一种欠驱动绳系复合体系统的神经网络动态面控制方法技术方案

本发明专利技术公开了一种欠驱动绳系复合体系统的神经网络动态面控制方法，包括以下步骤：将抓捕后空间绳系复合体系统分解为欠驱动子系统Ξb和全驱动子系统Ξa，并建立绳系欠驱动子系统Ξb和全驱动子系统Ξa的动力学模型，欠驱动子系统Ξb和全驱动子系统Ξa间存在耦合关系：针对存在扰动的欠驱动子系统Ξb的控制，采用神经网络和PD控制设计虚拟控制律，构造出期望的增广跟踪轨迹；针对存在扰动和控制输入受限的全驱动子系统Ξa，以期望的增广跟踪轨迹为跟踪量，设计神经网络动态面控制律。该方法可用于解决存在外部扰动和控制输入饱和情况下绳系复合体的稳定控制问题；可用于解决欠驱动绳系系统的控制问题。

A Neural Network Dynamic Surface Control Method for Underactuated Tethered Composite System

The invention discloses a neural network dynamic surface control method for under-actuated rope system, which includes the following steps: the space rope system after capture is decomposed into under-actuated subsystem B and full-actuated subsystem a, and the dynamic model of under-actuated subsystem B and full-actuated subsystem a of rope system is established. There is coupling between under-actuated subsystem B and full-actuated subsystem a. Consistency: For the control of the under-actuated subsystem B with disturbance, the virtual control law is designed by using neural network and PD control to construct the desired augmented tracking trajectory; for the fully-actuated subsystem a with disturbance and limited control input, the dynamic surface control law of the neural network is designed with the expected augmented tracking trajectory as the tracking quantity. This method can be used to solve the stability control problem of the tether complex in the presence of external disturbances and control input saturation, and to solve the control problem of underactuated tether system.

