柔性空间机械臂捕获卫星过程的鲁棒镇定与自适应抑振复合控制

分析漂浮基柔性空间机械臂捕获运动卫星过程的碰撞动力学,及受碰撞冲击后的不稳定空间机械臂系统的控制.首先,利用假设模态法近似描述柔性杆的弹性变形,并结合第二类拉格朗日方程建立柔性空间机械臂多体系统动力学模型.而后,基于动量守恒原理,利用动量冲量法分析空间机械臂捕获卫星的碰撞动力学.针对受碰撞冲击后不稳定运动空间机械臂,设计鲁棒镇定与自适应抑振复合控制以维持空间机械臂与被捕获卫星组合体系统稳定.最后,数值仿真揭示了碰撞冲击影响效应,并验证了上述控制算法的有效性.     

基于柔性关节机械臂振动的空间非合作目标质量辨识

针对空间在轨服务任务中捕获的非合作目标的质量辨识问题,提出了一种基于柔性关节机械臂振动频率的质量辨识方法.在该方法中,首先利用操作航天器上的柔性关节机械臂捕获空间非合作目标;然后对操作航天器、柔性关节机械臂与空间非合作目标形成的组合体进行动力学建模;最后通过分析柔性关节机械臂的振动频率来辨识空间非合作目标的质量.数值仿真结果证实了该方法的有效性.     

参数突变自由漂浮空间机器人神经集成控制

本文以自由漂浮空间机器人为被控对象,针对机器人手臂在捕获大质量目标后,如何保证控制精度这一问题,提出基于神经网络的鲁棒控制策略.由于测量误差和外界干扰等因素的影响,空间机器人系统存在参数和非参数两种不确定性,利用径向基函数神经网络来学习系统的未知参数不确定性,设计隐层和输出层之间权值参数学习律来保证自适应在线调整,鲁棒控制器补偿非参数不确定性和神经网络的逼近误差,利用冗余机理来集成两种控制器,从而确保了捕获后的控制精度,基于Lyapunov理论证明了整个闭环系统全局渐进稳定.所提控制方法无需空间机械臂精确数学模型,仿真结果表明了这种控制器的有效性,且由于空间机械臂的低速工况,这为神经网络提供了充足的学习时间,保证了工程应用的实时性.该控制方法对于国防、航空航天及其安全领域具有重要的工程应用价值.     

漂浮基空间机械臂分解运动控制的增广自适应算法

本文讨论了载体位置与姿态均不受控制的漂浮基两杆空间机械臂系统的逆运动学问题 ,推导了系统的运动学、动力学方程．分析表明,结合系统动量守恒及动量矩守恒关系得到 的系统广义Jacobi关系为系统惯性参数的非线性函数．本文证明了,借助于增广变量法可以 将增广广义Jacobi矩阵表示为一组适当选择的惯性参数的线性函数．并在此基础上,给出了 系统参数未知时由空间机械臂末端惯性空间期望轨迹产生机械臂关节铰期望角速度、角加速 度的增广自适应控制算法．仿真运算,证实了方法的有效性．     

参数不确定空间机械臂系统的鲁棒自适应混合控制

讨论了载体位置与姿态均不受控制的漂浮基空间机械臂系统的控制问题.对系统运动学、动力学的分析结果表明,结合系统动量守恒及动量矩守恒关系得到的系统广义Jacobi关系以及系统的动力学方程是系统惯性参数的非线性函数.证明了借助于增广变量法可以将系统的增广广义Jacobi矩阵及系统动力学方程表示为一组适当选择的(组合)惯性参数的线性函数.以此为基础,针对系统惯性参数不确定的情况,设计了空间机械臂末端抓手跟踪惯性空间期望轨迹的鲁棒自适应混合控制方案.仿真运算结果证实了方法的有效性.     

