一种基于模型预测控制的机电复合式恒力系统控制方法与流程

1.本发明涉及航天器地面零重力模拟技术领域，尤其是涉及一种基于模型预测控制的机电复合式恒力系统控制方法。


背景技术：

2.近年来我国在航天领域飞速发展，嫦娥五号、天问火星探测器、中国空间站等均取得了巨大的成功。与此同时，航天任务的难度和航天器的复杂程度也越来越高。因此，如何通过有效的地面测试最大程度地揭示各种扰动因素的影响、特殊航天器控制方法的的验证等技术已成为提高航天器运行可靠性的关键。
3.高保真的地面试验对复杂的大型航天器有很重要的意义。目前地面测试当中比较成熟的方案最多仅为五自由度，即通过气浮技术实现水平两轴的平动和三轴的转动。第六个自由度即竖直方向的零重力平动，目前大多所采用的方案为机电复合式恒力弹簧支架的方案，但是该方案非线性程度高、控制精度低、响应慢的问题还亟需解决。


技术实现要素：

4.本发明的目的是提供一种基于模型预测控制的机电复合式恒力系统控制方法，提高了机电复合式恒力弹簧支架的恒力输出精度和响应速度，进而实现了高精度的竖向重力补偿，提高了航天器地面模拟的真实度。
5.为实现上述目的，本发明提供了一种基于模型预测控制的机电复合式恒力系统控制方法，包括以下步骤：
6.s1、训练集数据采集；
7.s2、基于bp神经网络建立系统的动力学模型；
8.s3、将在步骤s1中采集到的数据，输入到系统的动力学模型中完成模型训练；
9.s4、模型预测控制控制器设计，利用在步骤s3中训练好的模型对机电复合式恒力系统的状态进行辨识，计算最优控制力。
10.优选的，在步骤s1中，采集的数据包括在设置直线电机以时刻变化的随机电流ik带动恒力弹簧系统的滚轮支架运动的情况下，分别采集n个不同时刻下滚轮支架的位移hk、速度vk、加速度ak以及载荷力传感器测得的系统输出力位移为滚轮支架初始位置与当前位置之间的距离。
11.优选的，在步骤s2中，利用bp神经网络建立机电复合式恒力系统的动力学模型，将ik、hk、vk、ak作为bp神经网络的输入，记为将作为bp神经网络的输出。
12.bp神经网络包括输入层、隐含层和输出层，则：
13.输入层的输入为
14.隐含层的输入和输出分别为：
[0015][0016][0017]
其中，ω
ij
表示输入层神经元节点与隐含层神经元节点之间的连接权值、θj为隐含层神经元节点的阈值，f()为隐含层传递函数，m为输入层的维度，i取值为4；
[0018]
输出层的输入和输出分别为：
[0019][0020][0021]
其中，ω
jk
表示隐含层神经元节点与输出层神经元节点之间的连接权值，αk表示输出层神经元节点的阈值，g()表示输出层传递函数，p表示隐含层的维度，j＝1,2,...,p。
[0022]
优选的，在步骤s3中，包括以下步骤：
[0023]
(1)将在步骤s1采集到的ik、hk、vk、ak和作为bp神经网络辨识模型的训练集，其中，ik、hk、vk、ak为输入，为输出的真值；
[0024]
(2)将在步骤1采集到的ik、hk、vk、ak作为bp神经网络辨识模型输入层的输入，记为k＝1,2,...,n，由于输入的信息为电流ik、位移hk、速度vk、加速度ak，即四维数据，因此i＝1,2,3,4；
[0025]
(3)将训练集的输入输入给bp神经网络，获得网络输出结果
[0026]
(4)利用下式代价函数获得bp神经网络辨识模型的总误差e：
[0027][0028]
利用梯度下降法调整bp神经网络辨识模型的参数，使其总误差e减小，当总误差e达到最小时，完成bp神经网络辨识模型的训练。
[0029]
优选的，在步骤s4中，计算最优控制力的具体步骤为：
[0030]
(1)采集当前时刻滚轮支架的位移h、速度v、加速度a；
[0031]
