机器人 2022, Vol. 44 Issue (1): 107-128  
0
引用本文
薛智慧, 刘金国. 空间机械臂操控技术研究综述[J]. 机器人, 2022, 44(1): 107-128.  
XUE Zhihui, LIU Jinguo. Review of Space Manipulator Control Technologies[J]. ROBOT, 2022, 44(1): 107-128.  

空间机械臂操控技术研究综述
薛智慧1,2,3 , 刘金国1,2     
1. 中国科学院沈阳自动化研究所机器人学国家重点实验室, 辽宁 沈阳 110016;
2. 中国科学院机器人与智能制造创新研究院, 辽宁 沈阳 110169;
3. 中国科学院大学, 北京 100049
摘要:考虑到空间机械臂在执行在轨维修、在轨组装、在轨加注等复杂危险的空间任务时,其精准、灵巧的操控技术的重要性,从不同类型空间机械臂构形、末端执行器出发,分析了空间机械臂的发展趋势。综述了空间机械臂操控过程中涉及的5项关键技术,包括:交会对接与捕获技术、自主规划与智能控制技术、传感与感知技术、智能协同与操控技术及系统安全保障技术。最后,就现有的空间机械臂在操控过程中面临的问题,提出未来的发展方向及展望。
关键词空间机械臂    末端执行器    在轨服务    在轨操作    人机交互    
中图分类号:V11            文献标志码:A            文章编号:1002-0446(2022)-01-0107-22
Review of Space Manipulator Control Technologies
XUE Zhihui1,2,3 , LIU Jinguo1,2     
1. State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang 110016, China;
2. Institutes for Robotics and Intelligent Manufacturing, Chinese Academy of Sciences, Shenyang 110169, China;
3. University of Chinese Academy of Sciences, Beijing 100049, China
Abstract: Considering the importance of precise and dexterous control technology of space manipulator when performing complex and dangerous space tasks such as on-orbit maintenance, on-orbit assembly and on-orbit refueling, this paper analyzes the development trends of space manipulator from different types of space manipulator configurations and end effectors. 5 key technologies involved in the control process of space manipulators are summarized, including rendezvous, docking and capture, autonomous planning and intelligent control, sensing and perception, intelligent cooperation and control, and system security. Finally, the future development directions and prospect are put forward according to the problems existing in the control process of space manipulator.
Keywords: space manipulator    end effector    on-orbit servicing    on-orbit manipulation    human-robot interaction    

1 引言(Introduction)

随着人类对空间探索的不断深入,每年发射的航天器的数量不断增加,但航天器在轨运行时常常面临设备老化、燃料不足等问题,在轨故障的发生次数也越来越多[1-3]。由此,带来的另一个问题就是人造空间碎片的大量产生,这会对在轨运行的航天器带来非常严重的安全隐患[4]。研究表明,在飞行任务中对功能受损的航天器进行维修可以节约成本,提高经济效益[5]。而人类空间探索步伐的加快也对大型空间设施提出了新要求,大型空间设施在地面完成制造、集成、测试和发射需要投入大量的人力物力,而利用空间机械臂在空间完成设备组装可突破火箭重量及体积的限制,节约成本[6]

如何低成本、高效率地利用空间机器人完成一系列复杂空间任务,已成为目前空间技术领域的研究重点。早在20世纪80年代,NASA(美国国家航空航天局)就意识到了空间机器人在轨服务对空间资产的重要性,早期由宇航员完成的在轨维修及空间组装等为空间机器人的在轨服务奠定了基础[7]。以在轨服务为代表的空间操作任务的复杂度越来越大,研究空间机械臂的精准、灵巧操控技术将成为人类空间探索的关键。

本文从执行在轨服务的不同类型空间机械臂出发,基于国内外典型大型空间机械臂、试验型空间机械臂、仿人空间机械臂及其末端执行器的发展现状,对机械臂执行空间任务时涉及到的关键技术进行了研究,并提出未来空间机械臂的研究方向。

2 研究现状(Research status) 2.1 空间机械臂发展现状

空间机械臂被认为是最有前途的在轨服务方法之一,可完成对接、停泊、加油、维修、升级、运输、救援和轨道碎片清除等操作[8]。现有的空间机械臂,从其任务及结构设计来看,可以分为3大类。一类是为空间站和航天飞机开发的大型空间机械臂,这些机械臂通常具有大结构尺寸、多自由度、模块化关节、多臂协同操作等特点。另一类是连接在卫星基座上或者面向空间站开发的试验型空间机械臂,多用于在轨服务、技术验证等。还有一类是仿人空间机械臂,主要用于代替宇航员完成复杂装配、维护等高精度任务,这种机械臂正向关节轻量化、一体化的方向发展。