基于机械臂耦合力矩评估的组合航天器姿态协调控制

针对在轨服务任务中服务航天器和目标航天器对接后组合体的姿态稳定问题,提出一种基于机械臂耦合力矩评估的组合航天器姿态协调控制方法.首先,对空间机械臂和组合航天器进行了动力学建模与分析;其次,利用空间机械臂和组合体平台之间的强耦合特点,采用空间机械臂的运动来协调组合航天器平台的姿态运动,并给出了相应的协调规划方法;然后,考虑传统航天器燃料有限、反作用轮易饱和等因素,采用以空间机械臂为主、反作用轮为辅的方式对组合航天器进行姿态协调控制,并设计了基于机械臂耦合力矩评估的姿态协调控制器;最后利用仿真实验与传统航天器姿态控制方法进行了比较分析,结果表明:所提方法仅通过空间机械臂和反作用轮就能实现对组合航天器的姿态稳定控制,而不需要消耗昂贵的喷气燃料.     

模糊CMAC的柔性空间机器人轨迹跟踪自学习控制

针对不确定自由漂浮柔性空间机器人系统,采用模糊CMAC神经网络自学习控制策略来解决轨迹跟踪控制问题.首先建立漂浮基空间机器人的动力学方程,然后利用具有快速学习能力的模糊CMAC神经网络来逼近非线性柔性臂的逆动力学模型.网络参数采用改进的有监督的Hebb学习规则进行自适应在线调整,并通过关联搜索进行自学习和自组织,其误差代价函数由PID控制器提供.仿真结果表明,这种模糊CMAC逆模PID控制器能够达到较高的控制精度,具有一定的工程应用价值.     

空间机械臂本体与末端抓手协调运动的自适应控制方法

讨论了载体位置不受控制的漂浮基空间机械臂本体与末端抓手协调运动的自适应控制问题. 对系统的运动学、动力学分析表明, 结合系统动量守恒关系得到的系统动力学方程及协调运动的增广广义Jacobi矩阵可以表示为适当选择的组合惯性参数的线性函数. 以此为基础, 对于系统存在未知参数的情况, 设计了本体姿态与机械臂末端抓手惯性空间轨迹协调运动的自适应控制方案. 上述控制方案的显著优点在于: 不需要测量、反馈飞行器本体的位置、移动速度及移动加速度. 仿真运算, 证实了上述控制方案的有效性.     

基于LuGre 摩擦模型的机械臂模糊神经网络控制

针对未知摩擦非线性会使机械臂控制精度难以提高的缺陷,建立基于动态LuGre摩擦的机械臂模型.在系统参数未知和机械臂负载变化的情况下,设计一种自适应模糊神经网络控制器,采用基函数中心和宽度均自适应变化的模糊神经网络补偿器,实现对系统中包括LuGre摩擦在内的非线性环节的逼近,并利用滑模控制项减小逼近误差.通过Lyapunov方法证明了闭环系统的稳定性,并通过仿真结果验证了所提出控制方法的有效性.     

基于模糊控制系统的机械臂自适应控制算法设计

针对现有机械臂控制算法,在轨迹控制和精度补偿方面存在的不足,设计了一种基于模糊补偿系统的自适应控制算法。先在笛卡尔空间内分析了机械臂的空间动力学运动过程,并得出机械臂运动中的最优力矩值,构建模糊控制规则并设定模糊子集;对经典模糊理论进行优化,引入可变论域思维在机械臂运动过程中,系统会实时反馈末端执行器行动轨迹,并实施动态化补偿;基于自适应算法对可变论域模糊控制器进行二次优化,修正模糊规则并校正模型的控制量参数,提升和改善整个机械臂系统的控制精度。实验结果显示,模糊补充自适应控制算法在多关节和多连杆机械臂的角度控制和位移控制精度方面有较大的优势,同时各关节和连杆的运动相应时间仅为0.27s和0.20s。     

