基于高斯混合过程的空间机器人任务空间预测控制方法

doi:10.12305/j.issn.1001-506X.2023.11.27

系统工程与电子技术 ›› 2023, Vol. 45 ›› Issue (11): 3597-3605.doi: 10.12305/j.issn.1001-506X.2023.11.27

基于高斯混合过程的空间机器人任务空间预测控制方法

柳子然¹, 戴梓健², 岳程斐²^,*, 王培基², 曹喜滨¹

1. 哈尔滨工业大学航天学院, 黑龙江哈尔滨 150001
2. 哈尔滨工业大学(深圳)空间科学与应用技术研究院, 广东深圳 518055

收稿日期:2022-11-30 出版日期:2023-10-25 发布日期:2023-10-31
通讯作者: 岳程斐
作者简介:柳子然(1998—), 男, 博士研究生, 主要研究方向为多臂航天器智能控制
戴梓健(1999—), 男, 硕士研究生, 主要研究方向为多臂航天器柔顺控制
岳程斐(1989—), 男, 副教授, 博士, 主要研究方向为航天器总体设计、在轨服务
王培基(1990—), 男, 博士后, 主要研究方向为航天器总体设计、在轨服务
曹喜滨(1963—), 男, 院士, 博士, 主要研究方向为微小卫星总体设计
基金资助:
国家自然科学基金(12372045);深圳市科技计划(JCYJ20220818102207015)

Gaussian-mixture-process-based task-space predictive control method for space robot

Ziran LIU¹, Zijian DAI², Chengfei YUE²^,*, Peiji WANG², Xibin CAO¹

1. School of Astronautics, Harbin Institute of Technology, Harbin 150001, China
2. Institute of Space Science and Applied Technology, Harbin Institute of Technology (Shenzhen), Shenzhen 518055, China

Received:2022-11-30 Online:2023-10-25 Published:2023-10-31
Contact: Chengfei YUE

摘要/Abstract

摘要：

针对空间机器人的精准操控需求和任务空间控制问题, 提出了一种基于高斯混合过程的模型预测控制方法。在建立的空间机器人标称模型基础上, 考虑实际工作过程中由于关节摩擦、参数测量误差导致的建模误差, 利用高斯混合过程对标称模型的不确定性进行精确、高效的分析和修正。其次, 基于修正后的模型提出了非线性模型预测控制方法, 在考虑实际物理约束, 如关节限位、输入饱和等的情况下, 实现了空间机器人基座和机械臂末端位姿对期望轨迹的直接精准跟踪。最后, 考虑航天器在轨操控中的推力器冗余配置问题, 设计了推力分配方案, 并通过仿真结果校验了所设计控制方法的有效性。

关键词: 空间机器人, 任务空间控制, 模型预测控制, 高斯混合过程

Abstract:

The Gaussian-mixture-model-based model predictive controller is proposed for the precise operation requirement and task-space control problem of space robots. Based on the nominal model, the Gaussian mixture model is utilized to analyze and compensate the model uncertainties accurately and efficiently, which are caused by the joint friction, measurement error, etc. Then, considering the physical constraints, such as joint limitations and input saturations, the nonlinear model predictive control method incorporated with the augmented model is proposed to realize the direct and accurate tracking for both the robot base and end-effectors pose. Besides, the thrust allocation algorithm is presented for the thruster's redundant configuration. Finally, the effectiveness of the proposed method is verified by the simulation results.

Key words: space robot, task-space control, model predictive control, Gaussian mixture process

中图分类号:

V448.2

柳子然, 戴梓健, 岳程斐, 王培基, 曹喜滨. 基于高斯混合过程的空间机器人任务空间预测控制方法[J]. 系统工程与电子技术, 2023, 45(11): 3597-3605.

Ziran LIU, Zijian DAI, Chengfei YUE, Peiji WANG, Xibin CAO. Gaussian-mixture-process-based task-space predictive control method for space robot[J]. Systems Engineering and Electronics, 2023, 45(11): 3597-3605.

