一种基于量子粒子群算法的空间机器人预测控制方法技术

本发明专利技术提供了一种基于量子粒子群算法的空间机器人预测控制方法，首先基于扩展机械臂法建立空间机器人系统的拉格朗日动力学模型，将其与运动学模型结合建立离散化的状态空间模型；然后，基于系统扩展状态空间模型和拉盖尔多项式设计相应的离散模型预测控制器，最后，采用量子粒子群算法对约束情况下的性能指标进行滚动优化，并对预测误差进行反馈校正，从而实现末端对期望轨迹的有效跟踪。本发明专利技术能够在给定约束的情况下实现对末端期望轨迹的有效跟踪，并且不需要事先进行任务空间轨迹规划；能避免出现多约束情况下采用常规二次规划算法找不到全局最优解的情况；能在满足跟踪精度要求的同时对能量消耗进行优化。

A predictive control method for space robot based on quantum particle swarm optimization

The present invention provides a predictive control method of space robot based on quantum particle swarm algorithm, Lagrange dynamics model first extended manipulator method based on the establishment of space robot system, combined with the kinematics model of the discrete state space model is established; then, the system extended state space model and Laguerre polynomials corresponding discrete model predictive controller design finally, based on the performance index, quantum particle swarm optimization algorithm for constrained conditions of rolling optimization, and the prediction error feedback correction, so as to achieve the end of effective tracking of the desired trajectory. The invention can realize effective tracking of the end trajectory in a given constraint, and does not require the prior task space trajectory planning; can avoid many restrictions under the conventional two planning algorithm to find the global optimal solution; can optimize the energy consumption in the tracking precision and meet the requirements.

