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     

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。     

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。     

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。     

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。     

自由漂浮空间机器人多约束混合整数预测控制

针对空间机器人完成任务时需要躲避障碍物的问题,提出一种自由漂浮空间机器人的混合整数预测控制方法。首先,在模型预测控制方法框架下,机械臂关节的物理限制,躲避障碍物的要求被统一描述为最优控制问题下的不等式约束,可以得到自由漂浮空间机器人具有线性二次规划形式的最优控制律。其次,基于命题逻辑建立控制问题中各约束的优先级,保证在最大程度地满足约束的情形下得到控制问题的解,有效弥补了模型预测控制方法用于空间机器人控制时,多约束可能导致最优控制问题不可行的不足。最后,仿真结果校验了所设计控制律的有效性。     

空间机器人目标捕获的自适应零反作用控制

针对目标捕获后空间机器人的机械臂反作用力对其基座的姿态扰动问题,提出了一种自适应零反作用控制方案。首先,针对目标捕获带来的动力学不确定性,设计了一种激励矩阵调节的固定时间并行学习算法。该算法可在放松持续激励条件的同时,使参数估计的收敛率与回归通道中未知的激励水平无关,因此不同量级惯性参数的估计可在相近时间内收敛。此外,通过分别设计基座姿态控制器与机械臂轨迹跟踪控制器提出了一种具有输入扰动补偿的有限时间零反作用控制方法,能够在机械臂跟踪末端期望位姿轨迹的同时维持基座姿态的稳定性。仿真结果验证了该方案的有效性。     

基于避障伪距离的自由漂浮空间机器人规划跟踪一体化控制

针对自由漂浮空间机器人(Free Floating Space Robot,FFSR)的避障规划与控制问题,提出一种FFSR的避障规划-跟踪一体化控制方法。首先,基于障碍物伪距离技术,采用FFSR逆几何模型求解期望末端位姿下的连杆伪距离估计值,进而通过求解非线性优化问题,获得FFSR避障期望轨迹。其次,将全局轨迹规划与局部在线避障相结合,辅以离散状态黎卡提方程（DSDRE）控制方法实现FFSR的避障规划-跟踪一体化控制。最后,采用6R空间机器人模型验证了所提方法的有效性。仿真结果表明,该方法能够实现FFSR的避障控制,有效克服了传统FFSR控制中末端轨迹规划与控制相分离的问题,提高了FFSR的环境适应性。     

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。     

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。     

空间机器人地面实验系统的一种鲁棒自适应控制方法

基于李亚普诺夫稳定性直接方法, 针对具有参数及模型不确定性的空间机器人地面实验系统, 提出了一种新的鲁棒自适应控制器。该控制器由三部分组成: 线性PD反馈项, 补偿动力学的自适应控制项, 补偿建模不确定性的鲁棒控制项。控制策略能有效地克服未建模的摩擦力和外部扰动以及吊丝配重系统未补偿掉的重力影响, 并且能保证全局最终一致有界。仿真表明了算法的可行性和有效性     

自由飘浮空间机器人地面实验系统

针对空间机器人的运动的地面模拟,基于运动学等效原理提出一种用固定基座机器人模拟空间机器人运动的方法。运用该方法,在地面用两个基座固定的六自由度工业机器人组建了一套空间机器人的地面模拟系统。应用该系统成功模拟了自由飘浮空间机器人捕获自由运动目标的运动,实验结果证明了该方法的有效性。
     

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。