刚柔空间机器人基于神经网络的协调运动控制及柔性振动抑制

探讨了本体姿态受控的刚柔耦合空间机器人关节运动控制及柔性振动抑制问题.基于拉格朗日方法及奇异摄动理论, 导出了系统的奇异摄动模型. 为确保系统在未知惯性参数影响下本体姿态、关节协调运动的精确跟踪控制, 针对慢变子系统, 提出了一种基于RBF神经网络的补偿控制策略; 同时针对快变子系统,采用惯常的线性二次型最优控制器以实现系统柔性振动的主动抑制. 仿真结果表明, 所提控制方案可有效补偿未知系统惯性参数的影响, 使系统能够准确跟踪所期望的运动轨迹, 并较好地抑制系统的柔性振动.      

一种柔性空间双臂机器人的协同控制和避障方法

针对柔性空间机械臂在轨服务应用需求,提出一种基于刚体运动与柔性振动相耦合的空间双臂机器人协同控制方法.首先引入空间位姿变量的概念,构造出面向协同控制目标的Jacobian矩阵,建立柔性空间机器人系统的刚柔耦合动力学模型,基于指定的最小距离得到其运动学逆解,并根据系统动量矩守恒关系及系统的Jacobian矩阵,并根据机械臂末端的运动速度,然后采用阻尼最小二乘法得出关节角度,使柔性空间机器人能够有效完成协同控制和空间避障任务,并基于RecurDyn V7R5软件环境验证算法的正确性.最后,基于SolidWorks和ADAMS虚拟样机建立柔性空间机器人系统的立体CAD模型,并结合空间在轨搬运任务进行模拟仿真,柔性空间机器人关节操作和运动轨迹的仿真结果图验证了本文算法的有效性.     

基于有限差分法的双臂关节柔性空间机器人智能递阶控制策略

谐波减速器和力矩传感器等柔性元件广泛应用于空间机器人关节系统,以获取高减速比.这些柔性元件为空间机器人系统引入关节柔性,使得对其的稳定控制变得更为复杂.本文讨论研究了参数不确定双臂关节柔性空间机器人基于有限差分法的智能递阶控制及弹性振动抑制.运用递阶系统理论、动量守恒原理及第二类拉格朗日方法推导出系统递阶动力学模型.利用该模型,设计了基于模糊回归神经网络的非奇异Terminal滑模控制算法和基于有限差分法的滑模控制算法.采用模糊回归神经网络（Recurrent Fuzzy Neural Network,RFNN）逼近系统的不确定部分.为避免复杂的求导计算及角加速度可测要求,利用基于有限差分法的滑模控制来抑制柔性关节振动.由于设计控制器过程中未涉及惯常的奇异摄动双时标分解操作,该控制算法理论上具有适合任意大小关节柔性刚度的优点.系统对比仿真试验证明了智能递阶控制算法优于传统基于奇异摄动法的控制方案.      

双臂空间机器人闭链系统的协同柔顺控制策略研究

双臂空间机器人对目标的协同操作具有负载能力大、定位精度高的特点,同时存在着闭链运动和控制力约束条件.本文以双臂六自由度空间机器人为研究对象,针对同一目标的搬运操作任务,建立了闭链系统的动力学模型.基于机器人和目标的虚切断铰接结构,以操作臂为刚性运动,协作臂为柔性运动的操作模式,分别设计了关节跟踪控制律和柔顺阻尼控制律.基于实例进行了运动仿真,验证了双臂协同控制算法的有效性.     

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。     

全柔性空间机器人基于虚拟力的输出反馈有限维重复学习控制及振动抑制

探讨了基座、关节、臂均存在柔性情况下,空间机器人关节轨迹运动及多重柔性振动的主动控制和主动抑制问题.结合线性弹簧、扭转弹簧、简支梁及假设模态法,利用拉格朗日方程建立了基座、关节、臂全柔性影响下的空间机器人系统动力学模型,利用奇异摄动法,将模型分解为关节运动慢变子系统与关节柔性振动快变子系统.为控制慢变子系统中载体姿态、关节刚性运动并且抑制臂的柔性振动,依据虚拟控制力的概念,设计了基于有限维傅里叶级数解析周期信号的输出反馈重复学习算法.李雅普诺夫直接法证实了上述控制器的稳定性.为了抑制快变子系统中基座和关节的柔性振动,分别采用线性二次最优控制方法以及引入关节柔性补偿器间接增大关节等效刚度的方式,使控制算法不局限于求解弱非线性问题.系统数值仿真结果表明,所提出的控制器能够有效抑制机器人多重柔性构件的振动,实现对期望信号的高品质追踪.      

一种基于模型预测控制的柔性关节空间机械臂的轨迹跟踪控制#br#

柔性关节空间机械臂在太空中的操作问题与几个因素有关,其中最重要的因素之一是关节的弹性振动.为了克服这种弹性振动带来的影响,提出了一种基于模型预测控制方法的双连杆柔性关节空间机械臂对目标跟踪的控制策略.首先,利用欧拉 拉格朗日公式进行动力学建模;然后,提出一种连续线性化模型预测控制方法,并将其应用于非线性柔性关节空间机械臂的模型中;最后,通过数值仿真来验证本文所提出方法的有效性.     

