基于SSA-PIDNN的太空采矿机器人轨迹控制方法技术

本发明专利技术公开了一种基于SSA

【技术实现步骤摘要】
基于SSA
‑
PIDNN的太空采矿机器人轨迹控制方法


[0001]本专利技术涉及一种太空采矿机器人的轨迹控制方法，具体为一种基于SSA
‑
PIDNN的太空采矿机器人轨迹控制方法，属于航天


技术介绍

[0002]根据2022年《世界能源统计年鉴》中的统计数据显示，2021年全球天然气需求增长5.3％，首次超过了4万亿立方米。2021年全球煤炭消费增长超过6％，达到160艾焦，是自2014年以来的最高水平。随着能源需求的不断增加，寻求其他的可利用资源，破解地球矿产资源日益枯竭的难题，开发与利用丰富的太空资源势在必行！
[0003]太阳系中，有着超过2300颗的近地小行星，其中C类和M类小行星含有丰富的矿产资源，据科学家估计，其蕴含的矿产、稀有金属资源总价高达千亿，甚至数万亿美元。而且近年来，在各国政府科研院的大力支持下，太空采矿的研究迎来了新的发展机遇。随着空间机器人技术的不断发展和完善，人类对太空探索的需求逐渐增多，太空资源的开发与利用将是未来各国竞争的新方向。
[0004]目前，我国在应用到近地小行星的太空机器人的轨迹控制方法方面的研究主要存在以下缺点：
[0005](1)多数的控制器目前仍以PID控制器为主，但是常规的PID控制无法满足太空采矿机器人在其复杂工况下的较高的性能要求；
[0006](2)目前对于太空采矿设备的研究还处于起步阶段，针对该研究对象的控制算法较少，急需一种针对太空设备的、具有较高学习效率和搜索能力的智能控制方法。<br/>
技术实现思路

