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.      

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.      

基于有限差分法的双臂关节柔性空间机器人智能递阶控制策略

谐波减速器和力矩传感器等柔性元件广泛应用于空间机器人关节系统，以获取高减速比.这些柔性元件为空间机器人系统引入关节柔性，使得对其的稳定控制变得更为复杂.本文讨论研究了参数不确定双臂关节柔性空间机器人基于有限差分法的智能递阶控制及弹性振动抑制.运用递阶系统理论、动量守恒原理及第二类拉格朗日方法推导出系统递阶动力学模型.利用该模型，设计了基于模糊回归神经网络的非奇异Terminal滑模控制算法和基于有限差分法的滑模控制算法.采用模糊回归神经网络（Recurrent Fuzzy Neural Network，RFNN）逼近系统的不确定部分.为避免复杂的求导计算及角加速度可测要求，利用基于有限差分法的滑模控制来抑制柔性关节振动.由于设计控制器过程中未涉及惯常的奇异摄动双时标分解操作，该控制算法理论上具有适合任意大小关节柔性刚度的优点.系统对比仿真试验证明了智能递阶控制算法优于传统基于奇异摄动法的控制方案.      

刚柔空间机器人基于神经网络的协调运动控制及柔性振动抑制

探讨了本体姿态受控的刚柔耦合空间机器人关节运动控制及柔性振动抑制问题.基于拉格朗日方法及奇异摄动理论, 导出了系统的奇异摄动模型. 为确保系统在未知惯性参数影响下本体姿态、关节协调运动的精确跟踪控制, 针对慢变子系统, 提出了一种基于RBF神经网络的补偿控制策略; 同时针对快变子系统,采用惯常的线性二次型最优控制器以实现系统柔性振动的主动抑制. 仿真结果表明, 所提控制方案可有效补偿未知系统惯性参数的影响, 使系统能够准确跟踪所期望的运动轨迹, 并较好地抑制系统的柔性振动.      

捕获目标后组合体航天器抗干扰自适应控制

针对空间机器人系统捕获非合作目标后由于质量特性参数和动量突变影响导致的组合体系统失稳问题,提出了一种基于系统动力学模型的抗干扰自适应控制方法。利用拉格朗日方法对系统进行动力学建模,通过冲击动力学建模分析得到了捕获目标后组合体系统的初始状态;基于系统动力学模型设计了线性反馈控制方法,考虑组合体质量特性参数不确定性以及外在干扰不确定性,对组合体系统动力学模型进行了不确定参数线性化,设计了参数自适应线性反馈控制方法;最后以平面三关节机械臂系统捕获旋转目标为例进行了仿真计算。组合体系统的运动状态量趋于期望值,速度级状态变量误差量级控制在10-4以下,位置级状态变量误差量级控制在10-3以下,说明该控制方法可以很好地保持捕获目标后组合体系统的稳定。     

一种柔性空间双臂机器人的协同控制和避障方法

针对柔性空间机械臂在轨服务应用需求，提出一种基于刚体运动与柔性振动相耦合的空间双臂机器人协同控制方法.首先引入空间位姿变量的概念，构造出面向协同控制目标的Jacobian矩阵，建立柔性空间机器人系统的刚柔耦合动力学模型，基于指定的最小距离得到其运动学逆解，并根据系统动量矩守恒关系及系统的Jacobian矩阵，并根据机械臂末端的运动速度,然后采用阻尼最小二乘法得出关节角度，使柔性空间机器人能够有效完成协同控制和空间避障任务，并基于RecurDyn V7R5软件环境验证算法的正确性.最后，基于SolidWorks和ADAMS虚拟样机建立柔性空间机器人系统的立体CAD模型，并结合空间在轨搬运任务进行模拟仿真，柔性空间机器人关节操作和运动轨迹的仿真结果图验证了本文算法的有效性.     

