基于轨迹预测和跟踪的捕捉液压控制系统研究_宋平翰 (1)
高精度双轴太阳能跟踪控制系统的设计
高精度双轴太阳能跟踪控制系统的设计张双华;文小玲;邵鹏程;陈立明【摘要】A solar tracking photoelectric sensor was designed and an optimization method of hybrid tracking control strategy was proposed for improving solar energy utilization in general photovoltaic power generation system. The system adopts a tracking mode combining time control with photoelectric control. The controller integrates and processes the real-time data of the sensor,converts the deviation angles of pitch and azimuth into some pulse width modulation,thereby drives the stepping motor to make the solar panel in a vertical position with the sun's rays. The experimental results showed that the designed photoelectric detection module could accurately track the position of the sun,and the optimized hybrid tracking control strategy not only reduced the system power consumption,but also improved the tracking accuracy. The entire system finally achieved the goal of maximum utilization of solar energy.%针对一般光伏发电系统中存在的太阳能利用率较低的问题,设计了一种太阳能跟踪光电传感器,并提出了一种混合跟踪控制策略的优化方法.系统采用时控和光控相结合的跟踪模式,通过控制器整合处理传感器的实时数据,将俯仰和方位两个维度的偏差角度转换成一定数量的PWM脉冲,从而驱动步进电机使太阳能电池板与太阳光线呈垂直姿态.实验测试结果表明:所设计的光电检测传感器模块可以准确地跟踪太阳方位,采用优化的混合跟踪控制策略不仅降低了系统功耗,而且提高了跟踪精度,整个系统最终实现了太阳能利用率最大化的目标.【期刊名称】《武汉工程大学学报》【年(卷),期】2018(040)003【总页数】5页(P315-319)【关键词】太阳能;时控跟踪;光控跟踪;光电传感器;单片机【作者】张双华;文小玲;邵鹏程;陈立明【作者单位】武汉工程大学电气信息学院,湖北武汉 430205;武汉工程大学电气信息学院,湖北武汉 430205;湖北省视频图像与高清投影工程技术研究中心,湖北武汉 430205;;武汉工程大学电气信息学院,湖北武汉 430205;武汉工程大学电气信息学院,湖北武汉 430205【正文语种】中文【中图分类】TM615随着化石能源的逐渐枯竭,环境问题日益严重,很多国家都致力于新能源的开发,而太阳能以其独特的优势成为现有的新型替代能源[1-3]。
基于多线程技术的测控系统软件设计
基于多线程技术的测控系统软件设计杨珂;宋国堃;赵世平【摘要】We developed a software of measurement and control system based on multi-threading technology according to the design need of a certain measurement and control system. The realization of the software in the article is through the C# language on the .Net platform, which providing with a powerful thread model and complete operation interfaces can meet the needs toward to the operation on threads. The core function of the software, which starts different threads to run the data acquisition, experiment control, UI interaction and safety monitoring functional modules, is multi-threading technology. Thread synchronization technology guaranteed the accuracy of high-speed objects transmission among different threads. On the one hand, this kind of design pattern enhances the stability and reliability of the software significantly, on the other hand, it can also takes full advantage of the computer’s system resources to speed up the working efficiency of the system.%根据某系统软件设计的需要,开发了基于多线程技术的测控系统软件。
基于前馈+预测LQR的智能车循迹控制器设计
基于前馈+预测LQR的智能车循迹控制器设计
崔凯晨;高松;王鹏伟;周恒恒;张宇龙
【期刊名称】《科学技术与工程》
【年(卷),期】2024(24)10
【摘要】为提升智能车辆循迹性能,基于线性二次调节器(linear quadratic regulator,LQR)理论和滑模理论,提出了一种兼顾横纵向跟踪精度与转向稳定性的横纵向控制器。
首先,构建了基于二自由度横向动力学模型的前馈LQR控制器。
针对模型线性化后前馈LQR控制器转向稳定性降低的问题,结合恒定转弯率和速度(constant turn rate and velocity,CTRV)模型设计预测控制器,建立了基于实时车速-曲率模糊自适应预测时间的前馈LQR控制器。
此外为提升纵向车速跟踪稳定性和跟踪精度,提出了一种基于滑模控制理论的纵向跟踪方法。
并进行了联合仿真和硬件在环实验验证。
结果表明:文中提出的横纵向控制器有效解决了跟踪精度与稳定性两者难以兼顾的问题,提升了智能车辆循迹性能。
【总页数】13页(P4287-4299)
【作者】崔凯晨;高松;王鹏伟;周恒恒;张宇龙
【作者单位】山东理工大学交通与车辆工程学院
【正文语种】中文
【中图分类】U463.42
【相关文献】
1.基于模型预测控制的智能车横纵向控制器设计
2.基于MK60DN512VLQ10微控制器的电磁循迹智能车的设计
3.基于前馈补偿LQR与PID的矿井无轨胶轮车横纵向控制研究
因版权原因,仅展示原文概要,查看原文内容请购买。
《科技文献检索及利用》课程报告解析
成绩评定重庆大学研究生《科技文献检索及利用》课程报告姓名:学号:学院:机械工程学院电话:电子邮箱:完成日期:课题名称中文:基于Isight的液压挖掘机工作装置结构性能协同优化英文:Collaborative Optimization on Structure and Performance of Backhoe Hydraulic Excavator Working Device Base on Isight选题来源√科研项目学习选题兴趣选题信息调研要点需要查证的内容要点:1、了解国内外对反铲液压挖掘机工作装置结构性能的研究现状、应用情况和发展方向;2、了解多学科协同优化的相关知识;3、了解关于反铲液压挖掘机工作装置结构性能的优化参数、约束以及相关的优化算法;4、了解Isight在多学科协同优化中的应用。
信息调研方法√常规检索法√引文法实地考察√访谈法文献信息检索检索范围1、CNKI《中国期刊全文数据库》1990年— 2016年3月;2、万方《中国学位论文库》1999年- 2016年3月;3、万方《中国重要会议论文全文数据》1999年- 2016年3月;4、《Elsevier SD》1999年– 2016年3月;5、《EI Compendex》1999年– 2016年3月;6、《Web of Science》1979年—2016年3月;文献信息检索检索词和检索式1、检索词(中文/英文)(1)液压挖掘机(反铲液压挖掘机)/ Hydraulic excavator,Backhoe hydraulic excavator.(2)工作装置/Working device,Working mechanism,Working equipment(3)协同优化/Collaborative Optimization,Coordination Optimization, Optimization design, Optimal design, Optimize. , CO(4)结构/ Structure.2、检索式(Hydraulic Excavator or Backhoe hydraulic excavator ) and (Working device orWorking mecha* or Working equipment ) and (Struct* and Performance) or(Collaborative Optim* or Coordination Optim* or CO)注: 1.以上检索式为一般表达式,具体形式因不同文库而异。
空间机器人捕获动力学与控制
第21卷第12期2023年12月动力学与控制学报J O U R N A L O FD Y N AM I C SA N DC O N T R O LV o l .21N o .12D e c .2023文章编号:1672G6553G2023G21(12)G022G015D O I :10.6052/1672G6553G2023G132㊀2022G12G29收到第1稿,2023G03G26收到修改稿.∗国家自然科学基金面上基金资助项目(12172214),N a t i o n a lN a t u r a l S c i e n c eF o u n d a t i o no fC h i n a (12172214).†通信作者E Gm a i l :c a i g p @s jt u .e d u .c n 空间机器人捕获动力学与控制∗蔡国平†㊀刘晓峰㊀刘元卿(上海交通大学工程力学系,上海㊀200240)摘要㊀空间目标的在轨捕获是航天器在轨服务的重要内容,无论是太空碎片清理还是对航天器进行维修等,都首先需要解决捕获这个极具挑战性的问题.本文对空间机器人捕获空间目标的动力学与控制问题进行综述,首先介绍国内外主要的空间机器人计划,然后介绍捕获前㊁捕获中㊁捕获后三个阶段的动力学与控制问题,寄望于本文内容能够对从事空间机器人技术研究的学者有所裨益.关键词㊀空间机器人,㊀捕获,㊀空间目标,㊀动力学与控制中图分类号:O 32文献标志码:AC a p t u r i n gD y n a m i c s a n dC o n t r o l o f S pa c eR ob o t s ∗C a iG u o p i n g †㊀L i uX i a o f e n g ㊀L i uY u a n q i n g(D e p a r t m e n t o fE n g i n e e r i n g M e c h a n i c s ,S h a n g h a i J i a oT o n g U n i v e r s i t y ,S h a n gh a i ㊀200240)A b s t r a c t ㊀I n Go r b i t c a p t u r e o f s p a c e o b j e c t s i s a c r u c i a l a s p e c t o f s p a c e c r a f t s e r v i c i n g,w h e t h e r i t i n v o l v e s s p a c e d e b r i s r e m o v a l o r s p a c e c r a f tm a i n t e n a n c e .T h e c h a l l e n g i n g t a s ko f c a p t u r i n g o b j e c t s i n s pa c e i s t h e p r i m a r y f o c u s o f t h i s a r t i c l e .T h i s p a p e r p r o v i d e s a c o m p r e h e n s i v e r e v i e wo f t h e d yn a m i c s a n d c o n t r o l i s Gs u e s r e l a t e d t o s p a c e r o b o t c a p t u r e .I t b e g i n s b y i n t r o d u c i n g m a j o r s p a c e r o b o t p r o gr a m s b o t h d o m e s t i c a l Gl y a n d i n t e r n a t i o n a l l y .S u b s e q u e n t l y ,i td e l v e s i n t ot h ed y n a m i c sa n dc o n t r o l p r o b l e m sd u r i n g t h e p r e Gc a p t u r e ,m i d Gc a p t u r e ,a n d p o s t Gc a p t u r e p h a s e s .I t i s h o p e d t h a t t h e c o n t e n t o f t h i s a r t i c l ew i l l b e b e n e f i Gc i a l t o s c h o l a r s e n g a g e d i n s p a c e r o b o t t e c h n o l o g y re s e a r c h .K e y wo r d s ㊀s p a c e r o b o t ,㊀c a p t u r e ,㊀s p a c e o b j e c t ,㊀d y n a m i c s a n d c o n t r o l 引言随着人类对外太空探索的逐渐深入,空间领域相关技术引起了人们的更多关注,它不仅是一个国家荣誉的象征,也是一个国家科技水平的标志,它的发展关系着未来空间资源利用以及国家空间安全等重大问题.