CN118123845A - 空间组合机器人控制方法、装置、电子设备及存储介质 - Google Patents
空间组合机器人控制方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN118123845A CN118123845A CN202410540313.XA CN202410540313A CN118123845A CN 118123845 A CN118123845 A CN 118123845A CN 202410540313 A CN202410540313 A CN 202410540313A CN 118123845 A CN118123845 A CN 118123845A
- Authority
- CN
- China
- Prior art keywords
- robot
- dynamics
- space combination
- model
- equation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 206
- 230000006872 improvement Effects 0.000 claims abstract description 27
- 230000006870 function Effects 0.000 claims description 125
- 230000014509 gene expression Effects 0.000 claims description 24
- 238000009499 grossing Methods 0.000 claims description 20
- 230000010354 integration Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000013329 compounding Methods 0.000 claims 2
- 239000011159 matrix material Substances 0.000 description 60
- 238000006243 chemical reaction Methods 0.000 description 20
- 230000005484 gravity Effects 0.000 description 8
- 229920006395 saturated elastomer Polymers 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 240000007049 Juglans regia Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1661—Programme controls characterised by programming, planning systems for manipulators characterised by task planning, object-oriented languages
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Feedback Control In General (AREA)
Abstract
本申请属于机器人控制的技术领域，公开了一种空间组合机器人控制方法、装置、电子设备及存储介质，该方法包括：获取空间组合机器人的动力学数据，通过光滑函数方法，建立动力学数据对应的机器人姿态跟踪动力学二阶模型，基于机器人姿态跟踪动力学二阶模型，采用时延估计方法，计算得到空间组合机器人的不确定性方程，根据基于努斯鲍姆函数法改进的全驱系统方法设计控制器，结合机器人姿态跟踪动力学二阶模型和不确定性方程，对空间组合机器人进行控制；通过基于努斯鲍姆函数法改进的全驱系统方法设计控制器，结合机器人姿态跟踪动力学二阶模型及不确定性方程，对空间组合机器人进行控制，提高了空间组合机器人的控制效率。
Description
技术领域
本申请涉及机器人控制的技术领域，具体而言，涉及一种空间组合机器人控制方法、装置、电子设备及存储介质。
背景技术
随着空间站建设、空间碎片清除和在轨服务等空间任务的日益丰富，本体空间机器人捕获另一空间目标后构建的空间组合机器人广泛存在。由于空间组合机器人捕获后构型变化较大，惯性特性难以准确获取。此外，由于非合作目标不存在机动能力，空间组合机器人的控制能力将受到严格限制。因此，空间组合机器人的姿态控制是一个迫切而棘手的问题。
尽管存在上述困难，但现在文献中有各种各样的姿态控制方案，如滑模控制、自适应控制、输出反馈控制、反步控制以及预设性能控制等。然而，上述方法得到的是一个非线性闭环系统，不便于精确控制。而通过全驱系统（FAS）方法设计的控制器，可以使闭环系统成为具有期望特征值的常线性系统。而作为FAS方法的一个重要应用，空间机器人控制受到了广泛关注。然而，现有的基于FAS方法的空间机器人控制工作中暂时未考虑到执行器故障的情形，因此，执行器故障会严重影响空间机器人系统的控制性能。
因此，为了解决现有的空间组合机器人控制方法会因为执行器故障等问题而严重影响空间组合机器人系统的控制性能的技术问题，亟需一种空间组合机器人控制方法、装置、电子设备及存储介质。
发明内容
本申请的目的在于提供一种空间组合机器人控制方法、装置、电子设备及存储介质，通过基于努斯鲍姆函数法改进的全驱系统方法设计控制器，结合机器人姿态跟踪动力学二阶模型及不确定性方程，对空间组合机器人进行控制，解决现有的空间组合机器人控制方法会因为执行器故障等问题而严重影响空间组合机器人系统的控制性能的问题，采用光滑函数对空间组合机器人的饱和执行器进行调整，并在空间组合机器人的控制器中引入努斯鲍姆函数，提高了空间组合机器人的控制效率。
第一方面，本申请提供了一种空间组合机器人控制方法，包括步骤：
获取空间组合机器人的动力学数据；
通过光滑函数方法，建立所述动力学数据对应的机器人姿态跟踪动力学二阶模型；