【技术实现步骤摘要】
一种欠驱动绳系复合体系统的神经网络动态面控制方法
本专利技术涉及一种目标抓捕后欠驱动绳系复合体系统的神经网络动态面控制方法，属于绳系航天器稳定控制的范畴。
技术介绍
绳系航天器是通过轻质柔软的系绳将空间平台与航天器、抓捕器(飞舌、飞矛、飞网等)连接起来而形成的复合体系统。绳系航天器可用于完成轨道垃圾(如空间碎片、火箭上面级等)清除、失效航天器的在轨维修等空间任务。上述任务需要在复合体系统姿态稳定的前提下执行的。当抓捕器捕获高速旋转失稳非合作目标后形成复合体后，为实现复合体的姿态镇定，可利用位于空间平台上的张力控制装置提供期望的控制力矩，配合抓捕器上的控制机构，完成抓捕后复合体的稳定控制，便于后续的任务实施。针对特殊的绳系航天器，其系绳长度仅有数十米甚至数百米，远远小于传统绳系卫星的系绳长度，因此需要考虑抓捕后复合体的三维姿态，绳系卫星中经典的“哑铃体”模型不再适用。绳系系统是一个典型的欠驱动、强耦合、高度非线性系统，加之外部扰动的影响，其控制变得异常复杂。在过去的几十年间，针对欠驱动绳系系统控制的研究已经取得了一定的进展。主要集中在如下几个方面：1)、哈尔滨工业大学孙光辉等、加拿大约克大学的朱正宏等设计了分数阶控制律，实现绳系卫星“哑铃体”欠驱动模型的控制；2)、南京航空航天大学文浩等研究了电动力系绳回收/释放过程中绳系卫星的稳定控制，设计了相应的系绳张力控制力以及电流控制律，但也只考虑了系绳的面内角、面外角和系绳长度三个变量，忽略了卫星的姿态；3)、西北工业大学黄攀峰教授团队研究了绳系机器人目标抓捕后复合体的稳定控制，考虑了抓捕后复合体的三维姿态，但其假设抓捕后复合体系统是全驱动系统。因此到目前为止，考虑目标三维姿态的欠驱动绳系系统的研究相对较少，加之执行器控制输入受限、绳系系统外部扰动等约束的限制，针对此类欠驱动绳系复合体系统的控制具有实际的工程意义和研究价值。
技术实现思路
为解决现有技术存在的问题，本专利技术提出了一种欠驱动绳系复合体系统的神经网络动态面控制方法，以处理空间绳系复合体系统受外部扰动、控制输入受限和欠驱动的问题，针对存在扰动和控制输入受限的全驱动子系统Ξa，以期望的增广跟踪轨迹为跟踪量，设计神经网络动态面控制律，实现系统稳定。为实现上述目的，本专利技术是通过以下技术方案来实现：一种欠驱动绳系复合体系统的神经网络动态面控制方法，包括以下步骤：将抓捕后空间绳系复合体系统分解为欠驱动子系统Ξb和全驱动子系统Ξa，并建立绳系欠驱动子系统Ξb和全驱动子系统Ξa的动力学模型，欠驱动子系统Ξb和全驱动子系统Ξa间存在耦合关系：针对存在扰动的欠驱动子系统Ξb的控制，采用神经网络和PD控制设计虚拟控制律，构造出期望的增广跟踪轨迹；针对存在扰动和控制输入受限的全驱动子系统Ξa，以期望的增广跟踪轨迹为跟踪量，设计神经网络动态面控制律。作为本专利技术的进一步改进，空间绳系复合体系统的动力学方程如式(1)～(6)所示：其中，θ2,ψ2,α,β,l代表系统广义坐标，Qα,Qβ,Ql代表广义力或力矩；和代表(·)对时间的一、二阶微分，m1、m2代表空间平台、抓捕后复合体质量，定义二者的总质量为m＝m1+m2，b2y为系绳连接点到目标质心的距离，Ix,Iy,Iz为抓捕后复合体的三轴转动惯量，ω0为轨道角速度，a4,a5,b4,b5,c1,c2,d1,d2,e1,e2,e3,f1,f2,g1,g2,A,λ11,λ12,λ13,λ14,λ15,λ16,λ17,λ18,λ19,χ1,χ2,χ3,χ4,χ5,χ6,χ7的详细表达式如下：作为本专利技术的进一步改进，Ξb表达式如下：其中：Ξa表达式如下：其中：其详细表达式如下：将式(10)代入式(11)，整理可得：作为本专利技术的进一步改进，PD虚拟控制律为：定义虚拟的控制指令πd＝πd1+πd2，设计πd的PD虚拟控制律为：πd1＝b-1fπ(18)其中，kb1,kb2为待设计的正常数，ξbd为期望的控制指令。作为本专利技术的进一步改进，神经网络的控制律为：定义神经网络权重估计矩阵满足如下自适应律：其中，为待设计的实数矩阵，σ1为实常数；0,I分别为2×2阶零矩阵和单位矩阵。作为本专利技术的进一步改进，欠驱动子系统的Ξb控制律设计步骤如下：定义ξb1＝ξb＝[α,β]T,db＝[db1,db2]T，整理式(10)为：定义虚拟的控制指令πd＝πd1+πd2，设计πd的PD虚拟控制律为：πd1＝b-1fπ(18)其中，kb1,kb2为待设计的正常数，ξbd为期望的控制指令；定义采用神经网络的万能逼近特性来逼近有其中，Wπi为神经网络权重，Sπi(z)为径向基函数，επ1,επ2为神经网络的逼近偏差；定义πd2为：其中，为的估计值；定义神经网络权重估计矩阵满足如下自适应律：其中，为待设计的实数矩阵，σ1为实常数；0,I分别为2×2阶零矩阵和单位矩阵；至此对πd积分可得出虚拟的期望指令∫∫(·)dt为对时间的二重积分；定义为期望的增广跟踪轨迹，ψd,ld为预先设定的期望值。作为本专利技术的进一步改进，神经网络动态面控制律公式为：其中，K2∈R4×1为待设计的实数矩阵；W3为神经网络权重，Θ3(Z3)为径向基函数，设定为W3的估计值，估计偏差为K2∈R4×1为待设计的实数矩阵；W4为神经网络权重，Θ4(Z4)为径向基函数，设定为W4的估计值，估计偏差为。作为本专利技术的进一步改进，全驱动子系统Ξa控制设计步骤如下：定义式(15)可变换为：定义第一个动态面状态变量误差为：z1＝ξa1-ξad(23)设计虚拟控制量其中，χ为正实数；将α输入到时间常数为τ2的低通滤波器，得到新的状态变量满足：定义第二个动态面状态变量误差为：对式(26)求导并带入式(22)整理可得：采用神经网络的万能逼近特性近似补偿式(15)中的模型不确定量其中，W3为神经网络权重，Θ3(Z3)为径向基函数，ε3为极小的有界建模误差；设定为W3的估计值，估计偏差为估计值由下述自适应律在线更新：其中，σ3为实常数；据此设计控制律τc表达式为：其中，K2∈R4×1为待设计的实数矩阵；考虑到控制律τ的饱和特性，定义饱和向量Δτ＝τc-τ，饱和函数满足如下函数：其中，τmax,τmin为控制输入的上下限，仍然用神经网络解决控制输入饱和问题；定义：其中，W4为神经网络权重，Θ4(Z4)为径向基函数，ε4为极小的有界建模误差；设定为W4的估计值，估计偏差为估计值由下述自适应律在线更新：其中，σ4为实常数；据此，设计控制律公式为：与现有技术相比，本专利技术具有以下优点：本专利技术将空间绳系复合体系统的动力学模型分解为欠驱动通道和全驱动通道，利用两通道间的耦合特性，用4个控制量实现6个状态量的稳定控制；并以此设计神经网络控制律，在线补偿外部扰动和控制输入饱和项，实现绳系复合体的稳定控制。通过针对设计的控制律对系统进行李雅普诺夫稳定性证明，得出本专利技术的整个闭环系统渐进稳定，状态偏差，辅助变量，以及估计偏差是最终一致有界的。因此，控制系统的稳定性得证。因此本专利技术可用于解决存在外部扰动和控制输入饱和情况下绳系复合体的稳定控制问题；可用于解决欠驱动绳系系统的控制问题。附图说明图1本专利技术为抓捕后绳系系统坐标系定义图；图2本专利技术的控制系统框图。具体实施方式下面结合附图和实施对本专利技术做本文档来自技高网...