由于太空环境的强辐射㊁微重力㊁大温差㊁高真空等特点,宇航员在太空的活动存在着很多威胁和困难,空间机器人便成为代替宇航员完成太空任务的重要选择之一[1,2].空间机器人具有如下优势与特点[3]:(1)不需要考虑维持人类生命的生态系统,(2)可以大幅度提升空间环境的适应能力,(3)可以长时间地在太空中执行任务,(4)能够降低成本和提高空间任务的效率,(5)能够完成很多情况下人类无法胜任的高精度㊁高可靠度的操作任务.正是由于空间机器人所具有的诸多优势,各个航天技术大国都在大力开展空间机器人相关技术的研第12期蔡国平等:空间机器人捕获动力学与控制究.空间机器人主要是由航天器的本体及装载在本体上的机械臂所构成,主要用于太空垃圾清除㊁空间站建造及维护㊁航天器组装与维修㊁空间探测㊁空间攻防以及太空实验等[3,4],以空间机器人为核心的在轨服务技术逐渐成为当下空间技术发展和应用的热点之一[5].以下从四方面简略阐述空间机器人的用途.太空垃圾清理.随着空间技术的不断发展,人类向太空中发射的航天器数量也在不断增多,太空垃圾数量呈现出爆发式增长.太空垃圾包括达到使用年限而报废或失效失控的人造卫星㊁火箭末级㊁箭星分离所产生的碎片㊁太空中漂浮的废弃物相互撞击所产生的小碎片等.世界各国目前每年发射的航天器的数量大约是80~130颗,其中约有2%的航天器没有成功进入指定轨道,并且有8%左右的航天器在进入指定轨道后一个月后就发生失效[6].据估计,在太空中环绕地球飞行㊁长度大于10c m 的各种太空垃圾的数量不少于21000件.这些太空垃圾长期占据着有限的轨道资源,对正常在轨运转的航天器带来严重威胁,如何清理太空垃圾已成为人们关注的热点问题[7,8],利用空间机器人来对太空垃圾进行捕获㊁然后将其拉进坟墓轨道或者将其拉至更低轨道进入大气层销毁,是太空垃圾治理的重要手段之一.在轨修理维护与燃料添加.卫星从研制㊁生产㊁及在轨使用等整个过程的投入是巨大的.卫星在发射之前都经过了周密设计,并且充分考虑了各种可能会导致卫星失效的因素.但是由于太空环境的恶劣等因素,有些卫星在未到达设计寿命时就发生故障[9,10].另一方面,卫星所能携带的燃料有限,太阳能设备也存在着使用寿命,当燃料耗尽或者太阳能设备使用寿命到期后,卫星成为了 废星 .利用空间机器人则可以对卫星进行维修与添加燃料,使其重新正常工作.失效卫星再利用.卫星发射升空后有可能出现太阳翼无法正常展开,也有可能出现通讯设施无法对地正常通讯等问题,从而导致卫星失效[11,12].1997年6月,价值4.74亿美元㊁原本设计寿命3年的日本A d e o s卫星在工作一年后,由于太阳翼故障而导致卫星完全失效,它是日本公开的已发射的最大和最复杂的卫星之一.2006年10月,西昌卫星发射中心发射的 鑫诺二号 通信广播卫星由于太阳能帆板和收发信号的天线没能成功展开,导致这颗耗费20亿元的卫星失效.以上这些问题可以利用空间机器人而得以解决,相比再次发射新卫星可以大大节约成本.空间军事攻防[13].由于空间技术的飞速发展,军用卫星也在不断涌现,使得现代战争发生了巨大变革.军事力量对通信㊁气象㊁导航及定位等有着绝对依赖,可以讲空间技术能够决定现代战争的成败.如何削弱敌方空间设备的能力㊁保证己方空间设备的安全和正常工作,是未来战争的一个重要课题,利用空间机器人技术来提升空间攻防的能力是其中的焦点之一.1㊀国内外空间机器人发展概况近几十年来,空间机器人技术得了迅速发展,取得了很多成果,以下对各个航天大国的主要空间机器人计划做一简介.1.1㊀美国早在20世纪80年代,美国就已逐步着手空间机器人相关项目的科研工作,他们的主要项目包含如下,项目示意图如图1所示.(1)F T S项目(F l i g h t T e l e r o b o t i cS e r v i c eGF T S)[14].F T S是1986年由N A S A主导发起的,它是美国最早的空间机器人项目,原定于1993年对项目中的D T FG1空间机器人进行测试飞行实验,以评估机器人系统在太空中的性能.它的主要目标是把机器人带出实验室而将其应用于恶劣的太空中环境,使其朝着自主的方向发展,从而替代宇航员完成在轨任务.虽然该项目于1991年被取消了,但是D T FG1空间机器人的设计已经基本结束,并且完成了机器人末端执行机构的制作.此外,该项目在各阶段相关飞行硬件方面的研究也取得了一些成果.(2)R T F X项目(R a n g e rT e l e r o b o t i cF l i g h t E x p e r i m e n tGR T F X)[15,16].该项目开始于1992年,计划于1998年从地球低轨道上的航天飞机上发射,主要目的是验证空间遥操作机器人对航天器的各种服务功能,为将来执行对近地轨道上航天器的在轨任务做准备.项目中的机器人是高度先进的,并且在太空环境中具有自由飞行能力.32动㊀力㊀学㊀与㊀控㊀制㊀学㊀报2023年第21卷图1㊀美国空间机器人项目示意图F i g.1㊀S c h e m a t i c d i a g r a mo f t h eU S s p a c e r o b o t p r o j e c t㊀㊀(3)S k y w o r k e r项目[17].S k y w o r k e r是由C a rGn e g i eM e l l o n大学自主研制的,主要用于大规模有效载荷的运输和装配任务,它是一个具有11个自由度的可移动空间机器人.(4)A E R C a m项目(T h eA u t o n o m o u sE x t r aGv e h i c u l a rA c t i v i t y R o b o t i cC a m e r aGA E R C a m)[18].A E R C a m是一个沙滩球大小㊁具有6个自由度的摄像机器人,主要用来对空间站和航天飞机内外部进行观察,从而帮助宇航员完成空间在轨任务.它是由美国N A S A约翰逊航天中心设计开发的,机器人的半径为14c m,总重为15.33K g,其中带有重为0.544K g的燃料.上面装有用来传送视频流到电脑和地面的两个摄像机㊁12个小型氮气动力推进器和航电设备.1997年12月,A E R C a m进行了在轨测试,由舱外宇航员手动释放后飞行了约30分钟,由舱内宇航员对它进行操纵拍摄图片并回传相关数据[19].(5)R o b o n a u t项目[20,21].R o b o n a u t是由美国N A S A约翰逊航天中心研制的,是一款用来取代航天员完成舱段外工作的空间机器人.R o b o n a u t在外形和运动能力上基本与人类的上半身一样,主要包含头部㊁躯体和手臂等部分,它能够使用多种工具完成大量复杂的操作.(6)S C O U T项目(S p a c e C o n s t r u c t i o na n d O r b i t a lU t i l i t y T r a n s p o r tGS C O U T)[22].由于现有的E V A(e x t r a v e h i c u l a r a c t i v i t y)压力服系统对太阳辐射和空间辐射的防护有限而不能满足在深空环境中的使用,同时为了在舱外活动中最大程度地利用人类灵活的手工操作,美国M a r y l a n d大学在结合压力服系统设计㊁航天器技术及机器人服务系42第12期蔡国平等:空间机器人捕获动力学与控制统的基础上,开发了S C O U T系统,该系统的高㊁宽及深分别约为2m㊁1.5m和2m,可为宇航员在太空作业中提供良好的工作环境.(7) 轨道快车 项目[23,24].该项目是由美国国防部高级研究计划局在1999年提出的,主要是为了检验航天器在轨操作的一些相关核心技术,主要包括:短程及远程自动交汇对接技术,捕捉及停靠,太空中的电力电子设备升级和在轨加注燃料等.2007年3月8日成功发射了轨道快车项目相关的航天器,2007年7月22日实现了所有在轨项目的演示[25].(8) 凤凰(P h o e n i x) 计划项目[26].该计划是由美国国防部高级研究计划局于2011年发起的,整个系统由服务星(空间机器人)㊁细胞星(S a t l e t)和在轨投送设备(P O D)三部分组成.主要任务是通过空间机器人将商业卫星上弹出的S a t l e t和P O D捕获后存放起来,然后携带它们至目标星附近并捕获目标星,最后通过P O D的相关工具将S a t l e t安装在目标星上并激活.(9) 在轨服务㊁装配与维修(O nGO r b i tS e r v iGc i n g,A s s e m b l y a n dM a n u f a c t u r i n gGO S AM) 计划项目[27].该项目是由美国航天局于2020年发起的,计划于发射两个在轨服务卫星,分别是O S AMG1与O S AMG2.O S AMG1卫星计划于2025年后发射,旨在使用机械臂为L a n d s a t7地球成像卫星进行轨道捕获与燃料加注工作,完成主要任务后,由麦克萨科技公司(M a x a rT e c h n o l o g i e s)制造的空间基础设施灵巧机器人(S p a c eI n f r a s t r u c t u r eD e xGt e r o u sR o b o t,S P I D E R)进行在轨组装与制造任务.O S AMG2卫星预计不早于2024年发射,正在开发与O S AMG1任务互补的技术.该卫星将在轨道上建造并部署一个替代太阳能电池阵列.在轨准备就绪后,O S AMG2将3D打印一个从航天器一侧延伸10米的横梁,完成后将来到航天器的另一侧打印一个延伸6米的横梁.1.2㊀加拿大(1)加拿大S R M S(S h u t t l eR e m o t eM a n i p u l a t o r S y s t e mGS R M S)[28].S R M S是由加拿大M D R o b o t i c 公司于1981年开发的,也是全球上首个成功应用的远程遥操控的空间机械臂,主要用于航天飞机检查维修㊁操纵以及在轨构筑和组装等在轨任务,目前已经成功完成了几十个航天飞行器上的任务.它由上臂和下臂㊁终端执行机构和位于航天飞行器终端甲板上的控制台所组成,机械臂的总长为50英寸,包含有6个可以实现转动和平移运动的关节.(2)加拿大M S S(M o b i l eS e r v i n g S y s t e mGM S S)[29].在S R M S的基础上,M D R o b o t i c公司又研制了在空间站上使用的远程遥操控的机器人系统.该系统主要由移动本体[30,31](M o b i l eB a s eS y sGt e mGM B S)㊁空间站远程遥操控机械臂系统[32,33] (S p a c eS t a t i o n R e m o t e M a n i p u l a t o rS y s t e mGS SGR M S)和专用灵巧机械手[34G36](S p e c i a lP u r p o s e D e x t e r o u sM a n i p u l a t o rGS P D M)三部分组成.其中, M B S相当于整个系统的基座,系统运行的能源由它来提供;S S R M S主要用来搬运和组装大型物件,它由总共有7个自由度的两臂杆所组成;S P D M可以执行一些更加复杂和精细的任务.(3)加拿大机械臂3号(C a n a d a r m3)[37].C a n aGd a r m3是加拿大航天局为美国月球空间站设计的空间机械臂系统,其一个8.5m长的机械臂㊁一个灵巧机械臂和一套在轨替换单元构成,主要用于完成空间站的维护㊁修理和检查㊁访问飞船的捕获㊁航天员的太空行走辅助以及科学实验.图2㊀加拿大空间机器人项目示意图F i g.2㊀S c h e m a t i c d i a g r a mo fC a n a d i a n s p a c e r o b o t p r o j e c t52动㊀力㊀学㊀与㊀控㊀制㊀学㊀报2023年第21卷1.3㊀欧洲欧洲的德国㊁欧空局㊁俄罗斯及意大利等国家针对空间机器人技术都进行了研究和实验,相关项目如下所述,项目示意图如图3所示.图3㊀欧州空间机器人项目示意图F i g .3㊀S c h e m a t i c d i a g r a mo fE u r o p e a ns p a c e r o b o t p r o je c t ㊀㊀(1)德国R O T E X 项目(R o b o t i cT e c h n o l o g y E x pe r i m e n t GR O T E X )[38].该项目发起于1986年,并在1993年从哥伦比亚航天飞机上成功发射,进行了结构组装㊁连接/断开开关动作及捕获空间漂浮目标等实验,并在多传感器融合的夹持技术及遥操作的延时补偿技术等方面取得了重大成果.R O GT E X 使用了一个小型6轴的空间机器人(太空中第一个遥操作机器人),抓手上安装有很多的传感器,包含两个6轴的腕关节力(力和力矩)传感设备㊁触觉阵列㊁一组9个激光测距仪设备和一个小型的深度摄像机等.(2)德国E S S 项目(E x p e r i m e n t a lS e r v i c i n gS a t e l l i t e GE S S )[39].该项目的主要目的是以G E O 轨道上T V GS a t 1为服务对象,利用服务星验证R O GT E X 中的遥操作思想在目标星检测㊁接近㊁抓取㊁停泊㊁维修及释放等操作的应用.(3)德国R O K V I S S 项目(R o b o tK o m po n e n t V e r i f i c a t i o no n I S S GR O K V I S S )[40G42].2002年D L R(G e r m a nS p a c eC e n t e r )发起了R O K V I S S 项目,并于2004年随俄罗斯进步号宇宙飞船升空,2005年实现了在国际空间站的俄罗斯舱段上的装配,它主要是为了验证模块化轻型机器人关节在实际外太空条件下的性能㊁持续时间下的动力学和摩擦行为㊁以及远程遥操作监控方法的可行性.R O K V I S S 中包含一个两关节力控的小型机器人㊁一个控制器㊁一个深度相机㊁一套光照系统㊁一个地球探测相62第12期蔡国平等:空间机器人捕获动力学与控制机㊁一套电力能源设备以及其他用于机器人性能验证的相关装置.