基于FCMAC的空间零重力环境地面模拟装置控制

推理提供必要的准备。其归一化算法为
n
∑ a j = a j a j ， j = 1, 2,", n 。
(5)
j =1
5）输出层：对于单输出情形，直接给出清晰
化的输出值为
n
∑ u = aiWi 。
(6)
i =1
2.2 三维空间模拟地面试验装置的控制系统设计
这里不考虑传动机构及传感器与试件接触
时的动态特性，只考虑力与位置的静态特性，
4）气浮法是利用喷气悬浮力抵消飞行器重力， 具有结构简单、承载能力大、建造周期短、费用低、
1 三维空间零重力地面模拟试验系统
1.1 结构设计 由于复杂的三维空间运动均可以分解为水平
易于实现、零重力模拟精度高等优点，是应用最广 和竖直两个方向的运动，因此三维空间零重力环境
———————————— 收稿日期：2010-11-02；修回日期：2011-01-20 基金项目：中国航天科技集团创新基金资助项目（项目编号：CAST2009C01） 作者简介：齐乃明（1962—），男，博士生导师，教授，从事空间环境模拟试验的研究；张文辉（1980—），男，博士 研究生，从事神经网络控制及空间环境模拟试验的研究。
⎧⎪e1 ⎨⎪⎩e2
= e2 =- 1
Tm
e2
−
1 Tm
wd
+
1 Tm
θd
。
(7)
取位置环滑模切换函数为
s = ce1 + e2 ，
(8)
根据滑动条件可知，当状态不在开关线上时，需 满足下式成立：
ss = s(ce1 + e2 ) < 0 ，
(9)
则变结构控制器输出为
wd = ϕ1e1 + ϕ2e2 + δ sgn(s) ，
⎪⎩δ <| θd |
2）FCMAC 神经网络力控制器设计
采用五层 FCMAC 神经网络作为控制器，以
力误差 Fe 及力误差的变化率 Fe 为输入，归一化处
理后在[-1,1]区间；两个输入各采用 9 个语言变量，
即负大（NL）、负中（NM）、负小（NS）、负
零（NZ）、零（Z）、正零（PZ）、正小（PS）、
机械传动部件的齿轮间隙的不确定性及外界干
扰，为提高控制精度，内环采用响应速度快、
鲁棒性强的滑模变结构控制器，外环采用快速
学习算法的 FCMAC 神经网络的控制策略。
1）滑模变结构控制器设计
这里将交流伺服系统的内部速度闭环系统
等价为
1 ，令
Tms +1
e1
= θd
−θ
， e2
=
e1 ，可得状态
方程为
那么基于 FCMAC 神经网络的地面零重力模拟
装置的控制系统框图如图 4 所示。
图 4 地面零重力装置控制系统方框图 Fig. 4 Block diagram of spatial microgravity simulation
control system
图中 KE 为环境综合刚度，KE=KsKr。考虑到 永磁同步电机具有非线性、强耦合的特点以及
正中（PM）、正大（PL）。
其隶属函数采用高斯函数
µ
( xi
)
=
-(
e
xi −σij υij
)2
(i = 1, 2; j = 1, 2,"9) 。 (12)
由于 FCMAC 神经网络只有输出层有加权，
34
航天器环境工程
第 28 卷
且只有与被激活神经元相连的局部连接权得到修 正，其算法才可以采用 Albus 学习算法或 BP 算法 等。针对零重力模拟装置试验目标及试验环境的 不确定性，对某一系统的学习结果很难再应用于 其他环境，因此在线自学习、自适应能力对零重 力模拟装置很重要。
FCMAC可实现任意的非线性映射：u=f(x)， 其中 x ∈ RNx 为连续输入空间（Nx为输入向量维 数）； u ∈ Nu 为输出空间。其工作机理为：通过 对输入的模糊量化，得出输入向量激活联想强度 的活性，进而激活联想强度以恢复系统的信息。 图3 所示是一个双输入单输出的FCMAC结构。
第1期
NASDA曾在零重力试验室进行过此类研究[2]。 2）悬吊法是通过吊丝的垂直拉力来平衡机器
忽略了气源压力不稳及气缸本身很重的因素，大的 附加重量会对空间机器人的性能测试精度产生影
人自身重力。该方法系统复杂，吊丝易倾斜晃动， 响，另外其采用的神经网络算法需要大量样本学
重力补偿精度不高。美国卡耐基·梅隆大学研制的 习，这些都影响了工程应用价值。
神经网络及模糊控制具有很强的非线性逼近 能力，目前已有多种控制方法[8-9]应用于电机的解 耦控制。在神经网络结构中，小脑模型关联控制 （CMAC）算法是由Albus于1975年根据小脑皮层 神经结构特点提出，由于其能够学习多维非线性 映射，因而已被广泛应用于函数逼近、模式识别 和机器人控制等许多领域。该算法简单、学习速 度快，因此特别适合实时学习控制。但该神经网 络算法内部知识的表达不清楚，输入状态与联想 强度之间的关系无法在线调整。而模糊逻辑控制 算法恰好弥补了这一缺陷，将二者结合起来可以 很好地反映人脑认知的模糊性和连续性，且具有 较强的自学习能力，这就是本文提出的模糊小脑 模型关联控制（FCMAC）算法。
