一种待辨识对象的运动学参数在轨辨识方法和装置的制造方法
【技术领域】
[0001] 本发明涉及数据智能搜索的技术领域，具体地涉及一种待辨识对象的运动学参数 在轨辨识方法，以及采用该方法的装置。
【背景技术】
[0002] 待辨识对象的运动学参数在轨辨识具有明确的现实意义。尤其是作为一种待辨识 对象的星-臂耦合系统，对于进行空间遥操作任务的航天器，在轨飞行时的燃料消耗不可 避免。随着燃料的不断消耗，星-臂耦合系统的运动学参数，例如质量、转动惯量等，都会发 生改变。因此，对于在轨操作的任务规划以及机械臂在线路径规划中，星-臂耦合系统的运 动学参数的变化量的获取，是非常重要的输入条件。
[0003]目前，现有技术的运动学参数在轨辨识方法，主要有三种：
[0004] (1)凭借助推器施加外力，通过测量机器人各关节的加速度信号，求解牛顿-欧拉 运动方程来辨识运动学参数。该方法的缺点在于：需要消耗燃料，而且不易获得精确的关节 加速度及力矩信息。
[0005] (2)不施加外力，仅驱动机械臂关节转动，通过测量转动前后主星姿态和位置变 化，基于动量和角动量守恒定律来辨识运动学参数。该方法的缺点在于：为求解所有的运动 学参数，需要获得足够数量的方程，此时，必须要驱动多个关节运动；且该方法除了需要获 取角动量之外，还要同时获取线动量，但是在现有技术水平下，卫星线动量的实时测量精度 远低于角动量，达不到参数辨识所需精度。
[0006] (3)通过运动学仿真建立样本库，对多层前向神经网络进行训练，采用训练好的神 经网络进行运动学参数的在轨辨识。该方法的缺点在于：适应性较差，只能在预先选定的样 本空间参数范围内运作，缺乏对不同关节工作空间的外推能力，难以用于机械臂末端载荷 未知的情况。另外，当机器人关节自由度以及待辨识参数较多时，神经网络很难设计、训练。
【发明内容】
[0007] 本发明的技术解决问题是：克服现有技术的不足，提供一种待辨识对象的运动学 参数在轨辨识方法，其能够克服现有技术的缺陷以实现主星运动学参数在轨辨识，不需要 消耗外界材质和能量，易于实现，泛用性强。
[0008] 本发明的技术解决方案是：这种待辨识对象的运动学参数在轨辨识方法，包括以 下步骤：
[0009] (1)建立与待辨识对象在标定燃料下的运动学预测模型；
[0010] (2)根据所述运动学预测模型，获取所述待辨识对象的运动学参数的在轨辨识模 型；
[0011] (3)获取所述待辨识对象的机械臂运动关节的运动状态数据，以及对应的主星运 动状态实测数据；
[0012] (4)使用群体智能搜索算法不断比较主星运动状态模拟数据和步骤（3)中得到的 实测数据，以两者之间的差距最小为优化目标，对运动学参数中的燃料质量、燃料箱质心位 置的估计值进行优化，将这些参数的优化结果作为辨识结果。
[0013] 本发明具有如下有益效果：
[0014] 第一：该方法只需要获取所述待辨识对象（尤其是星-臂耦合系统）的机械臂运 动关节的运动状态数据，具体的，通过机械臂转动影响主星的姿态，从而测量主星姿态的 角速度来获取所述运动状态数据。由此可见，本方法无需借助外力即可实现，因此不需要消 耗外界材质和能量。
[0015] 第二：该方法仅需要测量角动量的信息而无需测量线动量信息。由于在空间测量 中，动态的角动量信息的测量精度可以很高，但是动态线动量的测量精度难以保证，一般需 要长时间的累积测量滤波才能收敛。由此可见，本发明所述方法与现有技术相比，更易于实 现。
[0016] 第三：该方法不需要限定任务空间，不像神经网络辨识必须先在设定好的任务空 间内进行训练，辨识也必须在训练空间的包络范围内。因此本发明具有较强的泛用性。
【附图说明】
[0017] 图1为根据本发明的待辨识对象的运动学参数在轨辨识方法的流程图；
[0018] 图2为根据本发明的待辨识对象的运动学参数在轨辨识装置的结构示意图；
[0019] 图3为根据本发明的待辨识对象的运动学参数在轨辨识方法的步骤（4)的流程 图。
【具体实施方式】
[0020] 下文中将结合附图对本发明的实施例进行详细说明。需要说明的是，在不冲突的 情况下，本申请中的实施例及实施例中的特征可以相互任意组合。
[0021] 本发明讨论的待辨识对象的运动学参数在轨辨识具体为：通过在特定的安 全路径下驱动机械臂，并测量机械臂运动和主星运动的状态数据，通过分析测量数据， 辨识主星的运动学参数。该运动学参数具体可以包括：主星质量Mh_，主星质心位置
【主权项】
1. 一种待辨识对象的运动学参数在轨辨识方法，其特征在于，包括以下步骤： (1) 建立与待辨识对象在标定燃料下的运动学预测模型； (2) 根据所述运动学预测模型，获取所述待辨识对象的运动学参数的在轨辨识模型； (3) 获取所述待辨识对象的机械臂运动关节的运动状态数据，以及对应的主星运动状 态实测数据； (4) 使用群体智能搜索算法不断比较主星运动状态模拟数据和步骤（3)中得到的实测 数据，以两者之间的差距最小为优化目标，对运动学参数中的燃料质量、燃料箱质心位置的 估计值进行优化，将这些参数的优化结果作为辨识结果。
