空间非合作目标惯性参数的Adaline网络辨识方法

空间在轨操作中,航天器在对空间非合作目标的抓捕行动常常导致航天器本体的姿态和空间轨迹发生变化。为克服空间非合作目标对航天器本体动力学、运动学的影响,使控制系统做出精准及时的姿控策略调整,确保航天器正常在轨工作和轨迹姿态的高精度,需对抓捕的非合作目标的惯性参数进行辨识。针对传统辨识方法依赖广义逆求解导致的辨识过程运算量大,且数值容易产生剧烈振荡,造成辨识结果不稳定等不足,采用基于归一化最小均方（NLMS）准则的Adaline神经网络方法进行空间非合作目标惯性参数的辨识。首先,基于动量守恒理论建立抓捕后的航天器-机械臂-空间非合作目标系统模型;然后将辨识方程的系数矩阵作为网络的输入和输出,空间非合作目标的惯性参数作为神经网络的训练权重,基于迭代步长可变的NLMS准则实现对目标惯量参数的快速、准确辨识;最后,在构造的ADAMS/MATLAB联合仿真平台上进行了验证。仿真结果表明,基于NLMS准则的Adaline神经网络是一种快速、准确辨识目标惯量参数的有效方法。     

捷联惯导系统的一种系统级标定方法

针对三轴转台定位精度高的特点,设计了一种基于速度误差和姿态误差角作为观测量的系统级标定方法.在捷联惯性测量组合(SIMU)的导航误差方程和惯性器件误差参数模型的基础上,推导了导航速度误差和姿态误差角与IMU的误差参数所呈现的关系,依此给出了最简单的位置编排准则.通过观测不同位置下捷联惯导系统的速度误差变化率和姿态误差角,辨识IMU的误差模型系数,进而达到高精度捷联惯导系统标定目的.     

智能方法在惯性系统误差参数辨识中的应用

总结了目前我国提高惯性系统导航精度的技术途径,阐述了国内外惯性系统误差参数辨识方法的研究现状,介绍了当前滤波算法、智能优化算法和人工神经网络方法在惯性系统导航领域的应用情况以及存在的不足。最后,分析了空间飞行器惯性系统误差参数辨识技术的未来研究方向,即智能优化算法和人工神经网络方法等智能方法将在惯性系统误差参数辨识中发挥越来越重要的作用,通过将误差系数标定问题转换为参数辨识问题,采用智能方法在庞大的解空间内实现对惯性系统误差参数的快速辨识。     

空间机器人抓捕目标后姿态接管控制

针对姿轨控系统已经失效的目标航天器姿态控制问题,提出一种空间机器人抓捕目标后姿态接管控制方法。该方法首先利用空间机器人抓捕目标航天器,并保持在固定构型形成组合航天器;其次确定参数突变后组合航天器新的惯量主轴、主惯量和控制力矩分配矩阵;然后在状态空间建立组合航天器的非线性误差姿态动力学;最后采用-α稳定度设计方法来设计服务航天器的SDRE姿态接管控制器,并通过θ-D求解方法得到SDRE控制器的次最优控制律,实现服务航天器对目标航天器的姿态接管控制。仿真结果表明,相比传统的SDRE控制器设计,基于-α稳定度设计的SDRE控制器能够使得系统闭环极点远离虚轴,θ-D求解方法可以降低计算量,因此具有更好的稳定性和实时性。     

漂浮基空间机器人捕获卫星过程动力学模拟及捕获后混合体运动的RBF神经网络控制

 讨论了漂浮基空间机器人在轨捕获目标卫星过程的碰撞动力学建模,以及捕获操作结束后空间机器人与卫星混合体的稳定控制问题。首先采用多刚体动力学建模方法并结合空间机器人捕获目标卫星过程中的碰撞动力学特性,建立了漂浮基空间机器人在轨捕获漂浮卫星过程的动力学模型,并在此基础上计算出完成捕获操作后空间机器人与目标卫星混合体关节的运动速度。然后针对卫星及空间机器人系统惯性参数均是未知的复杂情况,应用上述模型、神经网络控制理论和Lyapunov稳定性理论,设计了空间机器人与卫星混合体在捕获过程碰撞冲击影响下稳定运动的高斯径向基函数神经网络控制方案,以达到对捕获卫星的有效控制。此外,高斯径向基函数神经网络控制方案具有不需要测量和反馈载体位置、移动速度与加速度的显著优点。系统数值仿真证实了上述控制方案的有效性。     