(4)德国T E C S A S项目(T e c h n o l o g y S a t e lGl i t e s f o rd e m o n s t r a t i o na n dv e r i f i c a t i o no fS p a c e s y s t e m sGT E C S A S)[43,44].该项目是由德国于2003年发起㊁加拿大参与的,整个项目由德国安装有7个自由度的服务卫星和加拿大的客户端卫星构成,主要目标是验证远程汇合㊁近距离交汇㊁绕飞观察㊁捕获合作与非合作目标㊁稳定组合体和辨识被捕获目标㊁组合体的机动飞行㊁分离目标星和编队分行等.(5)德国D E O S项目(D e u t s c h e O r b i t a l e S e r v i c i n g M i s s i o nGD E O S)[45].T E C S A S项目在2006年被中止后,D L R后续又发起了D E O S项目.D E O S同样包含服务和客户端两颗卫星,他们同时被发射到初始轨道.D E O S的主要任务包括利用服务星的机械臂捕获翻滚非合作客户端卫星和捕获后组合体再入预先定义的轨道.(6)欧空局G S V项目(G e o s t a t i o n a r y S e r v i c e V e h i c l eGG S V)[46].G S V项目是于1990年发起的,它本质上是一带有机器人系统的服务航天器.它在发射后,一直处在静止轨道上直到生命期结束,一旦有任务时才会被激活并去执行任务.G S V的主要任务是针对地球静止轨道的卫星进行在轨操作,包括近距离对问题卫星进行观测检查及维修㊁将失效卫星拖入坟墓轨道等.(7)欧空局E R A项目(E u r o p e a n R o b o t i c A r mGE R A)[47,48].该项目是由欧空局与俄罗斯航天局共同合作主导的,主要用于国际空间站俄罗斯舱段的装配和维修等任务.E R A是一个长11m㊁结构完全对称的7关节机械系统.(8)意大利S P I D E R项目(S P I D E R m a n i p uGl a t o rS y s t e mGS M S)[49].S P I D E R项目是一个由意大利航天局(I S A)主导的在空间机器人领域长久的战略性项目,项目中设计了用于轨道附近执行检查和修理任务㊁并且具有7个旋转自由度的高度自治自由漂浮空间机器人.(9)欧空局 主动碎片清除/在轨服务 项目(A c t i v eD e b r i sR e m o v a l/I nGO r b i tS e r v i c i n gGA DGR I O S)[50].2020年,欧空局将第一个A D R I O S任务分配给C l e a rS p a c e公司,该公司是一家由洛桑联邦理工学院(E P F L)研究人员成立的初创公司.在第一个A D R I O S任务中,C l e a rS p a c e公司计划发射一颗名为 清洁太空 一号(C l e a r S p a c eG1)的航天器.C l e a r S p a c eG1将是欧洲首个实用性空间碎片主动清除系统,这是2012年E S A 欧洲离轨 (e.D eGo r b i t)任务的延续,计划在2025年发射,通过其四重机械臂进行在处置轨道上进行一个太空垃圾的捕获与销毁任务.1.4㊀日本日本在空间机器人领域的研究工作始于上世纪80年代,是首先倡导在轨自主服务技术的国家之一[51],并在这个领域取得了重大成就,主要项目如下所述,,项目示意图如图4所示.(1)M F D项目(M a n i p u l a t o rF l i g h tD e m o nGs t r a t i o nGM F D)[52].M F D是日本首个与空间机器人相关的试验项目.它作为N A S A肯尼迪航天中心(K S C)s t sG85其中的一个任务,于1997年从 发现号 航天飞机上成功发射,并进行了在轨实验.M F D 整个系统主要由空间的机载设备和地面的操控系统构成,该项目主要用于评价和估计空间环境对材料性能退化的影响㊁收集宇宙尘埃㊁两相流体循环实验的热控技术㊁评定在空间微小重力条件下机械臂系统的各种性能㊁评定机械臂控制系统的人机接口性能㊁以及验证机械臂对O R U的调试装卸等.(2)OM S项目(O r b i t a lM a i n t e n a n c e S y s t e mGOM S)[53].日本通信研究实验室(C R L)于2004年提出了在轨执行监控测量㊁修理和清除等任务的轨道维护项目OM S,并且为其开发了一套可以实现各种图像处理功能的机械臂模块,该项目的首要任务是能够自主识别并实现与目标航天器的交汇对接.(3)E T SGV I I(E n g i n e e r i n g T e s t S a t e l l i t eV I IGE T SGV I I)[54].1997年11月28号,日本宇航局(N A S D A)成功发射世界上第一颗使用了机械臂系统的卫星.E T SGV I I由质量为2.5t的追踪星和质量为0.4t的目标星所组成,其中机械臂机构安装在追踪星上,长度为2m,有6个旋转自由度,在末端执行机构上和第一个关节上配置有摄像设备.E T SGV I I的主要任务是验证自主交会对接等在轨关键技术[55G57].(4)J E M R M S(J a p a n e s eE x p e r i m e n tM o d u l e R e m o t e M a n i p u l a t o rS y s t e mGJ E M R M S)[58].J E MG72动㊀力㊀学㊀与㊀控㊀制㊀学㊀报2023年第21卷R M S是日本宇航局为国际空间站中日本实验舱段设计的遥操作机器人系统.该系统主要由主臂杆(MA)和小臂杆(S F A)所构成,其中主臂(MA)安装在舱段P M上,它有9.8m长,420K g,6个自由度,主要用来传递㊁取回及停泊有效载荷[59];小臂(S F A)初始时放在外部设备E F上备用,使用时就安装在主臂终端上,它有1.6m长,1100K g,也是6个自由度,主要用来完成一些比较精细的工作,如天线安装等.(5)C D R2项目(C o mm e r c i a l R e m o v a lo f D e b r i sD e m o n s t r a t i o n)[60].C D R2是日本宇航局主导空间碎片移除任务,目前东京宇宙尺度公司(A sGt r o s c a l e)来发射一颗卫星;对一台废弃的日本火箭上面级进行检查,从而为后续清理任务铺路.合同要求该公司在2023年前完成这项检查任务.若能再拿到J A X A"商业碎片清理验证"(C R D)2计划下的一项后续合同,宇宙尺度公司将需要在2026年3月31日前把这台废弃上面级清出轨道.图4㊀日本空间机器人项目示意图F i g.4㊀S c h e m a t i c d i a g r a mo f J a p a n e s e s p a c e r o b o t p r o j e c t1.5㊀中国我国在空间机器人技术方面的探索研究工作起步比较晚,直到上世纪八十年代末才开始了空间机器人的相关项目.到目前为止,国内的一些研究所和高校已经对空间机器人技术的许多基础问题进行了研究,在一些关键技术上也取得了突破[61],其中 舱外自由移动空间机器人的地面模拟演示系统 (E M R系统)是这些研究当中影响力比较大的.E MR系统包括重力抵消系统㊁可以实现走动和操控运动的机构㊁及可以模拟舱内外环境的机器人作业平台[62].近年来,在众多空间需求的引导下,比如空间站建设㊁在轨维护㊁空间碎片清除㊁月球/火星/小行星探测㊁空间太阳能电站的建设等,我国空间机器人及空间人工智能技术也在蓬勃的发展,并在在轨服务㊁空间组装与生产㊁月球与深空勘探等方面也获得了一系列的成绩.嫦娥三号的成功发射实现了 玉兔 号月球车对月面的勘探计划,火星表面巡视监测机器人也在积极地进行研制,一系列航天器的在轨能源补给关键技术也获得了重大突破.2022年,美媒体证实我国与2021年发生实践二十一号卫星在1月22日成功捕获了失效的北斗2号G2卫星,1月26日将其拖到 墓地轨道 后,自己又回到了地球静止轨道(G E O).自此,中国的 空间碎片减缓技术 实验取得圆满成功.2㊀空间非合作目标抓捕措施在轨服务任务中,被捕获目标可以分为两类:合作目标,非合作目标.合作目标具有合作性,是指目标可以向服务机器人传递相对运动信息,或向服82第12期蔡国平等:空间机器人捕获动力学与控制务航天器提供便于进行交会对接等操作的条件.这类航天器通常安装有用于测量的特征表示和机械臂抓持或对接的装置.相对而言,非合作目标是指那些无法向服务机器人提供相对状态信息㊁而且交互对接所需信息都未知的目标.美国空间研究委员会(S S B)㊁航空与空间工程局(A S E B)在哈勃望远镜修复计划的评估报告中曾这样定义过非合作目标的概念[63]: 非合作目标是指那些没有安装通讯应答机或其它主动传感器的空间目标,其它航天器不能通过电子讯问或发射信号等方式实现对此类目标的识别或定位 .非合作目标不能向服务航天器提供有效的信息,这就给交互测量㊁抓捕和对接等操作带来了极大的挑战.如何在没有合作信息的情况下对目标进行识别㊁测量和抓捕便成为了非合作在轨服务的一项关键技术,同时也是任务中面临的难点技术.目前各国实际在轨运行的航天器和在研型号,并没有专门设计用于接受在轨服务的抓捕手柄和测量标志器(发光标识器或角反射镜),即是非合作的,因此基于合作目标的在轨服务技术无法用于此类目标.在轨捕获技术是航天高技术领域中的一项极具前瞻性和挑战性的课题,同时也具有极高的军民两用双重价值.美国宇航局(N A S A)㊁欧洲航天局(E S A)以及日本N A S D A等航天科研机构都对该技术表现出了高度关注,国内哈尔滨工业大学㊁清华大学㊁上海交通大学㊁北京理工大学㊁南京航空航天大学㊁西北工业大学㊁北京邮电大学㊁福州大学㊁中国空间技术研究院和上海航天技术研究院等单位也对相关技术进行了长期研究.在国内外学者的共同努力下,相关研究已经取得了不错的研究进展,并提出了多种行之有效的捕获方法.如图5所示,这些捕获方法可分为:刚性连接捕获和柔性连接捕获.刚性连接捕获方法主要指利用直接利用机械臂和其末端的刚性适配器来完成非合作目标捕获的方法[64].该类方法主要针对各类非合作航天器,且要求目标具有星箭对接环或卫星发动机喷管等结构[65G67].相对柔性连接捕获方法,其在技术成熟度㊁可控性和重复使用性上具有一定优势.不过由于该类方法所采用的末端执行器往往具有较高的刚度,因此当末端执行器与目标发生接触碰撞后存在接触分离和损伤目标结构的风险.柔性连接捕获方法主要指利用飞网[68G74]㊁鱼叉[75G79]㊁飞爪[80,81]等来完成非合作目标捕获的方法.由于柔性连接捕获方法不再要求目标上具有特殊机构,因此该类方法具有通用性更高的优点.不过相对第一类捕获方法,该类方法的可重复使用性较低.另外,由于柔性连接捕获方法所采用的抓捕机构往往具有较高的自由度,所以此类方法可控性也较低.以飞网为例,其在捕获过程中会面临无法展开和无法包裹住目标的风险.图5㊀捕获方法分类F i g.5㊀C l a s s i f i c a t i o no f c a p t u r em e t h o d s3㊀空间机器人动力学与控制空间机器人的在轨服务中蕴含着大量的动力学与控制问题,它涉及到力学㊁材料㊁信息㊁自动化等多个学科,是需要这些学科技术的有效综合.总体上讲,动力学的问题是根本,控制问题是目的,动力学问题的有效解决可以为控制设计提供参数与模型保障,减轻控制设计的难度.空间机器人一般用于空间大质量目标的捕获,过程可以分为捕获前㊁捕获中和捕获后三个阶段.捕获前的主要任务通常是空间机器人与空间目标的远距离交会㊁运动观测与运动预测㊁近距离交会㊁消旋㊁捕获点确定等,以便规划空间机器人的作业路径.捕获中的核心问题是空间机器人和空间目标之间的接触碰撞,该过程冲击载荷大㊁作用时间短㊁存在碰撞后再次分离的可能,是复杂的非线性动力学问题.捕获后的主要问题是系统姿态的快速稳定控制.上海交通大学蔡国平教授课题组对这三个阶段的主要动力学与控制问题进行了深入研究,出版了«空间机器人捕获动力学与控制»学术专著[82],下面对这三个阶段的动力学与控制问题做一简介.捕获前的动力学与控制问题.(1)首先表现在空间机器人与空间目标的远距离交会,此时两者相距较远,可达几百甚至上千公里.当目标为报废卫星等的无动力目标时,远距离交会的轨迹规划与控制设计较为容易.但当目标为有动力的非合作目标时,远距离交会则变成了零和博弈问题,需要采用92。
尺蠖式压电线性作动器设计及实验研究
第 43 卷第 3 期2023 年 6 月振动、测试与诊断Vol. 43 No. 3Jun.2023 Journal of Vibration,Measurement & Diagnosis尺蠖式压电线性作动器设计及实验研究∗柏德恩1,邓少龙1,李云涛2,沈刚1,朱真才1(1.中国矿业大学机电工程学院 徐州, 221116) (2.上海航天控制技术研究所 上海, 201109)摘要针对空间环境下小型抓取操作机构对新型作动器的使用需求,考虑压电作动器具有耐温范围宽、无电磁干扰及断电自锁等特点,仿照昆虫尺蠖的行走方式设计一种新型压电线性作动器。
首先,利用柔性铰链式位移放大机构放大压电陶瓷(Pb⁃Zr⁃Ti,简称PZT)叠堆的输出位移,以增大线性作动器的移动步长及对导轨的夹紧变形量,将多个压电陶瓷叠堆器件分为3组,分别作为尺蠖式压电线性作动器的2个夹持单元和1个推进单元的激励源,以获得较大的驱动力并进一步增大作动器的移动步长;其次,借助有限元仿真分析软件,研究压电陶瓷叠堆力电耦合行为的预测方法,并实验验证该方法的可行性;然后,简化柔性铰链式位移放大机构,提出放大倍数的数值分析方法,对位移放大机构在压电陶瓷叠堆作动方向上的刚度进行仿真分析,并验证放大倍数的数值分析方法的准确性;最后,基于设计的线性作动器开展实验研究。
结果表明:位移放大机构对压电陶瓷叠堆输出位移的放大倍数为7.3,处于理论值与仿真值之间;在激励电压频率为5 Hz时,作动器的最大空载移动速度为413 μm/s;作动器的最大推动力为16 N,对应的驱动速度为19 μm/s。
以上研究结果能为小型抓取操作机构的智能驱动提供技术支持。
关键词尺蠖式;压电作动器;压电陶瓷叠堆;位移放大;断电自锁中图分类号TH122引言压电作动器利用压电材料的逆压电效应将电能转化为机械能,实现运动的输出,广泛应用于机器人[1⁃2]、精密仪器[3⁃5]、纳米级定位台[6⁃7]、多自由度指向平台[8⁃9]及生物工程[10⁃11]等领域。
多机器人轨迹规划研究综述及发展趋势
机床与液压
MACHINE TOOL & HYDRAULICS
第 49 卷 第 12 期
Jue 2021
Vol 49 No 12
DOI: 10.3969 / j issn 1001-3881 2021 12 038
本文引用格式: 牛启臣,张弓,张功学,等.多机器人轨迹规划研究综述及发展趋势[ J] .机床与液压,2021,49(12) :184-189.