基于所述机器人姿态跟踪动力学二阶模型，采用时延估计方法，计算得到所述空间组合机器人的不确定性方程；
根据基于努斯鲍姆函数法改进的全驱系统方法设计控制器，结合所述机器人姿态跟踪动力学二阶模型和所述不确定性方程，对所述空间组合机器人进行控制。
本申请提供的空间组合机器人控制方法可以实现对空间组合机器人进行控制，通过基于努斯鲍姆函数法改进的全驱系统方法设计控制器，结合机器人姿态跟踪动力学二阶模型及不确定性方程，对空间组合机器人进行控制，解决现有的空间组合机器人控制方法会因为执行器故障等问题而严重影响空间组合机器人系统的控制性能的问题，采用光滑函数对空间组合机器人的饱和执行器进行调整，并在空间组合机器人的控制器中引入努斯鲍姆函数，提高了空间组合机器人的控制效率。
可选地，通过光滑函数方法，建立所述动力学数据对应的机器人姿态跟踪动力学二阶模型，包括：
根据所述动力学数据，构建所述空间组合机器人的动力学模型；
通过所述光滑函数方法，优化所述动力学模型，得到所述机器人姿态跟踪动力学二阶模型。
本申请提供的空间组合机器人控制方法可以实现对空间组合机器人进行控制，通过光滑函数方法，优化基于动力学数据构建的动力学模型，得到机器人姿态跟踪动力学二阶模型，通过机器人姿态跟踪动力学二阶模型可以对空间组合机器人进行控制，有利于提高空间组合机器人的控制效率。
可选地，所述动力学模型包括姿态动力学方程和运动学方程；所述机器人姿态跟踪动力学二阶模型包括优化后的姿态动力学方程和优化后的运动学方程。
可选地，根据所述动力学数据，构建所述空间组合机器人的动力学模型，包括：
根据所述动力学数据，构建所述空间组合机器人的初级动力学模型；
基于所述空间组合机器人的转动惯量特性，优化所述初级动力学模型，得到二级动力学模型；
根据预设的执行器故障模型和预设的执行器约束条件，对所述二级动力学模型进行优化，得到所述空间组合机器人的动力学模型。
可选地，基于所述机器人姿态跟踪动力学二阶模型，采用时延估计方法，计算得到所述空间组合机器人的不确定性方程，包括：
将所述机器人姿态跟踪动力学二阶模型中的参数整合为多个整合表达式；
基于多个所述整合表达式，调整所述机器人姿态跟踪动力学二阶模型，得到整合方程；
采用所述时延估计方法，根据所述整合方程，计算得到所述空间组合机器人的不确定性方程。
可选地，根据基于努斯鲍姆函数法改进的全驱系统方法设计控制器，结合所述机器人姿态跟踪动力学二阶模型和所述不确定性方程，对所述空间组合机器人进行控制，包括：
构建所述基于努斯鲍姆函数法改进的全驱系统方法设计控制器；
基于所述机器人姿态跟踪动力学二阶模型和所述不确定性方程，结合所述基于努斯鲍姆函数法改进的全驱系统方法设计控制器，对所述空间组合机器人进行控制。
本申请提供的空间组合机器人控制方法可以实现对空间组合机器人进行控制，通过机器人姿态跟踪动力学二阶模型、不确定性方程和基于努斯鲍姆函数法改进的全驱系统方法设计控制器，对空间组合机器人进行控制，提高了空间组合机器人的控制效率。
可选地，构建所述基于努斯鲍姆函数法改进的全驱系统方法设计控制器，包括：
构建与所述空间组合机器人对应的全驱系统方法设计控制器；
基于努斯鲍姆函数法，对所述全驱系统方法设计控制器进行改进，得到所述基于努斯鲍姆函数法改进的全驱系统方法设计控制器。
第二方面，本申请提供了一种空间组合机器人控制装置，用于对空间组合机器人进行控制，包括：
获取模块，用于获取空间组合机器人的动力学数据；
建立模块，用于通过光滑函数方法，建立所述动力学数据对应的机器人姿态跟踪动力学二阶模型；
计算模块，用于基于所述机器人姿态跟踪动力学二阶模型，采用时延估计方法，计算得到所述空间组合机器人的不确定性方程；
控制模块，用于根据基于努斯鲍姆函数法改进的全驱系统方法设计控制器，结合所述机器人姿态跟踪动力学二阶模型和所述不确定性方程，对所述空间组合机器人进行控制。
该空间组合机器人控制装置，通过基于努斯鲍姆函数法改进的全驱系统方法设计控制器，结合机器人姿态跟踪动力学二阶模型及不确定性方程，对空间组合机器人进行控制，解决现有的空间组合机器人控制方法会因为执行器故障等问题而严重影响空间组合机器人系统的控制性能的问题，采用光滑函数对空间组合机器人的饱和执行器进行调整，并在空间组合机器人的控制器中引入努斯鲍姆函数，提高了空间组合机器人的控制效率。
第三方面，本申请提供了一种电子设备，包括处理器和存储器，所述存储器存储有所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时，运行如前文所述空间组合机器人控制方法中的步骤。
第四方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时运行如前文所述空间组合机器人控制方法中的步骤。
有益效果：本申请提供的空间组合机器人控制方法、装置、电子设备及存储介质，通过基于努斯鲍姆函数法改进的全驱系统方法设计控制器，结合机器人姿态跟踪动力学二阶模型及不确定性方程，对空间组合机器人进行控制，解决现有的空间组合机器人控制方法会因为执行器故障等问题而严重影响空间组合机器人系统的控制性能的问题，采用光滑函数对空间组合机器人的饱和执行器进行调整，并在空间组合机器人的控制器中引入努斯鲍姆函数，提高了空间组合机器人的控制效率。
附图说明
图1为本申请实施例提供的空间组合机器人控制方法的流程图。
图2为本申请实施例提供的空间组合机器人控制装置的结构示意图。
图3为本申请实施例提供的电子设备的结构示意图。
标号说明：1、获取模块；2、建立模块；3、计算模块；4、控制模块；301、处理器；302、存储器；303、通信总线。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，图1是本申请一些实施例中的一种空间组合机器人控制方法，用于对空间组合机器人进行控制，包括：
步骤S101，获取空间组合机器人的动力学数据；
步骤S102，通过光滑函数方法，建立动力学数据对应的机器人姿态跟踪动力学二阶模型；
步骤S103，基于机器人姿态跟踪动力学二阶模型，采用时延估计方法，计算得到空间组合机器人的不确定性方程；
