空间机械臂的滑模控制方法

论文摘要

随着科学的不断发展和人类的需要,机器人技术已经向遥远的太空发展。由于太空环境非常复杂而危险,人类很难完成预期的任务,例如太空微重力、高真空、强辐射和微小行星体的存在,于是空间机器人以其独特的优势出现在太空中,代替人类完成困难的任务。近年来空间机器人技术越来越受到世界各国科学家的高度重视。空间机械臂在实际的工作中,系统存在着很多不确定性因素,基于系统动力学的控制方法,如协调控制、计算力矩控制等方法的控制效果差,甚至不稳定,本文针对姿态受控的不确定性空间机械臂在关节空间的轨迹跟踪问题,设计了两种滑模控制方法:第一种,以Terminal滑模控制方法为基础,利用神经网络能够学习系统的不确定性和干扰的上界,研究新方法,并且用饱和函数来代替符号函数降低系统的抖振问题,能使系统跟踪误差在有限时间内收敛为零。进一步改进方法,利用两个RBF神经网络分别逼近系统的非线性函数和不确定性上界,完全无需计算复杂的动力学模型,能够在系统存在不确定性和外部干扰的情况下实现对基座姿态和机械臂关节的综合控制。第二种,第一种方法实际中无法准确确定饱和函数中的边层厚度,为了解决这一问题,将反演方法与滑模控制方法相结合,研究一种反演终端滑模控制方法,该方法有效地消除不确定性对系统的影响,达到系统轨迹的稳定跟踪。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 国内外在该方向的研究现状及分析
• 1.1.1 空间机器人系统的研究概况
• 1.1.2 空间机器人控制方法研究概况
• 1.2 本文研究的内容、目的及意义
• 1.2.1 研究目的及意义
• 1.2.2 主要研究内容
• 第2章 基础理论
• 2.1 数学理论
• 2.2 RBF 神经网络理论
• 2.3 滑模变结构基本原理
• 2.4 本章小结
• 第3章 神经网络滑模变结构
• 3.1 引言
• 3.2 Terminal 滑模控制方法
• 3.2.1 系统设计
• 3.2.2 控制律与稳定性分析
• 3.3 基于神经网络上界自适应学习的Terminal 滑模控制
• 3.3.1 基于RBF 的不确定上界自适应学习的Terminal 滑模控制
• 3.3.2 稳定性分析
• 3.3.3 仿真与分析
• 3.4 无需先验模型的神经网络滑模控制方法
• 3.4.1 问题描述
• 3.4.2 RBF 神经网络在线辨识算法
• 3.4.3 稳定性分析
• 3.4.4 仿真与分析
• 3.5 本章小结
• 第4章 反演终端滑模控制方法
• 4.1 引言
• 4.2 反演基本原理
• 4.3 反演终端滑模控制方法
• 4.3.1 反演滑模控制器设计
• 4.3.2 RBF 神经网络不确定性上界的确定
• 4.3.3 稳定性分析
• 4.3.4 仿真与分析
• 4.4 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