基于神经网络的自由漂浮空间机械臂 自适应鲁棒控制

针对自由漂浮空间机械臂动力学模型难以精确获得,且无法表达为关于未知参数的线性形式问题,提出基于自适应神经网络的鲁棒控制方法.对于不确定性空间机械臂系统模型中存在的未知不确定部分,利用神经网络的万能逼近特性,设计神经网络控制器来补偿未知模型,避免传统控制中的保守上界估计;采用泰勒线性化技术将神经网络隐含层中的高斯函数线性化,设计包括网络权值、高斯中心及宽度在内的网络全参数自适应学习律,实现在线实时调整,提高控制精度;设计鲁棒自适应控制器来抑制外界扰动,并补偿逼近误差,提高系统鲁棒性;基于Lyapunov理论证明闭环系统的一致最终有界（UUB）.仿真试验表明所提控制方法能够获得较好控制效果,对空间机械臂控制具有一定工程应用价值.     

空间发动机推力室气相流动分布无量纲表达方法

摘要： 为探究空间发动机推力室气相流动分布简便表达机制,开展推力室气相介质流动相似性分析.构建空间发动机推力室气相介质流动数值模型,并计算典型结构和工况条件下气相介质流动速度和压力;根据量纲分析方法推导推力室气相介质流动相似准则,借助相似准则提出推力室气相介质流动速度和压力的无量纲表达方法;以正交试验方案组织多种结构和工况参数下的推力室气相介质流动数值计算,并以数值计算结果为输入确定了气相介质流动速度和压力的无量纲表达式.     

二维三维信息融合的空间非合作

为实现位置和姿态的测量,常用敏感器包括激光类敏感器和双目立体视觉类敏感器.激光类敏感器的测量结果受目标反射特性的影响较大,而双目立体视觉敏感器的测量精度又受杂光和自身基线长度的限制.针对这两类敏感器在各自应用中存在的问题,提出一种融合二维三维信息进行位置和姿态求解的方法,综合利用二维和三维测量敏感器各自的优势来获取目标信息和进行相对位置姿态测量.通过算法仿真和试验验证了方法的可行性.