面向模型未知的自由漂浮空间机械臂自适应神经鲁棒控制

摘要

针对自由漂浮空间机械臂精确数学模型难以获得,外界干扰及载荷变化也会造成动力学模型的参数变化这一问题,提出一种不依赖模型的神经网络自适应鲁棒控制方法.针对自由漂浮空间机械臂精确模型的动力学模型,设计线性PID控制器,该控制器能够实现控制系统稳定性.然而实际工程中,空间机械臂数学模型难以精确获得,利用神经网络控制器来补偿机械臂动力学模型,设计网络权值的自适应学习律实现在线实时调整,避免对数学模型的依赖.设计自适应鲁棒控制器来抑制外界扰动和补偿逼近误差,提高系统鲁棒性和控制精度.基于Lyapunov理论,证明了闭环系统的稳定性.仿真试验验证了所提控制方法的有效性,对于自由漂浮空间机器人研究具有重要意义.