柔性臂空间机器人的一类运动学方程及轨迹规划

用柔性机械臂连杆末端的弹性变形以及变形角度来表示空间机器人柔性臂的弹性运动变量,克服了用无穷维振动模态变量来表示弹性变形给系统运动学建模带来的困难;基于广义雅可比矩阵的思想,建立了柔性臂空间机器人"双广义雅可比矩阵"形式的运动学模型,该运动学模型描述了柔性臂弹性变形对空间机器人的运动影响;以运动学方程为基础,设计了柔性臂空间机器人的惯性空间内连续轨迹规划算法。仿真表明,规划的机械臂关节运动规律可以补偿柔性连杆振动给机械臂末端位置带来的影响,使机械臂末端位置准确沿着期望的轨迹运动。     

基于STDP奖励调节的类脑面向目标导航

动物具有优秀的空间自主定位导航能力，能够实现在无先验环境信息下的导航定位和导航决策过程。针对智能体在连续空间中面向目标导航问题，研究了一种基于生物学放电时间依赖可塑性学习规则的智能体面向目标导航算法。首先分析了动物面向目标导航决策过程中的生理学机理，在此基础上，构建了基于脉冲神经网络的位置细胞和动作细胞模型。动作细胞间权值采用横向竞争模型更新，通过环境奖励信号的更新，采用放电时间依赖可塑性学习规则对位置细胞前馈动作细胞模型的突触权重进行权值调节，利用动作细胞群的脉冲放电现象表征智能体运动方向和速度。最后，对所提算法进行了仿真实验验证。仿真结果表明，所提出的类脑面向目标导航算法能够在单障碍环境中实现30 ms左右的规划速度，相比传统强化学习Q学习方法平均路径规划长度缩短了15.9%。     

基于深度强化学习的多无人机协同进攻作战智能规划

无人机依靠作战效费比高、灵活自主等优势逐步替代了有生力量作战,多无人机协同作战任务规划成为热点研究问题。针对传统任务规划采用的智能优化算法存在的依赖静态、低维的简单场景、机上计算较慢等不足,提出一种基于深度强化学习（DRL）的端到端的多无人机协同进攻智能规划方法。将压制敌防空作战（SEAD）任务规划过程建模为马尔科夫决策过程,建立基于近端策略优化（PPO）算法的SEAD 智能规划模型,通过两组实验验证智能规划模型的有效性和鲁棒性。结果表明：基于DRL 的智能规划方法可以实现快速、精细规划,适应未知、连续高维的环境态势,智能规划模型具有战术协同规划能力。     

空间大型机械臂系统载运轨迹优化方法

针对在搬运及组装数十吨级负载过程中,空间站用大型机械臂会对空间站载体姿态产生扰动的问题,提出了一种笛卡尔轨迹参数化方法。利用基于广义雅克比矩阵（GJM）的分解运动速度控制和优化算法来实现基座姿态扰动控制,建立了反映载体姿态变化的目标函数。基于关节运动范围及避免动力学奇异等约束,采用粒子群（PSO）算法进行目标函数的优化,有效降低了空间大型机械臂系统在搬运重型负载过程中对载体姿态的影响。仿真结果验证了算法的有效性。     

结合深度学习的机械臂视觉抓取控制

针对基于视觉的机械臂抓取精确抓取的需求,考虑传统的视觉识别算法受环境、对象变化的制约且在识别正确率及快速性上存在的问题,在现有研究的基础上,提出了一种基于深度学习的目标精确检测与识别方法。首先基于深度学习改进了YOLO算法,通过对数据集的训练,基于英伟达Jetson TX1高性能处理单元实现了复杂环境下多目标的识别与定位,给出了目标的类别与位置等信息;以此为基础,结合利用Move It!功能包完成的机械臂运动轨迹的求解与规划,以及基于李群李代数建立的递推正逆动力学模型,设计了机械臂抓取控制的滑模控制律。仿真及实物验证表明,基于深度神经网络的方法学习到的特征对复杂背景具有较强的鲁棒性和稳定性;所设计的滑模控制算法在0.21 s时跟踪误差在2%,取得了较高的控制精度。可为后续视觉抓取任务提供参考。     