自适应神经模糊推理结合PID控制的并联机器人控制方法

针对6自由度液压驱动并联机器人的精确控制问题,提出一种结合自适应神经模糊推理系统(ANFIS)和比例积分微分(PID)控制的机器人控制方法。首先,利用浮动坐标系描述法(FFRF)来模拟机器人柔性组件,并构建并联机器人的拉格朗日动力学模型。然后,根据模糊推理中的模糊规则来自适应调整PID控制器参数。最后,利用神经自适应学习算法使模糊逻辑能计算隶属度函数参数,从而使模糊推理系统能追踪给定的输入和输出数据。将该控制器与传统PID控制器、模糊PID控制器进行比较,结果表明,ANFIS自整定PID控制器大大减小了末端器位移误差,能很好的控制并联机器人末端机械手的运动。     

空间机器人双臂捕获卫星操作的事件采样输出反馈神经网络避撞柔顺控制

讨论漂浮基空间机器人双臂捕获非合作卫星过程避免关节冲击破坏的避撞柔顺控制问题,提出在机械臂与关节电机之间加入一种旋转型串联弹性执行器(rotatory series elastic actuator,RSEA)作为柔顺缓冲机构,其作用在于:1)捕获碰撞过程,通过其内置弹簧的拉伸或压缩吸收捕获操作过程中被捕获卫星对空间机器人关节产生的冲击能量;2)捕获完成后的镇定过程,利用设计与之配合的避撞柔顺控制策略保证关节冲击力矩限制在安全范围.利用第二类拉格朗日方程推导得到捕获操作前含柔顺机构双臂空间机器人系统及目标卫星的各分体系统动力学模型;基于系统动量守恒关系、系统运动几何关系及牛顿第三定律,得到捕获操作后双臂空间机器人与被捕获卫星混合体系统综合动力学方程;针对捕获操作后受碰撞影响而产生不稳定运动的混合体系统,提出一种基于事件采样输出反馈的RBF神经网络避撞柔顺控制方案.上述方案与柔顺机构相结合不仅能有效吸收被捕获卫星的冲击能量,还能在冲击能量过大时应时开、关双臂空间机器人关节电机,以防止关节电机发生过载和破坏.通过李雅普诺夫稳定性理论证明系统的全局稳定性,并通过仿真结果验证所提避撞柔顺控制方案的有效性.     

一种自组织双模糊神经网络控制算法

针对传统模糊神经网络设计复杂、控制实时性滞后的问题,提出自组织双模糊神经网络算法。将样本数据进行聚类划分,形成原始的模糊隶属函数集;在神经网络的离线训练过程中,完善并优化模糊隶属函数和规则;采用双神经网络结构,在线工作时,一个神经网络完成在线学习任务,另一个神经网络完成工业控制任务;经过一定的系统周期,同步系统中两组神经网络的参数;提取完成控制任务的神经网络的输出作为算法的输出。应用于火箭发动机试验台控制系统中,表明算法能够提升控制系统中针对输入参数越界的鲁棒性,提高控制实时性,简化了模糊神经网络的设计复杂度。     

An Adaptive Fuzzy Control Model for Multi-Joint Manipulators

Multi-joint manipulator systems are subject to nonlinear influences such as frictional characteristics, random disturbances and load variations. To account for uncertain disturbances in the operation of manipulators, we propose an adaptive manipulator control method based on a multi-joint fuzzy system, in which the upper bound information of the fuzzy system is constant and the state variables of the manipulator control system are measurable. The control algorithm of the system is a MIMO (multi-input-multi-output) fuzzy system that can approximate system error by using a robust adaptive control law to eliminate the shadow caused by approximation error. It can ensure the stability of complex manipulator control systems and reduce the number of fuzzy rules required. Comparison of experimental and simulation data shows that the controller designed using this algorithm has highly-precise trajectory-tracking control and can control robotic systems with complex characteristics of non-linearity, coupling and uncertainty. Therefore, the proposed algorithm has good practical application prospects and promotes the development of complex control systems.     

