基于神经网络的自由漂浮空间机械臂 自适应鲁棒控制

针对自由漂浮空间机械臂动力学模型难以精确获得,且无法表达为关于未知参数的线性形式问题,提出基于自适应神经网络的鲁棒控制方法.对于不确定性空间机械臂系统模型中存在的未知不确定部分,利用神经网络的万能逼近特性,设计神经网络控制器来补偿未知模型,避免传统控制中的保守上界估计;采用泰勒线性化技术将神经网络隐含层中的高斯函数线性化,设计包括网络权值、高斯中心及宽度在内的网络全参数自适应学习律,实现在线实时调整,提高控制精度;设计鲁棒自适应控制器来抑制外界扰动,并补偿逼近误差,提高系统鲁棒性;基于Lyapunov理论证明闭环系统的一致最终有界（UUB）.仿真试验表明所提控制方法能够获得较好控制效果,对空间机械臂控制具有一定工程应用价值.     

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.      

空间站柔性机械臂辅助舱段对接动力学分析

为验证空间站柔性机械臂系统在有初始位置、姿态误差的情况下能否成功完成辅助舱段对接任务,文章建立了空间站柔性机械臂辅助舱段对接动力学模型,模型考虑了对接机构的接触碰撞,依据关节精细动力学模型、力矩控制方法和阻抗控制程序进行了空间柔性机械臂辅助舱段对接过程仿真。仿真结果表明,当关节输出端位置测量精度为17位时,依靠阻抗控制的方法,空间柔性机械臂在主动舱存在最大位置误差150mm,最大姿态误差2.5°的情况下仍能完成对接;对接成功后,空间柔性机械臂系统控制力迅速下降,仍然能较好地保持构型,不会影响对接舱段的安全。     

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.      

柔性空间机械臂捕获卫星过程的碰撞动力学、镇定控制和柔性振动线性二次最优抑制

研究空间机械臂系统捕获卫星过程的碰撞动力学及受碰撞后不稳定系统的控制问题. 利用第二类拉格朗日方程推导得到空间机械臂系统的动力学模型. 在空间机械臂捕获卫星而受碰撞冲击过程中,利用动量冲量法评估碰撞冲击对空间机械臂系统运动状态变化的影响效应. 为使受碰撞冲击后不稳定的空间机械臂与被捕获卫星组合体系统恢复稳定,设计了线性反馈和线性二次最优复合控制算法对受碰撞冲击后空间机械臂系统进行镇定控制和柔性杆振动抑制,所提出的控制算法无需控制漂浮基的位置,从而可以节省漂浮基位置控制推进器燃料消耗. 通过数值算例模拟了碰撞冲击对空间机械臂系统运动状态的影响效应并验证上述控制算法的效果.      

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.      

基于粒子群算法的阻抗控制在机械臂柔顺控制中的应用

阻抗控制策略是实现机械臂的末端力柔顺控制的一种重要方法.然而,针对阻抗控制参数的确定,目前尚缺乏通用算法.粒子群算法具有概念简单、易行、鲁棒性好等特点,适用于阻抗控制参数的确定与优化.通过分析基于力反馈的笛卡尔空间阻抗控制结构,采用粒子群算法整定阻抗控制参数.结合阻抗控制自身特点对粒子群算法做了相应改进,并通过仿真验证了优化后的阻抗控制算法可实现对七自由度机械臂的柔顺控制且具有较好的鲁棒性.     

冗余空间机械臂粗捕获段无碰撞轨迹规划算法

现有的基于C空间的无碰撞轨迹规划算法需要求解C空间以获得C空间障碍边界。对于多自由度的冗余机械臂,求解过程需要消耗很大的计算量和内存,不适用于计算资源紧张的空间机械臂轨迹的快速规划。文章提出了一种不需要求解C空间的试探性规划算法,包含4个子算法：碰撞检测算法、无碰撞目标构型求解算法、无碰撞路径搜索算法和路径平滑算法。已知期望的末端作用器位置和姿态,利用目标构型求解算法得到无碰撞的目标构型,然后由路径搜索算法在C空间障碍边界未知的情况下,利用碰撞检测算法,采用一定的试探规律,在C空间中搜索出一条无碰撞路径,最终由路径平滑算法使该路径平滑,易于实现。仿真算例表明,该算法是快速有效的,适用于冗余空间机械臂粗捕获段的快速轨迹规划。     

一种空间机械臂无视觉在轨柔顺装配方法

针对空间机械臂在轨装配中避免刚性碰撞的需求和缺少视觉反馈的问题,提出一种无视觉在轨柔顺装配方法.首先给出一种基于阻抗控制的柔顺控制器,使机械臂末端运动能够体现出期望的"质量—弹簧—阻尼"的动力学特性.在此基础上,提出一种不依赖于视觉反馈的装配方法,能够自主探寻装配孔并完成装配,该方法简单有效,在装配过程中无需视觉信息,解决了在轨操作中关键的自主寻孔问题.最后通过地面实验验证柔顺控制方法的有效性.本文所提出的方法具有较强的工程价值和应用前景,能够为空间操作和在轨服务提供技术基础.     

控制力矩受限情况下漂浮基空间机械臂基于饱和速度滤波器的自适应控制方法

讨论了控制力矩受限且系统参数不确定情况下, 载体位置不受控、姿态受控 的漂浮基空间机械臂系统的智能控制问题. 运用系统动量守恒关系和拉格朗 日方程建立系统的动力学方程. 针对控制力矩受限和机械臂末端爪手所抓持 的载荷参数不确定的情况, 设计了一种基于饱和速度滤波器的自适应控制方 法. 该控制方法运用自适应调节规律有效地克服了系统不确定参数对控制精 度的影响; 运用双曲函数限制控制力矩的幅值大小, 使其更符合空间实际的 要求. 此外, 速度滤波器的运用使得在控制过程中不需要测量和反馈系统的 速度信号, 从而使得控制更加简单易行. 仿真结果证明了所提出控制方法的 有效性.      