基于PSO优化算法的空间机械臂振动抑制研究

针对空间柔性机械臂的末端残余振动抑制问题,提出了一种基于逆运动学分析和粒子群优化算法的柔性机械臂笛卡尔空间轨迹规划和振动抑制的新方法。采用自然坐标法和绝对节点坐标法分别对柔性关节、柔性臂杆进行动力学建模,最终得到全面考虑柔性特性的柔性机械臂动力学模型;针对机械臂末端笛卡尔空间"点到点"和"静止到静止"的规划运动,采用五次多项式函数对末端轨迹进行离散规划,并通过逆运动学理论分析求解得到含冗余参数的关节空间电机转动轨迹;采用粒子群优化算法(PSO),将满足机械臂末端振动最小化的轨迹规划问题转换为待定冗余参数的优化问题,并迭代优化求解该参数;最后以三自由度柔性机械臂开展仿真研究。仿真结果表明,提出的规划方法具有很高的收敛速度,节约了计算时间;能够实现预定的机械臂轨迹规划;对机械臂末端点的残余振动能够进行有效地抑制。     

带有空间机械臂的航天器系统惯性参数辨识

针对航天器惯性参数在轨辨识问题,文章以空间机械臂为研究对象,建立了带有空间机械臂的航天器系统动力学模型,并进行了空间机械臂的动力学分析。通过规划一种复杂的空间机械臂的运动轨迹,对机械臂各关节施加合适激励的方法,使空间机械臂做充分可变构型运动。该运动会改变航天器系统的惯性分布,从而引起航天器系统速度变化。然后,通过ADAMS(Automatic Dynamic Analysis of Mechanical Systems,机械系统动力学自动分析)软件建模测量这些速度变化,计算出空间机械臂的惯性变化,进而基于动量和动量距守恒的方法建立线性回归方程。最后,通过应用递推最小二乘法解线性回归方程组,辨识出了航天器的惯性参数。仿真分析结果表明了所辨识的航天器惯性参数的有效性和准确性。     

基于位姿可达空间的太空机械臂容错路径规划

为了使太空机械臂在关节锁定故障后仍能继续完成后续任务,提出一种基于位姿可达空间的太空机械臂容错路径规划方法。基于牛顿-拉夫逊法计算太空机械臂关节人为限位,完成满足任务需求的退化工作空间求解,通过构造姿态可达度指标,在退化工作空间的基础上建立故障机械臂基坐标系下的位姿可达空间。通过在代价函数中增加最小奇异值代价项改进传统A^*算法,基于改进A^*算法在所建立的位姿可达空间内完成太空机械臂容错路径规划。所提方法综合了位姿可达空间与改进A^*算法各自的优势,实现了关节锁定故障太空机械臂同时满足避奇异与位姿可达要求的轨迹搜索。通过建立7自由度太空机械臂运动学模型开展数值仿真研究,仿真结果验证了所提容错路径规划方法的有效性。     

基于动力学RRT*的自由漂浮空间机器人轨迹规划

针对自由漂浮空间机器人（FFSR）轨迹规划问题,提出了一种基于动力学RRT^*算法的FFSR轨迹规划方法。首先,建立了FFSR的运动学与动力学模型,将系统模型伪线性重构为状态空间模型,并设计了考虑位姿调整时长和能量消耗的加权目标函数;然后,针对机械手初末位置间的障碍,简化避障方法,提出了机械臂避障与机械手避障两层次避障策略,提高碰撞检测效率;接着,给出了多体系统的动力学RRT^*逼近最优轨迹的方法;最后,为验证算法有效性并不失一般性,选取平面2连杆FFSR模型进行数值仿真并用经典RRT^*算法和高斯伪谱法与之对比。仿真结果表明,该方法能够以较快的速度生成可行的机器人移动轨迹。     

基于混合规划策略的自由漂浮冗余机械臂减振运动规划(英文)

