿态误差四元数为Qe，误差四元数不是由两四元数做差得到的。
7 控制模块的建立
控制率为 (K dq K w) p d T = - + 。按照控制率搭建控制模块如下：
⛄二、部分源代码
clear;
clc;
d2r=pi/180;%%degree2radian
%%%转动惯量IB
IB=[1.25,0.0,0.0
0.0,9.65,0.0
0.0,0.0,9.65];
%%%转动惯量IB的逆invIB
invIB=inv(IB);
%%%初始角速度Wwo
Ww0=[0,0,0]'*d2r;
%%%初始姿态角（按照ZYX转动得到的Euler姿态角）fei0=[Phi Theta Psi]
fei0=[10,10,10]'*d2r;
%%%初始姿态四元数[Q00 Q0]
Q00 = cos(fei0(1)/2)*cos(fei0(2)/2)*cos(fei0(3)/2)+sin(fei0(1)/2)*sin(fei0(2)/2)*sin(fei0(3)/2);
Q1 = sin(fei0(1)/2)*cos(fei0(2)/2)*cos(fei0(3)/2)-cos(fei0(1)/2)*sin(fei0(2)/2)*sin(fei0(3)/2);
Q2 = cos(fei0(1)/2)*sin(fei0(2)/2)*cos(fei0(3)/2)+sin(fei0(1)/2)*cos(fei0(2)/2)*sin(fei0(3)/2);
Q3 = -sin(fei0(1)/2)*sin(fei0(2)/2)*cos(fei0(3)/2)+cos(fei0(1)/2)*cos(fei0(2)/2)*sin(fei0(3)/2);
Q0=[Q1 Q2 Q3];
%%%目标姿态角（体坐标系下，按照ZYX转动得到的Euler姿态角）fei0=[Phi Theta Psi]
fei1=[0,0,0]'*d2r;
%%%目标姿态四元数Qt=[qt0 qt]
qt0 = cos(fei1(1)/2)*cos(fei1(2)/2)*cos(fei1(3)/2)+sin(fei1(1)/2)*sin(fei1(2)/2)*sin(fei1(3)/2);
qt1 = sin(fei1(1)/2)*cos(fei1(2)/2)*cos(fei1(3)/2)-cos(fei1(1)/2)*sin(fei1(2)/2)*sin(fei1(3)/2);
qt2 = cos(fei1(1)/2)*sin(fei1(2)/2)*cos(fei1(3)/2)+sin(fei1(1)/2)*cos(fei1(2)/2)*sin(fei1(3)/2);
qt3 = -sin(fei1(1)/2)*sin(fei1(2)/2)*cos(fei1(3)/2)+cos(fei1(1)/2)*cos(fei1(2)/2)*sin(fei1(3)/2);
Qt=[qt0 qt1 qt2 qt3];
%%%初始角动量HB0
HB0=[IB*Ww0]';%HB0设置为行向量以便与Simulink中的积分器模块的输入值对应
%%%轨道角速度（Height=300KM）
Wio=[0 -2*pi/5431.184 0]';
% %%%角速度陀螺：常值漂移cong，白噪声sample时间Tscontrol和增益Noig，精度Gyquan
% cong=[1,1,1]0.5/3600d2r;%%每3600s漂移0.5 度
% Noig=[1,1,1]1/35*10^(-5)*d2r;
% Gyquan=[1,1,1]1.e-6d2r;
% Tscontrol=0.05;
%%% PD 控制的控制参数Kp，Kd 均为三维
% wnx=5;
% wny=5;
% wnz=5;
% Kp=[1.25/0.515wnx2*0.6,9.65/3.18*wny20.6,9.65/1.59wnz^20.6]2;
% Kd=[2wnx1.25/0.5152,2wny9.65/3.18,2wnz9.65/1.59*2]*sqrt(0.6);
%%%控制参数
c=1.5;
k=0.5;
h=1;
b=0.008;
r=0.01;
⛄三、运行结果
⛄四、matlab版本及参考文献
1 matlab版本
2014a
2 参考文献
[1] 刘婵,朱永川,白园,何健辉.基于flocking的多智能体群集与避障算法研究与仿真[J].通信技术. 2019,52(07)
3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除
🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化
2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知
4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化
5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配
6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化
7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化
8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置
9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长
10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合
扫一扫
1043
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
