基于深度强化学习的空间机械臂柔顺捕获控制方法研究

针对空间机械臂在轨捕获问题,提出了一种基于深度强化学习原理的柔顺捕获控制方法,采用深度确定性策略梯度算法设计了控制器.在仿真环境中使用6自由度机械臂对特定质量、初始速度的目标进行了大量抓捕训练,使得控制器能够根据机械臂状态输出合适的力矩,促使目标运动速度最终趋近于0并能够有效降低交互过程中的冲击力.同时,对于不同质量和初始速度的目标,该控制器同样具备良好的适应性并可实现柔顺捕获.与传统基于阻抗控制原理的柔顺控制方法相比,该方法能够减小碰撞过程的最大冲击力,实现不依赖模型的柔顺控制,经工程化改进后有望应用于空间智能捕获任务中.

空间机械臂绳索式末端执行器柔顺抓捕策略研究

针对机械臂抓捕非合作目标过程碰撞冲击大易造成基体偏转或目标逃逸的问题,提出并实现了快速接近-慢速接触-速度跟踪(FA-SC-VT)的末端捕获策略,并基于建立的系统全数字仿真模型对捕获策略进行了仿真验证,结果表明FA-SC-VT捕获策略与匀速捕获策略相比,可大幅减小机械臂捕获目标过程末端产生的冲击力,并可有效解决目标捕获过程中的逃逸问题。

在轨服务航天器的制导、导航与控制关键技术

在轨服务航天器的制导、导航与控制是保障任务完成的核心关键,根据其典型核心任务流程,梳理出了翻滚目标超近立体视觉测量、翻滚目标姿轨耦合逼近路径规划与控制、非合作目标柔顺捕获控制、组合体稳定控制四项关键技术。提出了基于深度学习的目标典型部位精细感知、基于虚拟域逆动力学的优化轨迹、间接估计辅助的图像视觉伺服控制、基于位置控制内环的阻抗控制等方法,实现了组合体航天器精确导航、制导与控制,利用气浮平台、六自由度运动模拟器进行了地面试验验证,组合体三轴控制精度为0.2°。最后对在轨服务航天器未来发展进行了展望,以期为该方向的后续研究提供参考。