CN107102549B - 参数不确定条件下空间绳系机器人目标逼近姿轨稳定控制方法 - Google Patents

Abstract

本发明涉及一种参数不确定条件下空间绳系机器人目标逼近姿轨稳定控制方法，建立了空间绳系机器人逼近抓捕动力学模型，针对模型中存在的参数不确定问题，采用神经网络进行估计。针对推力器控制力/力矩饱和问题，设计抗饱和辅助系统。设计了空间绳系机器人位姿稳定控制算法，该算法实现对位姿干扰以及参数未知等影响的抑制。

Description

参数不确定条件下空间绳系机器人目标逼近姿轨稳定控制 方法

技术领域

本发明属于航天器控制技术研究领域，涉及一种参数不确定条件下空间绳系机器人目标逼近姿轨稳定控制方法，该控制方法可应用于空间绳系机器人的逼近稳定控制中。

背景技术

空间绳系机器人是一种带系绳具备对自旋等空间失稳非合作目标自主逼近和抓捕的空间操控载荷，能够对空间目标进行多次捕获并与目标形成可靠连接，对失控目标辅助稳定、拖曳变轨等操作。并且具备可重复使用功能。

空间绳系机器人对非合作失稳目标逼近抓捕任务中，由于非合作目标的自旋章动等运动特性、待抓捕部位几何尺寸未知，视觉测量给出位姿信息精度有限。系绳张力的存在会给空间绳系机器人的位姿稳定带来干扰，空间绳系机器人采用推力器进行位姿控制，而推力器推力有限并且推力器难免存在安装偏差以及推力偏差。由于空间绳系机器人具备可重复使用功能，无法确定当前任务中空间绳系机器人的实际质量、质心、惯量等参数。并且在对高速自旋目标进行逼近过程中，由于需要空间绳系机器人进行强制跟旋运动，需要消耗大量燃料，因而在整个逼近任务过程中，空间绳系机器人的质量、质心、惯量等参数会发生大幅度变化。以上这些因素给逼近抓捕任务带来了较大困难。因而需要设计合适的控制器来保证逼近抓捕任务的顺利执行。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种参数不确定条件下空间绳系机器人目标逼近姿轨稳定控制方法。

技术方案

一种参数不确定条件下空间绳系机器人目标逼近姿轨稳定控制方法，其特征在于步骤如下：

步骤1、空间绳系机器人动力学模型建立：

系统的动力学方程为：

G＝(M(ξ))^-1

系统状态其中l、α和β分别为空间系绳长度、空间系绳面内角和空间系绳面外角，θ和ψ为空间绳系机器人姿态角；

M为系统惯量矩阵；N非线性速度相关项；

为广义控制力与控制力矩，G_r为重力相关项；

步骤2：

1、不确定参数F和G的估计：采用RBF神经网络对不确定项(F,G)进行逼近，设计两个RBF网络分别对F，G进行建模，两个网络的输出分别为F_SNN，G_SNN，Θ_F，Θ_G的最优逼近参数为对应理想神经网络逼近误差为：ε_F，ε_G；

令理想神经网络逼近误差：

2、抗饱和辅助系统设计：

其中，是辅助系统状态变量；μ是设计的小正数；ΔQ＝Q′-Q，Q′为通过限幅器后的控制输出；是设计的正定矩阵；

步骤3：

1、设计的控制律为：Q＝Q_c+Q_r+Q_d

其中：

2、设计自适应率为：

其中

k₁＞0，γ₀＞0，η₀＞0，δ(0)＞0；

以步骤3得到的控制律实现空间绳系机器人目标逼近姿轨的控制。

有益效果

本发明提出的一种参数不确定条件下空间绳系机器人目标逼近姿轨稳定控制方法，建立了空间绳系机器人逼近抓捕动力学模型，针对模型中存在的参数不确定问题，采用神经网络进行估计。针对推力器控制力/力矩饱和问题，设计抗饱和辅助系统。设计了空间绳系机器人位姿稳定控制算法，该算法实现对位姿干扰以及参数未知等影响的抑制。

