转动惯量未知的非合作目标角速度估计方法研究

针对转动惯量未知的非合作目标的姿态角速度估计问题,将解算得到的非合作目标的惯性姿态作为测量信息,估计姿态角速度和姿态动力学参数（即转动惯量比）．首先,应用非线性控制系统的几何理论对待估计的状态扩展系统进行能观性分析．然后,利用UKF设计相应的滤波估计算法．仿真结果表明,本文所设计的方法能够精确估计出非合作目标的姿态角速度与转动惯量比．     

在轨空间机器人参数辨识研究

文章以在轨自由漂浮空间机器人为研究对象,建立了基于空间算子代数的空间机器人运动学模型,研究了机器人本体和所抓取未知目标卫星的参数辨识问题,如本体和未知目标的质心、质量以及惯量张量等参数。首先基于空间算子代数理论建立空间机器人运动学符号模型;然后基于线动量及角动量守恒方程即可对空间机器人本体和未知目标卫星进行未知参数的辨识;随后分析了机器人的参数对辨识过程的影响以及参数辨识对控制规律的影响。在地面实验室中验证了本参数识别方法的可行性以及效果。     

组合航天器转动惯量在轨两步辨识标定

在轨辨识转动惯量参数是主动航天器与非合作空间目标构成组合体后实现高精度姿态控制的重要前提,文章提出了一种两步在轨辨识组合航天器转动惯量参数的方法。第一步以航天器本体坐标系滚动轴转动惯量为基准将转动惯量矩阵归一化,得到特殊的转动惯量比矩阵,建立与其相关的姿态动力学模型,提出了基于扩展卡尔曼滤波的在轨辨识算法,基于星上陀螺角速率测量信息在100s左右辨识出所有转动惯量比参数,克服了由于模型简单导致转动惯量信息辨识不完整的缺点;第二步基于第一步辨识得到的转动惯量比参数,采用最小二乘算法辨识得到滚动轴转动惯量值,计算量小,消耗能量少。最后给出仿真算例,辨识精度基本在1|之内,验证了方法的有效性。     

基于深度学习的航天器组合体惯性参数在轨智能辨识

针对在轨服务过程形成新组合体的动力学参数未知的问题,借助深度学习在多参数寻优上的优势,提出了一种基于卷积神经网络的智能参数辨识算法,实现在外力作用下,线动量和角动量不守恒条件下的航天器组合体多参数辨识。利用卷积神经网络权值共享的特点,设计4层卷积神经网络,通过短时间内对大量特定存储形式的状态数据的训练,实现航天器组合体多参数快速高精度辨识。利用数学仿真试验对算法的可行性进行验证,结果表明：在24s内,质量与质心位置收敛;1190s内,惯量参数收敛,辨识精度在3%以内。说明所提方法在外界随机干扰力和力矩影响下能准确快速辨识出航天器组合体质量、质心位置和惯量矩阵。     

带有两个飞轮的欠驱动航天器姿态稳定控制研究

在系统总角动量不为零的前提下,仅带两个飞轮的航天器无法实现本体系相对于惯性系三轴姿态角为零的稳定控制,而已实现的角速度稳定控制和自旋稳定控制也无法满足姿态控制任务的多样化需求。于是在系统总角动量不为零时,首次提出存在最大程度姿态稳定形式为航天器本体三轴角速度稳定,同时固连于航天器的某一特定视线轴指向任意给定惯性方向。利用一种新的姿态描述形式推导出了角速度为零时航天器的目标姿态,然后基于线性化后的系统设计了线性二次型最优控制器。数值仿真表明利用此控制器能实现所提出的姿态稳定形式,这对于无须实现本体系相对惯性系三轴姿态角为零,而只需对固连于本体的天线或相机进行惯性空间定向控制的航天器将完全满足其姿态控制要求,同时也能提高欠驱动航天器的可靠性。     

空间机器人的目标捕获自适应控制

首先推导了基座姿态受控空间机器人系统运动学关系,得到了广义雅可比矩阵。根据目标的运动来规划机械臂末端在惯性空间的期望轨迹。对机器人动力学和运动学关系式进行线性参数比,分别对动力学待估参数和运动学待估参数设计在线修正律,在关节空间采用自适应控制。对于存在动力学参数不确知的机器人系统,算法保证了系统的渐近稳定,在成目标捕获任务的同时,控制基座姿态保持在期望范围之内。以平面两关节空间机器人系统为对象进行了仿真,结果表明了算法的可行性和有效性。     