步骤S104，根据基于努斯鲍姆函数法改进的全驱系统方法设计控制器，结合机器人姿态跟踪动力学二阶模型和不确定性方程，对空间组合机器人进行控制。
该空间组合机器人控制方法，通过基于努斯鲍姆函数法改进的全驱系统方法设计控制器，结合机器人姿态跟踪动力学二阶模型及不确定性方程，对空间组合机器人进行控制，解决现有的空间组合机器人控制方法会因为执行器故障等问题而严重影响空间组合机器人系统的控制性能的问题，采用光滑函数对空间组合机器人的饱和执行器进行调整，并在空间组合机器人的控制器中引入努斯鲍姆函数，提高了空间组合机器人的控制效率。
具体地，在步骤S101中，获取空间组合机器人的动力学数据，动力学数据包括空间组合机器人的目标姿态、目标角速度、姿态角速度和转动惯量矩阵（表示转动惯量特性的数据矩阵）等数据。
具体地，在步骤S102中，通过光滑函数方法，建立动力学数据对应的机器人姿态跟踪动力学二阶模型，包括：
根据动力学数据，构建空间组合机器人的动力学模型；
通过光滑函数方法，优化动力学模型，得到机器人姿态跟踪动力学二阶模型。
具体地，在步骤S102中，根据动力学数据，构建空间组合机器人的动力学模型，包括：
根据动力学数据，构建空间组合机器人的初级动力学模型；
基于空间组合机器人的转动惯量特性，优化初级动力学模型，得到二级动力学模型；
根据预设的执行器故障模型和预设的执行器约束条件，对二级动力学模型进行优化，得到空间组合机器人的动力学模型。
在步骤S102中，根据动力学数据，构建空间组合机器人的初级动力学模型，其中，初级动力学模型包括姿态动力学方程和运动学方程。初级动力学模型具体为：
；
其中，为姿态误差对时间t的一阶导数；为角速度误差对时间t的一阶导数，为动力学模型的关于姿态误差的矩阵参数；为姿态误差；为角速度误差；为姿态角速度；上标×为反对称矩阵符号，表示姿态角速度的反对称矩阵；为反作用飞轮系统的转动惯量矩阵；为反作用飞轮系统的配置矩阵；为反作用飞轮的角速度；为姿态误差的旋转矩阵；为目标角速度；为空间组合机器人的实际转动惯量矩阵；为目标角速度对时间t 的一阶导数；为反作用飞轮的实际控制力矩，，为反作用飞轮的角速度对时间t 的一阶导数；为重力梯度力矩；d为外部扰动。
其中，姿态误差和角速度误差具体为：
；
其中，为目标姿态；上标T为转置符号，为姿态的转置矩阵；为用修正罗格里格斯参数表示的姿态，，、、分别为姿态的三个分量；为目标姿态的转置矩阵；为目标姿态的反对称矩阵。
重力梯度力矩具体为：
；
其中，为轨道速度，为姿态误差的旋转矩阵的第三个列向量。
其中，姿态误差的旋转矩阵的第三个列向量具体为：
。
动力学模型的关于姿态误差的矩阵参数具体为：
；
其中，I3为3×3维数的单位矩阵。
在步骤S102中，由于空间组合机器人在捕获目标后构型发生了变化，很难精确估计空间组合机器人的惯性特性，所以实际转动惯量矩阵J与估计转动惯量矩阵之间存在一定的偏差。因此，考虑到空间组合机器人的转动惯量特性，根据转动惯量误差（表示和之间的差值），对初级动力学模型进行优化，得到二级动力学模型，二级动力学模型具体为：
；
其中，为估计转动惯量矩阵；为估计转动惯量矩阵对应的重力力矩；为第一整合扰动。
其中，估计转动惯量矩阵对应的重力力矩具体为：
；
第一整合扰动具体为：
；
其中，为估计转动惯量矩阵的倒数与实际转动惯量矩阵J的倒数之间的差值，。
在步骤S102中，考虑到空间组合机器人的反作用飞轮会出现故障或失效的情形，预先设置执行器故障模型，执行器故障模型具体为：
；
；
；
其中，为空间组合机器人的执行器的输入力矩，为反作用飞轮的效率矩阵，，diag为diag函数，、、分别为反作用飞轮的效率矩阵的三个分量；为反作用飞轮发生故障的时间表，t为时间，为发生故障的时间；为执行器的实际控制力矩的矢量偏置；为第i（i=1,2,3）个反作用飞轮的故障影响系数，当等于0时表示第i个反作用飞轮没有发生故障；为第i个反作用飞轮的故障影响系数的调节参数，；为第i个反作用飞轮开始发生故障的时刻，。
预设的执行器约束条件为对执行器的输入力矩进行约束，其中，、、分别为执行器的输入力矩的三个分量，预设的执行器约束条件具体为：
；
其中，为执行器的第i个输入力矩分量（输入力矩的第i个分量），为对第i个输入力矩分量设置的理论控制力矩；为第i个输入力矩分量对应的实际控制力矩的最大值；为第i个输入力矩分量对应的实际控制力矩的最小值。
综上，基于上述的执行器故障模型和执行器约束条件，对二级动力学模型进行优化，得到空间组合机器人的动力学模型，动力学模型包括优化后的姿态动力学方程和优化后的运动学方程，动力学模型具体为：
；
其中，为第二整合扰动，。
具体地，在步骤S102中，为了减少力矩突变的影响，利用光滑函数方法，设置光滑函数，用以对执行器的输入力矩进行补偿，对执行器的输入力矩进行补偿的光滑函数具体为：
；
其中，为光滑函数，，、、分别为光滑函数的三个分量；为光滑函数的调节参数；为输入力矩与实际控制力矩的差值，为理论控制力矩。
其中，光滑函数具体为：
；
其中，为第i个光滑函数分量（光滑函数的第i个分量，i=1,2,3）；为第i个光滑函数分量的调节参数；为第i个输入力矩分量的实际控制力矩的矢量偏置的最大值；为第i个输入力矩分量的实际控制力矩的矢量偏置的最小值。
其中，第i个输入力矩分量的实际控制力矩的矢量偏置的最大值和第i个输入力矩分量的实际控制力矩的矢量偏置的最小值分别为：
；
;
其中，tanh为双曲正切函数。
定义，，那么执行器的输入力矩表示为：
；
其中，为光滑函数，，、、分别为光滑函数的三个分量；，i=1,2,3。
综上，利用光滑函数，优化动力学模型，得到机器人姿态跟踪动力学二阶模型，其中，机器人姿态跟踪动力学二阶模型包括优化后的姿态动力学方程和优化后的运动学方程，机器人姿态跟踪动力学二阶模型具体为：
；
其中，为第三整合扰动，；F为由多个参数组成的向量表达式，。
具体地，在步骤S103中，基于机器人姿态跟踪动力学二阶模型，采用时延估计方法，计算得到空间组合机器人的不确定性方程，包括：
将机器人姿态跟踪动力学二阶模型中的参数整合为多个整合表达式；
