基于深度强化学习算法的空间漂浮基机械臂抓捕控制策略
Capture Control Strategy of Free-Floating Space Manipulator Based on Deep Reinforcement Learning Algorithm作者机构：哈尔滨工业大学航天工程系 北京空间飞行器总体设计部
出 版 物：《载人航天》 (Manned Spaceflight)
年 卷 期：2020年第26卷第6期
页 面：751-757页
核心收录：
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080202[工学-机械电子工程] 08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 0835[工学-软件工程] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
基 金：国家自然科学基金(U1737207 11672093)
主 题：DRL算法 空间漂浮基机械臂 非合作目标 抓捕控制策略 奖励函数
摘 要：针对空间漂浮基座机械臂抓捕非合作目标控制所基于的多体系统动力学模型难以精确建立的问题,基于深度强化学习算法的控制策略,提出一种深度确定性规则策略。通过将机械臂关节控制力矩、抓捕距离以及相对速度等参数定义为高维空间向量,并设置对应的奖励函数,驱动目标参数逼近满足抓捕条件的数值范围,在不依赖运动学模型和动力学模型的情况下,实现对非合作目标的快速逼近和抓捕。仿真算例表明:该控制算法可实现对空间漂浮基机械臂的快速抓捕控制,且能有效降低接触碰撞力的大小,提高抓捕成功率。
同方期刊数据库