划技术的发展趋势进行分析和展望, 指出其未来的研
究方向。
1 轨迹规划分类
轨迹规划的目标是对轨迹跟踪运动进行设计, 在
保证作业任务和精度的前提下, 使机器人末端执行器
收稿日期: 2020-04-08
基金项目: 国家重点研发计划 ( 2018YFA0902903) ; 国家自然科学基金面上项目 ( 62073092) ; 广东省自然科学基金项目
主 / 从方案设置工件上点 u 的姿态与时间的函数, 并
通过约束关系自动计算两条机器人末端执行器的路
径。 ZHOU 等 [26] 研究了无夹具的多机器人系统协同
焊接轨迹规划问题, 建立了多机器人焊接工作站的通
用闭合运动链, 提出了一种基于闭合运动链模型的多
机器人协同轨迹规划方法, 如图 5 所示。
· 186·
0 前言
在工作空间大范围重叠情况下, 对于每个机器人的协
随着智能技术的发展, 多机器人系统已取代单机
器人成为构建智能产线的研究焦点
的环境适宜性和协作能力
一机器人系统
[3]
[2]
[1]
。 因它具有更强
, 多机器人系统相对于单
的优势已被公认为是使机器人工作
单元具有更高灵活性和工作效率的关键因素。
基于注意力机-多任务网络的液压系统多状态监测识别方法研究
第38卷第3期2021年3月机㊀㊀电㊀㊀工㊀㊀程JournalofMechanical&ElectricalEngineeringVol.38No.3Mar.2021收稿日期:2020-07-31基金项目:国家自然科学基金资助项目(5177050476)作者简介:黄鹏程(1994-)ꎬ男ꎬ广东梅州人ꎬ硕士研究生ꎬ主要从事机械状态检测及故障诊断方面的研究ꎮE ̄mail:895399270@qq.com通信联系人:李海艳ꎬ女ꎬ副教授ꎬ硕士生导师ꎮE ̄mail:Cathylhy@gdut.edu.cnDOI:10.3969/j.issn.1001-4551.2021.03.010基于注意力机 ̄多任务网络的液压系统多状态监测识别方法研究∗黄鹏程ꎬ李海艳∗ꎬ林景亮ꎬ梁桂铭(广东工业大学机电工程学院ꎬ广东广州510006)摘要:针对在复杂的多状态条件下ꎬ液压系统状态监测方法监测性能不高的问题ꎬ对多任务学习和注意力机制方法进行了研究ꎬ结合多任务与注意力机制ꎬ提出了一种基于注意力机多任务网络的液压系统监测方法ꎮ首先ꎬ利用注意力机制ꎬ根据不同传感器信号对任务贡献程度的大小ꎬ赋予了各个传感器不同的权重ꎻ其次ꎬ使用卷积网络(CNN)构建了自适应特征提取器ꎬ从赋予权重的多个传感器信号中提取了深度特征ꎻ最后ꎬ建立了多任务的特征共享诊断网络ꎬ实现了对液压系统多个状态的同时监测ꎮ研究结果表明:与以往的方法相比ꎬ所提出的方法监测性能更优ꎬ能更有效地对复杂的多状态条件下的液压系统的各种状态进行监测ꎬ且其平均精度达到99.3%ꎮ关键词:液压系统多状态监测ꎻ监测性能ꎻ注意力机ꎻ多任务网络中图分类号:TH137㊀㊀㊀㊀文献标识码:A文章编号:1001-4551(2021)03-0331-06Statemonitoringmethodofhydraulicsystembasedonattentionmachinemulti ̄tasknetworkHUANGPeng ̄chengꎬLIHai ̄yanꎬLINJing ̄liangꎬLIANGGui ̄ming(SchoolofMechanicalandElectricalEngineeringꎬGuangdongUniversityofTechnologyꎬGuangzhou510006ꎬChina)Abstract:Aimingatthepoormonitoringperformanceofthecurrenthydraulicsystemstatemonitoringmethodsundercomplexmulti ̄statecon ̄ditionsꎬthemulti ̄tasklearningandattentionmechanismmethodswerestudied.Combiningwiththemulti ̄taskandattentionmechanismꎬamulti ̄tasknetwork ̄basedmonitoringmethodforhydraulicsystemwasproposed.Firstlyꎬtheattentionmechanismwasusedtoassigndifferentweightstoeachsensoraccordingtothedegreeofcontributionofthesensorsignalstothetask.Secondlyꎬaconvolutionalnetwork(CNN)wasusedtoconstructanadaptivefeatureextractortoextractdepthfeaturesfrommultiplesensorsignalswithweights.Finallyꎬamulti ̄taskfeaturesharingdiagnosticnetworkwasestablishedtorealizesimultaneousmonitoringofmultiplestates.Theresultsindicatethatthepro ̄posedmethodissuperiortothepreviousmethodꎬandcaneffectivelymonitorthevariousstatesofthehydraulicsystemꎬwithanaverageac ̄curacyof99.3%.Keywords:statemonitoringofhydraulicsystemꎻmonitoringperformanceꎻattentionmachineꎻmulti ̄taskingnetwork0㊀引㊀言液压系统作为重要的传动系统ꎬ被广泛应用于工业领域[1ꎬ2]ꎮ因此ꎬ确保液压系统安全有效的运行非常重要ꎬ准确地估计液压系统状况可以避免突发状况ꎬ降低维护的成本ꎮ为了确保整个液压系统的正常运行ꎬ一种可靠㊁准确的液压系统状态监测方法是必不可少的ꎮ目前ꎬ已有的液压系统状态检测方法主要都是基于传统的机器学习的单一状态监测ꎮHELWIGN等人[3]先通过皮尔逊相关系数方法从原始传感器数据中提取特征ꎬ然后利用线性判别分析(LDA)将这些特征值转移到一个较低维的判别空间ꎬ从而对故障状态和严重程度进行了分类ꎮ考虑到使用单一分类器有时无法获得较高精度的缺点ꎬGUOP等人[4]提出了一种基于集成支持向量机的液压系统健康状态监测方法ꎬ该方法先从多传感器信号中提取统计特征来描述液压系统的健康状态特征ꎻ然后ꎬ利用皮尔逊相关系数对提取的特征进行了选择ꎻ最后ꎬ利用集成支持向量机和叠加方法实现了系统的健康状态识别ꎮ随着神经网络的发展ꎬ姜保军等人[5]把自编码器应用于液压系统监测ꎬ他们先用希尔伯特 ̄黄和小波变化对传感器信号进行了特征提取ꎬ然后利用堆栈稀疏自编码器来预测液压泵的状态ꎮ虽然上述方法取得了一定效果ꎬ但同时存在以下不足:(1)这些传统方法往往需要丰富的液压系统知识经验来选择特征提取和分类的方法ꎮ然而ꎬ液压系统在复杂的环境下工作ꎬ很难通过知识经验选取特征提取和分类方法ꎻ(2)对单一状态进行监测ꎬ分离了各个状态之间的相关性ꎬ丢失了各种状态之间潜在的相关特征[6]ꎮ对于液压系统中复杂的任务ꎬ其泛化力差ꎻ(3)在实际操作中ꎬ每个任务对各个传感器信号会有不同的依赖程度ꎬ而多个传感器信号笼统地直接输入ꎬ使得网络无法获取更为重要的信息ꎬ易出现网络信息过载的问题ꎬ降低了准确性ꎮ针对以上方法存在的问题ꎬ本文结合注意力机和多任务学习ꎬ提出一种基于注意力机的多任务网络的液压系统多状态监测方法ꎬ利用卷积网络(CNN)自动地从多个原始传感器信号中提取深度特征ꎬ并在网络中加入注意力机ꎬ然后建立多任务的特征共享诊断网络ꎬ实现对多个状态的同时监测ꎬ利用各状态之间的相关性ꎬ提取更泛化的特征ꎬ提高任务准确性ꎮ1㊀理论基础1.1㊀卷积神经网络卷积神经网路是一种典型的前馈神经网络ꎬ主要是由输入层㊁卷积层㊁池化层㊁全连接层和输出层组成ꎮ通过对输入层进行逐层卷积和池化ꎬ层层提取输入数据的特征ꎬ随着层数的加深ꎬ不断提取更加抽象的特征ꎬ最终得到具有平移旋转不变性的鲁棒特征ꎮ因其具有强大的非线性映射能力ꎬ近年来在图像识别[7]㊁语言识别[8]等方面被广泛应用ꎮ此处由于输入的特征是多变量时间序列ꎬ笔者使用一维卷积[9 ̄11]构建网络ꎮ卷积层通过用多个卷积核对前一层输出特征进行卷积操作ꎬ然后利用非线性激活函数构造出新的特征ꎬ其数学公式为:Xlj=fðiɪMjXl-1i wlij+blj()(1)式中:Mj 第l-1层第j个卷积区域ꎻw 卷积核的权重ꎻb 网络偏置ꎻXlj 第l层输出ꎻXl-1i 上一层的输入ꎻf () Relu非线性激活函数ꎮ池化层也叫下采样层ꎬ对上一层的卷积特征进行缩放映射ꎬ保留主要特征的同时减少参数和计算量ꎬ防止过拟合ꎬ提高模型泛化能力ꎮ常采用的是最大池化ꎬ即取局部的最大值ꎬ其数学公式为:Xdmꎬn=maxiɪRdmꎬnxi()(2)式中:xi 区域Rdmꎬn内神经元激活后的值ꎮ全连接层将前面卷积池化得到的高维数据铺平以作为输入ꎬ进行一些非线性变换ꎬ然后将结果输入到它后面的输出层softmax函数ꎮ全连接层数学表达式为:yl=gwlxl-1+bl()(3)式中:l 网络层的序号ꎻyl 全连接层的输出ꎻxl-1 平铺后的一维特征向量ꎻwl 权重系数ꎻg () softmax非线性激活函数ꎮSoftmax函数ꎬ将输出各值化作(0ꎬ1)之间ꎬ以便用于分类ꎮ其数学公式为:σzj()=ezjðKk=1ezk(4)式中:j 输出层第j个特征ꎻK 输出层特征总数ꎮ1.2㊀注意力机制2014年谷歌DeepMind[12]提出了注意力机(Atten ̄tion)ꎬ并将其应用于图像识别领域ꎬ解决了图片处理时计算量巨大的问题ꎮ同年ꎬBENGIOY[13]把注意力机应用于机器翻译ꎬ解决了机器翻译中不同长度的源语言对齐问题ꎮ上述两个注意力机应用均取得了不错的效果ꎬ随后注意力机在深度学习任务中蓬勃发展ꎮ深度学习中的注意力机从本质上讲是和人类视觉机制类似ꎬ核心233 机㊀㊀电㊀㊀工㊀㊀程第38卷任务都是用来捕获当前目标更为关键的信息ꎬ而忽视无关信息ꎮ采用注意力机通常有两个目的:(1)降低数据的维度ꎬ减少计算量ꎻ(2)选择输入数据中与当前输出更加相关的有用信息ꎬ提高输出的质量ꎮ常用的注意力机分为软注意力和硬注意力ꎮ其中ꎬ软注意力更关注区域或者通道ꎬ且因为注意力是确定性的ꎬ其可微分ꎬ可以通过反向传播来学习它的参数ꎻ而硬注意力更加关注点ꎬ且注意力是一个随机预测过程ꎬ动态变化ꎬ导致了其不可微分ꎮ由于软注意力是可微分的ꎬ可以利用反向传播进行训练ꎬ求它的参数ꎬ并方便地嵌入网络框架中ꎬ比较常用ꎮ因此ꎬ本文选择了软注意力机ꎬ其数学公式为:αi=pz=i|Xꎬq()=softmaxsxiꎬq()()=ðexpsxiꎬq()()ðNj=1expsxjꎬq()()(5)式中:αi 注意力分布ꎻsxiꎬq() 注意力打分模型ꎻq 和任务相关的查询向量ꎻX=[x1ꎬ ꎬxN] N组输入信息ꎻxi 第i个向量ꎮ通常ꎬ打分模型sxiꎬq()针对每个xi计算出一个sꎮ而打分的依据就是xi与注意力机所关注的对象的相关程度ꎻ它们越相关ꎬ所得元素分数值越大ꎮ利用softmax对上面的得分进行数值转换ꎬ一方面进行归一化ꎬ使得所有分数之和为1ꎻ另一方面也可以更加突出重要元素的权重ꎮ本文注意力机模型如图1所示ꎮ图1㊀注意力机模型图1中ꎬ用一个全连接层作为sxiꎬq()函数ꎬ来学习不同传感器特征与任务的相关程度ꎬ其中神经元数㊀为传感器个数ꎮ2 