基于多个整合表达式，调整机器人姿态跟踪动力学二阶模型，得到整合方程；
采用时延估计方法，根据整合方程，计算得到空间组合机器人的不确定性方程。
在步骤S103中，用不同的向量表示符号表示机器人姿态跟踪动力学二阶模型中的不同参数组成的表达式，以替换机器人姿态跟踪动力学二阶模型中对应的参数，并对机器人姿态跟踪动力学二阶模型进行合并优化（即对优化后的姿态动力学方程和优化后的运动学方程进行合并），得到整合方程：
；
其中，为姿态误差对时间t的二阶导数，M、C、g、B、D为整合不同参数得到的整合表达式，表示不同的向量表示，具体定义包括：
；
其中，G为的简写。
因为外部扰动d具有不确定性，因此采用时延估计方法，能够有效和精确地估计包含外部扰动d的整合表达式D，计算得到空间组合机器人的不确定性方程，不确定性方程具体为：
；
其中，为估计的整合表达式D，是采样时间周期。
具体地，在步骤S104中，根据基于努斯鲍姆函数法改进的全驱系统方法设计控制器，结合机器人姿态跟踪动力学二阶模型和不确定性方程，对空间组合机器人进行控制，包括：
构建基于努斯鲍姆函数法改进的全驱系统方法设计控制器；
基于机器人姿态跟踪动力学二阶模型和不确定性方程，结合基于努斯鲍姆函数法改进的全驱系统方法设计控制器，对空间组合机器人进行控制。
具体地，在步骤S104中，构建基于努斯鲍姆函数法改进的全驱系统方法设计控制器，包括：
构建与空间组合机器人对应的全驱系统方法设计控制器；
基于努斯鲍姆函数法，对全驱系统方法设计控制器进行改进，得到基于努斯鲍姆函数法改进的全驱系统方法设计控制器。
在步骤S104中，构建默认设置的全驱系统方法设计控制器，用以对空间组合机器人进行控制，在全驱系统方法设计控制器中添加努斯鲍姆（Nussbaum）函数，得到基于努斯鲍姆函数法改进的全驱系统方法设计控制器，基于努斯鲍姆函数法改进的全驱系统方法设计控制器具体为：
；
其中，为努斯鲍姆函数，为变量；为输入力矩的各分量的理论控制力矩之和，即。
其中，努斯鲍姆函数（、、为努斯鲍姆函数的三个分量），且（、、为变量的三个分量），定义为：
；
其中，为变量对时间t的一阶导数；为努斯鲍姆函数的调节参数，；s为由多个参数组成的组合表达式，（、、为组合表达式s的三个分量），且，N为6×3的矩阵（矩阵为行数量为6，列数量为3的矩阵）中的特征向量，，P为正定矩阵，，A为向量表示，，V为向量表示。
其中，输入力矩三个分量的理论控制力矩分别为：
；
其中，X为变量，；sgn为符号函数；为3×6的矩阵中的特征向量，；“‖‖”为范数符号，‖N‖表示N的长度；K、为不同的向量表示；为估计的整合表达式D。
其中，向量表示定义为：
；
其中，为向量表示对时间t的一阶导数；、为调节参数，>0，且>0。
其中，向量表示K具体为：
；
其中，W、Z为不同的向量表示。
综上，通过基于努斯鲍姆函数法改进的全驱系统方法设计控制器，结合机器人姿态跟踪动力学二阶模型和不确定性方程，对空间组合机器人进行控制，解决由执行器饱和引起的非线性问题，以使空间组合机器人的控制性能不会因为执行器故障或受限问题的出现而受到影响。
由上可知，该空间组合机器人控制方法，通过获取空间组合机器人的动力学数据，通过光滑函数方法，建立动力学数据对应的机器人姿态跟踪动力学二阶模型，基于机器人姿态跟踪动力学二阶模型，采用时延估计方法，计算得到空间组合机器人的不确定性方程，根据基于努斯鲍姆函数法改进的全驱系统方法设计控制器，结合机器人姿态跟踪动力学二阶模型和不确定性方程，对空间组合机器人进行控制；从而，通过基于努斯鲍姆函数法改进的全驱系统方法设计控制器，结合机器人姿态跟踪动力学二阶模型及不确定性方程，对空间组合机器人进行控制，解决现有的空间组合机器人控制方法会因为执行器故障等问题而严重影响空间组合机器人系统的控制性能的问题，采用光滑函数对空间组合机器人的饱和执行器进行调整，并在空间组合机器人的控制器中引入努斯鲍姆函数，提高了空间组合机器人的控制效率。
参考图2，本申请提供了一种空间组合机器人控制装置，用于对空间组合机器人进行控制，包括：
获取模块1，用于获取空间组合机器人的动力学数据；
建立模块2，用于通过光滑函数方法，建立动力学数据对应的机器人姿态跟踪动力学二阶模型；
计算模块3，用于基于机器人姿态跟踪动力学二阶模型，采用时延估计方法，计算得到空间组合机器人的不确定性方程；
控制模块4，用于根据基于努斯鲍姆函数法改进的全驱系统方法设计控制器，结合机器人姿态跟踪动力学二阶模型和不确定性方程，对空间组合机器人进行控制。
该空间组合机器人控制装置，通过基于努斯鲍姆函数法改进的全驱系统方法设计控制器，结合机器人姿态跟踪动力学二阶模型及不确定性方程，对空间组合机器人进行控制，解决现有的空间组合机器人控制方法会因为执行器故障等问题而严重影响空间组合机器人系统的控制性能的问题，采用光滑函数对空间组合机器人的饱和执行器进行调整，并在空间组合机器人的控制器中引入努斯鲍姆函数，提高了空间组合机器人的控制效率。
具体地，获取模块1在执行时，获取空间组合机器人的动力学数据，动力学数据包括空间组合机器人的目标姿态、目标角速度、姿态角速度和转动惯量矩阵（表示转动惯量特性的数据矩阵）等数据。
具体地，建立模块2在通过光滑函数方法，建立动力学数据对应的机器人姿态跟踪动力学二阶模型的时候，执行：
根据动力学数据，构建空间组合机器人的动力学模型；
通过光滑函数方法，优化动力学模型，得到机器人姿态跟踪动力学二阶模型。
具体地，建立模块2在根据动力学数据，构建空间组合机器人的动力学模型的时候，执行：
根据动力学数据，构建空间组合机器人的初级动力学模型；
基于空间组合机器人的转动惯量特性，优化初级动力学模型，得到二级动力学模型；
根据预设的执行器故障模型和预设的执行器约束条件，对二级动力学模型进行优化，得到空间组合机器人的动力学模型。
建立模块2在执行时，根据动力学数据，构建空间组合机器人的初级动力学模型，其中，初级动力学模型包括姿态动力学方程和运动学方程。初级动力学模型具体为：
；
