一种基于时间延迟估计的双边遥操作控制方法与流程

本发明属于空间遥操作领域，涉及一种基于时间延迟估计的双边遥操作控制方法。

背景技术：

随着航天技术的发展，人们越来越关注航天器的使用寿命问题。航天器的部分零件，例如太阳能帆板等部件都是可以重复利用的。此外，部分航天器由于在发射过程中出现的问题，导致到了指定轨道之后无法正常的运行，这不仅造成了发射成本的增加而且占用了宝贵的空间轨道资源。所以故障航天器的维护和维修，空间失控卫星的接管控制与拆卸组装问题是目前航天的研究热点。空间机器人是一种用于解决此类问题的主要手段，通过自主操作虽然可以实现固定部件的装配和对接，但是对于非结构化环境的操作，这种方法则难以满足未来航天任务的需要。遥操作技术作为一种远程操控技术，为空间在轨操作和维护提供了一个相对安全和简单、低成本的操作方式。在遥操作系统中，人类通过人机交互界面、通信网络和远程机器人实现和远程环境的交互，实现对远端机器人的操控。

空间操作中涉及到了大量的接触操作，例如在空间装配、卫星和其他航天器的设备维修等、在这些机械臂的接触操作任务执行过程中，机械臂会与操作目标发生碰撞，如果对该作用力不能较好的估计，则会影响遥操作系统的稳定性，从而影响操作任务的正常执行。基于该问题本发明体提出一种基于时间延迟估计的双边遥操作控制方法，该方法通过当前的测量结果和机械臂的运动趋势从而预测下一时刻接触力的大小，并将该预测接触力添加到从端控制器的设计中，从而在一定程度上保证遥操作系统的稳定和操作任务的正常执行。

技术实现要素：

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种基于时间延迟估计的双边遥操作控制方法，针对天地遥操作过程中，从端受到的环境作用力不确定的情况。

技术方案

一种基于时间延迟估计的双边遥操作控制方法，其特征在于步骤如下：

步骤1：建立主从手的遥操作的动力学模型

其中，mm,和gm(qm)分别为主手的惯性矩阵、向心力和科式力和重力参数，dm(t)为主手作用力的扰动项，fms(t)表示主手的控制力，fh(t)表示操作者作用在末端点的作用力表示主手的雅克比矩阵，ms,和gs(qs)分别为从手机械臂的惯性矩阵、向心力和科式力和重力，ds(t)为从手作用力的扰动项，fcs(t)表示从手的控制力，fs(t)表示从端机器人作用在环境的作用力表示从手的雅克比矩阵，和分别表示主手在关节坐标系下的角度、角速度和角加速度，和分别表示从手在关节坐标系下的角度、角速度和角加速度，由于在空间环境下，受到发射过程和地球重力的影响，参数ms、和gs(qs)，相比于地面测量的参数都会发生一定的变化，所以和其中和分别表示对参数ms、cs和gs的初始估计值，δms、δcs和δgs表示对ms、cs和gs的估计误差。令表示机器人系统动力学的不确定项；

步骤2、主手控制器设计：定义γ＝qs(t-t)-qm(t),其中，t表示主从端的通信时延，定义k2表示比例系数，则主手的控制器为：

其中，km为一个正数，表示系统的控制参数，通过调节参数km保证系统的稳定性使得ηm为系统的鲁棒项，用来减弱扰动dm对系统稳定性的影响，且满足|dm|＜δm；

所述ηm＝δm·sat(ε,μm)

其中，μm为一个正数，表示对于ε限制的阈值，为1；

步骤3、从手控制器设计：定义e＝qm(t-t)-qs(t)，其中，t表示主从端的通信时延，定义k1表示比例系数，则从手端的控制器：

其中，表示从手通过rbf神经网络对参数ρ的估计值，具体计算方法为其中，表示权重矩阵，

其中，fρ是一个正定矩阵，kρ是一个正数，φρ表示rbf神经网络方程，单个神经元方程的表达式为

其中，y表示神经网络的输入，ci表示第i个神经元，σi表示第i个神经元的方差。定义且该值有界其中|a|符号表示对值a的绝对值，ηρ为一个正数，ηs的表示是表达式如下

