空间机器人的智能控制器设计

自由漂浮空间机器人动力学方程不能被参数线性化并且存在模型不确定性，使得基于数学模型的控制问题变得十分复杂。本文研究了自由漂浮空间机器人的智能控制方法，提出了一个鲁棒的模糊神经网络控制器。首先利用模糊神经网络控制器来逼近理想控制器，然后利用鲁棒控制器对逼近误差进行估计和抑制。根据Lyapunov函数建立的新的网络学习算法保证了系统的稳定性。最后利用该控制器对平面二连杆空间机器人进行了研究。仿真结果表明该智能控制方案是有效的。     

自由漂浮空间机器人神经网络自适应补偿控制

针对更具工程价值的任务空间内的自由漂浮状态空间机器人模型不确定性末端控制问题,提出了一种自适应神经网络控制策略用于机器人末端控制.通过神经网络在线建模来逼近系统中的非线性模型,神经网络的逼近误差及外界有界扰动通过鲁棒控制器来消除,采用引入GL矩阵及其乘法算子"·"来直接辨识的各部分系统参数.该控制策略既不需要逆动态模型的估计值,同时也避免了求雅克比矩阵的逆,降低了计算量.基于李亚普诺夫理论证明了整个闭环系统全局渐近稳定.仿真结果表明了这种神经网络控制器对于任务空间的空间机器人末端控制在达到较高的精度的同时,能够满足实时性要求,具有重要的工程应用价值.     

考虑重力影响的柔性关节空间机械臂任务空间神经网络控制

针对柔性关节空间机器人地面模拟及空间应用受到重力或微重力不确定项干扰的问题,提出一种基于奇异摄动的任务空间神经网络自适应控制算法。首先建立了考虑重力影响的柔性关节空间机器人的模型,通过奇异摄动方法将系统降阶处理后,转换到任务空间进行控制器的设计,利用神经网络自适应算法对系统的不确定性进行逼近,并针对逼近误差设计了鲁棒控制器补偿,最后将控制量转换为关节空间的控制力矩。对系统进行了稳定性分析和仿真校验,结果表明,控制器可以解决柔性带来的系统高频谐振和失稳问题,并能有效抵抗系统扰动,具有很好的跟踪性能。     

基于RBF神经网络的导弹鲁棒动态逆控制

讨论了一种基于神经网络的导弹鲁棒动态逆控制方法。导弹的基本控制律采用动态逆方设计,针对存在动态逆误差的慢回路设计神经网络鲁棒逆控制器。用RBF神经网络逼近导弹慢模态数学模型,并把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;鲁棒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精度的影响。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精度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。
     

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。     

基于自适应神经网络的柔性关节空间机器人振动抑制控制

针对存在负载变化、建模误差和摩擦干扰的柔性关节空间机器人控制问题,提出了基于奇异摄动的神经网络自适应鲁棒控制方法。首先,通过拉格朗日方程和动量矩守恒定理建立柔性关节漂浮基空间机器人动力学模型;其次,通过奇异摄动理论将动力学模型近似分解表征为刚性的慢变子系统和柔性的快变子系统,针对于慢变子系统,设计基于神经网络补偿的自适应鲁棒控制器;针对于快变子系统,设计柔性补偿器和力矩微分反馈抑制器;最后,基于李雅普诺夫理论证明了控制系统的稳定性。仿真表明:所提出的控制策略是有效的,且在柔性补偿器失效的情况下,采用独立的神经网络自适应鲁棒控制器能够抑制弹性振动,并精确跟踪期望轨迹。     

自由浮动空间双臂机器人的鲁棒协调控制

研究自由浮动空间双臂机器人在本体位置、姿态均不加控制时,抓取物体运动情况下的动力学协调控制。根据空间双臂机器人抓取系统的闭链约束关系,推导出广义雅可比矩阵,针对抓取系统动力学模型的不确定性,提出一种鲁棒协调控制方法,来控制被抓物体的运动,使被抓物体的运动轨迹跟踪期望的运动轨迹,并保证内力跟踪误差的有界性。通过对自由浮动空间平面双臂机器人进行鲁棒协调控制仿真实验,结果表明了该方法的有效性。     

基于观测器的漂浮基空间机器人模糊神经网络控制

针对自由漂浮状态的空间机器人模型不确定性及外部干扰,并考虑到通常其关节电机运行于低速工况下,测速机难以满足要求,提出了一种速度重构的空间机器人模糊基函数网络控制策略。首先建立空间机器人动力学模型,而后借助观测器来重构速度信息,利用模糊基函数网络的学习能力来同时逼近控制器和观测器中的非线性,动态抵消模型不确定性及系统偏差对速度重构的影响。网络的权值及参数的调整算法在线实时自适应调整,不需要离线学习阶段。仿真结果表明该控制策略能够达到较高的控制精度,对于通常工作在低速工况下的空间机器人具有重要工程应用价值。     