其中，为姿态误差对时间t的一阶导数；为角速度误差对时间t的一阶导数，为动力学模型的关于姿态误差的矩阵参数；为姿态误差；为角速度误差；为姿态角速度；上标×为反对称矩阵符号，表示姿态角速度的反对称矩阵；为反作用飞轮系统的转动惯量矩阵；为反作用飞轮系统的配置矩阵；为反作用飞轮的角速度；为姿态误差的旋转矩阵；为目标角速度；为空间组合机器人的实际转动惯量矩阵；为目标角速度对时间t 的一阶导数；为反作用飞轮的实际控制力矩，，为反作用飞轮的角速度对时间t 的一阶导数；为重力梯度力矩；d为外部扰动。
其中，姿态误差和角速度误差具体为：
；
其中，为目标姿态；上标T为转置符号，为姿态的转置矩阵；为用修正罗格里格斯参数表示的姿态，，、、分别为姿态的三个分量；为目标姿态的转置矩阵；为目标姿态的反对称矩阵。
重力梯度力矩具体为：
；
其中，为轨道速度，为姿态误差的旋转矩阵的第三个列向量。
其中，姿态误差的旋转矩阵的第三个列向量具体为：
；
动力学模型的关于姿态误差的矩阵参数具体为：
；
其中，I3为3×3维数的单位矩阵。
建立模块2在执行时，由于空间组合机器人在捕获目标后构型发生了变化，很难精确估计空间组合机器人的惯性特性，所以实际转动惯量矩阵J与估计转动惯量矩阵之间存在一定的偏差。因此，考虑到空间组合机器人的转动惯量特性，根据转动惯量误差（表示和之间的差值），对初级动力学模型进行优化，得到二级动力学模型，二级动力学模型具体为：
；
其中，为估计转动惯量矩阵；为估计转动惯量矩阵对应的重力力矩；为第一整合扰动。
其中，估计转动惯量矩阵对应的重力力矩具体为：
；
第一整合扰动具体为：
；
其中，为估计转动惯量矩阵的倒数与实际转动惯量矩阵J的倒数之间的差值，。
建立模块2在执行时，考虑到空间组合机器人的反作用飞轮会出现故障或失效的情形，预先设置执行器故障模型，执行器故障模型具体为：
；
；
；
其中，为空间组合机器人的执行器的输入力矩，为反作用飞轮的效率矩阵，，diag为diag函数，、、分别为反作用飞轮的效率矩阵的三个分量；为反作用飞轮发生故障的时间表，t为时间，为发生故障的时间；为执行器的实际控制力矩的矢量偏置；为第i（i=1,2,3）个反作用飞轮的故障影响系数，当等于0时表示第i个反作用飞轮没有发生故障；为第i个反作用飞轮的故障影响系数的调节参数，；为第i个反作用飞轮开始发生故障的时刻，。
预设的执行器约束条件为对执行器的输入力矩进行约束，其中，、、分别为执行器的输入力矩的三个分量，预设的执行器约束条件具体为：
；
其中，为执行器的第i个输入力矩分量（输入力矩的第i个分量），为对第i个输入力矩分量设置的理论控制力矩；为第i个输入力矩分量对应的实际控制力矩的最大值；为第i个输入力矩分量对应的实际控制力矩的最小值。
综上，基于上述的执行器故障模型和执行器约束条件，对二级动力学模型进行优化，得到空间组合机器人的动力学模型，动力学模型包括优化后的姿态动力学方程和优化后的运动学方程，动力学模型具体为：
；
其中，为第二整合扰动，。
具体地，建立模块2在执行时，为了减少力矩突变的影响，利用光滑函数方法，设置光滑函数，用以对执行器的输入力矩进行补偿，对执行器的输入力矩进行补偿的光滑函数具体为：
；
其中，为光滑函数，，、、分别为光滑函数的三个分量；为光滑函数的调节参数；为输入力矩与实际控制力矩的差值，为理论控制力矩。
其中，光滑函数具体为：
；
其中，为第i个光滑函数分量（光滑函数的第i个分量，i=1,2,3）；为第i个光滑函数分量的调节参数；为第i个输入力矩分量的实际控制力矩的矢量偏置的最大值；为第i个输入力矩分量的实际控制力矩的矢量偏置的最小值。
其中，第i个输入力矩分量的实际控制力矩的矢量偏置的最大值和第i个输入力矩分量的实际控制力矩的矢量偏置的最小值分别为：
；
;
其中，tanh为双曲正切函数。
定义，，那么执行器的输入力矩表示为：
；
其中，为光滑函数，，、、分别为光滑函数的三个分量；，i=1,2,3。
综上，利用光滑函数，优化动力学模型，得到机器人姿态跟踪动力学二阶模型，其中，机器人姿态跟踪动力学二阶模型包括优化后的姿态动力学方程和优化后的运动学方程，机器人姿态跟踪动力学二阶模型具体为：
；
其中，为第三整合扰动，；F为由多个参数组成的向量表达式，。
具体地，在步骤S103中，基于机器人姿态跟踪动力学二阶模型，采用时延估计方法，计算得到空间组合机器人的不确定性方程，包括：
将机器人姿态跟踪动力学二阶模型中的参数整合为多个整合表达式；
基于多个整合表达式，调整机器人姿态跟踪动力学二阶模型，得到整合方程；
采用时延估计方法，根据整合方程，计算得到空间组合机器人的不确定性方程。
在步骤S103中，用不同的向量表示符号表示机器人姿态跟踪动力学二阶模型中的不同参数组成的表达式，以替换机器人姿态跟踪动力学二阶模型中对应的参数，并对机器人姿态跟踪动力学二阶模型进行合并优化（即对优化后的姿态动力学方程和优化后的运动学方程进行合并），得到整合方程：
；
其中，为姿态误差对时间t的二阶导数，M、C、g、B、D为整合不同参数得到的整合表达式，表示不同的向量表示，具体定义包括：
；
其中，G为的简写。
因为外部扰动d具有不确定性，因此采用时延估计方法，能够有效和精确地估计包含外部扰动d的整合表达式D，计算得到空间组合机器人的不确定性方程，不确定性方程具体为：
；
其中，为估计的整合表达式D，是采样时间周期。
具体地，在步骤S104中，根据基于努斯鲍姆函数法改进的全驱系统方法设计控制器，结合机器人姿态跟踪动力学二阶模型和不确定性方程，对空间组合机器人进行控制，包括：
构建基于努斯鲍姆函数法改进的全驱系统方法设计控制器；
基于机器人姿态跟踪动力学二阶模型和不确定性方程，结合基于努斯鲍姆函数法改进的全驱系统方法设计控制器，对空间组合机器人进行控制。
具体地，在步骤S104中，构建基于努斯鲍姆函数法改进的全驱系统方法设计控制器，包括：
构建与空间组合机器人对应的全驱系统方法设计控制器；
基于努斯鲍姆函数法，对全驱系统方法设计控制器进行改进，得到基于努斯鲍姆函数法改进的全驱系统方法设计控制器。
在步骤S104中，构建默认设置的全驱系统方法设计控制器，用以对空间组合机器人进行控制，在全驱系统方法设计控制器中添加努斯鲍姆（Nussbaum）函数，得到基于努斯鲍姆函数法改进的全驱系统方法设计控制器，基于努斯鲍姆函数法改进的全驱系统方法设计控制器具体为：