其中，μs为一个正数，表示对于r限制的阈值，δs满足|ds|＜δs，ks表示一个比例系数，且为正数。表示对fh(t)的估值，主端的作用力通过传感器测量难以直接应用到控制器的设计中，令从测量到控制器设计的时间差为δt,那么当前时刻的接触力就通过t-δt时刻的作用力和位置进行估计，如图1所示，具体接触力估值为

其中，l表示一个估计的增益矩阵，是一个正定矩阵

步骤4：以主手控制器和从手控制器控制主从手的操作。

有益效果

本发明提出的一种基于时间延迟估计的双边遥操作控制方法，通过分别设定主从端的控制器，在从端控制器的设计中，通过时间延迟估计的方法对下一时刻的环境作用力进行估计，并把该估计值添加到从端控制器中，实现遥操作接触操作过程中的稳定性。

与现有技术相比，本发明具有以下有益效果：

具备较强的可实施性，在非结构化环境之下，从端信息无法及时传递到主端，在从端控制器的设计中也难以直接将测量的信息用到控制器的设计中，所以依靠主端的操作者难以对从端发号施令是难以及时抑制接触振动对操作的影响的，所以需要设计一套从端自主控制方法，通过从端的测量信息对下一时刻的接触力信息进行预测，然后将预测的结果应用到从端的控制器设计中来，保证了操作的稳定性，也能够保证系统能够适应操作环境变化的影响。

附图说明

图1基于时间延迟估计的从端环境作用力预测估计示意图

具体实施方式

现结合实施例、附图对本发明作进一步描述：

以下三个步骤：

1、建立包含主从手的遥操作的动力学模型:

其中，mm,和gm(qm)分别为主手的惯性矩阵、向心力和科式力和重力参数，dm(t)为主手作用力的扰动项，fms(t)表示主手的控制力，fh(t)表示操作者作用在末端点的作用力表示主手的雅克比矩阵，ms,和gs(qs)分别为从手机械臂的惯性矩阵、向心力和科式力和重力，ds(t)为从手作用力的扰动项，fcs(t)表示从手的控制力，fs(t)表示从端机器人作用在环境的作用力表示从手的雅克比矩阵，和分别表示主手在关节坐标系下的角度、角速度和角加速度，和分别表示从手在关节坐标系下的角度、角速度和角加速度，由于在空间环境下，受到发射过程和地球重力的影响，参数ms、和gs(qs)，相比于地面测量的参数都会发生一定的变化，所以和其中和分别表示对参数ms、cs和gs的初始估计值，δms、δcs和δgs表示对ms、cs和gs的估计误差。令表示机器人系统动力学的不确定项。

2、主手控制器设计

定义γ＝qs(t-t)-qm(t),其中，t表示主从端的通信时延，定义k2表示比例系数，则主手的控制力设计为：

其中，km为一个正数，表示系统的控制参数，通过调节参数km可以保证系统的稳定性，ηm为系统的鲁棒项，用来减弱扰动dm对系统稳定性的影响，且满足|dm|＜δm，其中ηm的表达式如下：

ηm＝δm·sat(ε,μm)

其中，μm为一个正数，表示对于ε限制的阈值。

3、从手控制器设计

定义e＝qm(t-t)-qs(t)，其中，t表示主从端的通信时延，定义k1表示比例系数，则从手端的控制器设计为:

其中，表示从手通过rbf神经网络对参数ρ的估计值，具体计算方法为其中，表示权重矩阵，

其中，fρ是一个正定矩阵，kρ是一个正数，φρ表示rbf神经网络方程，单个神经元方程的表达式为

其中，y表示神经网络的输入，ci表示第i个神经元，σi表示第i个神经元的方差。定义且该值有界其中|a|符号表示对值a的绝对值，ηρ为一个正数，ηs的表示是表达式如下

其中，μs为一个正数，表示对于r限制的阈值，δs满足|ds|＜δs，ks表示一个比例系数，且为正数。表示对fh(t)的估值，主端的作用力通过传感器测量难以直接应用到控制器的设计中，令从测量到控制器设计的时间差为δt,那么当前时刻的接触力就通过t-δt时刻的作用力和位置进行估计，如图1所示，具体接触力估值为

其中，l表示一个估计的增益矩阵，是一个正定矩阵。