摘要：大型化、多样化和高精度化的在轨建造任务日趋增多,对舱外作业空间机械臂的能力提出了新的需求。传统SSRMS构型空间机械臂虽然被广泛地应用于在轨服务,但是其具有针对于特定任务设计的结构特点,限制了单个机械臂执行不同种类任务的能力,难以适应未来在轨任务复杂化发展的应用需求。为此,提出了一种新型的具有两个被动式伸缩臂杆的SSRMS构型可重构空间机械臂,并对其运动学奇异性进行了深入分析。首先,通过介绍新型机械臂的结构特点及可重构原理,总结了此类机械臂的工作性能优点,证明了其具备在未来的复杂在轨任务中扮演重要角色的潜力。然后,建立了新型机械臂分别在自由空间操作和重构操作时的微分运动学方程,通过对微分逆运动学方程的分析确定出了包含运动学奇异条件的雅可比矩阵。接着,提出了一种简单可靠的运动学奇异性分析方法,在雅可比矩阵中求解得到了新型机械臂的全部运动学奇异条件。最后,以新型机械臂为例进行了实验验证,结果表明:奇异条件不仅能够正确的确定出新型机械臂的奇异位形,而且在机械臂执行操作任务时可作为先验条件指导机械臂的避奇异运动控制,为操作任务的可靠执行提供了有力保障。

摘要：针对存在模型参数不确定性的可重构机械臂系统执行器故障,提出一种基于反演设计与时延技术相结合的容错控制方法.该方法利用反演设计的基本思想,通过神经网络补偿子系统动力学模型中的参数不确定项和关联项.利用时延控制的逼近能力来补偿执行器的故障,使得故障发生时能及时实现容错控制.该方法具有不需要在线进行故障诊断的特点,仿真结果表明了所提出控制方法的有效性.

摘要：为了适应软件模块化的设计观念,提出一种可重构机械臂的分散自适应模糊滑模控制方案,把可重构机械臂的动力学描述为一个交联子系统的集合。使用模糊逻辑系统逼近子系统动力学模型,然后设计自适应滑模控制器抵消交联项和模糊逼近误差对轨迹跟踪性能的影响。这些子系统控制器组成一个模块化的控制网络,协调工作实现可重构机械臂稳定可靠的运动。最后,仿真结果证明了提出的分散控制方案的有效性。

摘要：由于可重构机械臂的动力学系统中存在大量的不确定性,导致PID等传统的控制器无法实现精确的位置控制。作者在基于精确模型PD控制的基础上,提出了模糊神经控制算法辨识补偿结构、非结构不确定性。通过模糊神经控制器融合了模糊逻辑和神经网络的各自优势,实现了可重构机械臂轨迹跟踪的有效的补偿控制。基于牛顿-欧拉的几何方法,推导了n连杆可重构机械臂的动力学方程,该方法相对于其他形式的动力学方程,计算量小、通用性强。最后以RRP(Revolute-Revolute-Prismatic)三连杆机械臂为例研究设计了可重构机械臂的控制器,并且通过仿真验证了算法对轨迹跟踪的有效性。

摘要：针对可重构机械臂的动力学系统中存在的不确定性,提出了基于模糊自适应算法的控制律来自适应逼近系统中存在的摩擦和外部扰动,实现对可重构机械臂的补偿控制。为了提高控制律的补偿精度和抗干扰性,减小算法的逼近误差,在控制律中添加了鲁棒项。通过Lyapunov稳定性理论证明了提出的模糊自适应控制律和鲁棒模糊自适应控制律能在可重构机械臂动力学中含有摩擦和外部扰动时保证系统的稳定性。以三自由度可重构机械臂为例设计了可重构机械臂的控制器,仿真结果显示该算法具有良好的轨迹跟踪性能,验证了该算法的有效性和可行性。

摘要：基于Lyapunov稳定性理论和可重构机械臂的模块化属性,针对非故障系统设计了分散反演神经网络控制器,并采用自适应神经网络系统补偿子系统关联项对系统控制精度的影响。通过引入一阶滤波器将传感器故障转化成伪执行器故障,从而得到增广故障子系统模型,进而采用多步时延技术补偿并发故障,实现容错。两种不同构形的2-DOF可重构机械臂系统的仿真结果表明了所设计分散容错控制方法的有效性。

摘要：针对可重构机械臂系统位置传感器和速度传感器多故障,提出一种主动取代分散容错控制方法.基于可重构机械臂的模块化属性,设计正常工作模式下的分散神经网络控制器.利用微分同胚原理将子系统结构进行非线性变换,将传感器故障转化成伪执行器故障,设计分散滑模观测器以对多传感器故障进行实时检测,并利用其输出信号取代故障传感器信号,实现了多传感器故障情形下可重构机械臂的主动容错控制.仿真结果表明了所设计的容错控制方法的有效性.

摘要：针对含有动态摩擦的可重构机械臂轨迹跟踪执行器部分失效故障的问题,提出一种基于有效因子融合的分散反演滑模容错控制方法。将可重构机械臂的每个关节模块考虑成一个子系统,将有效因子融合到子系统动力学模型中。基于Lyapunov稳定性理论,子系统误差状态空间分别采用了反演思想和终端滑模进行控制器设计,并利用径向基函数(RBF)神经网络估计系统模型的不确定项和交联项,自适应地补偿了神经网络的估计误差。最后,数值仿真结果表明了提出的分散容错方法的有效性。

摘要：针对可重构机械臂存在构型自适应及不确定性补偿等问题,提出了基于模糊逻辑的自适应增益滑模控制方法。首先设计了滑模控制器补偿动力学系统的模型不确定项及外部扰动项;其次考虑到恒定增益降低抖振的局限性,设计了模糊控制器自适应调整滑模增益;基于李雅普诺夫方法对所提出的构型自适应控制律的稳定性进行了证明;最后以可重构机械臂RPR和RRPR两种典型构型为例,分别进行恒定增益滑模控制和模糊自适应增益滑模控制对比研究,结果表明所提方法不仅能适应机械臂构型的改变,而且能有效补偿系统的不确定性及降低系统的抖振。此外,在其它控制参数不变的条件下,通过对构型自适应参数P的多组数据仿真分析,验证了优化区间内的构型自适应参数P值能进一步提高系统控制性能。

摘要：针对受环境约束的可重构机械臂系统,提出了一种自适应神经网络模块化力/位置控制方法.利用雅克比矩阵将机械臂末端与环境接触力映射到各关节,将系统动力学模型描述成一组通过耦合力矩相关联的子系统集合,通过控制各子系统的位置和力矩来达到控制末端执行器位置和接触力的目的.利用神经网络估计可重构机械臂系统的非线性项和交联项,通过自适应更新律在线估计神经网络权值函数,并引入滑模控制项补偿估计误差,从而保证闭环系统渐近稳定.最后,在不改变控制器参数的条件下对2个不同构形的2自由度可重构机械臂进行数值仿真,结果验证了所设计控制器的有效性.