简介:在PD策略的计算力矩法基础上,讨论了系统参数不确定的空间机械臂系统的控制问题.针对空间机械臂载体的位置不受控制,姿态受控制的情况下,对系统动量守恒关系进行了分析,得到了空间机械臂的系统动力学方程.采用PD策略的计算力矩法,考虑协调参数的不确定性,得到了系统的闭环动态误差方程.在此基础上提出了一种基于RBF神经网络的补偿学习控制方法,设计了具有不确定性的自由漂浮空间机械臂关节空间的补偿控制方案.将基于神经网络的补偿学习控制与计算力矩法相结合,利用进化学习来消除系统参数不确定性而造成的轨迹跟踪不准确的问题,实现了对空间机械臂关节空间内的轨迹跟踪控制.数值仿真的结果验证了该方法的有效性.
简介:讨论了基于BackStepping方法,载体位置与姿态均不受控制的双臂空间机器人跟踪惯性空间期望轨迹的控制问题.首先基于拉格朗日第二类方法,结合系统动量(动量矩)守恒关系,推导得到了系统动力学方程,并转化为系统状态方程.基于Backstepping方法,针对具有不确定性的双臂空间机器人系统,设计了鲁棒自适应神经网络控制规律,保证了具有不确定性的双臂空间机器人系统末端手爪在惯性空间跟踪期望轨迹的控制.仿真实验证明了该方法的有效性.
简介:针对自由漂浮状态下的空间机械臂系统,研究了基座姿态扰动最小的轨迹规划问题。首先通过正弦函数参数化机械臂各个关节,在机械臂关节角速度、角加速度以及基座姿态变化范围受限的约束条件下,定义了基座姿态扰动最小的目标函数,然后提出了基于混沌粒子群算法的轨迹优化策略,并给出了具体求解步骤。数值算例结果表明,在满足系统的约束条件下,机械臂关节变化平缓,不存在角速度突变的情况,并且比标准粒子群算法具有更快的收敛速度,在优化轨迹下进行运动仿真,结果表明终止时刻基座姿态扰动为1.3708°(三轴合成),而梯形规划的姿态扰动为8.5459°,优化后使得姿态的扰动减小84%,从而说明所提出的算法能够有效减小机械臂运动对基座姿态的扰动。