(2)生成随机的m个电流输入ik；
[0032]
(3)将在步骤s1采集的位移h、速度v、加速度a和生成的m个电流输入ik分为m组分别作为网络输入，输入到步骤s3训练好的bp神经网络动力学模型中，获得m个对应的网络输出的
[0033]
(4)将获取的m个分别与期望的系统输出力f
aim
进行比较，找出使得奖励函数最小的进一步找到与其对应的电流输入ik，将该电流作为直线电机的控制电流i。奖励函
数r的定义为：
[0034][0035]
因此，本发明采用上述一种基于模型预测控制的机电复合式恒力系统控制方法，其技术效果如下：
[0036]
(1)机电复合式恒力弹簧支架通过弹簧与凸轮的方式能够实现近似零刚度的力输出，且结合直线电机与传感器进行主动的力补偿的方式减小了其加工误差、弹簧精度等因素的影响，从而实现更加精准的力的输出。
[0037]
(2)为实现更高精度的恒力输出，利用bp神经网络辨识该机电复合式恒力弹簧支架系统的动力学模型，即通过测量恒力弹簧支架的位置、速度、加速度以及直线电机的补偿力和与之对应机电复合式恒力弹簧支架系统的输出力，实现对机电复合式恒力弹簧支架系统动力学模型的辨识。
[0038]
(3)在对机电复合式恒力弹簧支架系统进行控制时，测量恒力弹簧支架的位置、速度、加速度并根据系统预期输出力计算直线电机补偿力进行补偿控制，其中，bp神经网络可以对强非线性、不规则的机电复合式恒力弹簧支架系统动力学模型进行辨识，采用模型预测控制可以提高系统的响应速度和控制精度。
[0039]
(4)本发明提高了机电复合式恒力弹簧支架的恒力输出精度和响应速度，进而实现了高精度的竖向重力补偿，提高了航天器地面模拟的真实度。
[0040]
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
[0041]
图1为机电复合式恒力弹簧支架系统主体结构的正视图；
[0042]
图2为机电复合式恒力弹簧支架系统主体结构的立体示意图；
[0043]
图3为模型预测控制预学习的bp神经网络原理示意图；
[0044]
图4为一种基于模型预测控制的机电复合式恒力系统控制方法的原理框图。
[0045]
附图标记
[0046]
1、第一弹簧；2、第二弹簧；3、刀式凸轮；4、滚轮；5、直线电机；6、芯轴；7、直线电机输出端力传感器；8、第二螺母；9、第一螺母；10、恒力输出立柱；11、气浮导套；12、载荷力传感器；13、第一安装板；14、第二安装板；15、滚轮支架；16、横杆；17、气浮导向杆。
具体实施方式
[0047]
以下通过附图和实施例对本发明的技术方案作进一步说明。
[0048]
除非另外定义，本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。
[0049]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的主旨或基本特征的情况下，能够以其它的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
[0050]
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其它实施方式。这些其它实施方式也涵盖在本发明的保护范围内。
[0051]
还应当理解，以上所述的具体实施例仅用于解释本发明，本发明的保护范围并不限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明/发明的保护范围之内。
[0052]
对于相关领域普通技术人员已知的技术、方法和设备可能不作为详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