基于DKF的IMU误差预测算法

作为导航领域常用的组合导航方式,全球导航卫星系统(GNSS)/惯性导航系统(INS)组合导航在GNSS信号失锁后,由于惯性测量单元(IMU)误差随时间迅速积累,其定位结果会偏离载体真实位置,导航精度下降.针对此问题,提出了一种长短期记忆网络(LSTM)辅助的算法,称之为深度卡尔曼滤波(DKF)算法.DKF算法的核心思想是使用LSTM训练IMU误差模型,然后通过训练出的模型预测IMU误差,最后将预测的IMU误差代入IMU数据以校正导航结果.仿真结果表明:在200s测试数据上,DKF算法将误差从1.1537m/s降低到0.3746m/s.与平均预测、卡尔曼预测和最小二乘估计等方法相比,DKF算法的误差最小,具有更优越的导航性能.     

单自由度有限循环行走机构运动控制及参数识别

针对机器人物理参数的辨识会对目标状态控制产生影响的问题,设计了一种基于模型的反馈控制器,以克服物理参数辨识误差从而实现目标速度的有限循环行走。首先,设计一种组合式无框轮,通过动态规划运动方程进行反馈控制。其次,当假定物理参数未知并改为使用预测参数时,进行数值模拟以分析目标的行走速度和其他属性。控制器具有一定的预测误差适应性,所实现的运动速度与目标速度的误差可以控制在0.001%,通过提出的神经网络模型预测物理参数,预测参数的平均误差为1.1%。     

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。     

旋转式SINS的自标校技术研究

惯性器件常值及慢变误差是影响捷联惯导系统精度的主要因素之一,所以在捷联惯导系统出厂前需要对常值及慢变误差参数进行标定。但这些误差参数会随时间发生变化,对于高精度捷联惯导系统,每次启动后需要对惯性器件的误差参数进行重新标校。针对光纤惯导系统,建立了IMU误差模型,并根据提出的旋转式捷联惯导系统自标校转位方案原则设计出了一种8位置自标校方案,对惯性器件标定参数进行激励和辨识,并建立了Kalman滤波状态方程及量测方程,对惯导系统误差参数进行在线标定。实验结果表明,该方案对其惯性器件误差参数能进行准确估计,具有一定的参考价值。     

基于Volterra-Laguerre扩展模型的发动机加速过程辨识

提出了航空发动机的动态非线性Voherra-Laguerre扩展模型的辨识建模方法.应用Laguerre序列简化线性系统的原理,将Volterra级数模型拓展为Volterra-Laguerre扩展模型,该模型较传统Volterra级数模型减少了辨识量,提高了辨识速度.采用航空发动机地面试车数据辨识建立了其加速过程非线性Volt-erra-Laguerre扩展模型,通过递推最小二乘法辨识了模型参数.仿真结果表明,模型精度高,高低压转子相对转速误差均小于1%,涡轮后燃气温度误差小于3℃,满足发动机控制仿真的需要.     

惯性参数不确定的自由漂浮空间机器人自适应控制研究

针对自由漂浮空间机器人系统惯性参数不确定问题,提出一种笛卡儿空间内的自适应轨迹跟踪控制方法。采用扩展机械臂模型建立了自由漂浮空间机器人关节空间动力学方程,进而推导笛卡儿空间中的自由漂浮空间机器人动力学方程。在基于逆动力学法的自由漂浮空间机器人自适应控制器设计中,利用标称控制器离线固定控制参数与补偿控制器在线补偿方法,既可以保证惯量矩阵可逆,又可以使控制参数实时估计。采用Lyapunov方法的稳定性分析表明系统是稳定且渐进收敛的。最后,应用该控制方法对两杆平面自由漂浮空间机器人进行了仿真研究。仿真结果显示自由漂浮空间机器人末端执行器在笛卡儿空间具有良好的轨迹跟踪能力。     

Identification of the state-space model and payload mass parameter of a flexible space manipulator using a recursive subspace tracking method

The on-orbit parameter identification of a space structure can be used for the modification of a system dynamics model and controller coefficients. This study focuses on the estimation of a system state-space model for a two-link space manipulator in the procedure of capturing an unknown object, and a recursive tracking approach based on the recursive predictor-based subspace identification (RPBSID) algorithm is proposed to identify the manipulator payload mass parameter. Structural rigid motion and elastic vibration are separated, and the dynamics model of the space manipulator is linearized at an arbitrary working point (i.e., a certain manipulator configuration). The state-space model is determined by using the RPBSID algorithm and matrix transformation. In addition, utilizing the identified system state-space model, the manipulator payload mass parameter is estimated by extracting the corresponding block matrix. In numerical simulations, the presented parameter identification method is implemented and compared with the classical algebraic algorithm and the recursive least squares method for different payload masses and manipulator configurations. Numerical results illustrate that the system state-space model and payload mass parameter of the two-link flexible space manipulator are effectively identified by the recursive subspace tracking method.     