；
其中，为努斯鲍姆函数，为变量；为输入力矩的各分量的理论控制力矩之和，即。
其中，努斯鲍姆函数（、、为努斯鲍姆函数的三个分量），且（、、为变量的三个分量），定义为：
；
其中，为变量对时间t的一阶导数；为努斯鲍姆函数的调节参数，；s为由多个参数组成的组合表达式，（、、为组合表达式s的三个分量），且，N为6×3的矩阵（矩阵为行数量为6，列数量为3的矩阵）中的特征向量，，P为正定矩阵，，A为向量表示，，V为向量表示。
其中，输入力矩三个分量的理论控制力矩分别为：
；
其中，X为变量，；sgn为符号函数；为3×6的矩阵中的特征向量，；“‖‖”为范数符号，‖N‖表示N的长度；K、不同的向量表示；为估计的整合表达式D。
其中，向量表示定义为：
；
其中，为向量表示对时间t的一阶导数；、为调节参数，>0，且>0。
其中，向量表示K具体为：
；
其中，W、Z为不同的向量表示。
综上，通过基于努斯鲍姆函数法改进的全驱系统方法设计控制器，结合机器人姿态跟踪动力学二阶模型和不确定性方程，对空间组合机器人进行控制，解决由执行器饱和引起的非线性问题，以使空间组合机器人的控制性能不会因为执行器故障或受限问题的出现而受到影响。
由上可知，该空间组合机器人控制装置，通过获取空间组合机器人的动力学数据，通过光滑函数方法，建立动力学数据对应的机器人姿态跟踪动力学二阶模型，基于机器人姿态跟踪动力学二阶模型，采用时延估计方法，计算得到空间组合机器人的不确定性方程，根据基于努斯鲍姆函数法改进的全驱系统方法设计控制器，结合机器人姿态跟踪动力学二阶模型和不确定性方程，对空间组合机器人进行控制；从而，通过基于努斯鲍姆函数法改进的全驱系统方法设计控制器，结合机器人姿态跟踪动力学二阶模型及不确定性方程，对空间组合机器人进行控制，解决现有的空间组合机器人控制方法会因为执行器故障等问题而严重影响空间组合机器人系统的控制性能的问题，采用光滑函数对空间组合机器人的饱和执行器进行调整，并在空间组合机器人的控制器中引入努斯鲍姆函数，提高了空间组合机器人的控制效率。
请参照图3，图3为本申请实施例提供的一种电子设备的结构示意图，本申请提供一种电子设备，包括：处理器301和存储器302，处理器301和存储器302通过通信总线303和/或其他形式的连接机构（未标出）互连并相互通讯，存储器302存储有处理器301可执行的计算机程序，当电子设备运行时，处理器301执行该计算机程序，以执行上述实施例的任一可选的实现方式中的空间组合机器人控制方法，以实现以下功能：获取空间组合机器人的动力学数据，通过光滑函数方法，建立动力学数据对应的机器人姿态跟踪动力学二阶模型，基于机器人姿态跟踪动力学二阶模型，采用时延估计方法，计算得到空间组合机器人的不确定性方程，根据基于努斯鲍姆函数法改进的全驱系统方法设计控制器，结合机器人姿态跟踪动力学二阶模型和不确定性方程，对空间组合机器人进行控制。
本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时，执行上述实施例的任一可选的实现方式中的空间组合机器人控制方法，以实现以下功能：获取空间组合机器人的动力学数据，通过光滑函数方法，建立动力学数据对应的机器人姿态跟踪动力学二阶模型，基于机器人姿态跟踪动力学二阶模型，采用时延估计方法，计算得到空间组合机器人的不确定性方程，根据基于努斯鲍姆函数法改进的全驱系统方法设计控制器，结合机器人姿态跟踪动力学二阶模型和不确定性方程，对空间组合机器人进行控制。其中，存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（Static Random Access Memory, 简称SRAM），电可擦除可编程只读存储器（Electrically Erasable Programmable Read-Only Memory,简称EEPROM），可擦除可编程只读存储器（Erasable Programmable Read Only Memory, 简称EPROM），可编程只读存储器（Programmable Red-Only Memory, 简称PROM），只读存储器（Read-Only Memory, 简称ROM），磁存储器，快闪存储器，磁盘或光盘。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，既可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种空间组合机器人控制方法，用于对空间组合机器人进行控制，其特征在于，包括步骤：
获取空间组合机器人的动力学数据；
通过光滑函数方法，建立所述动力学数据对应的机器人姿态跟踪动力学二阶模型；
基于所述机器人姿态跟踪动力学二阶模型，采用时延估计方法，计算得到所述空间组合机器人的不确定性方程；
根据基于努斯鲍姆函数法改进的全驱系统方法设计控制器，结合所述机器人姿态跟踪动力学二阶模型和所述不确定性方程，对所述空间组合机器人进行控制。
2.根据权利要求1所述的空间组合机器人控制方法，其特征在于，通过光滑函数方法，建立所述动力学数据对应的机器人姿态跟踪动力学二阶模型，包括：
根据所述动力学数据，构建所述空间组合机器人的动力学模型；
通过所述光滑函数方法，优化所述动力学模型，得到所述机器人姿态跟踪动力学二阶模型。
3.根据权利要求2所述的空间组合机器人控制方法，其特征在于，所述动力学模型包括姿态动力学方程和运动学方程；所述机器人姿态跟踪动力学二阶模型包括优化后的姿态动力学方程和优化后的运动学方程。
4.根据权利要求2所述的空间组合机器人控制方法，其特征在于，根据所述动力学数据，构建所述空间组合机器人的动力学模型，包括：
根据所述动力学数据，构建所述空间组合机器人的初级动力学模型；
基于所述空间组合机器人的转动惯量特性，优化所述初级动力学模型，得到二级动力学模型；
根据预设的执行器故障模型和预设的执行器约束条件，对所述二级动力学模型进行优化，得到所述空间组合机器人的动力学模型。
