基于时延估计的漂浮基空间机器人神经网络跟踪控制研究

【作者】 张宇涵； 于潇雁； 陈力；

【机构】 福州大学机械工程及自动化学院； 流体动力与电液智能控制福建省高校重点实验室(福州大学)；

【摘要】 人类跨入了航天时代以来,空间机器人在太空活动中起着越来越重要的作用。在太空失重环境中,空间机器人载体处于自由漂浮状态,其机械臂系统会存在许多不确定性因素:对于机械臂自身,比如组成系统构件的质量、惯性矩不确定,各组成部分质心的位置不确定,系统因燃料消耗导致的系统惯性参数会发生改变;待抓取物质量和惯性参数的不确定以及外部信号干扰等,这就导致难以建立精确、完整的动力学模型。针对空间机器人外界及自身的不确定因素,一般引入待估计参数来对系统的不确定部分进行估计。本文将针对载体姿态不受控漂浮基空间机器人引入时延估计补偿技术代替待估计参数。时延估计技术不需要在线估计和参数辨识,该控制算法特征是利用上一时刻的运动状态,经过一系列运算,产生当前运动状态的估计值并作为控制补偿。同时融合RBF神经网络控制补偿时延估计技术引起的时延误差,RBF神经网络作为前馈式神经网络,其能够逼近任意系统中未知或不确定部分并且还具有全局最优的性能。因此融合RBF神经网络所设计的控制方案具有精度高、鲁棒性强及自适应性强的特点。利用本文所提出的控制器,可以使系统渐近稳定并实现对期望轨迹的精确跟踪。数值仿真表明跟踪轨迹误差能以较快的速度收敛到零,从而验证了所提出方法的有效性。更多还原