空间机械臂地面装调与空间应用迭代学习控制

针对空间机械臂系统地面装调和空间应用两阶段的末端轨迹控制问题,提出了采用闭环PD型迭代学习控制算法对空间机器人进行轨迹跟踪控制,从而使在地面重力条件下装调好的空间机械臂能够在空间微重力条件下实现在轨操控任务。建立了空间机械臂在地面装调阶段和空间应用阶段的运动学与动力学模型,给出了控制算法和控制结构,并通过对控制器的收敛性进行分析,给出系统收敛的充分条件。仿真结果表明,采用闭环PD型迭代学习控制算法对轨迹跟踪是有效可行的。     

不同重力环境下空间机械臂神经自适应鲁棒控制

针对空间机械臂从地面装调到空间应用过程中重力项的变化问题,提出了一种神经网络自适应鲁棒补偿控制策略用于空间机械臂的末端控制,从而实现在地面重力环境下装调好的空间机械臂在空间微重力环境下实现在轨操控任务。通过神经网络在线建模来逼近系统模型中变化的重力项,逼近误差及系统的不确定性通过自适应鲁棒控制器来补偿。该控制策略不依赖于系统的模型,避免了回归矩阵的复杂计算及未知参数的估计,降低了计算量。基于李亚普诺夫理论证明了闭环系统的渐近稳定性。仿真结果表明该控制器对不同重力环境下空间机械臂的末端控制均能达到较高的控制精度,具有重要的理论研究和工程应用价值。