【技术实现步骤摘要】
一种基于量子粒子群算法的空间机器人预测控制方法
本专利技术涉及一种空间机器人预测控制方法，属于空间操作与控制

技术介绍
近年来，随着空间技术的发展，人类太空活动日益频繁。考虑到太空环境的恶劣性以及空间任务的复杂性，用空间机器人代替宇航员完成空间任务就成为必然趋势。但是，与地面固定基座机器人不同，空间机器人基座与机械臂之间的动力学耦合为其动力学建模与控制带来了极大的困难。为了求解空间机器人这种高度非线性系统的动力学与控制问题，学者们提出了不少的方法。Umetani和Yoshida基于动量守恒的原理提出了反映空间机器人速度级运动特性的广义雅可比矩阵，并在此基础上提出了分解运动速度控制的方法，实现了机械臂末端对期望速度的跟踪。Parlaktuna和Ozkan根据动力学等价机械臂模型将空间机器人的控制问题从惯性空间转化到了关节空间，得到了参数线性化的关节空间动力学方程，并设计了用于空间机器人关节空间轨迹跟踪控制的PD控制器。齐乃明、张文辉等人为解决空间机器人系统参数不确定性问题，提出了一种神经网络自适应补偿控制方法，该方法引入GL矩阵和乘法算子来辨识系统不确定性参数，大大降低了运算量。然而，上述这些方法也仅仅只是考虑了系统的不确定性以及干扰的影响，并未考虑关节角范围、控制力矩输入、避奇异等各类约束，也无法对力矩进行优化。20世纪70年代以来，随着模型预测控制在工业生产中的兴起，越来越多的预测控制方法涌现出来。由于该控制策略具有控制效果好、鲁棒性强、对模型精确性要求不高以及可以在线处理各类约束的优点，学者们尝试将其应用于航空航天领域，也取得了不少的研究成果。Rybus在没有对空间机器人系统进行线性化处理的情况下，采用非线性模型预测控制的方法实现了对末端期望轨迹的跟踪控制，并与逆运动学控制方法和改进的简单自适应控制方法进行了对比。Wang等人采用反馈线性化的方法对空间机器人系统模型进行处理，提出了一种考虑避障约束的非线性模型预测控制方法，证明了该方法的有效性，但由于其采用了反馈线性化的处理方法，因此在控制过程中需要事先进行任务空间轨迹规划，才能得到参考的关节角和关节角速度信息。宗立军在Wang的基础上提出了一种空间机器人混合整数预测控制方法，该方法基于命题逻辑建立了控制过程中各约束的优先级，有效弥补了模型预测控制方法用于空间机器人控制时，多约束可能导致控制失效的不足。由于采用了约束优先级的定义，因此并不是所有约束都会得到满足。由于采用了约束优先级的定义，因此并不是所有约束都会得到满足。
技术实现思路
为了克服现有技术的不足，本专利技术提供一种基于量子粒子群算法的空间机器人预测控制方法，能够在满足各类约束的情况下实现对末端期望轨迹的有效跟踪，从而为考虑约束的空间机器人轨迹跟踪控制提供了一种新的思路。本专利技术解决其技术问题所采用的技术方案包括以下步骤：(1)基于动量守恒的原理建立空间机器人速度级运动学模型，求出系统的广义雅克比矩阵；将系统基座看成虚拟连杆，采用扩展机械臂法建立空间机器人拉格朗日动力学模型；然后选取系统的状态变量、输入变量以及输出变量，结合运动学模型和动力学模型，建立离散化的系统状态空间模型；(2)引入扩展状态变量，基于系统状态空间模型建立关于控制输入增量的扩展状态空间模型；应用拉盖尔函数将控制输入增量表示为拉盖尔多项式的形式，在此基础上给定系统的性能指标，并将其转化为二次型性能指标；(3)引入系统输入约束和状态约束，基于拉盖尔多项式，将系统输入约束和状态约束转化为关于待优化参数的矩阵不等式；该矩阵不等式与步骤(2)中的二次型性能指标联立，构成一个受线性不等式约束的二次规划问题；(4)在二次型性能指标中引入惩罚函数对不等式约束进行处理，在此基础上采用量子粒子群算法对二次规划问题进行优化求解，得到下一时刻系统的控制输入；(5)用得到的控制输入更新系统状态，重复上述步骤，直至控制过程结束。本专利技术的有益效果是：(1)能够在给定约束的情况下实现对末端期望轨迹的有效跟踪，并且不需要事先进行任务空间轨迹规划；(2)能避免出现多约束情况下采用常规二次规划算法找不到全局最优解的情况；(3)能在满足跟踪精度要求的同时对能量消耗进行优化。附图说明图1是空间机器人系统示意图；图2是空间机器人预测控制器结构示意图；图3是平面二杆空间机器人示意图；图4是末端跟踪轨迹示意图；图5是末端位置跟踪误差示意图；图6是末端速度跟踪误差示意图；图7是基座姿态角和关节角示意图；图8是基座姿态角速度和关节角速度示意图；图9是关节力矩(控制输入)示意图。具体实施方式下面结合附图和实施例对本专利技术进一步说明，本专利技术包括但不仅限于下述实施例。本专利技术的思路是：首先基于扩展机械臂法建立空间机器人系统的拉格朗日动力学模型，将其与运动学模型结合建立离散化的状态空间模型；然后，基于系统扩展状态空间模型和拉盖尔多项式设计相应的离散模型预测控制器，最后，采用量子粒子群算法对约束情况下的性能指标进行滚动优化，并对预测误差进行反馈校正，从而实现末端对期望轨迹的有效跟踪。具体求解方法如下：(1)基于动量守恒的原理建立空间机器人速度级运动学模型，求出系统的广义雅克比矩阵。将系统基座看成虚拟连杆，采用扩展机械臂法建立空间机器人拉格朗日动力学模型。然后选取系统的状态变量，输入变量以及输出变量，结合运动学模型和动力学模型，建立离散化的系统状态空间模型。(2)为了使得滚动优化和反馈校正同步进行，引入扩展状态变量，基于步骤(1)的状态空间模型，建立关于控制输入增量的扩展状态空间模型。应用拉盖尔函数将控制输入增量表示为拉盖尔多项式的形式，在此基础上给定系统的性能指标，并将其化为二次型的形式。(3)引入系统输入约束和状态约束，基于步骤(2)中的拉盖尔多项式，将这些约束转化为关于待优化参数的矩阵不等式。该矩阵不等式与步骤(2)中的二次型性能指标联立，构成一个受线性不等式约束的二次规划问题。(4)在步骤(2)的性能指标中引入惩罚函数对不等式约束进行处理，在此基础上采用量子粒子群算法对步骤(3)中的二次规划问题进行优化求解，得到下一时刻系统的控制输入。(5)用得到的控制输入更新系统状态，重复上述步骤，直至控制过程结束。本专利技术的实施例包括以下步骤：第一步，如图1所示为空间机器人系统示意图。图中Oc表示系统质心，Oc0表示基座质心，O0为基座与连杆1之间的关节，r0∈R3为基座质心位置矢量，b0为Oc0到O0的位置矢量，Oi为连杆i与连杆i+1之间的关节，Oci表示连杆i的质心，ri∈R3为Oc到Oci的位置矢量，pi∈R3为Oc到Oi-1的位置矢量，pe∈R3为末端位置矢量，ai为Oi-1到Oci的位置矢量，bi为Oci到Oi的位置矢量，其中i＝1,2,...,n为连杆编号,n为连杆数量。从图1中可以看出，空间机器人末端位置矢量可以表示为如下的形式：对上式进行求导，并结合系统动量守恒的特点进行化简，可以得到机械臂末端速度ve和关节角速度之间的关系式如下：式(2)即为空间机器人速度级运动学模型，其中Jg即为系统的广义雅克比矩阵。Js与Jm分别为基座和机械臂的雅克比矩阵，Is与Im分别为基座和机械臂的惯量矩阵。我们采用类似于研究地面固定基座机器人的方法，将系统基座看成一个六自由度的虚拟连杆本文档来自技高网...

