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.     

柔性关节空间机械臂的自适应滑模控制

探究一类时滞柔性关节空间机械臂鲁棒自适应滑模控制问题。针对该种空间机械臂具有强非线性特点,同时考虑系统的未建模动态与扰动以及时滞影响,提出一种新的鲁棒自适应滑模控制器。基于Lyapunov-Krasovskii泛函和线性矩阵不等式等凸优化方法,给出滑动模态的鲁棒渐近稳定条件,并证明系统状态在有限时间内到达滑模面。最后,三组仿真校验表明了所设计的控制器可行。     

柔性关节空间机械臂传感容错无模型自适应控制

针对传感信号畸变、丢失等故障状态严重影响空间机械臂控制系统性能的问题,提出基于空间机械臂运动传感器故障观测的无模型自适应容错控制方法。采用动态线性化和递推参数估计思想设计传感故障监测器,实现对传感畸变及数据丢失等故障的判定,并进行运动状态预测估计;建立包含跟踪误差变化率项的无模型自适应控制准则函数,有效惩罚由传感故障引起的参数估计突变问题;设计面向柔性关节空间机械臂的新型传感容错无模型自适应控制（SFT-MFAC）算法。仿真结果表明,在不同传感故障情况下,所提控制策略均能快速准确识别传感故障信息,避免系统瞬时发散,有效延长系统响应时间,增加控制系统的鲁棒性。     

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。     

空间机器人柔性关节轨迹控制研究

针对由谐波减速器驱动的空间机器人柔性关节的精确轨迹跟踪问题,提出了一种由自 适应模糊系统和逐步逆向设计相结合的递阶控制方法,不仅有效地消除了模型不确定性的 影 响,而且避免了复杂的求导运算和角加速度可测的要求;推导了自适应模糊系统模糊规则参 数调整的自适应律,证明了闭环系统的稳定性和跟踪误差的渐进收敛;在柔性关节测试平台 上进行了轨迹跟踪实验,试验结果表明该方法具有较高的轨迹控制精度和鲁棒性。     

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。     

漂浮基空间机器人及其柔性影响下逆模神经网络控制

针对漂浮基空间机器人及其柔性影响下动力学模型,提出一种神经网络控制方法,把神经网络和传统反馈PI控制相结合构成一种混合性机器人逆模学习控制方案,并分析此控制方法工作原理。最后给出带两机械臂漂浮基空间机器人的仿真结果。结果表明所应用逆模控制方法具有较快收敛性和较高跟踪控制精度,是一种有效的控制方法。     

空间机械臂关节精细动力学模型的建立及关节力矩控制

针对空间机械臂辅助对接任务中的复杂关节力矩控制问题,建立了含间隙、非线性刚度及啮合阻尼的多级行星齿轮传动复杂关节精细动力学模型,该模型不仅考虑了齿轮啮合刚度,而且考虑了齿轮轴的扭转刚度。提出了一种基于关节动态扭转变形的关节力矩测量方法,并以此建立关节力矩控制系统,利用Runge\|Kutta算法对关节精细动力学模型进行了数值计算。计算结果表明,此关节力矩控制方法约有1.7%的稳态误差,能满足关节力矩控制的需要;基于关节动态扭转变形的关节力矩测量方法有效地解决了提高关节力矩测量精度与保持传感器刚度之间的矛盾。     

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。     

考虑在轨运动可靠性的空间机械臂关节力矩优化方法

提出一种考虑在轨运动可靠性的冗余度空间机械臂关节力矩优化方法。首先将机械臂操作空间中点到点的转移任务从笛卡尔空间转换至关节空间,利用七次多项式插值法对各关节变量进行参数化处理,获得粒子群算法的优化控制参数;与传统路径规划方法不同,将机械臂各关节力矩的均值和最小作为粒子群算法优化求解的目标函数;依据该目标函数以及相应优化控制参数,利用粒子群算法对空间机械臂运行轨迹进行优化求解,得到机械臂关节力矩均值和最小的运行路径。仿真实验表明,相比传统路径规划方法及以关节力矩二范数为目标函数的关节力矩优化方法,在降低冗余度空间机械臂关节力矩均值方面,文中方法分别减小了33.57%和10.47%;在降低关节力矩最大值方面,分别减小了43.25%和6.19%。     

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。
     

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.     

地球观测网络成像任务可调度性预测方法

为了能够快速、合理地分配成像任务,充分发挥对地观测网络的观测效能,对成像任务可调度性预测问题进行了研究,提出一种由协同任务分配组件、任务调度组件、特征提取组件以及任务可调度性预测组件所构成的组件化求解架构。在成像卫星经典调度模型的基础上,提取成像任务特征,并采用变隐含层节点的反向传播（BP）神经网络集成技术求解成像任务可调度性问题。仿真结果表明,集成BP神经网络的平均预测准确度可以达到85%以上。     

航空发动机多变量神经网络自适应控制仿真研究

针对航空发动机是一个具有强非线性、时变不确定性的被控对象,提出了一种基于RBF网络的航空发动机多变量神经网络自适应控制方法,该方法采用RBF网络对发动机非线性模型进行实时辨识,并将系统的灵敏度信息反馈给神经网络控制器,保证了控制器对被控对象的准确控制.通过某涡扇发动机在飞行包线内的数字仿真,结果表明该方法不依赖被控对象的精确模型,有效地实现了对发动机的多变量自适应控制,而且具有较好的动静态性能.     

基于RBF神经网络的导弹智能控制系统设计

为智能化导弹所设计的导弹智能控制系统应能够充分利用战场信息,自主而准确地生成控制指令完成目标打击。首先建立导弹控制系统模型,并在特征点处设计符合性能要求的PID控制器。在深入分析径向基函数(RBF)网络的结构与训练方法的基础上,通过大量仿真数据对RBF网络进行离线训练,将其训练结果直接作为俯仰与偏航通道的控制器。而滚转通道为典型的2阶系统,可采用滑模控制律,并利用RBF网络实时逼近外界非线性干扰项以提高滑模控制器的性能。通过某型倾斜转弯导弹六自由度仿真说明了本文所设计的智能控制系统的有效性。     

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。     

反步法与神经网络融合的平流层飞艇轨迹鲁棒控制方法

针对平流层飞艇水平轨迹控制面临外部风场扰动和模型参数不确定的特点,提出一种反步法与RBF神经网络融合的非线性鲁棒轨迹控制方法.该方法采用Lagrange动力学模型,通过反步法直接求解推力和力矩的控制律,采用RBF神经网络动态优化调整反步法的控制增益参数.仿真结果表明,新的控制方法可实现平流层飞艇对直线/圆组合式参考轨迹...