1）自由落体运动法是在高空或者近真空的落 塔上令试验目标物做平抛运动（例如德国著名的不 莱梅落塔），其缺点是造价昂贵、试验时间短。日本
国斯坦福大学建造的自由飞行空间机器人系统[5]以 及哈尔滨工业大学为中国空间技术研究院研制的多 套空间机器人地面模拟系统采用的均是气浮方法。
飞行器运动姿态复杂，而现有的气浮法只能在 水平面上进行二维仿真试验，已不能满足飞行器运 动地面模拟试验的需要。文献[6]提出了一种仅用 于微型机器人的气浮与气缸结合的方式，但该方案
wi (k ) =
wi (k)
n
，
(16)
们的刚度及阻尼系数，则可建立其输入/输出方
程：
X 3 (s) / Fe (s) = B3 (s) / A(s) ，
(1)
X 2 (s) / Fe (s) = B2 (s) / A(s) 。
(2)
公式(1)和(2)中： B3 ( s) = ( Drs + Kr ) ⋅ ( Dss + Ks ) ；
B2 ( s) = ⎡⎣mrs2 + ( Ds + Dr ) ⋅ s + Ks + Kr ⎤⎦ ⋅( Dds + Kd ) ；
相当于模糊逻辑控制器，它的每个结点对应于一
个语言变量，完成一个输入隶属函数 µij (xi ) 的计 算，进而实现输入变量的模糊化。
3）模糊相联层：层中每个结点为规则结点，
用来代表模糊规则，该层中的连线表示执行模糊
逻辑规则IF（前件）的部分，通过乘积运算得到
相应的点火强度。
4）模糊后相联层：完成点火强度的归一化计 算（加权平均），以便为下一层的 Takagi型模糊
传感器的测量力 Fs 输出为
Fs (s) = Ks[ X 2 (s) − X3(s)] 。
(3)
将(1)式及(2)式代入(3)式得
Fs Fe
(s) (s
+
Dr s
+ Kr ](Dds A(s)
+
Kd
)
。(4)
2 零重力模拟装置的 FCMAC 控制器设计
2.1 FCMAC 神经网络
摘要：文章提出了一种新型的空间零重力地面模拟系统，该系统采用机械传动、电机驱动和气悬浮组合的方
式来实现空间零重力环境的模拟，即：水平方向采用气悬浮方式，竖直方向采用永磁同步电机（PMSM）作为其
执行器件，经减速器后利用滚珠丝杠及带直线轴承的导向杆的传动装置，通过力反馈控制方式来实时抵消目标重
力。考虑到永磁同步电机具有非线性、强耦合的特点以及机械摩擦等不确定性及外界干扰，为保证实时性，内环
32
航天器环境工程
第 28 卷
地面模拟试验系统的结构主要包括水平和竖直两 大部分（如图 1 所示）。该系统水平部分采用气足 组件，利用气动压使整个设备悬浮于平台上。竖直 方向主要由一套电机驱动系统及机械传动系统组 成，并通过工作台面处的压力传感器形成一个恒力 伺服系统。
试验系统主要工作原理为：气足组件为整个直 推式三维升降设备提供悬浮气动力；电机接收控制 器的控制信号并带动丝杠进行旋转，进而推动螺母 竖直升降；导向杆与直线轴承完成微重力模拟装置 的竖直导向功能，支撑杆将传感器支撑板与螺母托 板固连，实现传感器支撑板与螺母托板的共同竖直 升降；压力传感器用于测量压力信息，通过压力反 馈实现零重力环境的模拟监测。
本文采用改进的有监督的 Hebb 学习规则， 以输出偏差为监督信号，通过关联搜索进行自学 习和自组织，使相应输出增强或减弱，以逼近期 望输出。
wi (k +1) = (1− c)wi (k) +ηri (k) ， (13)
ri (k) = z(k)u(k)xi (k) ，
(14)
n
∑ u(k) = u(k −1) + k wi (k)xi ， (15) i =1
器人）都看作是由质量、阻尼、刚度构成的模型， 则地面零重力模拟装置的动力学模型可以粗略地 用图 2 表示[7]。
图 2 力控系统动力学模型 Fig. 2 Dynamics model of force control system
图 2 所示模型的各参数定义：md、ms、mr 分 别为机械传动系统、压力传感器、空间机器人的 质量，{Kd，Dd}、{Ks，Ds}、{Kr，Dr}分别是它
SM2 地面试验系统[3]采用此方法。
本文针对以上方案的不足，研制了一种新型的
3）水浮法是指利用水的浮力来平衡机械臂自 三维空间零重力模拟装置。仿真结果表明该装置具