[0053]
本发明说明书中引用的现有技术文献所公开的内容整体均通过引用并入本发明中，并且因此是本发明公开内容的一部分。
[0054]
实施例一
[0055]
如图所示，本发明提供了一种基于模型预测控制的机电复合式恒力系统控制方法，该控制方法依赖于机电复合式恒力弹簧支架系统，机电复合式恒力弹簧支架系统包括壳体，所述壳体上设置有电磁主动式恒力补偿系统和机械式恒力弹簧系统，机械式恒力弹簧系统对称分布于电磁主动式恒力补偿系统的两侧：电磁主动式恒力补偿系统包括芯轴6，所述芯轴6上套设有第一弹簧1，所述第一弹簧1和芯轴6之间设置有直线电机5固连于芯轴6上，所述直线电机5的一端设置有直线电机输出端力传感器7固连于芯轴6上，所述第一弹簧1的一端设置有滚轮支架15，其另一端设置有第一螺母9。
[0056]
所述机械式恒力弹簧系统包括第一机械式恒力弹簧系统和第二机械式恒力弹簧系统，所述第一机械式恒力弹簧系统和第二机械式恒力弹簧系统对称分布结构相同，所述第一机械式恒力弹簧系统上设置有滚轮4于滚轮支架15的一侧，所述滚轮4的一侧设置有刀式凸轮3，所述刀式凸轮3的设置有横杆16贯穿壳体，所述横杆16上套设有第二弹簧2，所述第二弹簧2的一端与设置于壳体上的第一安装板13连接，其另一端设置有第二螺母8，所述第二螺母8套设于横杆16上。
[0057]
所述芯轴6贯穿设置于壳体上的第二安装板14，芯轴6的一端固连恒力输出立柱10，所述恒力输出立柱10的一端与滚轮支架15的一端连接，恒力输出立柱10与载荷之间通过载荷力传感器12相连。
[0058]
所述恒力输出立柱10的一端设置有载荷力传感器12，所述恒力输出立柱10上套设有气浮导套11于壳体的外侧，所述滚轮支架15的另一端设置有气浮导向杆17于壳体和第一螺母9之间，所述浮导向杆9与气浮导套11同轴心设置，实现竖直方向上的低摩擦气浮导向。
[0059]
一种基于模型预测控制的机电复合式恒力系统控制方法，包括以下步骤：
[0060]
s1、训练集数据采集
[0061]
在设置直线电机5以时刻变化的随机电流ik带动恒力弹簧系统的滚轮支架15运动放入情况下，分别采集n个不同时刻下滚轮支架的位移hk、速度vk、加速度ak以及载荷力传感器12测得的系统输出力位移为滚轮支架15初始位置与当前位置之间的距离。
[0062]
s2、基于bp神经网络建立系统的动力学模型
[0063]
将ik、hk、vk、ak作为bp神经网络的输入，记为将作为bp神经网
络的输出。bp神经网络包括输入层、隐含层和输出层，则：
[0064]
输入层的输入为
[0065]
隐含层的输入和输出分别为：
[0066][0067][0068]
其中，ω
ij
表示输入层神经元节点与隐含层神经元节点之间的连接权值、θj为隐含层神经元节点的阈值，f()为隐含层传递函数，m为输入层的维度，i取值为4；
[0069]
输出层的输入和输出分别为：
[0070][0071][0072]
其中，ω
jk
表示隐含层神经元节点与输出层神经元节点之间的连接权值，αk表示输出层神经元节点的阈值，g()表示输出层传递函数，p表示隐含层的维度，j＝1,2,...,p。
[0073]
s3、将在步骤s1中采集到的数据，输入到系统的动力学模型中完成模型训练
[0074]
(1)将在步骤s1采集到的ik、hk、vk、ak和作为bp神经网络辨识模型的训练集，其中，ik、hk、vk、ak为输入，为输出的真值；
[0075]
(2)将在步骤1采集到的ik、hk、vk、ak作为bp神经网络辨识模型输入层的输入，记为k＝1,2,...,n，由于输入的信息为电流ik、位移hk、速度vk、加速度ak，即四维数据，因此i＝1,2,3,4；
[0076]