注意力机多任务网络本文的研究对象是液压系统的冷却器㊁阀门㊁内部泵及液压蓄能器状态ꎬ具有4个状态监测的任务ꎮ因此ꎬ本文使用多任务学习的方式来构建网络ꎮ多任务学习可以提取多个任务的共享特征ꎬ共享特征具有较强的抽象能力ꎬ可以适应多个不同但相关的任务ꎬ通常可以使网络获得更好的泛化力ꎻ且由于输入的是多个传感器信号ꎬ考虑到实际任务会对各个传感器信号有不同的依赖程度ꎬ笔者使用注意力机来赋予各传感器不同的关注程度ꎬ让网络关注更加有用的传感器信息ꎬ以减低对其他信息的关注度ꎬ提高网络的监测效率ꎮ结合注意力机与多任务网络ꎬ笔者构建注意力机多任务网络ꎬ如图2所示ꎮ图2中ꎬ网络由输入层㊁注意力层㊁特征提取层㊁多任务层构成ꎮ其总体状态监测步骤如下:(1)对多个传感器数据进行归一化处理ꎬ构建输入特征矩阵χꎻ(2)输入特征χ输入到注意力层ꎬ通过将注意力模型得到的特征权重α与输入特征χ做矩阵乘法ꎬ得到注意力特征χattꎻ(3)注意力特征χatt共享层ꎬ使用多个卷积层来提取4个任务的共享特征ꎻ(4)共享特征输入到任务层ꎬ共有4个任务ꎬ其损失函数为各个任务损失函数的线性加权ꎬ即联合损失函数ꎬ其数学表达式为:L=λ1L1+λ2L2+λ3L3+λ4L4(6)式中:L1 冷却器状态ꎻL2 阀门状态ꎻL3 内部泵状态ꎻL4 液压蓄能器状态ꎻλ1ꎬλ2ꎬλ3ꎬλ4 对应任务的权重ꎬ文中均取0.25ꎮ而Lt损失函数为交叉熵损失函数ꎬ其表达式为:Lt=-1NðNn=1ðKk=11yn=k{}logynkɡ()[](7)式中:N 样本数ꎻK 样本类别数ꎻyn 第n个样本真实类别ꎻynkɡ第n个样本对应的第k个输出神经元的激活值ꎻ1∗{} 指示性函数ꎻ(5)采用反向传播算法[14]对网络参数进行更新ꎮ333 第3期黄鹏程ꎬ等:基于注意力机 ̄多任务网络的液压系统多状态监测识别方法研究图2㊀注意力多任务网络㊀㊀本文利用深度学习框架pytorch构建模型ꎬ训练优化器为Adamꎬ批量为32ꎬ学习率初始设置为0.001ꎬ迭代次数为550ꎮ网络结构参数如表1所示ꎮ表1㊀网络结构参数层名参数特征维度Input(60ꎬ17)Attention(17ꎬ1)(60ꎬ17)Conv1d(17ꎬ50ꎬ10)(50ꎬ51)Conv1d(50ꎬ50ꎬ10)(50ꎬ42)Maxpooing(2ꎬ2)(50ꎬ21)Conv1d(50ꎬ100ꎬ10)(100ꎬ12)Conv1d(100ꎬ100ꎬ10)(100ꎬ3)Avgpooing(3ꎬ3)(100ꎬ1)FC_S(100ꎬ100)(100ꎬ1)FC1(100ꎬ3)(3ꎬ1)FC2(100ꎬ4)(4ꎬ1)FC3(100ꎬ3)(3ꎬ1)FC4(100ꎬ4)(4ꎬ1)㊀㊀表1中ꎬ根据一维卷积参考文献的网络结构ꎬ适当调整参数大小ꎬ构建网络共享层ꎬ并在共享层前面加入注意力模型ꎬ其参数为输入传感器的个数ꎻ在共享层后面加入多任务模型ꎬ其参数为各任务状态个数ꎬ构成整体网络结构ꎮ3㊀实验与分析3.1㊀数据描述此处采用UCI网站中的液压系统状态监测数据[15]进行实验ꎬ实验数据通过一个液压实验台获得ꎮ该试验台以60s为1周期进行恒定负载循环ꎬ通过测量压力㊁流量等17个传感器的值ꎬ来监测4个液压组件(冷却器㊁阀门㊁泵和蓄能器)的状态定量变化ꎻ共有2205组模拟数据ꎬ每个组包含了17个传感器数据和4个组件的运行状况ꎮ液压试验台使用的传感器如表2所示ꎮ表2㊀液压试验台使用的传感器传感器物理量单位采样频率/HzPS1 ̄PS6压力bar100EPS1电机功率W100FS1ꎬFS2体积流量1/min10TS1 ̄TS4温度ħ1VS1振动mm/s1CE冷却效率(虚拟)%1CP冷却功率(虚拟)kW1SE效率系数%1㊀㊀表2中ꎬCE㊁CP和SE是表示计算值的虚拟传感器ꎬ其余传感器是液压回路中的物理传感器ꎮ液压组件状态变量如表3所示ꎮ表3㊀液压组件状态变量组件变量(单位)值状态冷却器%100203全效率效率不足故障阀门%100908073最佳的切换行为小滞后重度滞后接近完全失效内部泵\012无泄漏弱泄漏严重泄漏液压蓄能器Pa13011510090最佳压力压力偏低压力过低故障㊀㊀表3中给出了4个液压组件所存在各种的状态ꎮ433 机㊀㊀电㊀㊀工㊀㊀程第38卷其中ꎬ冷却器与内部泵存在3种状态ꎬ阀门与液压蓄能器存在4种状态ꎮ3.2㊀数据处理由于传感器采样频率不一样ꎬ导致相同周期内不同传感器时序点个数不同ꎬ如压力传感器100Hzꎬ60s内有6000个时序点ꎬ而温度传感器1Hzꎬ60s内只有60个时序点ꎬ为了输入到网络中ꎬ需要对数据进行简单的平均处理ꎬ使得每个传感器时序点数均为60ꎮ处理后得到输入特征图如图3所示ꎮ图3㊀输入特征图图3中ꎬ输入特征图是由17个传感器堆叠构成的特征图ꎬ其维度为(17ꎬ60)ꎮ其中ꎬ行是每个传感器时序点数ꎬ列是传感器数ꎮ将2205组数据样本按照6:2:2比例ꎬ划分为训练集㊁验证集和测试集ꎮ在训练集上训练网络内部参数ꎬ通过验证集调节网络迭代次数㊁学习率等超参数ꎬ使训练集上得到的网络能在测试集上有更好的效果ꎮ3.3㊀评价指标为了量化网络诊断的性能ꎬ此处使用指标准确率ꎬ其计算公式为:acc(t)=1NðNn=1l(f(xn)=yn)(8)式中:acc(t) 第t个任务准确率ꎻN 样本数ꎻf(xn) 预测值ꎻyn 真实值ꎻ1∗{} 指示性函数ꎮ3.4㊀实验结果与分析为验证该方法的监测性能ꎬ此处在训练集与验证集以交叉验证的方式进行训练ꎬ最后在测试集上验证精度ꎻ并将其与现有的传统方法LDA㊁人工神经网络(ANN)㊁集成SVM进行对比ꎮ模型在训练过程中ꎬ由于权重的初始化是随机的ꎬ为了避免实验结果受到其影响ꎬ对训练数据重复做5次实验ꎬ然后取平均值ꎮ该方法与传统方法结果比较如表4所示ꎮ表4㊀与传统方法结果比较%组件LDAANN集成SVM注意力机+多任务冷却器100100100100阀门100100100100内部泵73.680.098.699.0液压蓄能器54.050.456.198.0平均81.982.688.799.3㊀㊀从表4中可以看出:本文提出的注意力多任务方法可以让液压系统状态获得更好的监测效果ꎻ它比最新的传统方法平均精度提高了10.6%ꎬ特别在液压蓄能器方面的提高了42.9%ꎮ为了验证多任务和注意力机的有效性ꎬ此处将该方法与有相同网络层的单任务CNN与多任务CNN进行了比较ꎬ其结果比较如表5所示ꎮ表5㊀与CNN方法结果比较%组件单任务CNN多任务CNN注意力机+多任务冷却器100100100阀门100100100内部泵99.098.099.0液压蓄能器89.197.098.0平均97.098.899.3㊀㊀从表5中可以看出:多任务CNN精度相比单任务平均精度提高1.8%ꎬ验证了多任务网络可以通过各个任务之间的相互辅助ꎬ有效地提取了各个任务之间潜在的特征ꎬ提高了监测的精度ꎻ而加入的注意力机ꎬ会根据各个传感器对任务的重要程度ꎬ给与相关的权重ꎬ缓解了网络的信息过载ꎬ使得内部泵和液压蓄能器任务精度均提高了1%ꎬ进一步提升了网络的监测精度(达到了99.3%)ꎮ各传感器权重分布如图4所示ꎮ图4㊀各传感器权重分布从图4可以看出:在没有使用注意力机之前的各个传感器的权重都是相等的ꎬ网络对每个传感器的侧533 第3期黄鹏程ꎬ等:基于注意力机 ̄多任务网络的液压系统多状态监测识别方法研究重程度都一样ꎻ使用了注意力机之后ꎬ各个传感器权重值发生了变化ꎬ网络对不同传感器侧重程度不同ꎬ有利于提取对网络更有用的传感器信息ꎮ4㊀结束语在复杂的多状态条件下ꎬ针对液压系统状态监测方法监测性能不高的问题ꎬ笔者提出一种基于注意力机的多任务网络的液压系统监测方法ꎮ相比以往的方法ꎬ该方法有以下优势: (1)直接把多传感器信号输入到CNNꎬ实现了端到端的预测ꎬ无需人工提取特征ꎬ降低了使用者的操作难度ꎻ(2)利用多任务网络ꎬ对多状态同时学习ꎬ有利于提取各状态之间存在的潜在特征ꎬ可以避免在单状态时ꎬ因为过度关注单个状态ꎬ而忽视了噪音及泛化性能ꎬ使得网络有更好的预测精度ꎻ(3)在网络中加入注意力机ꎬ给予了各个传感器一个权重ꎬ使得网络可以更多关注于对任务贡献大的输入变量ꎬ从而提取更相关的特征ꎬ缓解网络信息过载问题ꎬ进一步提升网络的预测精度ꎮ但是该方法依然存在不足之处:多任务网络各个任务的权重都是一样的ꎬ但是在实验中发现ꎬ对于冷却器状态ꎬ其收敛的速度快ꎬ很快达到了100%ꎻ而对于液压蓄能器状态ꎬ其收敛速度慢ꎬ精度提升相当慢ꎬ所以应该给予各个任务不同的权重比ꎬ来帮助网络更快收敛ꎮ所以ꎬ笔者下一步的研究重点是设计一个自适应的任务权重选择方法ꎬ以提高该方法的运行效率ꎮ参考文献(References):[1]㊀刘㊀志ꎬ纪爱敏ꎬ张㊀磊ꎬ等.剪叉式高空作业平台上车液压系统的稳定性研究[J].机电工程ꎬ2020ꎬ37(6):600 ̄606.[2]㊀HIGGSPAꎬPARKINRꎬJACKSONMꎬetal.Asurveyonconditionmonitoringsystemsinindustry[C].ProceedingsoftheASME7thBiennialConferenceonEngineeringSystemsDesignandAnalysis.England:ASMEꎬ2004. [3]㊀HELWIGNꎬPIGNANELLIEꎬSCHÜTZEA.Detectingandcompensatingsensorfaultsinahydraulicconditionmonito ̄ringsystem[C].AMAConferences2015.Nürnberg:AMAꎬ2015.[4]㊀GUOPꎬWUJꎬXUXꎬetal.Healthconditionmonitoringofhydraulicsystembasedonensemblesupportvectormachine[C].2019PrognosticsandSystemHealthManagementCon ̄ference.Qingdao:IEEEꎬ2019.[5]㊀姜保军ꎬ王帅杰ꎬ董绍江.基于深度学习的液压监测系统蓄能装置故障诊断[J].组合机床与自动化加工技术ꎬ2019(9):89 ̄92.[6]㊀张德明.连铸机液压系统油液状态监测实例分析[J].液压气动与密封ꎬ2020(3):74 ̄75.[7]㊀KRIZHEVSKYAꎬSUTSKEVERIꎬHINTONG.ImageNetclassificationwithdeepconvolutionalneuralnetworks[J].CommunicationsoftheACMꎬ2017ꎬ60(6):84 ̄90. [8]㊀SAINATHTNꎬKINGSBURYBꎬMOHAMEDARꎬetal.ImprovementstodeepconvolutionalneuralnetworksforLVCSR[C].2013IEEEWorkshoponAutomaticSpeechRecognitionandUnderstanding.Olomouc:IEEEꎬ2013. [9]㊀曲建岭ꎬ余㊀路ꎬ袁㊀涛ꎬ等.基于一维卷积神经网络的滚动轴承自适应故障诊断算法[J].仪器仪表学报ꎬ2018ꎬ39(7):134 ̄143.[10]㊀BABUGSꎬZHAOPꎬLIXL.Deepconvolutionalneuralnetworkbasedregressionapproachforestimationofremai ̄ningusefullife[C].InInternationalConferenceonData ̄baseSystemsforAdvanceApplications.Online:DASFAAꎬ2016.[11]㊀杨兰柱ꎬ刘文广.