0引言

在地面建立完善的太空模拟环境，进行空间关键技术的研究，是最经济也是最有效的途径，在地面实验系统中与空间操作系统中最主要的环境差别是太空微重力，地面捕获实验系统中的目标卫星的重力补偿效果的好坏是地面演示验证系统的一项重要性能指标，关于目标卫星的重力补偿目前使用的方法有水浮力、气体浮力、自由落体运动、吊丝重力补偿4种，水浮力试验[1~3]是将试验对象全部浸泡在水中，精确地调整漂浮器的浮力和配重的大小，使向上的浮力与向下的重力互相抵消，产生随机平衡的漂浮状态，模拟太空失重状态，此试验方法受水的阻力和紊流影响，维护费用高且实验时需保证系统的密封性，气体浮力[4]是采用气垫或空气轴承支撑物体，来补偿物体的重力影响，气浮法经济、实用，但是只能进行平面仿真实验，自由落体[51通常是在飞机上做抛物线飞行，研究空间物体在失重状态下捕获浮游物体的情况，自由落体法代价高，试验时间短，吊丝式重力补偿[6]系统是通过滑轮组利用配重物的重量来补偿物体系统的重力影响，其费用低、易维护但补偿重力不完全，文献[6，7]提出的吊丝重力补偿使用的是多根吊丝对漂浮物体进行重力补偿，其设计较复杂，控制不易，本文提出的吊丝重力补偿法采用的是一根吊丝对漂浮物体进行重力补偿，设计较简单，易于控制对这根吊丝最主要是进行在极坐标内跟随运动和垂直方向上的恒张力控制，来达到重力补偿的效果极坐标内跟随运动和恒张力控制的精度对整个地面实验系统演示的效果有重要的影响如果控制精度低，将无法再现太空微重力环境下抓取目标物体的任务因此，提高吊丝的极坐标内跟随运动和恒张力控制是该实验系统的一项重要指标

l地面失重实验系统

1.1地面失重实验系统组成

其主要由两部分组成第一部分是机器人主体，即捕获物体的机器人；第二部分是被捕获的目标物体，这两部分都需要模拟微重力的太空环境，本文主要介绍第二部分，即目标卫星的重力补偿当目标物体受到碰撞时，将偏离平衡位置，吊丝跟随物体运动，将偏离其垂直向下的初始位置，固定在吊丝上的二维角度传感器输出偏离平衡位置的角度信号，此角度信号实时反映了吊丝偏离的方向和偏离的程度该角度传感器的检测信号实时传送到电机1与电机3的控制器，产生相应的控制信号，使电机1和电机3作相应的转动，通过移动机器人的相应的运动，保持吊丝垂直向下的状态当吊丝垂直向下时，目标物体不一定处于失重的状态目标物体受到向上碰撞时，其中的拉力比目标物体的重力小，这时吊丝上的拉力传感器的拉力信号将实时传送到电机2的控制器，根据检测到的拉力传感器信号，电机2的控制器产生相应的输出，带动吊丝及目标物体向上运动，并拉紧吊丝，保持吊丝的恒张力当目标物体受到向下碰撞时或捕获机器人向下抓取时，这时电机2应带动卷丝轮向下运动，在运动的过程中，吊丝的张力应该保持不变在本文中，分为两种情况来设计控制方案，一种是移动机器人是静止的，即抓取静止的目标物体；一种是移动机器人是运动的，即抓取运动的目标物体

2基于优化的模糊CMAC的控制器i

从式(9)可知，由于摩擦力的存在和负载扰动，且由于负载扰动的变化引起摩擦力的变化，使用传统的控制方法难以达到高精度、准确的控制，模糊神经网络控制在复杂的非线性、不确定系统上成功应用，使其成为非线性、难以准确建模领域的一种有效方法，模糊CMAC(thecerebellarmodelarticulationcontroller)是一种在机器人控制领域应用较早的控制方法，因此将模糊CMAC引入此实验系统的3个随动控制是合适的

2，1模糊。胜C神经网络

模糊CMAC是1993年Nie[9]等提出的，结合了模糊系统和CMAC，CMAC是Albus[10]在1975年提出的一种前馈神经网络，它实际上是一种查表技术传统的CMAC缺点是对于高维的输入其存储空间大，且由于本身结构的特点，泛化能力差，模糊CMAC能够解决高维输人存储空间的问题，其泛化能力要比传统的CMAC要好

3仿真实验研究

本文利用Adams仿真软件和Matlab软件相结

合，对失重系统建模仿真在Adams软件中建立失重系统的机械模型，在Matlab软件中建立控制算法，由以上的论述可知，使用普通的PID、模糊CMAC、优化的模糊CMAC方法针对同一地面失重系统进行恒张力控制，后面的方法要比前面的方法得到的控制效果好，这说明了模糊CMAC算法具有自学习、自适应的能力而优化的模糊CMAC在没有先验知识的前提下，能根据实际系统的输出和期望的输入的偏差自动调整模糊控制规则，得到满意的控制效果，减少控制误差，应用在不确定和时变外扰动的地面失重实验系统中，仿真实验结果证明了该方法对外力扰动具有明显的抑制作用，有较强的鲁棒性虽然针对的是地面失重系统，但研究具有普遍意义关于该方法在实际实验中的应用。

本文源于网络转载，如有侵权，请联系删除