弹性空间机械臂动力学与控制

安装在航天器上的空间机械臂为轻质细长杆，固有的结构弹性对系统动力学及控制有明显的影响，它不仅影响抓手的工作精度，还可能导致载体一机械臂整个系统失去稳定性[1]．因此，对弹性空间机械臂系统的动力学与控制问题必须加以深入研究．地面固定基座多杆弹性机械臂动力学、逆动力学及控制问题已有许多研究，如Gawronsld等[2]在假设杆件弹性小变形、转动角速度比其固有频率小得多以及刚、弹性模型非线性项相同的前提下，得到控制方法．Cehnkunt等[3]导出了可忽略结构弹性的控制器带宽，以及自适应控制算法可实现的工作区间．文献[4，5]讨…     

具有不确定参数的机器人鲁棒轨迹跟踪控制

研究了具有不确定参数的机器人轨迹跟踪控制问题。提出了一种鲁棒控制方案,它由改进力矩发生器和鲁棒补偿器组成,理论分析及仿真实验表明,该控制方案具有较好的跟踪性能。     

柔性机器人动力学建模的一种方法

提出一种建立具有柔性关节的多柔杆机器人动力学方程的方法.首先给出了柔性关节及柔性臂杆的简化模型,然后利用Kane方法和假设模态法推导出完整的动力学方程并给出了递推公式.在此基础上利用一个算例研究了臂杆柔性与关节柔性对机器人动力学响应的影响.结果表明:所建立的动力学模型更接近于实际的柔性机器人系统;臂杆柔性与关节柔性都起着非常重要的作用,因此在柔性机器人的动力学建模与控制中应充分考虑它们的影响.      

基于动力补偿的液压并联运动平台控制策略

针对所研制的飞行模拟器用大负载液压六自由度并联运动平台,在对系统闭环动力学模型进行详细分析的基础上,依据系统数学模型存在外扰力、摩擦力及不确知参数等因素影响的控制特性,利用系统闭环动力学模型的动力补偿特性,采用六维动力补偿器,提出一种PD控制器加小波神经网络补偿器进行在线动力学补偿的实时控制策略,并通过实验验证了其控制的有效性.结果表明:该方法具有良好的跟踪特性,能够提高系统响应快速性、运动精度及抗负载扰动能力,很大程度上克服了系统的动力耦合及参数时变和未知力扰动带来的影响,为多自由度运动系统的高性能实时控制开辟了崭新途径.      

基于协作机械臂的航电开关柔性检测算法

在基于协作机械臂的航电联调联试系统中,为了解决机械臂在检测航电开关时存在环境复杂、需要适应不同种类开关与定位误差等问题,提出了两种基于关节力传感器的航电开关柔性检测算法,用来检测航电联试环境中主要的3大类开关.基于外力阈值检测的接触定位与操作算法,通过广义动量观测器估计末端外力,并在控制机械臂运动时设置操作力阈值,实现...     

舱外活动系统述评

舱外活动（EVA）系统可分为3部分：1）航天员装备系统,包括舱外航天服（EVA航天服）、安全系绳和机动装置;2）空间支持系统,包括气闸、约束装置、EVA工具、在轨训练设施、遥控自动操作装置,以及表面运输工具;3）地面试验、训练与保障系统,包括减重／失重设施、热／真空试验舱、虚拟现实模拟系统、星体表面模拟场地,以及任务保障设施。文章阐述EVA系统的组成与功能,评述EVA技术现状及发展趋势。     

面向非合作目标抓捕的机械臂轨迹规划方法

文章针对非合作目标抓捕问题设计了基于误差反馈系数的机械臂轨迹规划算法.考虑到空间机械臂在轨服务要求,采用反作用零空间方法来规划机械臂运动轨迹以实现机械臂与航天器之间的协调运动.为避免在规划起始阶段位姿误差较大可能导致机械臂关节速度过大的问题,引入了位姿误差反馈系数.为对空间机械臂抓捕非合作目标的轨迹规划技术进行验证,搭建了地面半物理仿真系统.试验结果表明,通过合理选择位姿误差反馈系数,设计的轨迹规划算法能够使固定基座机械臂末端执行器以较为均匀的速度逼近非合作目标,并能以较高精度实现对非合作目标的抓捕.该试验可以为空间机械臂抓捕非合作目标的轨迹规划提供参考.     

基于神经网络的机器人迭代学习控制

针对机器人动力学模型的不确定性和负载扰动,提出了一种采用神经网络的机器人迭代学习控制方法。该方法将反馈控制和神经网络学习控制相结合,反馈控制沿时间轴方向使关节运动跟踪期望轨迹,神经网络学习控制沿迭代轴方向使关节运动逼近期望轨迹。文中还给出了基于ＢＰ神经网络的学习控制算法。仿真结果表明,该方法能克服机器人动力学模型的不确定性和负载扰动,具有良好的鲁棒性和控制性能。     

绝缘子清扫机器人的动力学建模及轨迹优化

研究了支柱型绝缘子带电清扫机器人伸缩臂运动引起升降臂振动的问题，将升降臂和伸缩臂分别建模为柔性臂和刚性臂，形成末端具有移动刚体的柔性臂系统，在假设模态法的基础上建立了系统的Lagrange动力学模型，建模考虑了大多数柔性臂模型忽略的重力和非线性耦合的影响，分析了伸缩臂全局运动与升降臂局部振动的相互影响。提出一种单变量优化方法，以升降臂的残余变形能为性能指标，优化伸缩臂的运动轨迹，降低升降臂的残余振动。应用该方法对梯形速度曲线进行了优化，结果表明可以有效地控制升降臂的残余振动。该方法计算量小，便于在线实现。     

多机械臂的分布式自适应迭代学习控制

针对拓扑结构为无向连通的多机械臂系统,提出了一种自适应与迭代学习相结合的分布式控制协议来实现整个系统对给定期望参考轨迹的一致性跟踪.通过引入一个适当的自适应迭代学习参数,所提自适应迭代学习控制协议能够克服机械臂系统中的干扰和模型不确定性,并且每个机械臂的自适应迭代学习控制(AILC)律仅需要利用其与邻居机械臂的相对交互信息.进一步,在只有一部分机械臂具有期望参考轨迹信息的前提下,该控制协议可以实现整个系统对期望参考轨迹的跟踪,同时能够保证轨迹跟踪误差与控制输入的有界性.此外,利用李亚普诺夫分析方法证实了所得结论的正确性,并且通过一个实例验证了所提自适应迭代学习控制协议的有效性.