基于力的电动静液作动器阻抗控制

阻抗控制作为一种柔顺控制方式,能够实现力与位置的协同控制,在作动系统需要与外部环境发生接触的应用中具有一定优势。在集成、高效的电动静液作动器(EHA)上实现基于力的阻抗控制具有良好的应用前景,其中核心问题是EHA力伺服控制器的设计。针对阻抗控制中外部负载特性不确定,EHA部分结构参数时变等问题,采用定量反馈理论(QFT)的方法对力伺服控制器进行设计。在对EHA数学模型及参数进行分析的基础上,通过QFT方法将被控对象的不确定范围与系统性能设计指标相结合,并以定量的方式在Nichols图上形成边界,在使标称对象的开环频率特性曲线满足各边界约束条件的同时完成力伺服控制器的设计。通过不同外部负载条件下的力伺服控制实验以及静、动态阻抗控制实验对EHA的力伺服控制器与阻抗控制系统进行了验证。实验结果表明:通过QFT方法设计得到的力伺服控制器对外部环境具有较强的鲁棒性,从而确保了EHA阻抗控制的成功实现。     

输入饱和情形下战斗机大机动动态面控制

针对战斗机大机动飞行输入饱和问题，提出了一种自适应神经网络动态面控制方法。采用径向基(RBF)神经网络逼近飞机系统的不确定性，利用双曲正切函数处理系统的输入饱和问题，根据饱和受限后的实际控制输入与期望控制输入之差定义新误差变量，结合该误差变量设计大机动飞行控制律，并构造鲁棒项抵消神经网络逼近误差、外部干扰和建模误差的影响，利用动态面控制技术避免对虚拟控制器的复杂求导并减小计算量。根据Lyapunov稳定性定理证明了闭环控制系统所有信号有界，且通过选择合适的设计参数能够使姿态角跟踪误差收敛到原点的任意小邻域内。通过仿真结果的分析，验证了所提方法具有较好的鲁棒性和稳定性。      

高超声速飞行器预设性能反演控制方法设计

为解决吸气式高超声速飞行器的飞行控制问题,提出了一种新型预设性能神经反演控制器设计方法。通过构造预设性能函数,保证速度跟踪误差和高度跟踪误差能够按照预设的收敛速度、超调量及稳态误差收敛至期望的区域,同时满足系统预设的瞬态性能和稳态精度。在反演控制设计结构下,引入径向基函数（RBF）神经网络对模型未知函数及不确定项进行逼近,提高了控制系统的鲁棒性。引入的RBF神经网络中仅有一个参数需要在线更新,有效提高了控制准确性,避免了通常反演控制方法中经常出现的"微分膨胀问题",并降低了计算量。通过仿真实验验证了所设计控制系统的有效性和可行性。      

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.     

Adaptive neural network control of nonlinear systems with unknown dynamics

In this study, an adaptive neural network control approach is proposed to achieve accurate and robust control of nonlinear systems with unknown dynamics, wherein the neural network is innovatively used to learn the inverse problem of system dynamics with guaranteed convergence. This study focuses on the following three contributions. First, the considered system is transformed into a multi-integrator system using an input–output linearization technique, and an extended state observation technique is used to identify the transformed states. Second, an iterative control learning algorithm is proposed to achieve the neural network training, and stability analysis is given to prove that the network’s predictions converge to ideal control inputs with guaranteed convergence. Third, an adaptive neural network controller is developed by combining the trained network and a proportional-integral controller, and the long-standing challenge of model-based methods for control determination of unknown dynamics is resolved. Simulation results of a virtual control mission and an aerospace altitude tracking mission are provided to substantiate the effectiveness of the proposed techniques and illustrate the adaptability and robustness of the proposed controller.     

基于神经网络的电液转台非线性积分滑模控制

针对高精度电液飞行仿真转台具有高度非线性、参数不确定和不确定非线性等特点,提出了一种基于RBF（Radial Basis Function）神经网络的非线性积分滑模鲁棒控制方法.采用自适应RBF神经网络对该系统存在的参数不确定性和不确定非线性进行补偿,从而降低滑模控制器对切换项的增益的需求,进而减小系统抖振幅值.积分滑模面的设计能消除外部干扰对系统带来的稳态误差.根据积分滑模变结构控制器的特点,将控制律分为等效控制律和到达控制律.等效控制律使系统运动于滑模面附近,到达控制律可使处于状态空间内任意初始位置的系统趋近于滑模面,并进一步通过Lyapunov方法证明了系统的渐近稳定性.实验结果表明,所提出的非线性控制器不仅能满足电液转台的高精度跟踪性能的要求,且对参数不确定性和不确定非线性具有一定的鲁棒性.     

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.      

一种基于深度学习的电磁信息泄漏检测方法

电子信息设备工作时无意发射的电磁波中包含有用信息，会导致电磁信息泄漏，从而威胁设备的信息安全。现有的电磁信息泄漏检测方法，在复杂现场环境下，难以从具有不确定性的电磁泄漏信号中提取有用信息。面向电磁信息安全问题，开展了电磁信息泄漏检测研究，提出了一种基于深度学习的检测方法。设计了一个适用于电磁泄漏信号的一维卷积神经网络，并结合改进的梯度加权类激活映射方法，在未知电磁信息泄漏特征的前提下，通过深度学习实现电磁信息泄漏特征的智能标定和自动提取，从而解决了现场环境下电磁信息泄漏检测难以提取有用信息的问题。分别通过实测和仿真对比实验，验证了所提方法的有效性。