改进的CNN网络在轴承故障诊断中的应用[J].机电工程技术ꎬ2020ꎬ49(8):11 ̄13.[12]㊀MNIHVꎬHEESSNꎬGRAVESA.Recurrentmodelsofvisualattention[EB/OL].(2014 ̄06 ̄24)[2020 ̄7 ̄30].https://arxiv.org/abs/1406.6247.[13]㊀BAHDANAUDꎬCHOKꎬBENGIOY.Neuralmachinetranslationbyjointlylearningtoalignandtranslate[EB/OL].(2014 ̄09 ̄01)[2020 ̄7 ̄30].https://arxiv.org/abs/1409.0473.[14]㊀RUMELHARTDEꎬHINTONGEꎬWILLIAMSRJ.Learningrepresentationsbyback ̄propagatingerrors[J].Natureꎬ1986ꎬ323(6088):533 ̄536.[15]㊀HELWIGNꎬPIGNANELLIEꎬSCHÜTZEA.Conditionmonitoringofacomplexhydraulicsystemusingmultivariatestatistics[C].Instrumentation&MeasurementTechnologyConference.IEEEꎬ2015.[编辑:雷㊀敏]本文引用格式:黄鹏程ꎬ李海艳ꎬ林景亮ꎬ等.基于注意力机 ̄多任务网络的液压系统多状态监测识别方法研究[J].机电工程ꎬ2021ꎬ38(3):331-336.HUANGPeng ̄chengꎬLIHai ̄yanꎬLINJing ̄liangꎬetal.Statemonitoringmethodofhydraulicsystembasedonattentionmachinemulti ̄tasknetwork[J].JournalofMechanical&ElectricalEngineeringꎬ2021ꎬ38(3):331-336.«机电工程»杂志:http://www.meem.com.cn 633 机㊀㊀电㊀㊀工㊀㊀程第38卷。
Mecanum轮移动机器人循迹控制及其调度研究中期报告
Mecanum轮移动机器人循迹控制及其调度研究中期报告一、选题背景及研究意义随着机器人技术的发展,无人驾驶、智能制造等领域对移动机器人的需求越来越大,而循迹控制和调度等问题是移动机器人应用中不可避免的难题。
Mecanum轮移动机器人是一种具有良好机动性和灵活性的移动机器人,在仓库管理、物流配送等领域具有广泛的应用前景。
因此,对于Mecanum轮移动机器人的循迹控制及其调度问题进行研究,有着极其重要的实践和理论意义。
本研究旨在探讨Mecanum轮移动机器人的循迹控制策略和调度算法,提高其在实际应用中的自主性、智能化和效率。
二、研究内容1. Mecanum轮移动机器人的运动学建模利用罗尔定理和向量力学等方法,建立Mecanum轮移动机器人的运动学模型,探讨其运动规律和参数对运动轨迹的影响。
2. 基于视觉的循迹控制策略研究采用视觉传感器获取环境信息,设计基于PID控制和模糊控制的循迹控制算法,使机器人能够准确跟踪预定轨迹,并且能够适应各种复杂环境的变化。
3. 机器人路径规划和调度算法研究针对Mecanum轮移动机器人的复杂运动特性和移动障碍物的迎面碰撞问题,设计了基于深度学习和遗传算法的路径规划和调度算法,在机器人路径规划、任务分配、决策制定等方面进行优化和提升。
三、研究成果及展望本研究初步建立了Mecanum轮移动机器人的运动学模型,探讨了其运动规律和参数影响;同时,设计了基于视觉的循迹控制算法和基于深度学习和遗传算法的路径规划和调度算法,优化了机器人的控制精度和工作效率。
未来,本研究将进一步完善和优化算法,提高机器人的自主性和智能化,为Mecanum轮移动机器人在实际应用中发挥更大的作用提供技术支持。
一种液压挖掘机最优能耗的轨迹规划方法
2024年第48卷第3期Journal of Mechanical Transmission一种液压挖掘机最优能耗的轨迹规划方法张韵悦孙志毅孙前来王银杨江涛(太原科技大学电子信息工程学院,山西太原030024)摘要为了降低液压挖掘机的运动能量消耗,实现各关节的合理有效作业,提出了基于T型速度曲线的关节插值方法,以实现液压挖掘机最优能耗轨迹规划。
该方法将各关节的速度设定为匀加速、匀速和匀减速的形式以保证液压挖掘机在作业过程中的平稳性,以关节角度、角速度和角加速度为约束条件,利用改进的自适应遗传算法优化求解各关节的匀加(减)速和匀速运动时间,获得了各关节最优运动曲线,实现了液压挖掘机最优能耗轨迹规划。
对基于T型速度曲线的插值规划方法进行仿真实验,并在相同条件下与四次多项式插值结果进行了对比。
结果表明,该方法规划的轨迹能耗低,避免了各关节产生不必要的运动,有效减少了摩擦损耗,使得挖掘机可平稳、低能耗地完成作业。
关键词液压挖掘机T型速度曲线轨迹规划最优能耗A Trajectory Planning Method for Optimal Energy Consumption of theHydraulic ExcavatorZhang Yunyue Sun Zhiyi Sun Qianlai Wang Yin Yang Jiangtao(School of Electronic Information Engineering, Taiyuan University of Science and Technology, Taiyuan 030024, China)Abstract In order to reduce the movement energy consumption of the hydraulic excavator and realize the reasonable and effective operation of each joint, a joint interpolation method based on a T-type velocity curve is proposed to realize the optimal energy consumption trajectory planning of the hydraulic excavator. In this meth‑od, the speed of each joint is set as uniform acceleration, constant velocity, and uniform deceleration to ensure the stability of the hydraulic excavator in the operation process. Under the constraint conditions of the joint an‑gle, angular velocity, and angular acceleration, the improved adaptive genetic algorithm is used to optimize the uniform acceleration (deceleration) and constant velocity motion time of each joint, obtain the optimal motion curve of each joint, and realize the optimal energy consumption trajectory planning of the hydraulic excavator. The interpolation programming method based on the T-type velocity curve is simulated and compared with the interpolation results of the quartic polynomial under the same conditions. The experimental results show that the trajectory planned by this method has low energy consumption, avoids unnecessary movement of each joint, ef‑fectively reduces friction loss, and makes the excavator complete the operation smoothly and with low energy consumption.Key words Hydraulic excavator T-type velocity curve Trajectory planning Optimal energy con‑sumption0 引言液压挖掘机作为应用广泛的工程机械,在抢险救灾、交通运输以及土木建筑等行业发挥着极其重要的作用。
基于干扰观测器和最优LQR的电液压系统的复合控制研究
2014年第10期液压与气动 77doi :10.11832“.is sn .1000—4858.2014.10.018基于干扰观测器和最优LQR 的电 液压系统的复合控制研究吴常红(吉林铁道职业技术学院汽车工程系,吉林吉林132100)摘要:随着电液压系统在自动控制领域的广泛应用,复杂工艺环境对其性能的要求也越来越高,但是 模型不确定性和负载力矩干扰的存在阻碍了系统性能的进一步提升。
针对干扰观测器(Dist urbanc e Observ . er ,DOB)在提高控制系统鲁棒性方面的优势,以及复合控制器在改善伺服系统跟踪性能方面的能力,提出了 一种双环控制结构,即内环DO B 与外环复合控制器相结合的方式。
同时,在构造外环复合控制器时,采用状 态空间设计的方法,并借助于最优LQR 理论。
计算机仿真结果表明,相比传统控制方案,所提出的双环控制 方案可实现电液压系统更精确的位置跟踪以及针对建模误差和负载力矩干扰的更强鲁棒性。
此外,该研究 控制方案的结构较为简单,易于工程实现。
关键词:电液压;干扰观测器;复合控制;LQR ;鲁棒性中图分类号:THl37;吼73 文献标志码:B文章编号:10004858(2014)10旬077旬5Compound Control of E lec tro —hy drau lic Sy ste m Bas ed onDis tur ba nce O bs enr er a nd O pti ma l LQRW U Chang —hong(Dep aT tme nt 0f Aut omoti ve Engineering ,Jilin Rail w 町Vo ca li on al 明d 1kllIIolo 盱College ,Ji hn ,Jil in l32100)Abs 晌ct : Wi山that electro —hy drau lic s yste ms a r e more and more widely used inmany automa tic c ontm la r ea s ,more and mor e h 培h ped .o 珊ances of tllem ar e required for complicated process environment ,however tI l eimprov e — ment of s ys t e m perfb 咖ancesis restrictedby model uncenainties and loading mom e n t dis t山.ballces . Bec au se the dis — turbance obsenrer(DOB) possesses 出 e advaIltage in enhar Ici ng tlle mbustnes s ofcontIDl system , and the com — pound controller has tIIe abilit)r of impr0Ving theⅡacking ped-omance of se n r o syst em ,onecontrol scheme with a 眦。
