自由漂浮机械臂抓取翻滚目标的自适应控制策略

提出了一种自由漂浮机械臂抓取翻滚目标的自适应控制策略.抓取翻滚目标要求自由漂浮机械臂具有很强的轨迹跟踪能力,但是自由漂浮机械臂本身以及目标所存在的运动学和动力学参数不确定性使基于模型的控制器性能急剧下降,甚至变得不稳定.通过对参数的自适应逐步改善基于模型的控制器的性能,并且提出了一种新的自由漂浮机械臂关节空间自适应控制器.最后通过数值仿真对所提出的自适应控制策略进行了验证.     

漂浮基姿态受控空间机械臂关节运动的自适应神经网络控制

讨论了载体位置无控、姿态受控情况下,空间机械臂姿态及关节协调运动的自适应神经网络控制问题.由拉格朗日第二类方法及系统动量守恒关系,建立了漂浮基空间机械臂的系统动力学方程.以此为基础,借助于RBF神经网络技术和GL矩阵及乘积算子定义,对空间机械臂系统进行了神经网络系统建模;之后针对空间机械臂所有惯性参数未知的情况,设计了空间机械臂载体姿态与机械臂各关节协调运动的自适应神经网络控制方案.提出的控制方案不要求系统动力学方程具有关于惯性参数的线性性质,且无需预知系统惯性参数的任何信息,也无需对神经网络进行离线训练和学习,因此更适于实时应用.通过对一个平面两杆自由漂浮空间机械臂系统的数值仿真,证实了方法的有效性.      

基于向量对方法的柔性空间机械臂建模与仿真

针对柔性自由漂浮基座空间机械臂系统建模的过程中存在的形式复杂计算量大等问题,本文采用向量对方法,以自由漂浮基座双连杆柔性机械臂为研究对象,以单个体的动力学方程为基础,分别列出相邻两个体之间的约束方程,利用拉格朗日乘子法组装构成系统的动力学方程.这种方法在建模时需要的信息较少,易于推导,得到的方程十分规范化,更加有利于柔性空间机械臂控制系统的设计.最后文章通过仿真验证了模型的正确性.     

面向未知目标的柔性关节空间机器人滑模控制

针对载荷捕获的空间机器人控制问题,同时考虑机械臂关节柔性和非合作目标质量未知等因素影响,提出一种基于目标质量观测器的滑模变结构控制方法.首先,针对空间非合作目标质量未知问题,设计基于改进的最小二乘迭代算法实现对非合作目标质量在线辨识.进而,采用拉格朗日方法和动量矩守恒原理,建立漂浮基座柔性关节空间机器人动力学模型;针对...     

具有未知载荷参数的漂浮基空间机械臂姿态、关节协调运动的模糊自适应补偿控制

讨论了载体姿态受控、位置不受控制情况下, 漂浮基空间机械臂载体姿态及机械臂 关节协调运动的控制问题. 利用拉格朗日方法并结合系统动量守恒关系, 建立了漂浮基空间机械臂完全能控形式的系统动力学方程. 以此为基础, 针对空间机械臂末 端爪手所持载荷参数未知的情况, 设计了一种基于标称计算力矩控制器附加模糊自适应补偿控制器的复合控制方案, 即通过模糊自适应补偿控制器来弥补系统未知参数对标称计算力矩控制器的影响, 以确保存在未知系统参数情况下整个闭环控制系 统的渐近稳定性. 文中提到的控制方案能够有效地控制漂浮基空间机械臂的载体姿态及机械臂关节, 可以协调地完成期望的轨迹运动, 并具有不需要反馈和测量空间机械臂载体 的位置、移动速度、移动加速度, 同时也不要求系统动力学方程关于系统惯性参数呈线性函数关系的显著优点. 通过系统数值仿真证实了方法的有效性.      

基于六维加速度传感器的大型机械臂柔性关节振动抑制

空间大型机械臂具有关节柔性大、臂杆长、基座漂浮等特点,将导致其在自由空间运动存在较大的残余振动,约束空间力控制精度和稳定性较低.基于设计的机械臂末端六维加速度传感器,设计关节加速度反馈控制器,并对控制性能进行分析对比,最后搭建机械臂柔性关节实验平台,开展关节空间位置和阻抗控制试验,试验结果表明基于加速度反馈的残余振动相比于采用传统的输入整形方法,具有振动抑制快,振幅小等优点.     