【技术保护点】
1.一种欠驱动绳系复合体系统的神经网络动态面控制方法，其特征在于，包括以下步骤：将抓捕后空间绳系复合体系统分解为欠驱动子系统Ξb和全驱动子系统Ξa，并建立绳系欠驱动子系统Ξb和全驱动子系统Ξa的动力学模型，欠驱动子系统Ξb和全驱动子系统Ξa间存在耦合关系：针对存在扰动的欠驱动子系统Ξb的控制，采用神经网络和PD控制设计虚拟控制律，构造出期望的增广跟踪轨迹；针对存在扰动和控制输入受限的全驱动子系统Ξa，以期望的增广跟踪轨迹为跟踪量，设计神经网络动态面控制律。

【技术特征摘要】
1.一种欠驱动绳系复合体系统的神经网络动态面控制方法，其特征在于，包括以下步骤：将抓捕后空间绳系复合体系统分解为欠驱动子系统Ξb和全驱动子系统Ξa，并建立绳系欠驱动子系统Ξb和全驱动子系统Ξa的动力学模型，欠驱动子系统Ξb和全驱动子系统Ξa间存在耦合关系：针对存在扰动的欠驱动子系统Ξb的控制，采用神经网络和PD控制设计虚拟控制律，构造出期望的增广跟踪轨迹；针对存在扰动和控制输入受限的全驱动子系统Ξa，以期望的增广跟踪轨迹为跟踪量，设计神经网络动态面控制律。2.根据权利要求1所述的一种欠驱动绳系复合体系统的神经网络动态面控制方法，其特征在于，空间绳系复合体系统的动力学方程如式(1)～(6)所示：其中，代表系统广义坐标，代表广义力或力矩；和代表(·)对时间的一、二阶微分，m1、m2代表空间平台、抓捕后复合体质量，定义二者的总质量为m＝m1+m2，b2y为系绳连接点到目标质心的距离，Ix,Iy,Iz为抓捕后复合体的三轴转动惯量，ω0为轨道角速度，a4,a5,b4,b5,c1,c2,d1,d2,e1,e2,e3,f1,f2,g1,g2,A,λ11,λ12,λ13,λ14,λ15,λ16,λ17,λ18,λ19,χ1,χ2,χ3,χ4,χ5,χ6,χ7的详细表达式如下：3.根据权利要求1所述的一种欠驱动绳系复合体系统的神经网络动态面控制方法，其特征在于，Ξb表达式如下：Ξb:其中：Ξa表达式如下：其中：其详细表达式如下：将式(10)代入式(11)，整理可得：4.根据权利要求3所述的一种欠驱动绳系复合体系统的神经网络动态面控制方法，其特征在于，PD虚拟控制律为：定义虚拟的控制指令πd＝πd1+πd2，设计πd的PD虚拟控制律为：πd1＝b-1fπ(18)其中，kb1,kb2为待设计的正常数，ξbd为期望的控制指令。5.根据权利要求3所述的一种欠驱动绳系复合体系统的神经网络动态面控制方法，其特征在于，神经网络虚拟控制律为：定义神经网络权重估计矩阵满足如下自适应律：其中，为待设计的实数矩阵，σ1为实常数；0,I分别为2×2阶零矩阵和单位矩阵。6.根据权利要求4或5所述的一种欠驱动绳系复合体系统的神经网络动态面控制方法，其特征在于，欠驱动子系统的Ξb控制律设计步骤如下：定义整理式(10)为...

【专利技术属性】
技术研发人员：黄攀峰，鲁迎波，孟中杰，张帆，张夷斋，刘正雄，董刚奇，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西,61