任务空间内空间机械臂的一种鲁棒自适应控制

对于本体姿态受控而位置不受控的空间机械臂系统,考虑存在参数不确定性及非参数不确定性(包括扰动、未建模动态),本文在任务空间内提出了一种鲁棒复合自适应控制方法,证明了这种方法可以保证末端执行器在任务空间内的位置轨迹跟踪误差、关节空间内的角偏差和角偏差速率渐近收敛.仿真结果验证了算法的有效性.     

基于神经网络的不确定性空间机器人自适应控制方法研究

提出了一种针对自由漂浮状态的空间机器人模型不确定性的神经网络自适应控制 方法。通过RBF神经网络逼近模型的非线性函数和不确定性上界,无需预先估计系统的不 确 定性程度和外部干扰,提出的自适应控制律保证了权值的有界性,解决了神经网络权值的UU B（Unknown Upper Bound）问题,即未知上界有界问题,完成了笛卡尔空间内空间机器人轨 迹规划任务。证明了所提出的控制方法的稳定性,仿真结果表明控制方法避免了对空间 机器人动力学模型的参数线性化要求降低了计算量,能够满足实际任务中的实时性要求。
     

基于无速度测量的无拖曳卫星自适应控制方法

为了实现无拖曳（Drag Free）卫星中卫星本体对内部质量块的高精度跟踪,首先推导了近地环境下卫星与质量块的相对运动动力学方程,并分析了影响二者相对运动的主要干扰源。针对位移模式单质量块Drag Free卫星只能获取质量块与卫星相对位置测量,设计了自适应控制器,适用于卫星质量和空间干扰为定常或慢变未知量的情况,且在卫星质量和外部干扰为未知常值的假设下,控制器能够保证卫星对质量块跟踪误差的全局渐近收敛。最后给出了仿真场景以说明本文方法的有效性。     

考虑重力影响的柔性关节空间机械臂任务空间神经网络控制

针对柔性关节空间机器人地面模拟及空间应用受到重力或微重力不确定项干扰的问题,提出一种基于奇异摄动的任务空间神经网络自适应控制算法。首先建立了考虑重力影响的柔性关节空间机器人的模型,通过奇异摄动方法将系统降阶处理后,转换到任务空间进行控制器的设计,利用神经网络自适应算法对系统的不确定性进行逼近,并针对逼近误差设计了鲁棒控制器补偿,最后将控制量转换为关节空间的控制力矩。对系统进行了稳定性分析和仿真校验,结果表明,控制器可以解决柔性带来的系统高频谐振和失稳问题,并能有效抵抗系统扰动,具有很好的跟踪性能。     

临近空间高超声速飞行器鲁棒自适应控制方法

提出了一种新的将自适应滑模变结构控制与动态逆控制组合的鲁棒自适应的控制方法,用于临近空间高超声速飞行器的再入阶段飞行控制系统设计。用内外环动态逆控制将非线性飞行器对象近似解耦成不确定的3通道一阶线性系统,将所有不确定性转化为匹配的逆误差;由自适应滑模变结构控制给出动态逆的输入信号,消除逆误差的影响,保证对制导指令的鲁棒跟踪。某高超声速飞行器临近空间再入的六自由度仿真结果表明:控制器有较好的鲁棒性和跟踪性能。     

基于自适应控制方法的自主编队构型保持

对受未知干扰的低轨卫星编队构型保持进行了研究.由完整的非线性星间相对运动动力学方程给出用于控制器设计和稳定性分析的跟踪期望编队构型的误差方程,基于Lyapunov稳定性分析推导了干扰估计律,综合干扰估计律、反馈线性化和最优线性二次型控制器设计了自适应控制器,并证明了该自适应控制方法可保证对期望构型跟踪误差的全局渐近收敛.仿真结果表明:该自适应控制器可实现精确的构型保持,同时完成对未知干扰的估计.     

空间机械臂的确定性学习控制

研究一类空间机械臂系统的基于模式的控制方法。首先在训练阶段,基于确定性学习理论设计自适应神经网络控制器使机械臂系统跟踪不同的任务模式,得到对应于不同任务模式的一系列空间机械臂闭环动态的局部准确神经网络建模,并利用这些模型构造对应不同任务模式的常值神经网络控制器。其次,在测试阶段,首先快速识别出任务模式,然后调用相应的常值神经网络控制器实现对空间机械臂系统基于模式的闭环控制。理论证明基于模式的控制方法可提高机械臂闭环系统的控制性能,并可避免频繁切换。理论结果最后在空间机械臂中得到了仿真校验。     

任务空间内空间机器人鲁棒智能控制器设计

研究了基于神经网络的自由漂浮空间机器人在任务空间内的轨迹跟踪问题。首先利用RBF神经网络来逼近自由漂浮空间机器人高度非线性的动力学模型，然后设计了鲁棒控制器对逼近误差和外部干扰进行抑制。利用Lyapunov直接方法建立的新的神经网络参数和连接权值的在线学习算法，以及利用耗散理论设计的鲁棒控制器保证了系统的稳定性，并能够使系统L2增益小于给定的指标。利用该控制器对平面二连杆空间机器人进行了仿真研究，表明该智能控制方案是有效的。     