柔性空间机械臂系统的模糊滑模神经网络控制及柔性振动主动抑制

研究了参数不确定漂浮基柔性空间机械臂关节空间的轨迹跟踪及柔性振动主动控制问题.运用虚拟力概念,生成能同时反映柔性振动和刚性运动的虚拟期望轨迹,设计了一种自适应非奇异Terminal滑模控制器来跟踪该虚拟期望轨迹,以实现载体姿态及关节稳定跟踪运动轨迹并对所产生的柔性振动进行主动抑制的控制目标.所设计的控制器结合了Terminal滑模控制快速收敛性,模糊小波神经网络优良的函数逼近特性及鲁棒技术处理逼近误差的优势,利用自适应算法在线自适应调节模糊小波神经网络的所有网络权值和参数,使控制器具有很强的鲁棒性.仿真实验证明了所提控制方案的有效性.      

基于多层感知器神经元的空间柔性机器人位置跟踪控制

针对基体位置及姿态均不受控的自由漂浮柔性空间机器人轨迹跟踪问题,提出了一种前馈多层感知器(MLP)神经网络控制策略.建立了末端柔性的自由漂浮基机器人的耦合动力学模型,再利用MLP神经网络良好的逼近能力来自适应补偿非线性柔性臂的逆动力学模型,其误差代价函数由PID控制器提供,权重及阀值的调整采用改进的BP反传算法.最后通过仿真比较详细分析了所提方案的工作机理及对非线性强耦合系统控制的有效性.     

漂浮基空间机械臂姿态、关节协调运动的模糊小波神经网络控制

讨论了本体姿态受控、位置不受控制的漂浮基空间机械臂系统协调运动的动力学控制问题. 根据系统位置几何关系、动量守恒关系和第二类拉格朗日方程, 建立漂浮基空间机械臂系统的动力学方程. 在此基础上, 针对系统参数未知的情况, 设计了一种采用小波基函数作为模糊隶属度函数的模糊神经网络控制器, 以控制空间机械臂的本体姿态和机械臂两关节铰协调地完成各自在关节空间的期望运动. 其特点是不要求系统动力学方程关于惯性参数呈线性函数关系, 甚至不需要知道系统参数;而且网络权值是采用反向传播算法根据误差进行在线学习, 使模糊神经网络获得更强的自学习和自适应能力, 同时也节省了离线学习的时间. 系统数值仿真的结果证实上述控制方案是行之有效的.      

高频激励下旋转柔性臂逆动力学模态自适应方法研究

在空间柔性机械臂的动力学与控制问题中,逆动力学求解常要求有较高的计算速度.当柔性多体系统受到高频激励时,必须考虑高阶模态才能保证足够的计算精度,但同时提高了计算自由度数,降低了计算速度.为了提高此类问题的计算效率,本文将模态自适应策略应用于旋转柔性臂逆动力学建模,计算了高频激励下产生期望旋转运动的柔性臂关节驱动力矩,验证了该方法的有效性,并研究了重力对计算结果的影响.      

基于在线频率估计的自适应反馈主动隔振技术

针对自适应前馈控制方法的缺点,提出一种周期性振动主动控制的自适应反馈控制方法.利用误差信号恢复振动干扰信号,采用级联陷波器估计信号中周期性分量的频率,并在估计频率处为控制器构造参考信号;控制器的参数则根据Lyapunov稳定性原理进行调整.仿真和主动隔振试验结果表明:频率估计方法在不同信噪比情况下均具有较好的估计精度;主动控制方法在振动频率处的隔振效果明显,隔振量可达16?dB以上,且控制器的参数收敛速度较快.     

可重复使用运载器递归积分滑模姿态控制方法

针对存在模型不确定和外部干扰的可重复使用运载器再入段姿态控制问题,提出了一种基于自适应滑模干扰观测器的递归积分滑模控制方法。首先,基于可重复使用运载器再入段姿态运动模型,建立了面向控制的模型;其次,设计了自适应滑模干扰观测器,以精准估计和补偿由模型不确定和外部干扰构成的复合干扰;然后,基于递归思想设计了一种新型递归积分滑模控制器,利用Lyapunov稳定性理论证明了闭环系统的有限时间稳定性;最后,数值仿真结果验证了该方法具有较强的鲁棒性和较快的收敛速度。     

柔性关节空间机器人基于柔性补偿的模糊鲁棒滑模控制及柔性振动主动抑制

针对参数不确定的漂浮基柔性关节空间机器人系统,研究了其动力学建模过程、运动控制律设计及柔性振动的主动抑制.利用系统动量、动量矩守恒关系和拉格朗日方程建立了系统的动力学方程.为克服传统奇异摄动法仅适用于关节弱柔性系统这一局限性,设计了柔性补偿项来等效提高空间机器人系统中柔性关节的刚度.在此基础上,利用奇异摄动法将系统分解为相互独立的慢变子系统和快变子系统,并分别进行控制律设计.所设计的慢变子系统模糊鲁棒滑模控制律可补偿系统中的不确定参数,减小柔性关节引起的转角传动误差,实现系统期望运动轨迹的渐近跟踪;快变子系统控制律可主动抑制柔性关节引起的系统柔性振动.仿真实验结果证明了该混合控制律的有效性.      