[0007]本专利技术的目的就在于为了解决上述至少一个技术问题而提供一种基于SSA
‑
PIDNN的太空采矿机器人轨迹控制方法。
[0008]本专利技术通过以下技术方案来实现上述目的：一种基于SSA
‑
PIDNN的太空采矿机器人轨迹控制方法，包括基于太空采矿机器人所构建的太空采矿机器人的运动学模型，所述太空采矿机器人包括车体，所述车体两侧连接有由悬架以及车轮所构成的移动模块，所述车体的上板面前端连接有由抓取机械臂以及配套摄像头所构成的采样抓取模块，所述车体的前侧板面中间部位连接有由螺旋钻头组成的钻探模块，所述车体的前侧板面一侧边角处连接有由摄像头所构成的摄像感知模块；
[0009]太空采矿机器人轨迹控制方法包括以下步骤：
[0010]步骤一、确定太空采矿机器人神经网络PID控制的网络结构，初始化神经网络的权值和阈值，并将优化参数带入适应度函数计算目标适应度；
[0011]步骤二、根据适应度值大小对参数进行排列，适应度最优的前20％的权值、阈值作为发现者，并根据发现者公式更新发现者的位置，适应度最差的后80％的权值、阈值作为跟随者，并根据跟随者公式更新跟随者的位置；
[0012]步骤三、随机挑选10％
‑
20％的权值、阈值作为警戒者，并根据警戒者公式更新警戒者的位置，根据适应度大小将每组的权值、阈值更新为最优解；
[0013]步骤四、将n组更新后的权值、阈值进行比较，保留其中的最优解；
[0014]步骤五、若最优解没有超过最大迭代次数，则重新根据适应度值大小对参数进行排列，若最优解超过最大迭代次数，则获取最优权值，阈值；
[0015]步骤六、根据所获取的最优权值以及阈值，进行神经网络模型训练，若训练误差小于目标误差，或者训练次数达到预定值，则输出最优参数值，若训练误差未小于目标误差，或者训练次数未达到预定值，则重新进行神经网络模型训练。
[0016]作为本专利技术再进一步的方案：所述太空采矿机器人的运动学模型构建，具体包括：
[0017]太空采矿机器人的运动状态由机器人质心点在所处的坐标系的位置和航向角来表示，令其中x、y为太空采矿机器人在坐标系下的横纵坐标位置，θ为机器人的航向角，即为太空采矿机器人运动速度方向和x轴方向的夹角；
[0018]v，ω分别为太空采矿机器人的运动速度和转动角速度。
[0019]则太空采矿机器人在坐标系中的运动学方程可以描述为：
[0020][0021]控制系统的误差可以表示为：
[0022]e
p
＝[e
x
,e
y
,e
θ
]T
＝[x
d
‑
x,y
d
‑
y,θ
d
‑
θ]T
[0023]其中，e
x
表示x轴方向的位置误差，e
y
表示y轴方向的位置误差，e
θ
表示航向角误差。x
d
，y
d
表示太空采矿机器人在x轴和y轴下的目标坐标位置，θ
d
表示太空采矿机器人的理想航向角；
[0024]通过控制太空采矿机器人的输入量q＝[v,ω]T
，使其在任意时刻的e
p
都趋近于0，则可以完成稳定的轨迹跟踪控制。
[0025]作为本专利技术再进一步的方案：所述步骤一中，太空采矿机器人神经网络PID控制的网络结构中的初始权值和阈值通过改进麻雀搜索算法进行修正，将初始的权值阈值输入到麻雀搜索算法中，具体包括：
[0026]在麻雀搜索算法中，麻雀种群分为发现者、跟随者和警戒者三类，设置种群中麻雀的数量为n，根据需要初始化权值和阈值的数量，设置待优化问题变量的维数为d，则由n只麻雀组成的种群可以表示为：
[0027][0028]全部麻雀的适应度值可以表示为：
[0029][0030]在麻雀搜索算法中，在每次迭代都会更新发现者的位置，更新描述如下：
[0031][0032]其中，t表示目前的迭代参数，j＝1,2,3,
…
,d表示当前计算的问题维数，item
max
为常数，表示最大迭代次数，x
i,j
表示第i只麻雀在第j维中的位置信息，α(α∈(0,1])是一个随机数，R2(R2∈[0,1])和ST(ST∈[0.5,1])分别表示预警值和安全值，Q是服从正态分布的随机数，L表示一个1
×
d的矩阵，其中该矩阵内的每个元素的值均为1。
[0033]对于加入者，其位置更新描述如下：
[0034][0035]其中，X
p
是目前发现者所占据的最优位置，X
worst
表示当前全局最差的位置。A表示一个1
×
d的矩阵，其中每个元素随机赋值为1或
‑
1，并且A
+
＝A
T
(AA
T
)
‑1。当时，这表明，适应度值较低的第i个加入者没有获得食物，处于十分饥饿的状态，此时需要飞往其它地方觅食，以获得更多的能量。
[0036]作为本专利技术再进一步的方案：所述麻雀搜索算法中，在麻雀种群随机挑选10％～20％的麻雀作为警戒者本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于SSA
‑
PIDNN的太空采矿机器人轨迹控制方法，其特征在于：包括基于太空采矿机器人所构建的太空采矿机器人的运动学模型；所述太空采矿机器人包括车体；所述车体两侧连接有由悬架以及车轮所构成的移动模块(1)；所述车体的上板面前端连接有由抓取机械臂以及配套摄像头所构成的采样抓取模块(2)；所述车体的前侧板面中间部位连接有由螺旋钻头组成的钻探模块(3)；所述车体的前侧板面一侧边角处连接有由摄像头所构成的摄像感知模块(4)；所述太空采矿机器人轨迹控制方法包括以下步骤：步骤一、确定太空采矿机器人神经网络PID控制的网络结构，初始化神经网络的权值和阈值，并将优化参数带入适应度函数计算目标适应度；步骤二、根据适应度值大小对参数进行排列，适应度最优的前20％的权值、阈值作为发现者，并根据发现者公式更新发现者的位置，适应度最差的后80％的权值、阈值作为跟随者，并根据跟随者公式更新跟随者的位置；步骤三、随机挑选10％
‑
20％的权值、阈值作为警戒者，并根据警戒者公式更新警戒者的位置，根据适应度大小将每组的权值、阈值更新为最优解；步骤四、将n组更新后的权值、阈值进行比较，保留其中的最优解；步骤五、若最优解没有超过最大迭代次数，则重新根据适应度值大小对参数进行排列，若最优解超过最大迭代次数，则获取最优权值，阈值；步骤六、根据所获取的最优权值以及阈值，进行神经网络模型训练，若训练误差小于目标误差，或者训练次数达到预定值，则输出最优参数值，若训练误差未小于目标误差，或者训练次数未达到预定值，则重新进行神经网络模型训练。2.根据权利要求1所述的基于SSA
‑
PIDNN的太空采矿机器人轨迹控制方法，其特征在于：所述太空采矿机器人的运动学模型构建包括：太空采矿机器人的运动状态由机器人质心点在所处的坐标系的位置和航向角来表示：令其中x、y为太空采矿机器人在坐标系下的横纵坐标位置，θ为机器人的航向角，即为太空采矿机器人运动速度方向和x轴方向的夹角；v，ω分别为太空采矿机器人的运动速度和转动角速度；则，太空采矿机器人在坐标系中的运动学方程描述为：即控制系统的误差表示为：e
p
＝[e
x
,e
y
,e
θ
]
T
＝[x
d
‑
x,y
d
‑
y,θ
d
‑
θ]
T
其中，e
x
表示x轴方向的位置误差，e
y
表示y轴方向的位置误差，e
θ
表示航向角误差，x
d
，y
d
表示太空采矿机器人在x轴和y轴下的目标坐标位置，θ
d
表示太空采矿机器人的理想航向角；
通过控制太空采矿机器人的输入量q＝[v,ω]
T
，使其在任意时刻的e
p
都趋近于0，则完成稳定的轨迹跟踪控制。3.根据权利要求1所述的基于SSA
‑
PIDNN的太空采矿机器人轨迹控制方法，其特征在于：所述步骤一中，太空采矿机器人神经网络PID控制的网络结构中的初始权值和阈值通过改进麻雀搜索算法进行修正，将初始的权值阈值输入到麻雀搜索算法中，具体包括：在麻雀搜索算法中，麻雀种群分为发现者、跟随者和警戒者三类，设置种群中麻雀的数量为n，根据需要初始化权值和阈值的数量，设置待优化问题变量的维数为d，则由n只麻雀组成的种群可以表示为：全部麻雀的适应度值表示为：在麻雀搜索算法中，在每次迭代都会更新发现者的位置，更新描述如下：其中，t表示目前的迭代参数，j＝1,2,3,
…
,d表示当前计算的问题维数，item
max
为常数，表示最大迭代次数，x
i,j
表示第i只麻雀在第j维中的位置信息。α(α∈(0,1])是一个随机数，R2(R2∈[0,1])和ST(ST∈[0.5,1])分别表示预警值和安全值，Q是服从正态分布的随机数，L表示一个1
×
d的矩阵，其中该矩阵内的每个元素的值均为1；对于加入者，其位置更新描述如下：其中，X
p
是目前发现者所占据的最优位置，X
worst
表示当前全局最差的位置，A表示一个1
×
d的矩阵，其中每个元素随机赋值为1或
‑
1，并且A
+
＝A
...

【专利技术属性】
技术研发人员：刘新华，王百一，华德正，刘霄阳，格热戈尔茨，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：