对自由漂浮柔性冗余机械臂系统的减振运动规划问题进行研究。首先,采用拉格朗日方法建立系统的动力学模型,并给出了减振运动规划的模型。其次,提出一种基于高斯伪谱法与直接打靶法的混合规划策略,用于求解运动规划问题。先利用高斯伪谱法将运动规划问题转化为一个非线性参数优化问题,并用遗传算法确定近似解,随后利用直接打靶法建立优化模型,将得到的近似解作为优化变量的初值,并采用序列二次规划算法求得精确解。最后,对算例进行分析,验证了基于混合规划策略得到的关节运动轨迹能够明显减小柔性臂杆的全局振动以及残余振动。数值计算的结果表明该方法对减振运动规划问题的求解是有效且稳定的。     

Pre-impact trajectory planning for minimizing base attitude disturbance in space manipulator systems for a capture task

Aimed at capture task for a free-floating space manipulator, a scheme of pre-impact trajectory planning for minimizing base attitude disturbance caused by impact is proposed in this paper.Firstly, base attitude disturbance is established as a function of joint angles, collision direction and relative velocity between robotic hand and the target.Secondly, on the premise of keeping correct capture pose, a novel optimization factor in null space is designed to minimize base attitude disturbance and ensure that the joint angles do not exceed their limits simultaneously.After reaching the balance state, a desired configuration is achieved at the contact point.Thereafter, particle swarm optimization(PSO) algorithm is employed to solve the pre-impact trajectory planning from its initial configuration to the desired configuration to achieve the minimized base attitude disturbance caused by impact and the correct capture pose simultaneously.Finally, the proposed method is applied to a 7-dof free-floating space manipulator and the simulation results verify the effectiveness.     

基于改进ARA*算法的无人机在线航迹规划

针对无人机三维在线航迹规划对算法速率、航迹最优性的需求,提出了基于改进ARA^*算法的无人机在线航迹规划方法。首先,建立无人机三维航迹规划的数学模型;然后,提出了节点空间约简策略、局部启发项策略以提高算法收敛速率,并针对复杂规划环境提出了启发因子自适应递减策略。仿真结果表明,所提算法能够快速、稳定地生成首条可行航迹,并在剩余时间内不断提高航迹质量,可应用于不同类型的在线规划任务,动态地适应规划时间与航迹最优性的要求。     

重访机制驱动的多无人机协同动目标搜索方法

为实现多无人机高效捕获灰色任务区域内的移动目标,考虑传感器探测概率与虚警概率,提出了重访机制驱动的协同搜索规划（RMD-CSP）方法,以降低目标遗漏与误判概率。考虑无人机飞行性能约束,以最大化任务执行效能为目标建立多无人机协同搜索模型。根据目标先验信息初始化环境搜索信息图（包括目标概率分布图、环境不确定度图与环境搜索状态图）,利用无人机实时探测信息,基于贝叶斯准则持续更新搜索信息图。定制基于环境不确定度更新的重访机制,通过增加长时间未被重访区域的环境不确定度,引导无人机搜索该区域,降低移动目标的遗漏概率;定制基于目标函数权重更新的重访机制,引导无人机快速重访发现新的疑似目标的区域,对疑似目标进行再次确认,减少由于传感器虚警概率造成的目标误判概率。采用滚动时域规划架构,将搜索规划问题分解为一系列短时域规划问题,提升了求解效率。在典型任务想定下,通过数值仿真试验验证了所提方法的有效性。仿真结果表明,RMD-CSP能够在秒级时间内生成每个时域的搜索航迹,相比于光栅式搜索方法与标准的概率启发式搜索方法,能够引导无人机捕获更多的移动目标,同时减少误判次数,有效提升了多无人机协同搜索的任务效能。     

Failure treatment strategy and fault-tolerant path planning of a space manipulator with free-swinging joint failure