CMGs驱动空间机械臂的自适应终端滑模控制

摘要： 针对V构型控制力矩陀螺（CMGs）驱动的空间机械臂的轨迹跟踪控制问题,研究一种自适应非奇异终端滑模（ANTSM）控制方法.利用基于Kane方程的递推组集算法建立了系统的动力学模型.以跟踪误差为变量,构造非奇异滑动面,以保证跟踪误差在滑动面上有限时间收敛.针对系统质量特性参数与关节处干扰力矩的不确定性,设计自适应控制器用以调节控制增益.该控制方法无需不确定性的上界,且闭环系统具有最终一致有界性.仿真结果表明,该控制器可使系统准确跟踪期望轨迹,并对质量特性参数不确定性和关节干扰力矩具有良好的鲁棒性.     

全柔性空间机器人基于虚拟力的输出反馈有限维重复学习控制及振动抑制

探讨了基座、关节、臂均存在柔性情况下,空间机器人关节轨迹运动及多重柔性振动的主动控制和主动抑制问题.结合线性弹簧、扭转弹簧、简支梁及假设模态法,利用拉格朗日方程建立了基座、关节、臂全柔性影响下的空间机器人系统动力学模型,利用奇异摄动法,将模型分解为关节运动慢变子系统与关节柔性振动快变子系统.为控制慢变子系统中载体姿态、关节刚性运动并且抑制臂的柔性振动,依据虚拟控制力的概念,设计了基于有限维傅里叶级数解析周期信号的输出反馈重复学习算法.李雅普诺夫直接法证实了上述控制器的稳定性.为了抑制快变子系统中基座和关节的柔性振动,分别采用线性二次最优控制方法以及引入关节柔性补偿器间接增大关节等效刚度的方式,使控制算法不局限于求解弱非线性问题.系统数值仿真结果表明,所提出的控制器能够有效抑制机器人多重柔性构件的振动,实现对期望信号的高品质追踪.      

Neural network-based sliding mode control for atmospheric-actuated spacecraft formation using switching strategy

This paper presents an adaptive neural networks-based control method for spacecraft formation with coupled translational and rotational dynamics using only aerodynamic forces. It is assumed that each spacecraft is equipped with several large flat plates. A coupled orbit-attitude dynamic model is considered based on the specific configuration of atmospheric-based actuators. For this model, a neural network-based adaptive sliding mode controller is implemented, accounting for system uncertainties and external perturbations. To avoid invalidation of the neural networks destroying stability of the system, a switching control strategy is proposed which combines an adaptive neural networks controller dominating in its active region and an adaptive sliding mode controller outside the neural active region. An optimal process is developed to determine the control commands for the plates system. The stability of the closed-loop system is proved by a Lyapunov-based method. Comparative results through numerical simulations illustrate the effectiveness of executing attitude control while maintaining the relative motion, and higher control accuracy can be achieved by using the proposed neural-based switching control scheme than using only adaptive sliding mode controller.     

卫星姿态容错控制系统的鲁棒自适应逆最优控制

针对卫星姿态控制系统中的执行机构和敏感器故障问题,将系统不确定性参数作为在线估计自适应参数,并考虑系统故障检测与诊断结果的不确定性,基于逆最优原理采用积分反推方法求解辅助系统的自适应控制Lyapunov函数,设计了能够确保原系统鲁棒稳定的自适应逆最优控制器并给出了详细的证明。最后进行了数学仿真,仿真结果表明文中设计的容错控制方法合理有效。     

无刷直流电动机的新型自适应模糊神经控制

 为无刷直流电动机提出了一种自适应模糊神经控制方法.这是一种建立在开关控制、模糊控制和自适应控制相结合基础上的控制方法,并用神经网络实现了模糊控制器和自适应机构.在无刷直流电动机的双闭环调速系统中,电流控制器是PI控制器;转速控制器是由1个开关控制器和1个包括自适应机构在内的模糊控制器相结合组成的,且用1个3层前向神经网络离线学习实现了模糊控制器,学习算法采用的是改进的BP算法.用1个单神经元通过在系统运行过程中的动态学习实现了自适应机构,学习算法选用了有监督的Hebb学习算法.由电机所处的运行阶段决定哪一个控制器工作.此控制算法的仿真结果说明,它使系统具有良好的动、静态特性和自适应性.