基于神经网络的不确定性空间机器人自适应控制方法研究

提出了一种针对自由漂浮状态的空间机器人模型不确定性的神经网络自适应控制 方法。通过RBF神经网络逼近模型的非线性函数和不确定性上界,无需预先估计系统的不 确 定性程度和外部干扰,提出的自适应控制律保证了权值的有界性,解决了神经网络权值的UU B（Unknown Upper Bound）问题,即未知上界有界问题,完成了笛卡尔空间内空间机器人轨 迹规划任务。证明了所提出的控制方法的稳定性,仿真结果表明控制方法避免了对空间 机器人动力学模型的参数线性化要求降低了计算量,能够满足实际任务中的实时性要求。
     

双臂空间机器人利用内部地部运动的姿态控制

本文对双臂自由漂浮空间机器人系统的姿态控制问题进行了研究，推导出了系统的运动学模型，证明了系统具有非完整的力学结构，并且提出了一种利用内部运动的机器人本体姿态控制算法。该算法可使机器人本体的姿态在机械臂完成任务的过程中保持不变或变化最小，仿真结果验证了算法的有铲性。     

空间机器人神经网络自适应滑模目标操控轨迹跟踪控制

针对参数未知的空间目标操控问题,考虑空间机器人负载不确定性、系统动力学不确定性和环境扰动等因素,为实现操作过程的稳定控制及机器人轨迹的有效跟踪,提出一种基于径向基神经网络估计不确定项的自适应增益非奇异终端滑模变结构控制器。首先基于拉格朗日法建立空间机器人的刚体动力学模型。考虑空间机器人基座姿态主动控制模式,使用径向基神经网络对模型中的不确定项进行估计。进而提出基于神经网络估计的非奇异终端滑模控制器,并针对不确定性和扰动的估计误差设计自适应增益,以期实现空间机器人系统轨迹跟踪控制的收敛。仿真校验结果表明所设计的控制方法具有较好的误差收敛速度和控制精度。     

自由漂浮空间机器人末端轨迹优化跟踪控制

针对自由漂浮空间机器人(FFSR)末端轨迹跟踪优化控制中惯性参数不确定的问题,基于状态依赖Riccati方程（SDRE）,提出一种采用标称SDRE控制器与补偿SDRE控制器相结合的组合优化控制器,通过SDRE基本理论及李雅普诺夫方法证明了控制方法能够实现系统跟踪的能量优化和渐近稳定,实现了FFSR在广义雅克比矩阵非奇异条件下的末端轨迹优化跟踪控制。数值仿真表明,控制器能够实现对于期望末端轨迹的有效跟踪。     

一类不确定非线性系统的回馈递推滑模鲁棒控制器设计

针对一类多输入多输出不确定非线性系统，用一个RBF神经网络获得未建模动态和外来扰动的估计值，将回馈递推思想与滑模控制相结合，逐步回馈递推，设计了鲁捧控制器。将这种方案用于某型侧滑转弯导弹的飞行控制系统设计。其中，为克服导弹作动器的位置饱和、速率饱和问题，改进了滑动面的符号函数，并采用模糊逻辑对滑动面的斜率进行实时调整。仿真表明了该控制方法的有效性。     

空间机器人抓捕目标后动力学参数辨识研究

针对自由漂浮空间机器人抓捕目标后的动力学参数辨识问题,提出一种参数辨识的持续激励轨迹设计方法。首先,基于动量守恒原理建立了自由漂浮空间机器人的动力学参数辨识模型;然后,采用有限傅里叶级数对空间机器人的机械臂关节运动轨迹进行参数化表示,并以参数辨识回归矩阵条件数最小化为指标,通过求解一个包含多约束的非线性优化问题得到傅里叶级数的待定系数;最后,采用基于QR分解的递推最小二乘估计方法实现对采样数据的序贯处理,并求解出待辨识参数。仿真结果表明,提出的激励轨迹设计方法可以显著提高空间机器人参数辨识的收敛速度和准确性。     

模型不确定的空间机器人无力传感器阻抗控制方法

针对自由漂浮空间服务机器人在轨捕获时与服务对象的碰撞问题,提出一种考虑模型不确定情况下的无力传感器阻抗控制方法。通过将不确定模型观测的接触力和神经网络对模型不确定部分辨识得到的接触力,共同作为末端执行器与服务对象抓捕点的估计接触力和阻抗控制器的反馈,使空间机器人在模型不确定和无力传感器的情况下仍能实现与服务对象的柔性接触。数值仿真结果表明,该方法可有效降低对空间机器人动力学建模精度的要求,具有较强的工程可行性。