0引言

在地麵建立完善的太空模擬環境，進行空間關鍵技術的研究，是最經濟也是最有效的途徑，在地麵實驗係統中與空間操作係統中最主要的環境差別是太空微重力，地麵捕獲實驗係統中的目標衛星的重力補償效果的好壞是地麵演示驗證係統的一項重要性能指標，關於目標衛星的重力補償目前使用的方法有水浮力、氣體浮力、自由落體運動、吊絲重力補償4種，水浮力試驗[1~3]是將試驗對象全部浸泡在水中，精確地調整漂浮器的浮力和配重的大小，使向上的浮力與向下的重力互相抵消，產生隨機平衡的漂浮狀態，模擬太空失重狀態，此試驗方法受水的阻力和紊流影響，維護費用高且實驗時需保證係統的密封性，氣體浮力[4]是采用氣墊或空氣軸承支撐物體，來補償物體的重力影響，氣浮法經濟、實用，但是隻能進行平麵仿真實驗，自由落體[51通常是在飛機上做拋物線飛行，研究空間物體在失重狀態下捕獲浮遊物體的情況，自由落體法代價高，試驗時間短，吊絲式重力補償[6]係統是通過滑輪組利用配重物的重量來補償物體係統的重力影響，其費用低、易維護但補償重力不完全，文獻[6，7]提出的吊絲重力補償使用的是多根吊絲對漂浮物體進行重力補償，其設計較複雜，控製不易，本文提出的吊絲重力補償法采用的是一根吊絲對漂浮物體進行重力補償，設計較簡單，易於控製對這根吊絲最主要是進行在極坐標內跟隨運動和垂直方向上的恒張力控製，來達到重力補償的效果極坐標內跟隨運動和恒張力控製的精度對整個地麵實驗係統演示的效果有重要的影響如果控製精度低，將無法再現太空微重力環境下抓取目標物體的任務因此，提高吊絲的極坐標內跟隨運動和恒張力控製是該實驗係統的一項重要指標

l地麵失重實驗係統

1.1地麵失重實驗係統組成

其主要由兩部分組成第一部分是機器人主體，即捕獲物體的機器人；第二部分是被捕獲的目標物體，這兩部分都需要模擬微重力的太空環境，本文主要介紹第二部分，即目標衛星的重力補償當目標物體受到碰撞時，將偏離平衡位置，吊絲跟隨物體運動，將偏離其垂直向下的初始位置，固定在吊絲上的二維角度傳感器輸出偏離平衡位置的角度信號，此角度信號實時反映了吊絲偏離的方向和偏離的程度該角度傳感器的檢測信號實時傳送到電機1與電機3的控製器，產生相應的控製信號，使電機1和電機3作相應的轉動，通過移動機器人的相應的運動，保持吊絲垂直向下的狀態當吊絲垂直向下時，目標物體不一定處於失重的狀態目標物體受到向上碰撞時，其中的拉力比目標物體的重力小，這時吊絲上的拉力傳感器的拉力信號將實時傳送到電機2的控製器，根據檢測到的拉力傳感器信號，電機2的控製器產生相應的輸出，帶動吊絲及目標物體向上運動，並拉緊吊絲，保持吊絲的恒張力當目標物體受到向下碰撞時或捕獲機器人向下抓取時，這時電機2應帶動卷絲輪向下運動，在運動的過程中，吊絲的張力應該保持不變在本文中，分為兩種情況來設計控製方案，一種是移動機器人是靜止的，即抓取靜止的目標物體；一種是移動機器人是運動的，即抓取運動的目標物體

2基於優化的模糊CMAC的控製器i

從式(9)可知，由於摩擦力的存在和負載擾動，且由於負載擾動的變化引起摩擦力的變化，使用傳統的控製方法難以達到高精度、準確的控製，模糊神經網絡控製在複雜的非線性、不確定係統上成功應用，使其成為非線性、難以準確建模領域的一種有效方法，模糊CMAC(thecerebellarmodelarticulationcontroller)是一種在機器人控製領域應用較早的控製方法，因此將模糊CMAC引入此實驗係統的3個隨動控製是合適的

2，1模糊。勝C神經網絡

模糊CMAC是1993年Nie[9]等提出的，結合了模糊係統和CMAC，CMAC是Albus[10]在1975年提出的一種前饋神經網絡，它實際上是一種查表技術傳統的CMAC缺點是對於高維的輸入其存儲空間大，且由於本身結構的特點，泛化能力差，模糊CMAC能夠解決高維輸人存儲空間的問題，其泛化能力要比傳統的CMAC要好

3仿真實驗研究

本文利用Adams仿真軟件和Matlab軟件相結

合，對失重係統建模仿真在Adams軟件中建立失重係統的機械模型，在Matlab軟件中建立控製算法，由以上的論述可知，使用普通的PID、模糊CMAC、優化的模糊CMAC方法針對同一地麵失重係統進行恒張力控製，後麵的方法要比前麵的方法得到的控製效果好，這說明了模糊CMAC算法具有自K8凯发大酒店天生赢家、自適應的能力而優化的模糊CMAC在沒有先驗知識的前提下，能根據實際係統的輸出和期望的輸入的偏差自動調整模糊控製規則，得到滿意的控製效果，減少控製誤差，應用在不確定和時變外擾動的地麵失重實驗係統中，仿真實驗結果證明了該方法對外力擾動具有明顯的抑製作用，有較強的魯棒性雖然針對的是地麵失重係統，但研究具有普遍意義關於該方法在實際實驗中的應用。

本文源於網絡轉載，如有侵權，請聯係刪除