自由浮动空间双臂机器人抓持内力的优化控制

运用非线性规划方法，提出了一种本体位置、姿态均不受控的自由浮动空间双臂机器人的内力优化与控制策略。首先根据空间双臂机器人及负载的动力学方程，建立了抓持系统合成动力学方程，进而将机器人各手臂关节广义驱动力矩的范数作为目标函数，内力作为优化变量，采用了序列一次规划法来解决空间机器人的动态内力优化计算问题，并对双臂六自由度空间机器人进行了内力优化控制仿真实验，结果表明了该方法的有效性。     

参数不确定空间机械臂系统的自适应鲁棒性联合控制

本文讨论载体位置与姿态均不受控制的自由浮动空间机械臂系统的控制问题，基于增广变量法，提出当机械臂与载荷参数不确定时自由浮动空间机械臂追踪惯性空间期望轨迹的自适应棒性联合控制方法。通过仿真运算，证实了方法的有效性。     

空间环境中的多处理器混合容错调度算法

为提高空间应用环境中混合实时任务的容错调度效率,提出基于空间环境的多处理器混合容错调度算法。算法在周期任务调度中采用基于分组的“最佳适应”分配策略,以少量增加的计算时间获得更为紧凑的任务调度结果,从而减少调度所需的处理器数目和任务执行时间;在非周期任务调度中,利用基于空闲时间片的方法完成动态调度,使得混合实时任务的容错调度效率有显著提高,能够更好地适应复杂空间环境的任务处理。仿真结果表明算法在改善混合实时任务容错调度性能上具有重要作用。     

多目标融合的冗余空间机械臂碰前轨迹优化

面向在轨对接与装配任务,提出了多目标融合的冗余度空间机械臂碰前轨迹优化方法。通过分析任务特点,阐述了空间机械臂碰前的多重任务目标。针对由空间机械臂连续轨迹跟踪、碰撞姿态控制及碰撞冲量幅值优化三个目标组成的第一类任务,通过设置任务优先级融合多目标并采用基于主任务零空间的方法实现对碰前轨迹的优化;而对由空间机械臂点到点规划、碰撞姿态控制及碰撞冲量幅值优化三个目标组成的第二类任务,通过设置任务权重将多目标融合并采用遗传算法对碰前轨迹进行优化。以典型七自由度机械臂为例开展仿真实验,验证了提出的轨迹优化方法的有效性。     

基于角动量守恒的空间机器人动力学参数辩识

空间机器人由于加工、装配误差以及在轨燃料消耗等因素使其名义公称参数与实际 动力学参数相比存在一定的误差。空间机器人路径规划和地面机器人不同,其广义雅克比 矩阵包含动力学参数,使计算的轨迹偏离实际要求的路径,引起末端位姿误差。本文根 据自由飘浮空间机器人的角动量守恒方程式,对一种两自由度空间机器人的基座以及机械臂 的各个关节分别单独做三次多项式轨迹激励,利用基于偏差模型的最小二乘法和遗传算 法对动力学参数进行辨识。仿真结果表明,遗传算法的计算稳定性和对动力学参数辩识精 度优于最小二乘法。〖JP〗     

自由飞行空间机器人的运动学建模研究

空间机器人将在未来的空间项目中发挥重要的作用。但在空间环境中，由于缺乏一个固定的基座，机械臂的运动会对机器人本体的位置和姿态产生扰动，其运动学将变得很复杂。为建立自由飞行空间机器人的运动学模型，通常是将系统的动量表达为某个预先选定连杆的速度的函数，进而得到具有广义雅可比矩阵形式的运动学模型。这种方法的缺点是系统的动量无法以通用表达式描述，并且对如何最优选取连杆也缺乏必要的说明和讨论。本文对此进行了研究，得到了自由飞行空间机器人系统动量的通用表达式；通过选取相应的连杆，得到了具有广义雅可比矩阵形式的运动学模型；也分析和讨论了连杆优选问题。     

LDPC码在深空通信中的应用技术研究

在DVB-S2标准提出的LDPC码校验矩阵的构造方法以及编码算法的基础上,对LDPC码编码复杂度以及译码性能进行了分析和仿真验证;在AGWN信道下,采用BPSK调制方式对DVB-S2标准码长为16200、码率为0.5的LDPC码进行了计算机仿真。仿真结果表明,LD-PC码纠正突发错误和随机错误的能力均很强,具有很高的纠错比特数,适合应用在深空通信的恶劣环境中;并初步论述了深空通信的信道特点,通过和Turbo码比较,分析了LDPC码作为深空通信系统信道编译码方案的可行性。     

同步误差条件下的空间目标双基地ISAR自聚焦算法

以空间目标为研究对象，针对双基地雷达时间、空间及频率同步误差导致的逆合成孔径雷达图像散焦问题，提出基于离散多项式相位变换的自聚焦算法。算法首先将目标平动、转动及同步误差导致的相位项统一建模为高阶多项式，利用离散多项式相位变换方法估计高阶多项式系数并据此构建补偿相位项，完成高阶相位补偿。最后进行方位压缩得到高聚焦度的二维ISAR像。算法通过选取合适的延时参数及成像积累时间可得到高精度参数估计及相位补偿，理论分析和仿真校验了算法性能优于常用的非参数化自聚焦算法。     

一种卫星姿态确定的非线性算法

在稳态卡尔曼滤波算法中引入非线性项 ,改进了算法的性能。思路是在姿态确定误差较大时 ,使得非线性滤波算法等价于具有较大滤波增益的稳态卡尔曼滤波器。理论分析和仿真结果表明在保证同样稳态估计精度的情况下 ,与稳态卡尔曼滤波算法相比较 ,非线性滤波算法具有更快的收敛速度