【技术保护点】
一种基于量子粒子群算法的空间机器人预测控制方法，其特征在于包括下述步骤：(1)基于动量守恒的原理建立空间机器人速度级运动学模型，求出系统的广义雅克比矩阵；将系统基座看成虚拟连杆，采用扩展机械臂法建立空间机器人拉格朗日动力学模型；然后选取系统的状态变量、输入变量以及输出变量，结合运动学模型和动力学模型，建立离散化的系统状态空间模型；(2)引入扩展状态变量，基于系统状态空间模型建立关于控制输入增量的扩展状态空间模型；应用拉盖尔函数将控制输入增量表示为拉盖尔多项式的形式，在此基础上给定系统的性能指标，并将其转化为二次型性能指标；(3)引入系统输入约束和状态约束，基于拉盖尔多项式，将系统输入约束和状态约束转化为关于待优化参数的矩阵不等式；该矩阵不等式与步骤(2)中的二次型性能指标联立，构成一个受线性不等式约束的二次规划问题；(4)在二次型性能指标中引入惩罚函数对不等式约束进行处理，在此基础上采用量子粒子群算法对二次规划问题进行优化求解，得到下一时刻系统的控制输入；(5)用得到的控制输入更新系统状态，重复上述步骤，直至控制过程结束。

【技术特征摘要】
1.一种基于量子粒子群算法的空间机器人预测控制方法，其特征在于包括下述步骤：(1)基于动量守恒的原理建立空间机器人速度级运动学模型，求出系统的广义雅克比矩阵；将系统基座看成虚拟连杆，采用扩展机械臂法建立空间机器人拉格朗日动力学模型；然后选取系统的状态变量、输入变量以及输出变量，结合运动学模型和动力学模型，建立离散化的系统状态空间模型；(2)引入扩展状态变量，基于系统状态空间模型建立关于控制输入增量的扩展状态空间模型；应用拉盖尔函数将控制输入增量表示为拉盖尔多项式的形...

【专利技术属性】
技术研发人员：宁昕，武耀发，王宇，汪学平，袁建平，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西,61