排序方式: 共有44条查询结果,搜索用时 0 毫秒
1.
空间绳系机器人逼近目标协调控制方法 总被引:1,自引:0,他引:1
为了节省空间绳系机器人的末端执行装置在逼近目标卫星过程中推力器所使用的燃料,本文提出一种利用推力器、反作用轮及空间系绳的协调控制方法。首先利用二次型最优控制器(LQR)算法计算出末端执行装置逼近目标所需的理想轨道控制力,然后利用模拟退火算法将所需轨道控制力优化分配到推力器及空间系绳,同时利用时间延迟算法通过反作用轮补偿空间系绳产生的姿态干扰力矩。仿真结果表明,利用该协调控制方法能显著节省末端执行装置上推力器的燃料消耗,有效抑制空间系绳协调控制力产生的姿态干扰,使末端执行装置保持相对稳定的姿态。 相似文献
2.
空间绳系机器人抓捕后复合体姿态协调控制 总被引:1,自引:0,他引:1
针对空间绳系机器人对目标抓捕后的复合体姿态稳定控制问题进行了研究.首先,对复合体进行动力学建模,并对其动力学特性进行了分析;然后,考虑复合体的特点、空间绳系机器人燃料有限以及自身姿态控制力的限制,分别设计了系绳主动拉力与推力器推力协调控制器和基于滑模变结构的全推力控制器,并设计了其切换条件,利用两种控制器切换对姿态进行稳定控制;最后,利用仿真实验验证了所提方法的正确性.仿真结果表明,系绳拉力和推力器协调控制方法能够实现对姿态的稳定控制,并且有效地节省姿态控制过程中的燃料消耗. 相似文献
3.
针对空间绳系机器人中距离逼近过程最优轨迹规划问题,提出了基于速度增量的多目标逼近轨迹优化方法,优化指标为总速度增量及逼近时间。首先建立逼近过程相对动力学模型及最优逼近轨迹优化模型,然后利用改进型非劣分类遗传算法得到相对逼近距离1.5 km内逼近轨迹的Pareto最优解。仿真结果表明,该方法可以揭示空间绳系机器人逼近距离1.5 km内逼近时间、燃料消耗、相对目标的面内视界角及速度增量次数之间的相互关系,能满足针对不同任务需求提供相应最优轨迹的要求。 相似文献
4.
5.
为实现失效航天器寿命延长的目的,采用接管控制技术接管失效航天器姿态控制系统。针对姿态机动接管控制中,失效卫星参数不确定和推力器构型矩阵突变的问题,提出一种基于控制系统重构的失效航天器姿态机动接管控制方法。首先采用指令滤波backstepping控制来重构姿态机动接管控制律,并利用Lyapunov方法分析系统稳定性;然后对推力器构型矩阵进行重构;最后考虑燃料消耗和控制输入受限问题,通过基于约束最优二次规划的动态控制分配算法对推力器推力进行控制重分配。采用本文方法实现了对燃料耗尽航天器和部分执行机构失效航天器的姿态机动接管控制。数值仿真证明了该方法的有效性。 相似文献
6.
7.
基于改进SURF和P-KLT算法的特征点实时跟踪方法研究 总被引:1,自引:0,他引:1
针对视频序列中运动目标的实时跟踪问题,提出一种基于改进SURF算法和金字塔KLT算法相结合的特征点跟踪方法。首先人工标定目标区域,利用改进的SURF算法分块快速提取具有高鲁棒性、独特性的特征点;然后在后续帧中应用金字塔KLT匹配算法对特征点进行稳定跟踪,采用基于统计的方法剔除错误匹配对;最后利用Greedy Snake分割算法提取轮廓确定更加精准的位置信息,更新目标区域。为使算法更具鲁棒性,还设计了离散点筛选、自适应更新策略。利用飞行视频数据库进行了大量的仿真,结果表明:该算法适用于多尺度图像序列中位置、姿态发生快速变化且结构简单的飞行器的稳定跟踪。帧平均时间为31.8 ms,比SIFT+P-KLT跟踪算法减少47.1%;帧几何中心、目标轮廓面积平均误差分别为5.03像素、16.3%,分别比GFTT+P-KLT跟踪算法减少27.2%、56.9%,比SIFT跟踪算法减少38.6%、68.4%。 相似文献
8.
提出了一种新型辐射开环空间绳系机器人编队系统,其在编队稳定性、任务灵活性及燃料消耗等方面具有明显的优势。针对辐射开环空间绳系机器人编队系统自旋运动过程中的构型误差控制问题,首先建立了编队系统的自旋动力学模型;然后分析了空间绳系机器人的绳系拉力和空间平台的自旋扭矩对编队系统自旋运动中出现的构型误差的控制能力;设计了一种依靠空间绳系机器人绳系拉力和空间平台自旋扭矩作为控制量,对构型误差进行控制的协调控制方法;最后通过数字仿真进行了校验和分析。仿真结果表明:设计的协调控制方法能够明显改善编队系统自旋运动中构型误差的控制效果。 相似文献
9.
10.
传统的非合作目标检测方法大都基于一定的匹配模板,这不仅需要预先指定先验信息,进而设计合适的检测模板,而且同一模板只能对具有相似形状的目标进行检测,不易直接用于检测形状未知的非合作目标。为降低检测过程中对目标形状等先验信息的要求,借鉴基于规范化梯度的物体区域估计方法,提出一种基于改进方向梯度直方图特征的目标检测方法,首先构建包含有自然图像和目标图像的训练数据集;然后提取标记区域的改进方向梯度直方图特征,以更好地保持局部特征的结构性,并根据级联支持向量机训练模型,从数据集中自动学习目标物体的判别特征;最后,将训练后的模型用于检测测试集图像中的目标。实验结果表明,算法在由4953幅和100幅图像构成的测试集中分别取得94.5%和94.2%的检测率,平均每幅图像的检测时间约为0.031 s,具有较低的时间开销,且对目标的旋转及光照变化具有一定的鲁棒性。 相似文献