FUZZY IDENTIFICATION METHOD BASED ON A NEW OBJECTIVE FUNCTION

Many fuzzy models on modeling and controlmethods have been developed since Takagi-Sugeno model was proposed[1] .The main prob-lems of the fuzzy identifying method based on T-S model appear in the following two aspects:　　 1 It is important what heuristic knowledgeis chosen to acquire the premise structure of theT- S model.This problem is related to the opti-mal partition of input space of premise part andmodeling accuracy.　　 2 Itis crucial whatidentifying method is u-tilized to estimate …     

基于深度学习的突防控制博弈对象匹配方法CSCD

针对基于博弈理论设计应对多枚拦截弹的协同突防控制方案时需要确定博弈对象的问题,提出了一种基于长短时记忆(LSTM)网络的拦截弹攻击对象匹配方法。基于传统防空导弹飞行时序与流程构建拦截弹飞行轨迹库,以轨迹库为训练样本对LSTM网络进行训练,并以此为基础构建航迹预测模型与对象匹配模型,实现对拦截弹攻击对象的识别。仿真结果表明,该方法能够有效识别拦截弹拦截目标,为后续的巡航弹突防研究提供支撑。     

基于重构系统的永磁交流伺服系统在线转动惯量辨识

为了使伺服系统在负载变动下得到优良的动态响应,提出了一种基于实际电机控制系统输入输出构建的非线性可调重构模型,对实际系统进行重构,并根据收敛之后的重构模型参数,完成电机关键机械参数的准确辨识。其中,全维观测器用来获得电机负载转矩状态观测量,与输入电磁转矩一同作为所构建的自适应机构的输入参数;当可调重构系统的输出与实际系统的输出为无差收敛时,实现对实际系统的重构。仿真和试验验证了该方法的可行性和有效性,能够对模型中预设的不同转动惯量进行准确的辨识。     

Capture and detumbling control for active debris removal by a dual-arm space robot

Active debris removal (ADR) technology is an effective approach to remediate the proliferation of space debris, which seriously threatens the operational safety of orbital spacecraft. This study aims to design a controller for a dual-arm space robot to capture tumbling debris, including capture control and detumbling control. Typical space debris is considered as a non-cooperative target, which has no specific capture points and unknown dynamic parameters. Compliant clamping control and the adaptive backstepping-based prescribed trajectory tracking control (PTTC) method are proposed in this paper. First, the differential geometry theory is utilized to establish the constraint equations, the dynamic model of the chaser-target system is obtained by applying the Hamilton variational principle, and the compliance clamping controller is further designed to capture the non-cooperative target without contact force feedback. Next, in the post-capture phase, an adaptive backstepping-based PTTC is proposed to detumble the combined spacecraft in the presence of model uncertainties. Finally, numerical simulations are carried out to validate the feasibility of the proposed capture and detumbling control method. Simulation results indicate that the target detumbling achieved by the PTTC method can reduce propellant consumption by up to 24.11%.     

Decentralized adaptive sliding mode control of a space robot actuated by control moment gyroscopes

An adaptive sliding mode control(ASMC) law is proposed in decentralized scheme for trajectory tracking control of a new concept space robot.Each joint of the system is a free ball joint capable of rotating with three degrees of freedom(DOF).A cluster of control moment gyroscopes(CMGs) is mounted on each link and the base to actuate the system.The modified Rodrigues parameters(MRPs) are employed to describe the angular displacements,and the equations of motion are derived using Kane's equations.The controller for each link or the base is designed separately in decentralized scheme.The unknown disturbances,inertia parameter uncertainties and nonlinear uncertainties are classified as a ‘‘lumped" matched uncertainty with unknown upper bound,and a continuous sliding mode control(SMC) law is proposed,in which the control gain is tuned by the improved adaptation laws for the upper bound on norm of the uncertainty.A general amplification function is designed and incorporated in the adaptation laws to reduce the control error without conspicuously increasing the magnitude of the control input.Uniformly ultimate boundedness of the closed loop system is proved by Lyapunov's method.Simulation results based on a three-link system verify the effectiveness of the proposed controller.