[发明专利]一种基于预测的空间非合作目标抓捕策略

摘要

本发明涉及一种基于预测的空间非合作目标抓捕策略，首先，结合空间机器人的数字建模，构建空间机械臂的工作空间W；基于非合作目标的历史观测数据，对非合作目标的运动状态在有限时域内进行最优状态序列预测，并借此对非合作目标动态安全区进行时空推演；结合工作空间分析与运动预测，考虑抓捕点在空间中的运动轨迹，确定当前态势下抓捕的可行性以及抓捕时机；在此基础上，基于RRT算法搜索可行的快速抓捕路径，并进行路径的平滑，得到空间机械臂可执行的跟踪路径。有益效果：生成的路径满足避障、抓捕末端条件等约束，同时算法具有快速性。

主权项

1.一种基于预测的空间非合作目标抓捕策略，其特征在于步骤如下：步骤1、非合作目标在轨抓捕约束确定：定义：障碍空间Obstacle Space：定义了位姿空间中的障碍空间自由空间Free Space：位姿空间中的无碰撞区域成为自由空间，表示为C_obs与C的集合差集，C_free＝C/C_obs；约束确定：工作空间约束：非合作目标上选定的抓捕点在抓捕过程中要位于空间机械臂的工作空间W中，即要处于由工作空间W构成的C_free中；避撞约束：要求设计的路径从q_init到q_goal全程无碰撞发生，且机械臂自身不发生自碰撞；抓捕末端约束：非合作目标上的抓捕点需处于工作空间，且满足一定的末端锥约束：u_a·u_b≥δ，其中u_a与u_b为单位向量，δ为末端锥约束的门限值；步骤2、机械臂工作空间分析：空间机器人的工作空间其中为关节空间；在θ_min≤θ≤θ_max关节范围内利用蒙特卡洛随机采样法及机械臂正向运动学，得到空间机械臂的工作空间W；步骤3、非合作目标运动预测：建立非合作目标运动各态历经模型的自回归结构，t时刻非合作目标的运动状态为x(t)：线性函数f_μ和f_σ采用自回归模型方法计算获得；均值μ和方差σ²为隐Markov参数；当不具备目标的先验信息时，假设Markov转移函数P(x(t))满足Gauss密度分布：将迁移函数P(x(t))扩展到整个预测的有限时域N_p，关于非合作目标的运动状态迁移概率Prob(x(t+N_p))计算：利用分帧序列迭代训练迁移概率Prob(x(t+N_p))获取自回归结构类型的参数，得到反映的状态序列，以状态序列为非合作目标最可能的运动状态迁移路径；步骤4、抓捕可行性分析：首先判定有限时域预测的抓捕点是否处于工作空间W中，未发生碰撞并满足抓捕末端约束，如果不满足，表明当前态势下在有限时域内不具备抓捕可行性；如果满足，以机械臂的初始位姿与有限时域预测抓捕点之间最小距离点为最优抓捕时机；抓捕时机确定后，从起始至抓捕时机之间，将步骤2工作空间分析和步骤3目标运动预测的结果进行自由空间映射，作为空间机械臂路径规划过程中的自由空间C_free；步骤5、基于RRT算法进行规划：采用快速扩展随机树RRT的路径规划算法，在自由空间C_free搜索一条满足约束条件的路径。