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。     

基于触力感知的空间非合作目标惯量参数辨识方法研究

因空间机械臂系统内部存在较强的动力学与运动学耦合关系,为防止捕获操作对系统的姿态和轨迹产生影响,需对捕获的空间非合作目标的惯量参数进行精确辨识,针对传统的辨识研究仅考虑辨识的基本原理,忽略了实际辨识过程中存在的辨识误差等重要问题,提出了一种新颖的基于触力信息的空间非合作目标惯量参数完整辨识方法。先对辨识过程中存在的各种误差及其对辨识结果影响进行了理论推导,在此基础上提出了一种包含末端触力信息及末端执行器力、力矩信息的改进辨识方程,削弱辨识过程中误差的累积效应及其对辨识结果的影响。此外,考虑量测误差中包含复杂的噪声信息,提出了递推最小二乘法-仿射投影符号算法(RLS-APSA)混合算法,并基于此算法解算辨识方程,以确保辨识结果的稳定性。为验证所提辨识方法的有效性,构造了多自由度空间机械臂系统模型,用Adams-Matlab联合仿真平台进行相应的仿真实验,实验结果证实了所提辨识方法的有效性。