Aiming at a space manipulator with free-swinging joint failure, a failure treatment strategy and fault-tolerant path planning method is proposed in this paper. This method can realize failure treatment of a space manipulator with free-swinging joint failure through determination of the optimal locked joint angle and dynamics model reconfiguration. Fault-tolerant path planning is realized by the establishment of the degraded workspace with integrated kinematics performance (DWWIKP) and an improved A-Star (A1) algorithm. This paper has the following contributions. The determination of the optimal locked joint angle can ensure that the manipulator is able to continue follow-up tasks while maximizing the workspace of the manipulator after locking the fault joint. Underactuated control of a high degree-of-freedom (DOF) manipulator can be effectively solved through dynamics model reconfiguration. The analysis process of the dynamics coupling relationship can be applied to cases where the active joint and the passive joint are parallel or perpendicular to each other. The establishment of the DWWIKP can demonstrate the kinematics performance of the manipulator in both joint space and operation space comprehensively. The improved A1 algorithm based on the integrated kinematics performance index (IKPI) can search a fault-tolerant task trajectory that satisfies the requirements of reachability and the overall kinematics performance simultaneously. The method proposed in this paper is verified by a 7-DOF manipulator, and it is available to any DOF manipulator with free-swinging joint failure.     

An online ensemble semi-supervised classification framework for air combat target maneuver recognition

Online target maneuver recognition is an important prerequisite for air combat situation recognition and maneuver decision-making. Conventional target maneuver recognition methods adopt mainly supervised learning methods and assume that many sample labels are available. However, in real-world applications, manual sample labeling is often time-consuming and laborious. In addition, airborne sensors collecting target maneuver trajectory information in data streams often cannot process information in real time. To solve these problems, in this paper, an air combat target maneuver recognition model based on an online ensemble semi-supervised classification framework based on online learning, ensemble learning, semi-supervised learning, and Tri-training algorithm, abbreviated as Online Ensemble Semi-supervised Classification Framework (OESCF), is proposed. The framework is divided into four parts: basic classifier offline training stage, online recognition model initialization stage, target maneuver online recognition stage, and online model update stage. Firstly, based on the improved Tri-training algorithm and the fusion decision filtering strategy combined with disagreement, basic classifiers are trained offline by making full use of labeled and unlabeled sample data. Secondly, the dynamic density clustering algorithm of the target maneuver is performed, statistical information of each cluster is calculated, and a set of micro-clusters is obtained to initialize the online recognition model. Thirdly, the ensemble K-Nearest Neighbor (KNN)-based learning method is used to recognize the incoming target maneuver trajectory instances. Finally, to further improve the accuracy and adaptability of the model under the condition of high dynamic air combat, the parameters of the model are updated online using error-driven representation learning, exponential decay function and basic classifier obtained in the offline training stage. The experimental results on several University of California Irvine (UCI) datasets and real air combat target maneuver trajectory data validate the effectiveness of the proposed method in comparison with other semi-supervised models and supervised models, and the results show that the proposed model achieves higher classification accuracy.     

基于SVM算法的虚假航迹识别

针对云雨杂波和主被动干扰导致多雷达传感器产生虚假目标航迹的问题,利用支持向量机(SVM)算法的自主学习能力,通过构建基于数据驱动的判别模型进行虚假航迹识别。针对航迹起始得到的目标潜在航迹,利用人工智能数据驱动、自学习的特点,设计了SVM算法。通过对已标记真假的目标航迹样本进行离线学习,形成虚假航迹识别的SVM分类器,实现了基于数据驱动的判别模型代替先验知识规则约束的固定模型,并在工程应用中,利用SVM分类器在线识别虚假航迹,完成实时剔除。通过实测雷达数据实验验证,该算法的目标虚假航迹准确率高达95%以上,完全满足实际的工程应用需求。相比基于阈值或规则进行硬性判断的传统虚假航迹识别方法,所提出的算法不仅提高了准确率,还具有较高的实时性,能够适应复杂多变的杂波环境,在实际应用中具有更强的适应性和实用性。因此,提出的基于SVM算法的虚假航迹识别方法对于密集杂波场景下的虚假航迹剔除问题具有显著的实际应用价值。