空間機器人神經網絡軌跡跟蹤控制及微重力模擬方法研究.pdf

1、空間機器人在開展太空探索中發(fā)揮著越來越重要的作用，它可以對衛(wèi)星進行維修及回收、對空間站進行建造及維護、代替宇航員執(zhí)行危險任務等。因此研究空間機器人具有重要意義。
　　本文基于自適應神經網絡控制方法，針對自由漂浮空間機器人系統，研究了模型不確定性、參數突變、無速度信息反饋、帶關節(jié)死區(qū)等四種情況下的軌跡跟蹤控制問題；為了更好地開展空間機器人地面試驗研究，針對空間機械臂的三維運動微重力模擬這一難點，對基于氣浮的三維微重力模擬方法也進行了

2、研究。
　　本文介紹了當前國內外空間機器人的發(fā)展概況，對空間機器人軌跡控制的研究情況進行了概述，然后對空間機器人的微重力模擬方法進行了綜述，指出了各種方法的優(yōu)缺點。針對姿態(tài)受控和不受控兩種情況下的空間機器人系統，建立了運動學和動力學模型，并以此為基礎對空間機器人軌跡跟蹤控制問題進行了研究。
　　首先，針對空間機器人數學模型中包含的不可建模部分，基于Lyapunov理論推導出對系統穩(wěn)定性造成影響的不確定模型，進而采用具有學習能

3、力的神經網絡對不確定模型進行逼近，針對神經網絡的逼近誤差，設計了魯棒控制器來自適應補償。利用線性參數化技術設計了權值及網絡參數在線實時自適應學習律。考慮到工程應用性，引入PD控制器來便于參數調節(jié)?；贚yapunov理論證明了系統的一致最終有界。
　　進一步，針對空間機器人的參數突變這一極端工況，首先設計了基于神經網絡的魯棒控制器，該控制器能夠保證參數突變前的系統穩(wěn)定性。但參數突變會造成神經網絡控制器失效，針對這一情況，接著提出了

4、基于神經滑模集成的自適應H∞魯棒控制策略。由于滑模變結構控制不受系統參數變化和擾動的影響，且具有快速響應特性。該集成控制器是在利用神經網絡逼近域的分級策略的基礎上，通過飽和函數將神經網絡控制器及滑模控制器光滑集成而得?？梢栽趨低蛔儠r，快速啟動滑?？刂破鱽韺ι窠浘W絡逼近域外的盲區(qū)進行補償控制，而補償誤差作為外界干擾由魯棒控制器進行抑制，從而加快誤差收斂速度，并使系統L2增益小于給定指標，保證參數突變下系統的穩(wěn)定性。
　　另外，考慮

5、到自由漂浮空間機器人的關節(jié)電機通常運行于低速工況下，這造成測速信號的質量較差，而且測速機的附加重量也影響了空間機器人效率。因此研究無速度信息反饋的空間機器人控制方法具有一定價值。本文提出了基于速度觀測器的神經網絡控制策略。所設計的神經網絡同時充當控制器和觀測器的雙重作用，即神經網絡在補償控制器中的不確定部分的同時，還逼近觀測器中未知非線性，并與誤差度量結合來估計角速度信息。所提出的控制方法無需慣性矩陣逆及精確的空間機器人數學模型，僅需要

6、知道關節(jié)位置信息。其權值及網絡參數的自適應算法能夠實現在線自適應調整，并基于Lyapunov理論證明了整個閉環(huán)系統的穩(wěn)定性。
　　隨后，針對空間機器人關節(jié)執(zhí)行機構中的死區(qū)問題，提出神經網絡自適應補償控制策略。系統不確定模型采用神經網絡逼近，其逼近誤差采用變結構控制器作為魯棒項消除。對于執(zhí)行機構中的死區(qū)環(huán)節(jié)，采用兩個神經網絡分別進行死區(qū)估計和自適應補償，推導出死區(qū)輸出、死區(qū)補償器及控制器三者之間的數學關系。設計了神經網絡控制器、補償

7、器及死區(qū)估計器的在線自適應學習律?；贚yapunov理論證明了整個閉環(huán)系統跟蹤誤差的一致最終有界。
　　最后，為了更好地開展空間機器人地面試驗研究，針對空間機器人的三維運動微重力模擬這一難點，提出了基于氣浮的被動式和主動式兩種新穎的模擬實驗方法。被動式系統采用配重法及力矩平衡理論解決了重力補償問題，而主動式系統則通過一系列機械傳動機構及力反饋控制系統來組成微重力補償系統。兩種模擬方法均能解決空間機器人三維運動軌跡下的微重力模擬問