双臂空间机器人关节运动的一种增广自适应控制方法

讨论了载体位置、姿态均不受控制情况下,具有未知参数的自由漂浮双臂空间机器人系统的自适应控制问题.由于此类机器人系统具有结合系统动量及动量矩守恒关系得到完全能控形式的系统动力学方程,以及系统惯性参数不符合惯常的线性函数关系的特点,因而地面机器人的控制方法在此难以直接推广应用.为了克服上述难点,仅将系统动量守恒关系耦合到系统动力学方程当中,而不耦合系统动量矩守恒关系,结果得到一组欠驱动形式的系统动力学方程.该系统动力学方程的优点是关于一组组合惯性参数能保持惯常的线性函数关系.以此为基础,并借助增广变量法,针对双臂空间机器人末端爪手所持载荷参数未知的情况,设计了关节空间轨迹跟踪的自适应控制方案.该控制方案的显著优点为,不需要测量、反馈双臂空间机器人漂浮基的位置、移动速度和移动加速度.系统的数值仿真,证实了方法的有效性.      

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.      

基于浸入与不变流形的抗干扰饱和姿态控制器

设计了一种抗慢时变干扰的简单饱和姿态控制器。其基本原理是将干扰作为未知参数,然后利用浸入与不变流形的方法设计了独立于控制器的干扰估计器,从而再基于干扰的估计结果设计饱和控制器。该控制器形式简单,由比例与微分项和干扰补偿项组成,各部分物理意义明确。根据浸入与不变流形方法,通过严格的理论证明得到了如下结果：对于慢时变干扰的情况,通过调整控制干扰辨识收敛速度的参数,可以使得理论上的姿态最终控制误差任意小（实际仿真误差还受限于由数值稳定性决定的时间步长）;对于干扰为常值的情况,则可以完全消除干扰的影响,并获得系统状态渐近稳定的结果。最后通过数值仿真验证了控制方案的可行性。     

具有初始动量的空间机械臂零反作用轨迹跟踪

对具有初始动量的自由漂浮空间机械臂系统进行了研究,考虑其执行在轨任务时便已经具有的动量,根据系统的构型参数建立运动学模型,再采用拉格朗日第二类方程建立动力学模型。利用空间机械臂系统具有冗余自由度这一特性,推导运动学和动力学方程,得到了零反作用运动方程,消除了基座和机械臂之间的角速度耦合作用。末端运动轨迹用多项式插值函数来逼近,根据给定的机械臂末端初始和终止状态来规划其运动轨迹,并将机械臂末端的工作空间转换到关节空间中。根据已知的动力学模型,设计合适的比例-微分（PD）控制率。仿真结果表明,通过选择合适的增益反馈矩阵,机械臂末端能平稳地跟踪目标轨迹,同时,机械臂的运动不会对基座的姿态产生扰动,保证了基座姿态的稳定性及航天器的正常运行。     

基于数据驱动的非合作航天器姿态估计与预测方法

针对临近操作对非合作航天器的相对导航问题,考虑角速度测量缺失以及视觉特征丢失,提出了一种融合乘性扩展卡尔曼滤波和姿态预测的框架,实现了对非合作航天器的姿态估计和预测。采用惯性参数对状态向量进行了扩维,在缺少角速度测量的情况下预估了非合作航天器的姿态和相对转动惯量的比值。基于函数拟合和神经网络分别设计了两种姿态预测方法,解决了传统方法误差随时间累积的问题,有效减少了计算成本。最后,通过数值仿真验证了滤波估计和姿态预测算法的实时性和准确性。     

面向未知目标的柔性关节空间机器人滑模控制

针对载荷捕获的空间机器人控制问题,同时考虑机械臂关节柔性和非合作目标质量未知等因素影响,提出一种基于目标质量观测器的滑模变结构控制方法.首先,针对空间非合作目标质量未知问题,设计基于改进的最小二乘迭代算法实现对非合作目标质量在线辨识.进而,采用拉格朗日方法和动量矩守恒原理,建立漂浮基座柔性关节空间机器人动力学模型;针对...     