基于ARM嵌入式的联合站脱水控制系统设计
基于ARM嵌入式的联合站脱水控制系统设计刘子飞;周玉国;宋悦;李清慧【摘要】在油田生产过程中,联合站需要原油脱水控制系统,因此设计安全可靠的原油控制系统是石油生产过程中面临的重要课题.针对原油脱水控制系统发展现状,该设计根据联合站脱水岗控制要求,采用了多任务、可移植、可裁剪的μC/OS-Ⅱ嵌入式操作系统,ARM9 (SCS2440)作为主控器,由传感器实时采集脱水系统各处参数,再由控制器进行计算,控制信号反馈到电动阀门进行调节,形成闭环控制,使脱水系统处于正常的工作状态.该设计可靠性高,实时性好,实现了对原油脱水系统的监测控制,具有很好的应用前景.【期刊名称】《仪表技术与传感器》【年(卷),期】2013(000)012【总页数】3页(P43-45)【关键词】ARM嵌入式系统;μC/OS-Ⅱ;原油脱水;数据管理【作者】刘子飞;周玉国;宋悦;李清慧【作者单位】青岛理工大学自动化工程学院,山东青岛266033;青岛理工大学自动化工程学院,山东青岛266033;青岛理工大学自动化工程学院,山东青岛266033;青岛理工大学自动化工程学院,山东青岛266033【正文语种】中文【中图分类】TP2770 引言目前,国内陆上油田大部分已进入开发后期,综合含水达到80%以上,部分油田已超过90%。
原油含水后,其比热、黏度等物理性质发生很大变化,危害主要表现在以下几个方面:原油含水增大了油井采出液的体积,这就极大地降低了油田地面集输管道、储罐及其他设备的有效利用率;原油含水使摩擦阻力大幅度的增加,从而增加了管道输送中的动力消耗;在原油的集输、脱水、和炼油厂原油的加工过程中,为满足一定的工艺要求,往往要对原油加热升温,原油含水增加了升温过程中的燃料消耗;原油中若含有过量水,它一方面会加大蒸馏塔内气体的线速度,影响分馏效果,严重时甚至会引起冲塔[1]。
因此,必须对超过标准的含水原油进行脱水处理。
炼油厂对进厂原油的含水率有严格的要求,我国规定原油的含水率应在0.5%以下,国外要求 0.03% ~2.0%不等[2]。
考虑输入饱和的机械臂轨迹跟踪滑模控制
考虑输入饱和的机械臂轨迹跟踪滑模控制
张蕾;宋博雄;田冬雨
【期刊名称】《西安工程大学学报》
【年(卷),期】2024(38)2
【摘要】针对复合干扰和输入饱和特性影响机械臂轨迹跟踪精度的问题,给出了一种基于输入饱和补偿的自适应积分滑模控制策略。
首先,基于自适应控制方法设计了辅助函数,以消除输入饱和特性的影响;其次,利用所估计的复合干扰上限,结合非奇异积分终端滑模控制方法设计轨迹跟踪控制律,使跟踪误差快速收敛至零的邻域,且削弱了抖振,经过Lyapunov稳定性定理的证明,该算法可以保证轨迹跟踪误差的有限时间收敛性;最后,通过仿真与实验手段,与自适应非奇异快速终端滑模控制方法的对比验证了所提控制方法的有效性。
结果表明:机械臂各关节在仿真和实验中分别可以在0.5 s和0.8 s内跟踪上期望轨迹,跟踪误差能降低到1.2×10^(-3)rad和8.7×10^(-3)rad内,有效解决机械臂输入饱和问题和复合干扰对系统轨迹跟踪控制精度的影响。
【总页数】8页(P85-92)
【作者】张蕾;宋博雄;田冬雨
【作者单位】西安工程大学电子信息学院;陕西省人工智能联合实验室西安工程大学分部
【正文语种】中文
【中图分类】TP242.2
【相关文献】
1.基于新型滑模面的机械臂快速轨迹跟踪滑模变结构控制
2.基于滑模控制的机械臂轨迹跟踪控制
3.饱和输入下四旋翼无人机滑模轨迹跟踪控制
4.输入饱和下的AUV 水平面轨迹跟踪滑模控制
5.考虑扰动与输入饱和的机械臂连续非奇异快速终端滑模控制
因版权原因,仅展示原文概要,查看原文内容请购买。
基于惯性动作捕捉的主从遥操作关节空间直接控制方法
基于惯性动作捕捉的主从遥操作关节空间直接控制方法黄学祥;时中;宋爱国;胡天健【期刊名称】《东南大学学报(自然科学版)》【年(卷),期】2016(046)002【摘要】To overcome the shortcomings that the traditional master-slave teleoperation method needs lots of positive/inverse kinematics solving with complex and non-intuitive operations, the arm move-ments of human bodies are introduced into the teleoperation control loop by the inertial motion cap-ture device, and a joint-space direct control method for master-slave teleoperation based on the iner-tial motion capture is proposed.Then, the joint-space nonsingular mapping algorithm based on qua-ternion is proposed to model a virtual arm to directly control the remote robot's joint-space.The ex-perimental results show that this method can control the remote robot's joint-space directly and the control errors of the joint-space are smaller than 0.2°.The control errors of the end position are smaller than 10 mm, which equates to that by the traditional master-slave teleoperation method based on the hand controller.Therefore, the master-slave teleoperation method based on the inertial motion capture can accurately control the end position of the remote robot, and control the remote robot's joint-space directly to improve the intuition and flexibility of the operator.%为了克服传统主从遥操作方法需要进行大量的正/逆运动学解算且操作复杂、不直观的缺点,利用惯性动作捕捉设备将人体手臂动作信息引入遥操作控制回路中,提出了一种基于惯性动作捕捉的主从遥操作关节空间直接控制方法.然后,提出了一种基于四元数的关节空间非奇异映射算法,用于构建虚拟手臂模型,并利用该模型直接控制远端机器人的关节空间.试验结果表明,该方法可以直接控制远端机器人的关节空间,关节空间控制误差小于0.2°;末端位置控制精度小于10 mm,与基于手控器的传统主从遥操作方法相当.因此,基于惯性动作捕捉的主从遥操作方法不仅可以对远端机器人末端位置进行精确控制,而且可以直接控制远端机器人的关节空间,提高操作者的直观性和灵活性.【总页数】6页(P283-288)【作者】黄学祥;时中;宋爱国;胡天健【作者单位】北京跟踪与通信技术研究所,北京100094;北京跟踪与通信技术研究所,北京100094;东南大学仪器科学与工程学院,南京210096;北京跟踪与通信技术研究所,北京100094; 清华大学航天航空学院,北京100084【正文语种】中文【中图分类】TP334.2【相关文献】1.基于KUKA工业机器人的遥操作控制系统设计与异构主从控制方法研究 [J], 汤卿;刘丝丝;尚留记;李勇2.空间机器人主从遥操作的自抗扰控制 [J], 胡天健;黄学祥3.基于事件的遥操作空间机器人任务空间自适应规划与控制方法 [J], 李成;梁斌4.空间遥操作机器入主从双边自适应内模控制 [J], 孟中杰;徐秀栋;蔡佳;黄攀峰5.空间遥操作人体动作捕捉相似性控制方法 [J], 时中;黄学祥;胡天健因版权原因,仅展示原文概要,查看原文内容请购买。
极坐标系中带多普勒量测的雷达目标跟踪
极坐标系中带多普勒量测的雷达目标跟踪
段战胜;韩崇昭
【期刊名称】《系统仿真学报》
【年(卷),期】2004(16)12
【摘要】将仅仅考虑位置量测的二维去偏一致转换量测卡尔曼滤波算法进行推广,以解决包含多普勒量测且斜距误差和多普勒误差相关的雷达目标跟踪问题。
首先用斜距和多普勒量测的乘积构造伪量测,以减小多普勒量测和目标运动状态之间的强非线性程度;然后用嵌套条件方法得到了转换量测误差前两阶矩的一致性估计;最后根据伪量测是目标运动状态二次函数的特性,用二阶EKF最优地实现了非线性跟踪滤波,其中为了进一步减小二阶EKF的近似误差,利用Cholesky分解实现了位置量测和伪量测的序贯处理。
Monte-Carlo仿真结果表明采用新算法可以明显改善跟踪滤波器的性能。
【总页数】4页(P2860-2863)
【关键词】多普勒量测;雷达目标跟踪;去偏一致转换量测卡尔曼滤波;二阶扩展卡尔曼滤波;序贯处理
【作者】段战胜;韩崇昭
【作者单位】西安交通大学电信学院综合自动化研究所
【正文语种】中文
【中图分类】TN953
【相关文献】
1.带多普勒量测的序贯SCKF雷达目标跟踪算法 [J], 张安清;张喜涛;牛治永
2.视线坐标系带多普勒观测的雷达目标跟踪 [J], 祝依龙;范红旗;付强
3.球坐标系下多普勒雷达目标跟踪滤波器 [J], 段战胜;韩崇昭;陶唐飞
4.基于量测转换IMM的多普勒雷达机动目标跟踪 [J], 李姝怡;程婷
5.基于扩展量测的球坐标系中水下目标跟踪算法的研究 [J], 党建武;黄建国
因版权原因,仅展示原文概要,查看原文内容请购买。
有序粒子概率假定密度跟踪算法
有序粒子概率假定密度跟踪算法
林焕杉;董福安;朱林户;齐立峰
【期刊名称】《计算机工程与应用》
【年(卷),期】2009(045)025
【摘要】针对由单传感器概率假定密度滤波到多传感器情形推导困难的问题,提出了一种有序粒子概率假定密度跟踪算法.首先,推导出集中式多传感器粒子概率假定密度滤波模型,再根据集中式融合系统的特点,选取与多传感器相关的重要性密度函数,通过多传感器多步更新重采样粒子,从而实现多传感器多目标有序粒子概率假定密度跟踪.仿真结果表明,该算法的跟踪误差距离差要小于单传感器粒子概率假定密度跟踪算法,且具有更优越的跟踪性能.