漂浮基闭链双臂空间机器人抓持系统动力学及载荷力/位置混合控制的模糊变结构控制器设计

讨论了载体位置、姿态均不受控制的漂浮基双臂空间机器人抓物系统的动力学建模和控制问题. 利用拉格朗日方法和牛顿欧拉法分别建立了双臂空间机器人及负载的非线性动力学模型, 结合空间机器人固有的特性及闭合链约束关系, 得到抓持系统合成动力学方程. 以此为基础, 考虑到空间机器人系统结构的复杂性及某些参数的变动性, 根据具有较强鲁棒性的变结构控制理论, 针对该抓持系统惯性空间轨迹跟踪设计了全局滑模控制方案及相应的PI内力控制方案, 从而达到位置、力的混合控制. 为克服滑模控制器抖振的缺点, 附加设计了模糊控制器, 根据系统的输出来动态调节滑模控制器的参数, 从而既可确保系统的快速响应又可降底原有的抖振. 系统数值仿真证明了上述控制方案的有效性与准确性.      

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.     

基座与臂杆全弹性空间机器人的有限时间控制

探讨了基座、臂杆全弹性影响下,基于有限时间的漂浮基空间机器人系统轨迹跟踪以及柔性抑振问题.由于弹性基座与两柔性杆之间存在多重动力学耦合关系,此系统为高度非线性系统.将弹性基座与臂杆间的连接视为线性弹簧,利用拉格朗日第二类方程并结合假设模态法,推导出该系统的动力学模型;应用奇异摄动理论的两种时间尺度假设,将系统分解为表示刚性运动的慢变子系统和表示基座弹性、双柔杆振动的快变子系统.针对慢变子系统,设计了一种基于名义模型的有限时间控制器,保证完成刚性期望轨迹跟踪.设计的积分式滑模面具有有限时间收敛特性,比传统渐近收敛控制方法具有更快的收敛速度和更强的鲁棒性;对于快变子系统,采用线性二次型最优控制同时抑制弹性基座与两柔性杆的振动.Lyapunov理论证明了所提控制算法能使跟踪误差在有限时间内收敛到原点.仿真验证了控制方法的有效性.     

空间机器人柔性臂动力学模糊控制的研究1)

重点研究了空间机器人柔性臂的动力学非线性控制问题.由于柔性臂动力学系统的强非线性和耦合性，使得柔性臂控制系统复杂，控制的实时性和稳定性差，本文针对以往柔性臂控制所存在的问题，综合考虑系统的动态和静态特性，提出了一种带有非线性补偿器及PID控制器的新的柔性臂模糊复合控制方案.然后，根据所推导的一两连杆的空间机器人柔性臂的动力学非线性模型，进行了系统控制的仿真研究.实例仿真的结果表明，该控制方案能有效地抑制柔性臂的弹性振动，具有良好的控制效果.     

基于非线性观测器的非合作目标姿态跟踪控制

非合作目标的姿态角速度、角加速度未知,给在轨服务航天器跟踪非合作目标姿态的控制器设计带来挑战.为解决这一问题,设计了一种非线性观测器,该观测器能够估计出非合作目标状态,然后构造了基于非线性观测器的姿态跟踪控制器,并证明了闭环系统的一致渐近稳定性.仿真结果表明,设计的方法不仅能够实现非合作目标的状态估计,而且实现了对非合作目标姿态的跟踪.     

带落角约束的新型二阶滑模三维制导律

针对导弹在三维空间中攻击地面机动目标问题,提出了一种带落角约束的三维有限时间制导律。为提高收敛速度和抑制抖振现象,基于非齐异快速终端滑模面和二阶滑模控制理论设计了含耦合项的非奇异快速终端二阶滑模三维制导律,设计过程中无需对系统模型作线性化处理并且避免了奇异问题的出现。针对目标机动信息和视线角耦合带来的总扰动,设计了非齐次干扰观测器进行估计并补偿。并对制导律的稳定性和有限时间收敛特性进行了严格的数学证明。仿真验证了本文提出制导律的有效性和优越性。      

基于RBF网络的导弹滑模动态逆控制律设计

讨论了一种基于径向基函数(RBF,Radial Basic Function)神经网络的导弹滑模动态逆控制律.导弹的基本控制律采用动态逆方法设计,对慢回路设计神经网络滑模控制器以补偿整个控制系统的不确定性.即用RBF神经网络逼近导弹慢模态不确定性的数学模型,并将逼近误差引入到网络权值的调节律以改善系统的动态性能;滑模控制器用于减弱模型不确定性及神经网络的逼近误差对跟踪的影响.所设计的控制器不仅保证了闭环系统的稳定性,而且使模型不确定性及神经网络的逼近误差对跟踪的影响减小到给定的性能指标.最后通过仿真分析,验证了该方法的有效性.