基于神经网络和模糊补偿的水下机械臂控制

针对水下机械臂动力学模型建模复杂且滑模控制的抖振问题,利用Lagrange法和Morison方程精准建立二连杆串联水下机械臂的动力学模型,对模型中参数的不确定项使用4个RBF神经网络分别进行逼近,并且对摩擦项使用模糊控制进行补偿的方法,精准迅速地实现了对水下机械臂控制系统跟踪控制。通过进行仿真分析,基于神经网络和模糊补偿控制的方法与滑模控制、整体RBF神经网络控制和分块RBF神经网络控制相比,控制系统的平均误差分别降低了85.5%、71.8%、93.1%。结果表明,此方法有效降低了控制系统的跟踪误差,并同时提高了稳态性和抗干扰性。     

基于ANFIS的吸收式制冷系统发生器液位控制

针对吸收式制冷系统中发生器液位系统的强非线性、大滞后问题,提出了一种基于自组织神经网络模糊控制的液位控制方法。根据特征面积法,得到了发生器液位与溶液循环泵频率的数学模型,通过梯度下降和最小二乘混合算法处理实验数据,得到了隶属函数的参数及相应的模糊规则。最后通过Simulink平台完成了系统仿真搭建,并对仿真结果进行分析。仿真结果表明,所设计控制器的稳定性高、适应能力强。     

Stable fuzzy neural tracking control of a class of unknown nonlinear systems based on fuzzy hierarchy error approach

In this paper, a stable fuzzy neural tracking control of a class of unknown nonlinear systems based on the fuzzy hierarchy approach is proposed. The adaptive fuzzy neural controller is constructed from the fuzzy neural network with a set of fuzzy rules. The corresponding network parameters are adjusted online according to the control law and update law for the purpose of controlling the plant to track a given trajectory. A stability analysis of the unknown nonlinear system is discussed based on the Lyapunov principle. In order to improve the convergence of the nonlinear dynamical systems, a fuzzy hierarchy error approach (FHEA) algorithm is incorporated into the adaptive update and control scheme. The simulation results for an unstable nonlinear plant demonstrate the control effectiveness of the proposed adaptive fuzzy neural controller and are consistent with the theoretical analysis.     

Design of an adaptive self-organizing fuzzy neural network controller for uncertain nonlinear chaotic systems

Though the control performances of the fuzzy neural network controller are acceptable in many previous published papers, the applications are only parameter learning in which the parameters of fuzzy rules are adjusted but the number of fuzzy rules should be determined by some trials. In this paper, a Takagi–Sugeno-Kang (TSK)-type self-organizing fuzzy neural network (TSK-SOFNN) is studied. The learning algorithm of the proposed TSK-SOFNN not only automatically generates and prunes the fuzzy rules of TSK-SOFNN but also adjusts the parameters of existing fuzzy rules in TSK-SOFNN. Then, an adaptive self-organizing fuzzy neural network controller (ASOFNNC) system composed of a neural controller and a smooth compensator is proposed. The neural controller using the TSK-SOFNN is designed to approximate an ideal controller, and the smooth compensator is designed to dispel the approximation error between the ideal controller and the neural controller. Moreover, a proportional-integral (PI) type parameter tuning mechanism is derived based on the Lyapunov stability theory, thus not only the system stability can be achieved but also the convergence of tracking error can be speeded up. Finally, the proposed ASOFNNC system is applied to a chaotic system. The simulation results verify the system stabilization, favorable tracking performance, and no chattering phenomena can be achieved using the proposed ASOFNNC system.     

漂浮基双臂空间机器人系统的模糊神经网络自学习控制

讨论了载体位置、姿态均不受控制的情况下自由漂浮双臂空间机器人系统的高斯基模糊神经网络自 学习控制问题．此类空间机器人系统严格遵守动量守恒和角动量守恒,所以其动力学方程表现出强烈的非线性性 质．将神经网络与模糊控制相结合,即利用神经网络进行模糊推理, 可使模糊控制具有自学习能力．在此基础上, 设计了双臂空间机器人系统关节空间的高斯基模糊神经网络自学习控制方案．系统的数值仿真证实了该方法的有 效性．