附图说明

图1：空间绳系机器人系统示意图

图中：1.空间绳系机器人；2.空间系绳；3.空间平台；4.地球；5.空间目标

具体实施方式

现结合实施例、附图对本发明作进一步描述：

本发明所采用的技术方案包括以下步骤：

1)空间绳系机器人动力学模型建立

2)模型参数估计

3)抗饱和辅助系统设计

4)控制力/力矩计算

具体实施：

1)空间绳系机器人动力学模型建立

建立空间绳系机器人目标逼近动力学方程

其中，系统状态其中l、α和β分别为空间系绳长度、空间系绳面内角和空间系绳面外角，θ和ψ为空间绳系机器人姿态角；M为系统惯量矩阵；N非线性速度相关项；为广义控制力与控制力矩，G_r为重力相关项；。

通过数学变换，系统的动力学方程可以表示为：

令G＝(M(ξ))^-1

则系统的动力学方程可以表示为：

2)不确定参数估计

考虑到空间绳系机器人的质量参数变化以及建模误差等，需对F和G进行估计。

考虑到神经网络算法对连续函数具有非常好的逼近能力，采用RBF神经网络对不确定项(F,G)进行逼近。神经网络算法如下：

y＝Θ^TΦ(x)

其中x为神经网络输入信号，y为网络的输出信号。Φ＝[φ₁,φ₂…,φ_n]为高斯基函数的输出，Θ为网络权值。

令为理想逼近的神经网络输出。其中Θ^*为最佳逼近的网络权值。并且可以表示为如下形式：

则理想神经网络最佳逼近误差η可以表示为如下形式:

其中：

设计两个RBF网络分别对F，G进行建模，两个网络的输出分别为F_SNN，G_SNN，Θ_F，Θ_G的最优逼近参数为对应理想神经网络逼近误差为：ε_F，ε_G。

令理想神经网络逼近误差：

3)抗饱和辅助系统设计(与2并行)

为了减小推力器饱和的影响，引入如下辅助系统：

其中，是辅助系统状态变量；μ是设计的小正数；ΔQ＝Q′-Q，Q′为通过限幅器后的控制输出；是设计的正定矩阵.

4)控制力/力矩计算

设计的控制律为:

Q＝Q_c+Q_r+Q_d

其中：

设计自适应率为：

其中：k₁＞0，γ₀＞0，η₀＞0，δ(0)＞0。

以得到的控制律实现空间绳系机器人目标逼近姿轨的控制。

Claims (1)

1.一种参数不确定条件下空间绳系机器人目标逼近姿轨稳定控制方法，其特征在于步骤如下：

步骤1、空间绳系机器人动力学模型建立：

系统的动力学方程为：

G＝(M(ξ))^-1

系统状态其中l、α和β分别为空间系绳长度、空间系绳面内角和空间系绳面外角，θ和ψ为空间绳系机器人姿态角；

M为系统惯量矩阵；N非线性速度相关项；

为广义控制力与控制力矩，G_r为重力相关项；

步骤2：

1、不确定参数F和G的估计：采用RBF神经网络对不确定项(F,G)进行逼近，设计两个RBF网络分别对F，G进行建模，两个网络的输出分别为F_SNN，G_SNN，Θ_F，Θ_G的最优逼近参数为对应理想神经网络逼近误差为：ε_F，ε_G；

令理想神经网络逼近误差：

2、抗饱和辅助系统设计：

其中，是辅助系统状态变量；μ是设计的小正数；ΔQ＝Q′-Q，Q′为通过限幅器后的控制输出；是设计的正定矩阵；

步骤3：

1、设计的控制律为：Q＝Q_c+Q_r+Q_d

其中：

2、设计自适应率为：

其中

k₁＞0，γ₀＞0，η₀＞0，δ(0)＞0；

以步骤3得到的控制律实现空间绳系机器人目标逼近姿轨的控制。