基于观测器的空间机器人神经自适应鲁棒控制.pdf

《基于观测器的空间机器人神经自适应鲁棒控制.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第32卷第3期计算机仿真2015年3月文章编号：1006—9348(2015)03—0370—05基于观测器的空间机器人神经自适应鲁棒控制雷霆，张国良，羊帆，蔡壮(第二炮兵工程大学，陕西西安710025)摘要：研究无速度反馈的不确定性自由漂浮空间机器人轨迹跟踪控制问题，为了提高控制性能，采用一种观测器神经网络自适应鲁棒控制方法。利用神经网络设计观测器对系统的速度信息进行估计；其次，利用神经网络对系统模型的非线性进行逼近，设计神经网络自适应鲁棒控制器对系统进行控制，无需建立复杂的数学模型，并且所设计的自适应律能够进行在线学习；最后，根据H。理论设计的鲁

2、棒控制器保证了系统稳定，并使系统的L，增益小于给定指标。仿真结果表明，上述方法在无速度信息反馈下仍能进行有效的跟踪控制。关键词：神经网络；空间机器人；观测器；鲁棒控制中图分类号：TP242文献标识码：BNeuralNetworkAdaptiveRobustControlofSpacelbbotBasedonObserverLEITing，ZHANGGuo—liang，YANGFan，CAIZhuang(TheSecondArtilleryEngineeringUniversity．Xi’anShanxi710025，China)ABSTRACT：Co

3、nsideringtrajectorytrackingofaclassofuncertaintyfree—floatingspacerobotwithoutspeedfeed—back，aneuralnetworkadaptiverobustcontrolstrategybasedonobserverisused．Firstly，theangularvelocityisesti—matedbyneuralnetwork．Secondly，anotherneuralnetworkisusedtoapproximatethenonlinearsystem

4、s，theneuralnetworkadaptiverobustcontrollerisappliedtocontrolthesystemwithoutcreatingcomplexmathematicalmodel，andtheadaptivelawislearningonline．Finally，therobustcontrollerisproposedbasedonH。theory，andensuresthestabilityofthewholesystem，thekgainislessthanthegivenindex．Thesimulati

5、onresultsshowthattheproposedstrategycanworkeffectivelywithoutspeedfeedback．KEYWORDS：Neuralnetworks；Spacerobot；Observer；Robustcontrol1引言空间机器人自构想的提出便受到世界各国的重视，空间机器人技术的研究也得到了不断的发展，其中自由漂浮空间机器人由于可以节约燃料，延长使用寿命而成为目前研究的主要对象，但自由漂浮空间机器人基座位姿不受主动控制，使系统具有更强的非线性与耦合性，对控制器的设计提出了更高的要求。目前，自由漂浮空间

6、机器人控制方法的研究包括：自适应控制、鲁棒控制、反演控制与神经网络控制等oI-3]。而神经网络控制可以避免建立复杂的数学模型，进行在线自适应控制。张文辉H1提出了神经网络鲁棒自适应方案，在任务空间利用神经网络逼近系统不确定部分，设计自适应律进行在线学习，而鲁棒控制器对逼近误差与扰动进行了消除。刘福才”1针对不同重力环境下空间机器人末端控制问题，设计了一种神经网络自适应鲁棒控制器进行控制。黄登峰。61收稿日期：2014—06—10·---——370--·-——针对基座位置不受控、姿态受控的柔性空间机器人，采用神经网络对柔性臂的刚性部分进行控制，而采用模

7、糊控制器对柔性臂的振动进行了抑制。在上述研究中，所设计的控制器需要实时测量关节角度与角速度信息，但在角速度的测量当中易引入噪声的干扰，并且空间机器人的关节多处于低速运动状态，这将使角速度的测量具有更大的误差，同时加入测速器也增加了系统的质量与成本，因此可以考虑基于观测器下的空间机器人控制。谢立敏’71采用基于状态观测器的鲁棒反步控制方法对柔性空间机械臂进行了控制，但需要建立复杂的系统模型。谢立敏‘81又采用基于饱和速度滤波器的方法进一步对力矩受限下的漂浮基空间机器人进行了控制，该方法虽然不需要速度信息，但同样需要建立复杂的数学模型，而且控制参数的选取

8、较为复杂。针对上述不足，本文采用神经网络对系统的角速度信息进行估计，并在神经网络观测器当中引入鲁棒项，保证了