(3)将训练集的输入输入给bp神经网络，获得网络输出结果
[0077]
(4)利用下式代价函数获得bp神经网络辨识模型的总误差e：
[0078][0079]
利用梯度下降法调整bp神经网络辨识模型的参数，使其总误差e减小，当总误差e达到最小时，完成bp神经网络辨识模型的训练。
[0080]
s4、模型预测控制控制器设计，利用在步骤s3中训练好的模型对机电复合式恒力系统的状态进行辨识，计算最优控制力。
[0081]
控制器设计如图4所示，每个控制周期为：
[0082]
(1)采集当前时刻滚轮支架的位移h、速度v、加速度a；
[0083]
(2)生成随机的m个电流输入ik；
[0084]
(3)将在步骤s1采集的位移h、速度v、加速度a和生成的m个电流输入ik分为m组分
别作为网络输入，输入到步骤s3训练好的bp神经网络动力学模型中，获得m个对应的网络输出的
[0085]
(4)将获取的m个分别与期望的系统输出力f
aim
进行比较，找出使得奖励函数最小的进一步找到与其对应的电流输入ik，将该电流作为直线电机的控制电流i。奖励函数r的定义为：
[0086][0087]
采用上述方法控制机电复合式恒力弹簧支架系统的运行原理如下：
[0088]
壳体固定不动，载荷力传感器12安装在恒力输出立柱10的顶部，载荷安装在载荷力传感器12顶部。当载荷沿着竖直方向动态运动过程中，两个滚轮4在两个刀式凸轮3的工作面上滚动、并挤压刀式凸轮3，从而改变第二弹簧2的长度和角度，进一步改变刀式凸轮3对滚轮4的作用力在竖直方向的分量，该力与第一弹簧1的力之和始终保持一个定值。
[0089]
载荷力传感器12实时测量载荷竖直方向的受力情况，并反馈给外部控制设备，直线电机5根据控制设备的指令改变输出电流的大小，即改变输出力来补偿机械被动式恒力部分输出的力误差，直线电机5输出端力传感器7能够实时反馈直线电机5的输出力大小，从而使直线电机输出精准的补偿力。直线电机5和气浮机构共同配合，大大减小机械被动式恒力部分的恒力输出误差，可以使整个系统的输出精度提高一个数量级以上。
[0090]
通过转动第二螺母9调节第一弹簧1下表面的位置，从而改变恒力弹簧系统初始工作时第一弹簧1的压缩量，就能够在一定范围内调节恒力输出的力值范围。
[0091]
安装在系统中心的恒力输出立柱10、芯轴6、气浮导向杆17、气浮导套11为气浮机构，能够提供一定的径向支撑，消除因载荷的质心偏量引起的翻转力矩，同时也消除因直线电机5输出力作用点偏离中支撑板质心而造成的中支撑板翻转力矩，保证系统的竖直方向运动。并且气浮机构采用气浮的非接触方式，能够大大减小因导向装置引起的摩擦，降低直线电机控制难度，提高零重力模拟精度。
[0092]
因此，本发明采用上述一种基于模型预测控制的机电复合式恒力系统控制方法，提高了机电复合式恒力弹簧支架的恒力输出精度和响应速度，进而实现了高精度的竖向重力补偿，提高了航天器地面模拟的真实度。
[0093]
最后应说明的是：以上实施例仅用以说明本发明的技术方案而非对其进行限制，尽管参照较佳实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对本发明的技术方案进行修改或者等同替换，而这些修改或者等同替换亦不能使修改后的技术方案脱离本发明技术方案的精神和范围。

技术特征：
1.一种基于模型预测控制的机电复合式恒力系统控制方法，其特征在于，包括以下步骤：s1、训练集数据采集；s2、基于bp神经网络建立系统的动力学模型；s3、将在步骤s1中采集到的数据，输入到系统的动力学模型中完成模型训练；s4、模型预测控制控制器设计，利用在步骤s3中训练好的模型对机电复合式恒力系统的状态进行辨识，计算最优控制力。2.根据权利要求1所述的一种基于模型预测控制的机电复合式恒力系统控制方法，其特征在于，在步骤s1中，采集的数据包括在设置直线电机以时刻变化的随机电流i