基于零速修正与姿态自观测的惯性行人导航算法

针对惯性行人导航中航向角发散致使导航精度降低的问题,提出了一种基于零速修正与姿态自观测的惯性行人导航算法。通过四条件零速检测算法对行走步态中的零速区间进行检测。在检测得到的零速区间内,利用零速修正算法原理构造速度误差的观测量;利用零速区间内行人脚部与地面保持静止、只受到重力加速度及姿态角不变的特性,构造姿态角误差的观测量。应用卡尔曼滤波对零速区间内的姿态角、速度及位置的误差进行估计。利用得到的误差状态估计结果对行人导航进行误差校正,提高惯性行人导航的精度。实验表明:小范围矩形路径中,所提算法的导航轨迹相对误差平均值仅占总路程的0.98%,比零速修正算法减小了78.11%;导航轨迹误差标准差仅为0.14 m,比零速修正算法减小了88.62%;400 m标准操场闭合路径中解算终点相对位置误差仅为1.18%。解算轨迹与实际轨迹匹配度较高,具有良好的应用价值。      

充液航天器大角度机动自适应无源控制

研究了基于自适应无源控制的三轴稳定充液航天器大角度姿态机动问题.将液体晃动等效为黏性球摆模型，利用动量矩守恒定理推导出充液航天器耦合动力学方程.针对陀螺故障及无陀螺配置导致航天器姿态无角速度测量的情况，同时考虑存在外部未知干扰、转动惯量不确定性以及液体晃动位移不可测量的特性，设计自适应输出反馈无源控制，其中自适应更新律用于补偿外部未知干扰和估计液体晃动的位移变量.利用Lyapunov方法和LaSalle不变引理，证明该控制律不但可以保证闭环系统渐进稳定，而且可以保证二个期望平衡位置均达到稳定.仿真结果验证了本文控制方法的有效性.      

参数不确定空间机械臂关节轨迹跟踪的增广自适应控制方案

讨论了载体位置与姿态均不受控制的漂浮基两杆空间机械臂系统的控制问题.系统动力学分析的结果表明,结合系统动量及动量矩守恒关系得到的系统动力学方程将为系统惯性参数的非线性函数.证明了借助于增广变量法,即通过适当扩展系统的控制输入与输出可以得到一组控制方程,它们可以表示为一组适当选择的惯性参数的线性函数.以此为基础,针对机械臂末端载荷参数未知的情况,设计了关节空间轨迹跟踪的增广自适应控制方案.此控制方案的显著优点在于不需要测量漂浮基的位置及移动的速度、加速度.仿真运算证实了方法的有效性.      

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.      

带滑移铰空间机械臂惯性空间轨迹的复合自适应跟踪控制

讨论了载体的位置与姿态均不受控制的漂浮基带滑移铰空间机械臂的控制问题。动力学分析表明，结合系统动量及动量矩守恒关系得到的运动Jacobi关系及系统动力学方程将是系统惯性参数的非线性函数，借助于增广变量法，我们得到了与惯性参数呈线性关系的系统广义Jacobi矩阵及系统控制方程，以此为基础，针对系统中存在未知惯性参数的情况，设计了一种末端抓手惯性空间期望轨迹跟踪的复合自适应控制方案，此控制方案的优点在于不需要测量空间机械臂载体的位置及移动的速度，加速度，仿真运算证实了方法的有效性。     

基于双滤波器的高精度目标跟踪估计方法

针对连续推力的合作航天器,采用双重无迹卡尔曼滤波(DUKF)算法估计其状态和加速度。通过状态滤波器和参数滤波器的配合,提升滤波精度,完成运动状态和参数的估计,从而实现合作目标的运动轨迹跟踪。与合作航天器相比,非合作航天器存在大小未知、发生时刻未知的机动,无法获得加速度,且信息获取和运动状态的估计难度大。针对非合作航天器,基于简化的相对运动方程,结合天基平台获得目标的观测信息,采用两个扩展卡尔曼滤波(EKF)及基于半正焦弦的机动检测策略实现多未知脉冲机动的运动状态的估计。仿真结果表明：相比于无迹卡尔曼滤波（UKF）,DUKF在对合作航天器的状态和加速度估计方面具有更快的收敛速度和更高的滤波精度;对于存在未知机动的非合作航天器,通过对比验证机动检测策略与滤波器切换策略相结合的方法的有效性,该方法能够检测到多次机动并且减少误判。     

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.