空间机器人神经网络轨迹跟踪控制及微重力模拟方法的研究.pdf

摘 要 因此研究无速度信息反馈的空间机器人控制方法具有一定价值。本文提出了基 于速度观测器的神经网络控制策略。所设计的神经网络同时充当控制器和观测 器的双重作用，即神经网络在补偿控制器中的不确定部分的同时，还逼近观测 器中未知非线性，并与误差度量结合来估计角速度信息。所提出的控制方法无 需惯性矩阵逆及精确的空间机器人数学模型，仅需要知道关节位置信息。其权 值及网络参数的自适应算法能够实现在线自适应调整，并基于Lyapunov理论证 明了整个闭环系统的稳定性。 随后，针对空间机器人关节执行机构中的死区问题，提出神经网络自适应 补偿控制策略。系统不确定模型采用神经网络逼近，其逼近误差采用变结构控 制器作为鲁棒项消除。对于执行机构中的死区环节，采用两个神经网络分别进 行死区估计和自适应补偿，推导出死区输出、死区补偿器及控制器三者之间的 数学关系。设计了神经网络控制器、补偿器及死区估计器的在线自适应学习律。 基于Lyapunov理论证明了整个闭环系统跟踪误差的一致最终有界。 最后，为了更好地开展空间机器人地面试验研究，针对空间机器人的三维 运动微重力模拟这一难点，提出了基于气浮的被动式和主动式两种新颖的模拟 实验方法。被动式系统采用配重法及力矩平衡理论解决了重力补偿问题，。而主 动式系统则通过一系列机械传动机构及力反馈控制系统来组成微重力补偿系 统。两种模拟方法均能解决空间机器人三维运动轨迹下的微重力模拟问题。 关键词：空间机器人；神经网络；滑模变结构；速度观测器；死区补偿；三维 微重力模拟 - II - Abstract Abstract Space Robots are playing a more and more important role in the human exploration of space, they could repair and recovery of the satellites, carry out construction and maintenance of the space station 、execute danger task instead of astronaut and so on. Hence, study of space robots has important significance. The free-floating space robots are as the control objects; the paper studies in four conditions. Namely ，uncertainty model, parameters saltation, non-speed information feedback and joints dead zone condition. Three-dimensional ground microgravity simulation methods of space robots based on gas suspend have been studied. This paper introduces the current domestic and international overview of the development of space robots, and summarizes the research of space robot trajectory control, then reviews the space ground microgravity simulation method and points out the advantages and disadvantages of each met