第6卷第2期 智能系统学报 Vol.6 No.2 2011年4月 CAAI Transactions on Intelligent Systems Apr.2011 doi:10.3969/i.issn.1673-4785.2011.02.004 漂浮基空间机器人的径向基神经网络 鲁棒自适应控制 张文辉，高九州，马静2，齐乃明 (1.哈尔滨工业大学航天学院，黑龙江哈尔滨150001；2.东北农业大学工程学院，黑龙江哈尔滨150001) 摘要：针对一类同时具有参数及非参数不确定性的自由漂浮空间机器人系统的轨迹跟踪问题，采用了一种RBF神 经网络的自适应鲁棒补偿控制策略.对于系统的参数不确定性，通过对径向基神经网络来自适应学习并补偿，逼近 误差通过滑模控制器消除，神经网络权重的自适应修正规则基于Lyapunov函数方法得到；而非参数不确定通过鲁棒 控制器来实时自适应估计，且未知上界不需要先验的知识.该方法从整个闭环系统的稳定性出发设计的神经网络动 态补偿的鲁棒控制器，并通过引入PD反馈来便于工程应用，这种鲁棒的神经网络控制器，可以有效提高收敛速度 并保证其控制精度.试验结果进一步证明了这种自适应神经网络控制算法的有效性 关键词：神经网络；鲁棒控制；空间机器人：自适应控制 中图分类号：TP24文献标识码：A文章编号：16734785(2011)02-0114-05 The RBF neural network robust adaptive control of a free-floating space robot ZHANG Wenhui,GAO Jiuzhou',MA Jing?,QI Naiming' (1.School of Aerospace,Harbin Institute of Technology,Harbin 150001,China;2.Northeast Agriculture University,Department of Engineering,Harbin 150001,China) Abstract:The trajectory tracking of a class of free-floating space robot manipulators with parameter and non-param- eter uncertainties was considered.An adaptive robust compensation control algorithm was proposed based on an RBF neural network.Neural networks are used for adaptive learning and compensating the unknown system for pa rameter uncertainties.The approaching error was eliminated by a sliding controller.The neural network weight a- daptive correction laws were obtained based on the Lyapunov analysis approach,which can ensure the convergence of the algorithm.Non-parameter uncertainties were estimated and compensated in real time by a robust controller. The unknown upper bound was shown not to need priori knowledge.This control scheme is easy to use in engineer- ing by introducing a PD feedback and designing a robustness controller in which the neural network is dynamically compensated based on the stability of the whole closed loop system.It was proven that the controller can guarantee the asymptotic convergence of tracking errors,good robustness,and the stability of a closed-loop system.The simu- lation results show that the presented method is effective. Keywords:neural network;robust control;space robot;adaptive control 自由漂浮基空间机器人的主要任务是在宇宙空像地面固定基座机器人那样采用常规的控制方法， 间代替宇航员完成捕捉失效卫星、建造空间站、维修另一方面，空间机器人的动力学模型非常复杂并存 空间站设施等工作，为节省控制燃料、增加空间机器 在许多不确定性，如机械臂的质量、惯性矩、负载的 人的有效使用寿命，进而减少发射费用，空间机器人 质量等动力学参数无法获得精确值.这些使控制器 在操作过程中载体位置、姿态均不受控制，因而不能 设计变得非常复杂，并且容易受到不确定性影响 为消除这些非线性因素的影响，已有各种先进 收稿日期：2010-05-07 的智能控制策略14应用于空间机器人跟踪控制 基金项目：中国航天科技集团创新基金资助项目(CASTO9C01). 通信作者：张文辉.E-mail:hit zwh@126.com. 中.文献[56]提出一种自适应控制器，但是在设计