2. 根据权利要求1所述的方法，其特征在于，所述待辨识对象是星-臂耦合系统。
3. 根据权利要求2所述的方法，其特征在于，所述运动学预测模型为：
始角动量。
4. 根据权利要求3所述的方法，其特征在于，所述在轨辨识模型为：
5. 根据权利要求4所述的方法，其特征在于，步骤（3)中所述机械臂运动关节的运动状 态数据通过机械臂运动关节的角速度传感器、角度传感器、以及力矩传感器获取，所述主星 运动状态实测数据通过姿态测量传感器件实时测量得到。
6. 根据权利要求5所述的方法，其特征在于，步骤（4)包括以下分步骤： (4. 1)建立与优化相关联的四维搜索空间，其每个维与每个待优化参数一一对应，空间 的大小受待优化参数的取值范围约束；在该搜索空间中随机分布N个初代种子，计算每个 种子所处位置的评估函数e(n)的值
料质量Mfuel和燃料箱质心位置心； (4. 2)从当代种子中抽取一个评价函数值较大的种子作为父本，抽中粒子n为种子的 概率P(S=n)满足：
其中，N为每代粒子总数，f(n)为粒子n的评价函数，Un)为粒子n的适应度函数，将 适应度函数归一化即为粒子成为种子的概率；KP为指定的参数，用于控制收敛速度，Kp较大 时，表现较好的粒子就有更大概率成为种子，算法收敛速度更快；KP较小时，表现不好的粒 子也能获得相当机会；KP的取值在1~2之间； (4. 3)设每个种子所生成的单个新粒子的位置为随机变量X，令其服从如下K维高斯分 布： X~Np(ii，2) K为优化问题的参数维数，令多维高斯分布的均值向量U为该种子的位置，协方差矩 阵2满足下式：
其中，Ui为种子位置的第i轴分量，Xi(n)为粒子n位置X(n)的第i轴分量，Ks为设 定的比例系数或比例矩阵，用于调节收敛速度和搜索能力；KS越大则由种子生成的新粒子 分布越弥散，收敛速度越慢；KS的取值范围在O~1之间；若所生成粒子的位置X超出优化 的搜索空间，则放弃该种子，重新生成；若所生成粒子有效，则计算其误差函数e的值，然后 返回步骤（4. 2)，反复抽取、生成，直到有效新粒子的数量达到N(n=N+l，N+2,…，2N); (4.4) 将所有本代粒子和有效新粒子按误差函数e的大小升序排列（n= 1，2,. . .，2N)，取其中n= 1，2,. . .，N的前N个粒子作为下一代粒子； (4.5) 返回步骤（4. 2)，不断迭代，直到迭代次数达到预定值，或者精度满足要求。
7.根据权利要求6所述的方法，其特征在于，步骤（4. 2)中Kp= 1. 6 ;步骤（4. 3)中K2 =0.Olo
8. 根据权利要求7所述的方法，其特征在于，群种达到第20代时停止迭代，返回此时的 全局最优值作为辨识结果。
9. 一种采用根据权利要求1所述的方法的装置，其特征在于，所述装置包括： 第一建模单元，用于建立与所述待辨识对象在标定燃料下的运动学预测模型； 第二建模单元，用于根据所述运动学预测模型，获取所述待辨识对象的运动学参数的 在轨辨识模型； 第一数据获取单元，用于获取所述待辨识对象的机械臂运动关节的运动状态数据，以 及主星运动状态实测数据； 第二数据获取单元，用于设定一组运动学参数的测试值，利用所述测试值和所述机械 臂运动关节的运动状态数据，结合所述在轨辨识模型，得到主星运动状态模拟数据； 优化单元，用于将所述主星运动状态模拟数据和所述主星运动状态实测数据进行比 较，根据比较结果，对所述运动学参数的测试值进行迭代优化，得到所述运动学参数的辨识 值。
10. 根据权利要求9所述的装置，其特征在于，所述优化单元包括：比较子单元和优化 子单元； 所述比较子单元，用于将所述主星运动状态模拟数据和所述主星运动状态实测数据进 行比较：
其中，n(n= 1,2，...，N)为所计算的种子序号；w' y、w' z为前述主星运动状态 模拟数据的三个姿态角速度分量;wx、wy、Wz为前述主星运动状态实测数据的三个姿态角速 度分量； 所述优化子单元，用于采用群种智能搜索算法对所述运动学参数的测试值进行优化， 使e达到最小。
【专利摘要】本发明公开一种待辨识对象的运动学参数在轨辨识方法,其能够克服现有技术的缺陷以实现主星运动学参数在轨辨识，不需要消耗外界材质和能量，易于实现，泛用性强。包括步骤：(1)建立与待辨识对象在标定燃料下的运动学预测模型；(2)根据所述运动学预测模型，获取所述待辨识对象的运动学参数的在轨辨识模型；(3)获取所述待辨识对象的机械臂运动关节的运动状态数据，以及对应的主星运动状态实测数据；(4)使用群体智能搜索算法不断比较主星运动状态模拟数据和步骤(3)中得到的实测数据，以两者之间的差距最小为优化目标，对运动学参数中的燃料质量、燃料箱质心位置的估计值进行优化，将这些参数的优化结果作为辨识结果。
【IPC分类】G06F19-00
【公开号】CN104715133
【申请号】CN201410769216
【发明人】马欢, 张珩, 李文皓
【申请人】中国科学院力学研究所
【公开日】2015年6月17日
【申请日】2014年12月12日