k
带动恒力弹簧系统的滚轮支架运动的情况下，分别采集n个不同时刻下滚轮支架的位移h
k
、速度v
k
、加速度a
k
以及载荷力传感器测得的系统输出力f
ek
，位移为滚轮支架初始位置与当前位置之间的距离。3.根据权利要求1所述的一种基于模型预测控制的机电复合式恒力系统控制方法，其特征在于，在步骤s2中，利用bp神经网络建立机电复合式恒力系统的动力学模型，将i
k
、h
k
、v
k
、a
k
作为bp神经网络的输入，记为将f
ek
作为bp神经网络的输出。bp神经网络包括输入层、隐含层和输出层，则：输入层的输入为隐含层的输入和输出分别为：分别为：其中，ω
ij
表示输入层神经元节点与隐含层神经元节点之间的连接权值、θ
j
为隐含层神经元节点的阈值，f()为隐含层传递函数，m为输入层的维度，i取值为4；输出层的输入和输出分别为：分别为：其中，ωj
k
表示隐含层神经元节点与输出层神经元节点之间的连接权值，α
k
表示输出层神经元节点的阈值，g()表示输出层传递函数，p表示隐含层的维度，j＝1,2,...,p。4.根据权利要求1所述的一种基于模型预测控制的机电复合式恒力系统控制方法，其特征在于，在步骤s3中，包括以下步骤：(1)将在步骤s1采集到的i
k
、h
k
、v
k
、a
k
和f
ek
作为bp神经网络辨识模型的训练集，其中，i
k
、h
k
、v
k
、a
k
为输入，f
ek
为输出的真值；
(2)将在步骤1采集到的i
k
、h
k
、v
k
、a
k
作为bp神经网络辨识模型输入层的输入，记为由于输入的信息为电流i
k
、位移h
k
、速度v
k
、加速度a
k
，即四维数据，因此i＝1,2,3,4；(3)将训练集的输入输入给bp神经网络，获得网络输出结果(4)利用下式代价函数获得bp神经网络辨识模型的总误差e：利用梯度下降法调整bp神经网络辨识模型的参数，使其总误差e减小，当总误差e达到最小时，完成bp神经网络辨识模型的训练。5.根据权利要求1所述的一种基于模型预测控制的机电复合式恒力系统控制方法，其特征在于，在步骤s4中，计算最优控制力的具体步骤为：(1)采集当前时刻滚轮支架的位移h、速度v、加速度a；(2)生成随机的m个电流输入i
k
；(3)将在步骤s1采集的位移h、速度v、加速度a和生成的m个电流输入i
k
分为m组分别作为网络输入，输入到步骤s3训练好的bp神经网络动力学模型中，获得m个对应的网络输出的f
ek
；(4)将获取的m个f
ek
分别与期望的系统输出力f
aim
进行比较，找出使得奖励函数最小的f
ek
，进一步找到与其对应的电流输入i
k
，将该电流作为直线电机的控制电流i。奖励函数r的定义为：r＝||f
ek-f
aim
||。

技术总结
本发明公开了一种基于模型预测控制的机电复合式恒力系统控制方法，包括包括以下步骤：S1、训练集数据采集；S2、基于BP神经网络建立系统的动力学模型；S3、将在步骤S1中采集到的数据，输入到系统的动力学模型中完成模型训练；S4、模型预测控制控制器设计，利用在步骤S3中训练好的模型对机电复合式恒力系统的状态进行辨识，计算最优控制力。本发明采用上述的一种基于模型预测控制的机电复合式恒力系统控制方法，提高了机电复合式恒力弹簧支架的恒力输出精度和响应速度，进而实现了高精度的竖向重力补偿，提高了航天器地面模拟的真实度。提高了航天器地面模拟的真实度。提高了航天器地面模拟的真实度。


技术研发人员：乔云一 齐乃明 冯文煜 薛驭风 赵博程 赵策 杨乃汉
受保护的技术使用者：哈尔滨擎天智能科技有限责任公司
技术研发日：2023.07.05
技术公布日：2023/10/6