針對(duì)空間漂浮基座機(jī)械臂抓捕非合作目標(biāo)控制所基于的多體系統(tǒng)動(dòng)力學(xué)模型難以精確建立的問題,基于深度強(qiáng)化學(xué)習(xí)算法的控制策略,提出一種深度確定性規(guī)則策略。通過將機(jī)械臂關(guān)節(jié)控制力矩、抓捕距離以及相對(duì)速度等參數(shù)定義為高維空間向量,并設(shè)置對(duì)應(yīng)的獎(jiǎng)勵(lì)函數(shù),驅(qū)動(dòng)目標(biāo)參數(shù)逼近滿足抓捕條件的數(shù)值范圍,在不依賴運(yùn)動(dòng)學(xué)模型和動(dòng)力學(xué)模型的情況下,實(shí)現(xiàn)對(duì)非合作目標(biāo)的快速逼近和抓捕。仿真算例表明:該控制算法可實(shí)現(xiàn)對(duì)空間漂浮基機(jī)械臂的快速抓捕控制,且能有效降低接觸碰撞力的大小,提高抓捕成功率。 

【文章來源】：載人航天. 2020,26(06)北大核心CSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

空間漂浮基機(jī)械臂非合作目標(biāo)抓捕物理模型

5)定義獎(jiǎng)賞折扣系數(shù)λ∈[0,1],用于強(qiáng)調(diào)即時(shí)的回報(bào)。DRL算法具有局部決策獨(dú)立與整體歷程的基本特性,即當(dāng)前環(huán)境狀態(tài)st僅與前一時(shí)刻的環(huán)境狀態(tài)st-1和行為at-1有關(guān),而與此前0時(shí)刻到t-2時(shí)刻對(duì)應(yīng)的環(huán)境狀態(tài)和行為均無關(guān)。DRL算法的這種特性滿足Markov離散隨機(jī)變量的概率分布特性,因此其深度強(qiáng)化學(xué)習(xí)的過程也可稱為Markov過程,數(shù)學(xué)表述如式(1):

DDPG算法的結(jié)構(gòu)流程圖

【參考文獻(xiàn)】：
期刊論文
[1]基于仿章魚軟體機(jī)器人空間碎片柔性自適應(yīng)捕獲裝置的設(shè)想[J]. 韓亮亮,楊健,趙穎,劉玨,彭福軍.  載人航天. 2017(04)
[2]空間站機(jī)械臂關(guān)鍵技術(shù)研究[J]. 李大明,饒煒,胡成威,王耀兵,唐自新,王友漁.  載人航天. 2014(03)
[3]空間在軌服務(wù)技術(shù)發(fā)展綜述[J]. 崔乃剛,王平,郭繼峰,程興.  宇航學(xué)報(bào). 2007(04)
[4]空間機(jī)械臂技術(shù)及發(fā)展建議[J]. 于登云,孫京,馬興瑞.  航天器工程. 2007(04)



本文編號(hào)：3325107