图/表 16

图1

图2

图3

图4

表1

表2

表3

图5

图6

图7

图8

图9

图10

图11

图12

图13

参考文献 24

1	肖洪, 成正爱, 郭宏伟, 等. 空间太阳能电站大折展比体展开桁架机构[J]. 机械工程学报, 2020, 56 (13): 128- 137.
	XIAO H , CHENG Z A , GUO H W , et al. Large folding ratio 3D deployable truss mechanism for space solar power station[J]. Journal of Mechanical Engineering, 2020, 56 (13): 128- 137.
2	HAWS T D, ZIMMERMAN J S, FULLER M E. SLS, the gateway, and a lunar outpost in the early 2030s[C]//Proc. of the IEEE Aerospace Conference, 2019.
3	NAKANISHI J , CORY R , MISTRY M , et al. Operational space control: a theoretical and empirical comparison[J]. The International Journal of Robotics Research, 2008, 27 (6): 737- 757. doi: 10.1177/0278364908091463
4	KHATIB O . A unified approach for motion and force control of robot manipulators: the operational space formulation[J]. IEEE Journal on Robotics and Automation, 1987, 3 (1): 43- 53. doi: 10.1109/JRA.1987.1087068
5	HOGAN N. Impedance control: an approach to manipulation[C]//Proc. of the IEEE American Control Conference, 1984: 304-313.
6	LIPPIELLO V , FONTANELLI G A , RUGGIERO F . Image-based visual-impedance control of a dual-arm aerial manipulator[J]. IEEE Robotics and Automation Letters, 2018, 3 (3): 1856- 1863. doi: 10.1109/LRA.2018.2806091
7	WANG X Y , SHI L L , KATUPITIYA J . A strategy to decele-rate and capture a spinning object by a dual-arm space robot[J]. Aerospace Science and Technology, 2021, 113, 106682. doi: 10.1016/j.ast.2021.106682
8	YILMAZ B M , TATLICIOGLU E , SAVRAN A , et al. Self-adjusting fuzzy logic based control of robot manipulators in task space[J]. IEEE Trans.on Industrial Electronics, 2022, 69 (2): 1620- 1629. doi: 10.1109/TIE.2021.3063970
9	席裕庚, 李德伟, 林姝. 模型预测控制——现状与挑战[J]. 自动化学报, 2013, 39 (3): 222- 236.
	XI Y G , LI D W , LIN S . Model predictive control—status and challenges[J]. Acta Automatica Sinica, 2013, 39 (3): 222- 236.
10	徐杨, 陆丽萍, 褚端峰, 等. 无人车辆轨迹规划与跟踪控制的统一建模方法[J]. 自动化学报, 2019, 45 (4): 799- 807.
	XU Y , LU L P , CHU D F , et al. Unified modeling of trajectory planning and tracking for unmanned vehicle[J]. Acta Automatica Sinica, 2019, 45 (4): 799- 807.
11	宗立军, 罗建军, 王明明, 等. 自由漂浮空间机器人多约束混合整数预测控制[J]. 宇航学报, 2016, 37 (8): 992- 1000.
	ZONG L J , LUO J J , WANG M M , et al. A mixed integer predictive controller with multi-constraint for free-floating space robots[J]. Journal of Astronautics, 2016, 37 (8): 992- 1000.
12	NUBERT J , KOHLER J , BERENZ V , et al. Safe and fast tracking on a robot manipulator: robust mpc and neural network control[J]. IEEE Robotics and Automation Letters, 2020, 5 (2): 3050- 3057. doi: 10.1109/LRA.2020.2975727
13	RYBUS T , SEWERYN K , SASIADEK J Z . Control system for free-floating space manipulator based on nonlinear model predictive control (NMPC)[J]. Journal of Intelligent & Robotic Systems, 2017, 85 (3/4): 491- 509.
14	SHI L , KAYASTHA S , KATUPITIYA J . Robust coordinated control of a dual-arm space robot[J]. Acta Astronautica, 2017, 138, 475- 489. doi: 10.1016/j.actaastro.2017.06.009
15	TORRENTE G , KAUFMANN E , FOHN P , et al. Data-driven MPC for quadrotors[J]. IEEE Robotics and Automation Letters, 2021, 6 (2): 3769- 3776.
16	WOOLFREY J , LU W , LIU D . Predictive end-effector control of manipulators on moving platforms under disturbance[J]. IEEE Trans.on Robotics, 2021, 37 (6): 2210- 2217.
17	CALDWELL J, MARSHALL J A. Towards efficient learning-based model predictive control via feedback linearization and Gaussian process regression[C]//Proc. of the IEEE/RSJ International Conference on Intelligent Robots and Systems, 2021: 4306-4311.
18	LEEN T, DIETTERICH T, TRESP V. Advances in neural information processing systems[M]//TRESP V, ed. Mixtures of Gaussian processes. Massachusetts: MIT Press, 2000.
19	LIU Y F , WANG X , TANG Z H , et al. Probabilistic ensemble neural network model for long-term dynamic behavior prediction of free-floating space manipulators[J]. Aerospace Science and Technology, 2021, 119, 107138.
20	陈友东, 刘嘉蕾, 胡澜晓. 一种基于高斯过程混合模型的机械臂抓取方法[J]. 机器人, 2019, 41 (3): 343- 352.
	CHEN Y D , LIU J L , HU L X . A manipulator grasping method based on mixture of Gaussian processes model[J]. Robot, 2019, 41 (3): 343- 352.
21	KABZAN J , HEWING L , LINIGER A , et al. Learning-based model predictive control for autonomous racing[J]. IEEE Robotics and Automation Letters, 2019, 4 (4): 3363- 3370.
22	ANDERSSON J A E , GILLIS J , HORN G , et al. CasADi: a software framework for nonlinear optimization and optimal control[J]. Mathematical Programming Computation, 2019, 11 (1): 1- 36.
23	VERSCHUEREN R , FRISON G , KOUZOUPIS D , et al. ACADOS—a modular open-source framework for fast embedded optimal control[J]. Mathematical Programming Computation, 2022, 14 (1): 147- 183.
24	JIA S Y , SHAN J J . Finite-time trajectory tracking control of space manipulator under actuator saturation[J]. IEEE Trans.on Industrial Electronics, 2020, 67 (3): 2086- 2096.

