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。     

柔性空间机械臂的自适应H∞容错抑振混合控制

针对关节执行器存在部分失效(PLCE)故障的漂浮基柔性空间机械臂系统，提出一种自适应H∞容错抑振混合控制算法。结合拉格朗日法与弹性振动理论推导出了系统的动力学微分方程，并截取反映柔性臂杆主振型的前两阶模态作振动分析。根据奇异摄动原理对系统进行降维，并将其分解为一个刻画刚性臂杆轨迹跟踪的慢变子系统与一个刻画柔性臂杆模态振动的快变子系统；由此设计了由慢变子系统的自适应H∞容错控制器及快变子系统的线性最优减振控制器组成混合控制器。与传统容错控制器相比，所设计的自适应H∞容错控制器具有无需获取故障先验知识的优点。对比仿真结果表明：慢变子系统的容错控制器对于PLCE型关节执行器故障具备较强的鲁棒性，快变子系统的线性最优减振控制器能够将柔性臂杆的振动模态调节至较低水平，从而校验了理论分析的正确性与混合控制策略的有效性。     

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。     

任务空间内空间机器人鲁棒智能控制器设计

研究了基于神经网络的自由漂浮空间机器人在任务空间内的轨迹跟踪问题。首先利用RBF神经网络来逼近自由漂浮空间机器人高度非线性的动力学模型，然后设计了鲁棒控制器对逼近误差和外部干扰进行抑制。利用Lyapunov直接方法建立的新的神经网络参数和连接权值的在线学习算法，以及利用耗散理论设计的鲁棒控制器保证了系统的稳定性，并能够使系统L2增益小于给定的指标。利用该控制器对平面二连杆空间机器人进行了仿真研究，表明该智能控制方案是有效的。     

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。     

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.     

对失控翻滚目标逼近的神经网络自适应滑模控制

针对失控航天器在空间中自由翻滚的情况,研究追踪器对失控翻滚目标逼近的位置和姿态六自由度耦合控制问题。建立追踪器与目标器相对运动的姿轨一体化动力学模型,设计追踪器逼近过程的标称轨迹和标称姿态。综合考虑系统不确定性和外部干扰,设计无抖振的神经网络自适应滑模控制器。将滑模控制与神经网络逼近相结合,采用径向基函数(RBF)神经网络对系统未知部分进行自适应逼近。由Lyapunov方法导出神经网络自适应律,通过自适应权重的调节保证整个闭环系统的稳定性。数值模拟实例说明了所设计的标称轨迹和标称姿态的合理性,同时验证了神经网络自适应滑模控制器的有效性。     

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。
     

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。     

自主机动空间绳网机器人设计与动力学建模

设计了一种新型“平台+绳系+柔性网+自主机动单元”结构的空间机器人系统,较强的机动能力和较大的任务范围使其在空间垃圾清理任务中具有显著的优势。详细描述了自主机动空间绳网机器人的概念、任务过程和特点。为了分析自主机动空间绳网机器人逼近目标过程开始时柔性网网型的变化趋势,采用质量集中法建立了逼近过程的动力学模型,模型中将柔性网离散化为无质量弹性杆和质点的集合,同时考虑了自主控制力的作用。在不同条件下对逼近过程中的网型变化进行了数字仿真,仿真结果表明：逼近过程开始时,自主机动单元无控状态下柔性网将产生收口运动,且收口运动的强弱与自主机动单元和柔性网的初速有关;逼近轨迹也将偏离目标方向。通过自主机动单元的自主控制力能够避免收口运动和逼近方向偏移的产生。     

带有柔性补偿的柔性关节空间机器人的增广自适应控制及关节振动抑制

The problems of joint motion control and flexible vibration suppression of a flexible joint space based robot for manipulating an unknown payload are studied. Based on the system linear momentum conservation and the Lagrange method, the under actuated dynamics model of the space robot is established. For convenience of the design of its control system, the system is divided into both fast and slow subsystems by using the joint flexibility compensation technique and the singular perturbation theory. A torque differential feedback controller is proposed for the fast subsystem to suppress the joints’ flexible vibration, meanwhile an adaptive control scheme based on the augmentation approach is designed for the slow subsystem to realize the joint trajectory asymptotic tracking under the condition of unknown payload parameters. Because of introduction of the flexibility compensation technique, the presented control scheme can equivalently increase the joint stiffness, and it is suitable to control the space robot systems with low joint stiffness. Moreover, the effect of unknown parameters is real time compensated by its adaptive controller, and then the specified joint motion task is achieved precisely. The effectiveness of the scheme is verified by the corresponding simulation results.     

任务空间内空间机器人的复合自适应控制

对于本体姿态受控而位置不受控的空间机器人系统 ,考虑存在参数不确定性 ,本文在任务空间内提出了一种复合自适应控制方法 ,证明了这种自适应方法不但可以保证末端执行器任务空间内位置轨迹跟踪误差的渐近收敛 ,而且还可保证关节空间内角速率偏差及估计误差的渐近收敛。仿真结果验证了算法的有效性     

任务空间内空间机械臂的一种鲁棒自适应控制

对于本体姿态受控而位置不受控的空间机械臂系统,考虑存在参数不确定性及非参数不确定性(包括扰动、未建模动态),本文在任务空间内提出了一种鲁棒复合自适应控制方法,证明了这种方法可以保证末端执行器在任务空间内的位置轨迹跟踪误差、关节空间内的角偏差和角偏差速率渐近收敛.仿真结果验证了算法的有效性.     

平面型两关节空间机器人的自适应轨迹控制

基于参数线性分离方法，得到了平面型两关节空间机器人线性参数化形式的动力学模型，这种模型非常适合于采用自适应控制方法。控制策略考虑了机器人各关节之间的耦合及机械臂与基座航天器之间的耦合，对航天器姿态的控制和机械臂的控制进行综合，在满足手端跟踪期望轨迹的同时，保证航天器姿态基本不变。控制器由一个PD反馈项和一个补偿动力学不确定性的非线性自适应反馈项构成，能够保证对期望关节轨迹的全局渐进跟踪，提高了空间机器人操作的适应性和安全性。     

一种改进阻尼倒数的空间机器人避奇异算法

针对自由漂浮空间机器人运动规划过程中存在的动力学奇异问题,提出一种动力学奇异转化加改进阻尼倒数的奇异回避算法。首先,通过运动学分解,间接求解机器人逆运动学方程,避免直接求解逆广义雅可比矩阵,以实现奇异参数的分离;然后,采用改进的高斯分布阻尼因子的阻尼倒数代替奇异参数的普通倒数,回避运动学奇异的影响。与现有阻尼倒数方法相比,提高了算法在奇异点附近的连续性,进一步减小了算法带来的跟踪误差。在PUMA类型空间机器人模型上进行仿真试验,校验算法的有效性。     

基于递推差分进化算法的空间机器人参数辨识

针对空间机器人抓取未知目标时的特性参数以及关节摩擦系数的辨识和在线修正问题,提出一种基于递推差分进化算法的实时参数辨识方法。首先采用静态连续摩擦模型描述机器人的关节摩擦特性,并建立两关节空间机器人的非线性动力学模型,然后基于差分进化算法和递推最大似然估计法推导出递推差分进化算法,并用于空间机器人的参数辨识,最后仿真校验了该辨识方法的有效性。仿真结果表明,该算法的辨识精度优于遗传算法和最小二乘法,辨识速度较快,能满足遥操作的要求,且对于动态信息有较好的跟随性。