5.根据权利要求1所述的空间组合机器人控制方法，其特征在于，基于所述机器人姿态跟踪动力学二阶模型，采用时延估计方法，计算得到所述空间组合机器人的不确定性方程，包括：
将所述机器人姿态跟踪动力学二阶模型中的参数整合为多个整合表达式；
基于多个所述整合表达式，调整所述机器人姿态跟踪动力学二阶模型，得到整合方程；
采用所述时延估计方法，根据所述整合方程，计算得到所述空间组合机器人的不确定性方程。
6.根据权利要求1所述的空间组合机器人控制方法，其特征在于，根据基于努斯鲍姆函数法改进的全驱系统方法设计控制器，结合所述机器人姿态跟踪动力学二阶模型和所述不确定性方程，对所述空间组合机器人进行控制，包括：
构建所述基于努斯鲍姆函数法改进的全驱系统方法设计控制器；
基于所述机器人姿态跟踪动力学二阶模型和所述不确定性方程，结合所述基于努斯鲍姆函数法改进的全驱系统方法设计控制器，对所述空间组合机器人进行控制。
7.根据权利要求6所述的空间组合机器人控制方法，其特征在于，构建所述基于努斯鲍姆函数法改进的全驱系统方法设计控制器，包括：
构建与所述空间组合机器人对应的全驱系统方法设计控制器；
基于努斯鲍姆函数法，对所述全驱系统方法设计控制器进行改进，得到所述基于努斯鲍姆函数法改进的全驱系统方法设计控制器。
8.一种空间组合机器人控制装置，用于对空间组合机器人进行控制，其特征在于，包括：
获取模块，用于获取空间组合机器人的动力学数据；
建立模块，用于通过光滑函数方法，建立所述动力学数据对应的机器人姿态跟踪动力学二阶模型；
计算模块，用于基于所述机器人姿态跟踪动力学二阶模型，采用时延估计方法，计算得到所述空间组合机器人的不确定性方程；
控制模块，用于根据基于努斯鲍姆函数法改进的全驱系统方法设计控制器，结合所述机器人姿态跟踪动力学二阶模型和所述不确定性方程，对所述空间组合机器人进行控制。
9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时，运行如权利要求1-7任一项所述空间组合机器人控制方法中的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时运行如权利要求1-7任一项所述空间组合机器人控制方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410540313.XA CN118123845B (zh) | 2024-04-30 | 2024-04-30 | 空间组合机器人控制方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410540313.XA CN118123845B (zh) | 2024-04-30 | 2024-04-30 | 空间组合机器人控制方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118123845A true CN118123845A (zh) | 2024-06-04 |
| CN118123845B CN118123845B (zh) | 2024-07-16 |
Family
ID=91232824
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410540313.XA Active CN118123845B (zh) | 2024-04-30 | 2024-04-30 | 空间组合机器人控制方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118123845B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150045953A1 (en) * | 2013-08-09 | 2015-02-12 | Kabushiki Kaisha Yaskawa Denki | Robot system, robot control apparatus, method for controlling robot |
| CN116277036A (zh) * | 2023-05-16 | 2023-06-23 | 湖南工商大学 | 一种柔性基、柔性臂空间机器人快速容错抑振控制方法 |
| CN117284501A (zh) * | 2023-11-03 | 2023-12-26 | 南京航空航天大学 | 一种输入受限的挠性航天器全驱姿态饱和控制方法 |
-
2024
- 2024-04-30 CN CN202410540313.XA patent/CN118123845B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150045953A1 (en) * | 2013-08-09 | 2015-02-12 | Kabushiki Kaisha Yaskawa Denki | Robot system, robot control apparatus, method for controlling robot |
| CN116277036A (zh) * | 2023-05-16 | 2023-06-23 | 湖南工商大学 | 一种柔性基、柔性臂空间机器人快速容错抑振控制方法 |
| CN117284501A (zh) * | 2023-11-03 | 2023-12-26 | 南京航空航天大学 | 一种输入受限的挠性航天器全驱姿态饱和控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118123845B (zh) | 2024-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108646758B (zh) | 一种多移动机器人预设性能编队控制器结构及设计方法 | |