一种柔性机器人的神经网络控制方法

提出了一种末杆为柔性杆的机器人的新型神经网络控制方法.它将末杆为柔性杆的机器人分解成刚性前端和柔性末端两部分,使用传统的机器人控制方法控制刚性前端,采用神经网络辩识柔性末端部分的逆模型,将末端的期望轨迹实时分解成末关节转角及末关节轴位姿的期望轨迹再分别进行控制.这一方法将传统的基于模型的控制方法和神经网络方法有机结合在一起.通过对平面3杆柔性机器人的数值仿真,初步验证了这一方法的有效性和良好效果.     

一种基于模型预测控制的柔性关节空间机械臂的轨迹跟踪控制

柔性关节空间机械臂在太空中的操作问题与几个因素有关,其中最重要的因素之一是关节的弹性振动.为了克服这种弹性振动带来的影响,提出了一种基于模型预测控制方法的双连杆柔性关节空间机械臂对目标跟踪的控制策略.首先,利用欧拉-拉格朗日公式进行动力学建模;然后,提出一种连续线性化模型预测控制方法,并将其应用于非线性柔性关节空间机械臂的模型中;最后,通过数值仿真来验证本文所提出方法的有效性.     

柔性关节空间机器人基于柔性补偿的模糊鲁棒滑模控制及柔性振动主动抑制

针对参数不确定的漂浮基柔性关节空间机器人系统,研究了其动力学建模过程、运动控制律设计及柔性振动的主动抑制.利用系统动量、动量矩守恒关系和拉格朗日方程建立了系统的动力学方程.为克服传统奇异摄动法仅适用于关节弱柔性系统这一局限性,设计了柔性补偿项来等效提高空间机器人系统中柔性关节的刚度.在此基础上,利用奇异摄动法将系统分解为相互独立的慢变子系统和快变子系统,并分别进行控制律设计.所设计的慢变子系统模糊鲁棒滑模控制律可补偿系统中的不确定参数,减小柔性关节引起的转角传动误差,实现系统期望运动轨迹的渐近跟踪;快变子系统控制律可主动抑制柔性关节引起的系统柔性振动.仿真实验结果证明了该混合控制律的有效性.      

基座与臂杆全弹性空间机器人的有限时间控制

探讨了基座、臂杆全弹性影响下,基于有限时间的漂浮基空间机器人系统轨迹跟踪以及柔性抑振问题.由于弹性基座与两柔性杆之间存在多重动力学耦合关系,此系统为高度非线性系统.将弹性基座与臂杆间的连接视为线性弹簧,利用拉格朗日第二类方程并结合假设模态法,推导出该系统的动力学模型;应用奇异摄动理论的两种时间尺度假设,将系统分解为表示刚性运动的慢变子系统和表示基座弹性、双柔杆振动的快变子系统.针对慢变子系统,设计了一种基于名义模型的有限时间控制器,保证完成刚性期望轨迹跟踪.设计的积分式滑模面具有有限时间收敛特性,比传统渐近收敛控制方法具有更快的收敛速度和更强的鲁棒性;对于快变子系统,采用线性二次型最优控制同时抑制弹性基座与两柔性杆的振动.Lyapunov理论证明了所提控制算法能使跟踪误差在有限时间内收敛到原点.仿真验证了控制方法的有效性.     

基于非线性观测器的非合作目标姿态跟踪控制

非合作目标的姿态角速度、角加速度未知,给在轨服务航天器跟踪非合作目标姿态的控制器设计带来挑战.为解决这一问题,设计了一种非线性观测器,该观测器能够估计出非合作目标状态,然后构造了基于非线性观测器的姿态跟踪控制器,并证明了闭环系统的一致渐近稳定性.仿真结果表明,设计的方法不仅能够实现非合作目标的状态估计,而且实现了对非合作目标姿态的跟踪.     

CMGs驱动空间机械臂的自适应终端滑模控制

摘要： 针对V构型控制力矩陀螺（CMGs）驱动的空间机械臂的轨迹跟踪控制问题,研究一种自适应非奇异终端滑模（ANTSM）控制方法.利用基于Kane方程的递推组集算法建立了系统的动力学模型.以跟踪误差为变量,构造非奇异滑动面,以保证跟踪误差在滑动面上有限时间收敛.针对系统质量特性参数与关节处干扰力矩的不确定性,设计自适应控制器用以调节控制增益.该控制方法无需不确定性的上界,且闭环系统具有最终一致有界性.仿真结果表明,该控制器可使系统准确跟踪期望轨迹,并对质量特性参数不确定性和关节干扰力矩具有良好的鲁棒性.     

带落角约束的新型二阶滑模三维制导律

针对导弹在三维空间中攻击地面机动目标问题,提出了一种带落角约束的三维有限时间制导律。为提高收敛速度和抑制抖振现象,基于非齐异快速终端滑模面和二阶滑模控制理论设计了含耦合项的非奇异快速终端二阶滑模三维制导律,设计过程中无需对系统模型作线性化处理并且避免了奇异问题的出现。针对目标机动信息和视线角耦合带来的总扰动,设计了非齐次干扰观测器进行估计并补偿。并对制导律的稳定性和有限时间收敛特性进行了严格的数学证明。仿真验证了本文提出制导律的有效性和优越性。      

基于RBF网络的导弹滑模动态逆控制律设计

讨论了一种基于径向基函数(RBF,Radial Basic Function)神经网络的导弹滑模动态逆控制律.导弹的基本控制律采用动态逆方法设计,对慢回路设计神经网络滑模控制器以补偿整个控制系统的不确定性.即用RBF神经网络逼近导弹慢模态不确定性的数学模型,并将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;滑模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.