【总页数】5页(P58-61,64)
【作者】林焕杉;董福安;朱林户;齐立峰
【作者单位】空军工程大学理学院,西安,710051;空军工程大学理学院,西
安,710051;空军工程大学理学院,西安,710051;空军工程大学理学院,西安,710051【正文语种】中文
【中图分类】TP391;TP301.1;TP183
【相关文献】
1.基于带势概率假设密度粒子滤波的MIMO雷达检测前跟踪算法 [J], 秦文利;胡捍英;陈松
2.基于概率密度估计改进粒子滤波的行人跟踪算法研究 [J], 何鹏举;宋阿梅;张永锋;
秦丽丽;杨晶
3.采用概率密度分布和粒子滤波的室内跟踪算法 [J], 宋越明;于宏毅
4.标签箱粒子概率假设密度群目标跟踪算法 [J], 程轩;宋骊平;姬红兵;邹志彬
5.一种粒子势概率假设密度滤波纯方位多目标跟踪算法 [J], 张俊根
因版权原因,仅展示原文概要,查看原文内容请购买。
基于反馈线性化的无人机盘旋控制器设计
基于反馈线性化的无人机盘旋控制器设计张奕烜;宋科璞;张翔伦【期刊名称】《兵工自动化》【年(卷),期】2015(000)009【摘要】针对经典 PD 算法无法保证闭环系统在大范围内的稳定性的问题,提出一种基于反馈线性化的无人机盘旋控制器设计方法。
在考虑滚转角响应特性的条件下建立了无人机盘旋飞行的非线性动力学模型,在此基础上基于反馈线性化方法设计了非线性盘旋控制器,以保证闭环系统的全局渐进稳定,并通过Matlab/Simulink中将盘旋控制器加入模型进行仿真。
仿真结果证明:相比于线性盘旋控制器,非线性盘旋控制器可得到更好的动态响应特性,其抵抗风干扰的能力也明显优于线性盘旋控制器。
%Because the classical PD algorithm can not ensure stability of close loop system in large area, put forwards a UAV circling flight controller based on feedback linearization. Considering roll angle response feature, establish UAV circling flight nonlinear dynamic model. Based on this, design nonlinear circling controller based on feedback linear method to ensure close loop system global asymptotical stability, then add circling controller into model for simulation byMatlab/Simulink. The simulation results show that: comparing with linear circling controller, nonlinear circling controller can acquire better dynamic response feature, its anti-wind disturbance ability is better than linear circling controller.【总页数】5页(P54-57,77)【作者】张奕烜;宋科璞;张翔伦【作者单位】中国航空工业集团西安飞行自动控制研究所,西安 710065; 飞行器控制一体化技术重点实验室,西安 710065;中国航空工业集团西安飞行自动控制研究所,西安 710065; 飞行器控制一体化技术重点实验室,西安 710065;中国航空工业集团西安飞行自动控制研究所,西安 710065; 飞行器控制一体化技术重点实验室,西安 710065【正文语种】中文【中图分类】TJ85【相关文献】1.基于状态反馈线性化法的多馈入高压直流输电系统控制器设计 [J], 殷琦;李国庆;刘赟静2.基于反馈线性化的多变量模糊迭代控制器设计 [J], 高宁波3.基于反馈线性化的多变量模糊迭代控制器设计 [J], 高宁波;4.基于线性化反馈的单级倒立摆滑模控制器设计 [J], 李帅;蔡延光5.基于反馈线性化的 PMSM非线性控制器设计 [J], 范程华;蒋先伟;沈晶因版权原因,仅展示原文概要,查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
Research on the Hydraulic Control System for Capture Based on Trajectory Prediction and Tracking
SONG Pinghan,SHI Guanglin,QIU Dongyuan ( School of Mechanical Engineering,Shanghai Jiaotong University,Shanghai 200240 ,China)
宋平翰,施光林,邱东苑
( 上海交通大学机械与动力工程学院,上海 200240 )
摘要: 对于具有随机特性的快速移动物体的捕捉是控制领域的一项难题 。 成功地完成捕捉必须在目标物发生机动前以 最短的时间跟踪上目标物 。鉴于基于液压技术的捕捉控制系统研究较少,以及液压缸在快速直线位置控制上的优势,通过 电液比例方向阀控制高速液压缸构建了一套捕捉液压控制系统; 基于拟合预测的方法预测捕捉点目标位置,并将捕捉机构 引导到该位置再进行轨迹跟踪,从而保证捕捉系统能快速跟踪上随机目标 。相关的算法通过 Simulink 和 AMESim 的联合仿 真得到了验证。 关键词: 电液比例控制; 捕捉; 轨迹预测; 轨迹跟踪 中图分类号: TH137 文献标识码: A 文章编号: 1001 - 3881 ( 2013 ) 21 - 111 - 4
( 3 ) 跟踪
1
捕捉实验系统设计
机构带着目标物减速为零,并确保减速过程中不破坏 。由于目标运动的随机性,对于随机移动 目标的捕捉不同于一般的同步跟踪 。为了完成整个捕 捉过程,跟踪机构需要完成轨迹预测 、轨迹规划和轨 迹跟踪等过程 球
[3 ] [2 ]
用于捕捉实验的捕捉液压控制系统是一个带有动 作机构的高速液压缸 。 为了实现液压缸的快速运动, 选用最小型号的单出杆液压缸 。活塞直径 25 mm,活 塞杆直径 18 mm。液压缸行程 1 m,即在 1 m 的距离 以内必须完成追赶 、捕捉和减速 。选用 6 通径的电液 比例方向阀控制液压缸的运动,该阀的最大流量为 70 L / min,响应时间小于 10 ms。 以 70 L / min 的最大 流量计算,液压缸的最大速度可以达到约 2. 4 m / s。 整个捕捉液压控制系统的具体参数见表 1 。 随机移动 目标通过重物牵引下的滑块模拟 。由于滑块在运动过 程中受到摩擦等因素的影响,运动轨迹并不是匀加速 运动,而是受随机干扰的加速运动 。捕捉液压控制系 统的原理图见图 1 。
需要说明的是,仿真中随机目标的运动轨迹是通 过实验得到的,而不是人为给定的,具有一定的真实 性。
图4 随机运动轨迹拟合
虽然多项式模型未考虑随机干扰的影响,也不符 合实际情况,但是由于多项式拟合的简单性,在文中 的研究中仍然采用多项式模型进行预测 。具体的拟合 预测流程是,对最近的 N 个数据点进行拟合,得到 拟合曲线,假定随机目标按照此加速度继续运动,预 测某固定时刻的目标位置 。由于拟合的数据点实时更 捕捉控制与一般的轨迹跟踪的区别主要体现在轨
[7 ]
。 光电经纬仪需要跟踪随机目
[8 ]
标,并尽量保证目标处于靶心
。智能小车对于目标
收稿日期: 2012 - 11 - 23 作者简介: 宋平翰 ( 1985 —) ,男,硕士研究生,主要从事液压传动与控制方面的研究工作 。 E - mail: pinghan_song@ sjtu. edu. cn。
3
轨迹跟踪
控制系统可以依据其跟踪阶跃输入 、斜坡输入和 抛物线输入的能力进行分类 。Ⅱ型系统对于抛物线输 入没有稳态误差 。但是对于此捕捉系统,输入并不是 单纯的二次曲线,而是变加速度曲线 。另外,对所研 究的液压系统建模分析可以发现,此液压控制系统也 不是Ⅱ型系统,因此,需要在控制回路中增加环节, 改变系统的型次 。另外,考虑到闭环控制是按照偏差 进行的控制 。闭环控制能够抑制各种干扰,但是控制
2
轨迹预测
迹预测与轨迹规划阶段 。一般的轨迹跟踪系统主要是 为了实现输出复现输入,而且轨迹一般都是人为给 定。捕捉控制系统的目标主要是在目标发生机动前的
第 21 期
宋平翰 等: 基于轨迹预测和跟踪的捕捉液压控制系统研究
· 113·
新,预测的目标位置也会实时更新,而且最终收敛 到真实位置 。图 5 中虚线为预测值,实线是在此预测 值下液压缸引导运动的轨迹 。在预测算法中,由于需 要足够的点数才能拟合预测,因此在 t = 0. 02 s 前预 测输出引导值是没有经过 处理的随机目标当前位置 。 t = 0. 02 s 以后,根据过去 的位置信息,对 t = 0. 05 s 时的位置进行预测 。 由于 摩擦力的随机性,预测值 的初始偏差较大,但是会 逐渐收敛到实际位置 。
Abstract: Catching a moving object is difficult in control filed. Successful capture demands fast track in minimum time before target manoeuvres. Given advantages of hydraulic cylinder in position control,a novel electrohydraulic proportional control system was which was constituted of hydraulic cylinder, proportional valve and displacement transducer. Based on fitting presented for fast capture, prediction,target position was predicted and capture system was navigated to this position to track the target. The algorithm is demonstrated through AMESim and Simulink cosimulation. Keywords: Electrohydraulic proportional control; Capture; Trajectory prediction; Tracking
· 112·
表1 捕捉液压控制系统参数 25 18 1 000 4 70 < 10 28
-1
机床与液压
第 41 卷
活塞直径 / mm 活塞杆直径 / mm 液压缸行程 / mm
-1 液压缸容许最大速度 / ( m·s )
时间窗口内对目标进行捕捉 。目标轨迹是未知的,或 者说是任意给定的 。正是由于以上两点,捕捉控制系 统必须具备预测能力,而且在最短的时间内追赶上目 标物,从而才能完成跟踪并实现捕捉 。另外,一般的 轨迹跟踪系统通常采用反馈控制,该控制方法的本质 是利用检测的偏差来减小 偏差 。如果单纯将反馈控 制应用到捕捉系统中,由 于机 动 目 标 运 动 的 随 机 性,容 易 产 生 较 大 的 振 荡,而且捕捉的时间不能 实现最优 。图 3 的仿真即 显示了在没有预测的情况 下,液压缸跟踪随机目标 的曲线 。
2
AMESim 软件是集合机 、 电 、 液 、 气、 热、 磁等 于一体的统一平台建模系统仿真软件,它在液压系统 仿真领 域 有 成 熟 的 应 用, 文 中 实 验 的 仿 真 是 基 于 AMESim 进 行 的 。 另 外, AMESim 提 供 了 与 Simulink 的接口,可以在 AMESim 的草图模式下创建接口,并 将其模型编译为 S 函数供 Simulink 调用 。 鉴于 Simulink 在控制策略编写上的便捷,这里采用了 AMESim 和 Simulink 联合的仿真 。图 2 是在 AMESim 中搭建的 捕捉液压控制系统仿真模型 。
。对于随机移动目标捕捉的研究主要
集中在机器人的研究领域,例如棒球手带着手套抓 , 、动态的抓取和放置[4]、抛接球[5 - 6] 等 。 但 是 机器人对于随机移动目标的抓取由于机械臂的限制, 能够抓取的目标移动速度较低 。另外,由于捕捉系统 是轨迹预测和轨迹跟踪等知识的融合,因此在其他领 域的一些研究也具有借鉴意义 。导弹制导是要引导导 弹到攻击目标附近
( 1)
摩擦力的随机变化对于运动轨迹的影响可以通过 对运动轨迹进行二次拟合看出 。图 4 是对重物牵引下 的滑块运动轨迹进行的拟合 。从图 4 中可以看出,真 实值和拟合值之间的最大偏差接近 0. 04 m。 由此可 以得出结论,该随机目标的运动轨迹不能简单地用匀 加速运动等效 。
图2
捕捉液压控制系统 AMESim 仿真模型
对于 随 机 移 动 物 体 的 捕 捉 一 般 分 为 3 个 阶 段: ( 1 ) 跟踪机构追赶上目标物,即实现位置上的逼近; ( 2 ) 跟踪机构跟踪目标物运动轨迹,当与目标物保 持相对静止时,捕捉机构动作实现捕捉; 捕捉机构
[1 ]
的跟踪或者避障也应用了相关的理论
[9 ]
。文中的研究
有别于上述研究,主要致力于利用电液比例方向阀控 制高速液压缸捕捉具有随机运动特性的目标物 。
图5 拟合预测曲线
精度还不够高,存在原理性偏差,即通过偏差调节偏 差 。对于闭环系统,如果对稳态精度要求很高,就需 要提高系统的开环放大倍数或提高系统的型次 。 但 是,这样会引起系统稳态性能变差,甚至系统不稳 定,同时也会影响系统的动态性能 。前馈控制的传递 函数直接作用于系统的输入,对系统的输入具有预见 性,因此能够在不影响系统稳定性的前提下提高响应 速度和精度 。将前馈控制和反馈控制结合起来的控制 叫做复合控制 。复合控制很好地解决了系统稳定性和 稳态精度间的矛盾 。 预测引导阶段和轨迹跟踪阶段通过时间切换 。当 液压缸被引导到机动目标附近的时候,作为给定信号 的预测信号切换为滑块的实时位置 。具体的控制框图 见图 6 ,Simulink 仿真框图见图 7 ,其中的 S 函数表示 Simulink 和 AMESim 的接口 。