| Li | Finite time command filtered adaptive fault tolerant control for a class of uncertain nonlinear systems | |
| Tian et al. | Multivariable finite‐time output feedback trajectory tracking control of quadrotor helicopters | |
| Zhou et al. | Finite‐time attitude control of multiple rigid spacecraft using terminal sliding mode | |
| Zhang et al. | Fault-tolerant adaptive finite-time attitude synchronization and tracking control for multi-spacecraft formation | |
| Zhang et al. | Synchronization and tracking of multi‐spacecraft formation attitude control using adaptive sliding mode | |
| Hovakimyan et al. | L 1 adaptive control for safety-critical systems | |
| Sun et al. | Fault-tolerant track control of hypersonic vehicle based on fast terminal sliding mode | |
| US9494925B2 (en) | Hybrid control system | |
| Bu et al. | A robust constrained control approach for flexible air‐breathing hypersonic vehicles | |
| Shao et al. | Appointed-time guaranteed adaptive fault-tolerant attitude tracking for quadrotors with aperiodic data updating | |
| Rigatos et al. | Nonlinear optimal control for multi‐DOF robotic manipulators with flexible joints | |
| WO2022095643A1 (zh) | 航天运载器的自适应迭代制导方法及制导装置 | |
| Wang et al. | Control of high-order nonlinear systems under error-to-actuator based event-triggered framework | |
| Liu et al. | Adaptive fault‐tolerant formation control for quadrotors with actuator faults | |
| Shao et al. | Input-and-measurement event-triggered control for flexible air-breathing hypersonic vehicles with asymmetric partial-state constraints | |
| CN114637213B (zh) | 一种空间组合机器人的无模型自适应预设控制方法 | |
| Zhang et al. | Finite‐time cooperative attitude control for leader‐follower spacecraft with fixed‐time observer | |
| Hu et al. | Robust model predictive control for hypersonic vehicle with state‐dependent input constraints and parameter uncertainty | |
| Tian et al. | High-Precision Trajectory Tracking Control for Free-Flying Space Manipulators With Multiple Constraints and System Uncertainties | |
| Li et al. | Neural-based adaptive fixed-time prescribed performance control for the flexible-joint robot with actuator failures | |
| CN118123845B (zh) | 空间组合机器人控制方法、装置、电子设备及存储介质 | |
| Pan et al. | Novel Nonsingular Fast Terminal Sliding Mode Control for a Class of Second‐Order Uncertain Nonlinear Systems | |
| Liu et al. | Robust fault‐tolerant attitude synchronization control for formation flying satellites | |
| Li et al. | Adaptive fuzzy PI output feedback control for a class of switched nonlinear systems with unmodeled dynamics and dead-zone output |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |