本发明涉及空间机器人领域,特别涉及一种抓捕空间不规则运动目标过程中的柔顺镇定控制方法。
背景技术:
空间操作是未来航天器发展的一个重要趋势,在完成空间操作的任务过程中,机械臂末端与被捕获目标接触,产生的瞬态碰撞将对航天器-机械臂系统产生扰动,严重时可能使系统翻转失稳。由于抓捕目标过程的冲击力影响效果显著,因此需要研究抓捕过程中的控制策略。
现有在轨抓捕航天器的常见方法是:针对运动已知或稳定目标,抓捕时关节锁定然后进行消旋,这种方法要求机械臂关节可承受目标与本体发生相对运动时的扭转力矩,但实施方式简单,仅需要判断抓住目标的时机,之后锁定关节,缺点是无法把机械臂作为一个阻尼器对目标进行消旋,且对于不规则运动目标,本体无法有效跟随目标运动,可能产生过大瞬间力矩从而损坏机械臂装置。检索到申请号为cn201611009932.8、名称为“一种控制受限航天器交会控制系统的线性反馈全局镇定方法”的专利,该专利涉及航天器交会控制系统的控制器设计方法,提出了基于线性状态反馈的全局镇定控制律,并给出了控制律参数的最佳选择方案,保证闭环系统具有最快的收敛速度,该专利解决航天器控制系统的快速收敛问题,本专利解决的则是采用机械臂进行组合体消旋的问题,方法与目的均不相同。国内外相关现有技术与本技术方案也不同,本方案通过机械臂的关节柔顺控制对目标与本体之间的相对运动状态进行消旋,从而利用机械臂关节阻尼实现组合体稳定控制。
技术实现要素:
本发明的目的是提供一种抓捕空间不规则运动目标过程中的柔顺镇定控制方法,优化阻尼时间和关节及末端角速度、角加速度等量来规划关节轨迹,进行机械臂抓捕运动的柔顺阻尼镇定控制。
为了实现以上目的,本发明是通过以下技术方案实现的:
一种抓捕空间不规则运动目标过程中的柔顺镇定控制方法,其特点是,包括如下步骤:
s1,确定机械臂抓捕目标时的优化变量,所述的优化变量包括:阻尼时间、末端速度、关节角速度和关节角加速度;
s2,针对抓捕后的n自由度机械臂,设计四次多项式阻尼轨迹:
其中θi,i=1…n为n自由度关节角,由于多项式有5个未知变量a0i,a1i,a2i,a3i,a4i,因此需要五个条件来决定多项式;
s3,建立接触初始、接触结束关节角速度、角加速度约束条件;
在碰撞后已知初始关节角θ0i,初始关节角速度
其中t,θti分别表示轨迹规划时间与终点关节角大小;
s4,建立关节轨迹目标优化方程;
通过对阻尼时间以及终点状态关节角的优化,令轨迹达到要求的目标函数为:
其中,k1、k2、k3、k4分别为阻尼时间系数、末端速度系数、关节角速度系数、关节角加速度系数,t为阻尼时间,ve为末端速度,θ=[θ1θ2θ3…θ7]t,为各关节角,
令δθ=[δθ1,…δθ7]t为修正的遗传算法的变量,其中δθi=θi0-θit表示第i个关节终点状态与初始状态关节角之差;
s5,利用
s6,利用变异操作产生实现个体变异,设置变异操作变量
设置交叉操作变量
其中cr为交叉概率,jrand为[1,…,d]的随机整数;
为满足边界条件约束,设置边界约束条件:
s7、选择下一代种群个体,并更新下一代种群:
s8、通过目标函数的迭代求解末端关节角、优化时间以及目标函数的最优值;
s9、获得具有阻尼效果的期望轨迹。
所述的步骤s9具体为:
将步骤s8求解的参数代入到式(1)和式(2),获得具有阻尼效果的期望轨迹。
本发明与现有技术相比,具有以下优点:
利用修正的遗传算法设计一条同时考虑机械臂关节角移动大小、末端距离移动大小、关节角速度大小、阻尼时间以及控制力矩大小的轨迹,从而快速、安全达到实现机械臂镇定,可对目标与本体的相对运动产生阻尼进行消旋,为阻尼镇定抓捕后的机械臂提供一种新思路。
附图说明
图1为本发明一种抓捕空间不规则运动目标过程中的柔顺镇定控制方法流程图;
图2为目标函数曲线随迭代代数变化曲线。
具体实施方式
以下结合附图,通过详细说明一个较佳的具体实施例,对本发明做进一步阐述。
如图1所示,一种抓捕空间不规则运动目标过程中的柔顺镇定控制方法,包括如下步骤:
s1,确定机械臂抓捕目标时的优化变量,所述的优化变量包括:阻尼时间、末端速度、关节角速度和关节角加速度;
为了让阻尼快速进行,对时间的优化是需要考虑的因素之一;其次,在阻尼的过程中防止关节角速度过大也是需要轨迹规划中所要考虑的问题;最后,为与工程实际相匹配,控制力矩的大小也是其中需要优化的内容。利用修正的遗传算法进行轨迹的设计和优化。
s2,针对抓捕后的n自由度机械臂,设计四次多项式阻尼轨迹:
其中θi,i=1…n为n自由度关节角,由于多项式有5个未知变量a0i,a1i,a2i,a3i,a4i,需要五个条件来决定多项式;
s3,建立接触初始、接触结束关节角速度、角加速度约束条件;
在碰撞后已知初始关节角θ0i,初始关节角速度
其中t,θti分别表示轨迹规划时间与终点关节角大小;
s4,建立关节轨迹目标优化方程;
从公式(2)可以看出,四次插值多项式轨迹由t,θti决定,通过对阻尼时间以及终点状态关节角的优化,令轨迹达到要求的目标函数为:
其中,k1、k2、k3、k4分别为阻尼时间系数、末端速度系数、关节角速度系数、关节角加速度系数,t为阻尼时间,ve为末端速度,θ=[θ1θ2θ3…θ7]t,为各关节角,
令δθ=[δθ1,…δθ7]t为修正的遗传算法的变量,其中δθi=θi0-θit表示第i个关节终点状态与初始状态关节角之差;
s5,种群初始化;
利用
s6,利用变异操作产生实现个体变异,设置变异操作变量
设置交叉操作变量
其中cr为交叉概率,jrand为[1,…,d]的随机整数。
为满足边界条件约束,设置边界约束条件:
s7、选择下一代种群个体,并更新下一代种群:
s8、末端关节角、优化时间、最优值求解,通过目标函数(式3)的迭代求解末端关节角、优化时间以及目标函数的最优值;
s9、求解的参数代入四次多项式,获得具有阻尼效果的期望轨迹。
将优化后的终点关节角以及阻尼时间作为轨迹规划的参数代入方程(1),(2)即可得到设计的期望轨迹。
以下举例对本实施例作详细阐述:
在修正的遗传算法中设置上下界限δθmin=[-10,-10,-10,-14,-14,-20,-20]°,δθmax=[10,10,10,14,14,20,20]°,种群数np=40,变量维数d=8,进化代数g=50,变异因子fi=0.85,交叉因子cr=0.8。关节角初始大小θ0=[75,70,110,10,110,-96,94]°,关节角速度
可以得到末端关节角δθ=[-1.2,2.2,4.2,-8.12,20,-20,20]°,优化时间t=27.65s,最优值v=54.11。将优化后的终点关节角以及阻尼时间作为轨迹规划的参数代入方程(1)、(2)即可得到设计的期望轨迹。
尽管本发明的内容已经通过上述优选实施例作了详细介绍,但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后,对于本发明的多种修改和替代都将是显而易见的。因此,本发明的保护范围应由所附的权利要求来限定。