参数	基座	连杆1	连杆2
质量/kg	12.9	2.5	2.5
尺寸/m	0.25×0.25	0.6	0.6
惯量/(kg·m²)	0.4	0.3	0.3

推力器	[x_Tl, y_Tl]^T/m	β_l/(°)
T₁	(0.171, -0.154)	180
T₂	(0.154, -0.171)	90
T₃	(-0.154, -0.171)	90
T₄	(-0.171, -0.154)	0
T₅	(-0.171, 0.154)	0
T₆	(-0.154, 0.171)	-90
T₇	(0.154, 0.171)	-90
T₈	(0.171, 0.154)	180

参数	取值
轨迹初始状态ξ₁	[0, 0, 0.1 rad, 1.311 7 m, 0.690 6 m, 0.710 9 rad]^T
轨迹末状态ξ_f	[0.1 m, 0.1 m, 0, 1.092 2 m, 0.989 6 m, 1.309 0 rad]^T
仿真步长δt/s	0.01
运动时间t_f/s	25
样本子集个数M	3
预测步数N	20
预测时域T/s	0.2
控制增益Q_r	diag(0.005 I_5×1)
控制增益Q_t	diag([30 I_6×1, 60I_6×1])
推力上下限T_lb, T_ub/N	[0, 0.5]
最小开机时间Δt_c/s	0.03

[1]	张宏, 吴云华, 钟胜钧, 郭海波. 基于反步法的空间目标复合指向控制方法研究[J]. 系统工程与电子技术, 2023, 45(9): 2884-2893.
[2]	徐文丰, 李颖晖, 裴彬彬, 禹志龙. 基于多模型MPC的变体飞机协调优化控制[J]. 系统工程与电子技术, 2023, 45(9): 2902-2911.
[3]	孙田野, 孙伟, 吴建军. 改进Quatre算法的无人机编队快速集结方法[J]. 系统工程与电子技术, 2022, 44(9): 2840-2848.
[4]	胥彪, 李翔, 李爽, 张金鹏. 基于非线性模型预测控制的火星大气进入智能制导方法[J]. 系统工程与电子技术, 2021, 43(7): 1943-1953.
[5]	王晓海, 孟秀云, 李传旭. 基于MPC的无人机航迹跟踪控制器设计[J]. 系统工程与电子技术, 2021, 43(1): 191-198.
[6]	杨宇, 吴达, 高峰, 邓建军. 适用于超低空拦截的复合制导律设计方法[J]. 系统工程与电子技术, 2021, 43(1): 208-215.
[7]	朱梦圆, 吕娜, 陈柯帆, 钟赟, 刘创, 高维廷. 航空集群协同搜索马尔可夫运动目标方法[J]. 系统工程与电子技术, 2019, 41(9): 2041-2047.
[8]	宋敏, 戴静, 孔韬. 基于NMPC的无人机自主防撞控制方法[J]. 系统工程与电子技术, 2019, 41(9): 2092-2099.
[9]	王超, 张胜修, 宋仔标, 杨建业, 吴晓露. 飞行器抗饱和鲁棒自适应非线性模型预测控制[J]. 系统工程与电子技术, 2018, 40(2): 393-400.
[10]	盖俊峰, 赵国荣, 宋超. 基于线性近似和神经网络逼近的模型预测控制[J]. 系统工程与电子技术, 2015, 37(2): 394-399.
[11]	唐贤伦，李洋，李鹏，张毅. 基于多Agent粒子群优化的多步SVR模型预测控制[J]. 系统工程与电子技术, 2014, 36(5): 958-964.
[12]	祁晓明, 魏瑞轩, 沈东, 茹常剑, 周欢. 基于运动目标预测的多无人机分布式协同搜索[J]. 系统工程与电子技术, 2014, 36(12): 2417-2425.
[13]	高晓光，李青原，邸若海. 基于DBN威胁评估的MPC无人机三维动态路径规划[J]. 系统工程与电子技术, 2014, 36(11): 2199-2205.
[14]	陈进东，潘丰. 基于在线支持向量机和遗传算法的预测控制[J]. Journal of Systems Engineering and Electronics, 2013, 35(6): 1275-1280.
[15]	张文辉, 齐乃明, 高九州. 基于神经网络的自由漂浮空间机器人鲁棒控制[J]. Journal of Systems Engineering and Electronics, 2011, 33(6): 1332-1336.

基于高斯混合过程的空间机器人任务空间预测控制方法

Gaussian-mixture-process-based task-space predictive control method for space robot

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 16

参考文献 24

相关文章 15

编辑推荐

Metrics

本文评价