2.1.1 大型空间机械臂

大型空间机械臂具有通用性强、可达性高等优点,自1981年“哥伦比亚号”航天飞机上部署航天飞机遥控机械臂系统SRMS(shuttle remote manipulator system)以来,空间机器人系统已广泛应用于各种空间任务[9]。SRMS系统采用复合吊臂结构从有效载荷舱内部署和回收有效载荷,长为15.2 m,具有6个自由度,3个机电关节(包括2自由度的肩关节、1自由度的肘关节、3自由度的腕关节),2个臂杆,1个末端执行器,1个热保护系统和1个远程可视系统,以及3个摄像头,其主要系统组成如图 1所示[10]。20世纪90年代中期,加拿大航空航天局为支持国际空间站的建设,开展研究来提高机械臂的组装精度及承载能力,最终形成了移动服务系统MSS(mobile servicing system)。MSS由空间站远程遥操作系统SSRMS(space station remote manipulator system)(图 2)、移动远程服务基础系统MBS(mobile remote servicer base system)以及专用灵巧机械臂SPDM(special purpose dexterous manipulator,也称Dextre)组成,如图 3所示[11-14]。7自由度空间站远程操作臂系统SSRMS可对大型有效载荷执行捕获、操纵和停泊操作,而SPDM机械臂可以满足MSS系统对灵巧功能的需求。随着空间探索的深入,美国主导的“月球门户(Gateway)”计划的重要参与者加拿大正与MDA(MacDonald, Dettwiler and Associates)公司联合进行Canadarm3机械臂的研发工作,如图 4所示[15]。“月球门户”系统作为一个深空前哨站将使人类对月球的可持续探索成为可能。而Canadarm3机械臂将在“月球门户”上运行,其由大型机械臂、小型机械臂、执行科学任务的专用工具以及可访问所有“月球门户”元素的机械手界面组成,旨在实现自主决策与工作,用于在轨维护、检查、捕获来访航天器、帮助宇航员进行舱外活动、进行月球轨道科学实验等。

图 1 SRMS主要系统部件组成[10] Fig.1 Primary SRMS components
图 2 SSRMS主要系统组成[13] Fig.2 Primary SSRMS components
图 3 SPDM[14] Fig.3 SPDM
图 4 艺术家绘制的“月球门户”系统上的Canadarm3大型机械臂的概念图[15] Fig.4 An artist's concept of Canadarm3's large arm on the Lunar Gateway

此外,国际空间站上由JAXA(日本航空航天局)研制的日本实验舱远程机械臂JEMRMS[16-17]图 5)主要用于移动和安装暴露的有效载荷以及将CubeSats卫星部署到轨道上。JEMRMS机械臂由主臂MA(main arm)和小精细臂SFA(small fine arm)串联组成[18]。MA臂包括3个臂杆、1个末端执行器和2个视觉系统(一个安装在腕关节上,另一个安装在肘部),主要用于交换暴露设施EF(exposed facility)的有效载荷。SFA臂在工作时连接在主臂的末端,用于处理小型设备,如更换EF设施上的轨道替换装置。以荷兰航天公司为首的欧洲联合公司为俄罗斯舱段研制的欧洲机械臂ERA(European robotic arm)(图 6)由2个末端执行器、2个腕关节、1个肘关节以及电子设备和摄像头组成,将用于运输空间站舱内有效载荷,支持宇航员舱外活动[19-20]

图 5 JEMRMS[16] Fig.5 JEMRMS
图 6 欧洲机械臂ERA[19] Fig.6 European robotic arm (ERA)

中国空间站遥控机械臂系统CSSRMS(Chinese space station remote manipulator system),是完成在轨装配、维护、操纵辅助和航天员在轨保障等航天任务的重要工具,由核心舱机械臂CMM(core module manipulator)和实验舱机械臂EMM(experimental module manipulator)组成,如图 7所示[21]。实验舱机械臂既可以与核心舱机械臂独立操作或进行协同操作,也可以与核心舱机械臂串联,形成一个15 m长的机械臂。实验舱是一个7自由度机械臂系统,其中2个腕关节分别具有3个自由度,肘关节有1个自由度。其两端分别安装有末端执行器,并配置有末端执行器手眼相机和肘部相机,主要结构配置如图 8所示。

图 7 CMM与EMM[21] Fig.7 CMM and EMM
图 8 实验舱机械臂配置[21] Fig.8 configuration

这些大型空间机械臂的主要特征如下:高公差抓取能力、“爬行”能力、核心部件模块化设计、安全保障技术、多种操作模式。表 1为对这些不同机械臂的结构特点及性能的比较[20-26]。通过比较可以发现,我国空间站机械臂在承载能力、控制速度、控制精度等方面具有一定优势。

表 1 典型空间站机械臂的比较 Tab. 1 Comparison of typical space station manipulators
2.1.2 试验型空间机械臂

随着空间任务的日益复杂,空间机械臂的构形配置也逐渐变得多样化。由传统的大型单臂空间机器人向多臂空间机器人方向发展,由固定构形机械臂向灵活可变构形方向发展,如图 9所示。国外已经开展了多种试验型空间机械臂的研究,探索了空间机械臂在轨捕获、维修、轨道单元替换、燃料加注等操作中的技术。国内试验型空间机械臂近年来也取得了许多成果。哈尔滨工业大学(HIT)研制的“试验7号”空间机械臂用于验证空间交会和机械臂的释放捕获技术[27]。“遨龙1号”机械臂是我国在空间碎片主动清除领域的首次在轨验证机械臂。“实践17号”机械臂搭载同步轨道新技术试验卫星,实现近距离在轨服务。中国科学院沈阳自动化研究所为中国空间站实验舱设计的空间站科学手套箱机械臂(图 10)不仅具备微观环境下5 µm的操作精度,而且能够实现基于高精度视觉反馈以及智能算法的视觉伺服控制,为我国空间生命科学领域的研究提供了技术保障[28-29]表 2列出了这些典型任务的研究现状。

图 9 空间机械臂在轨服务发展趋势 Fig.9 The development trend of space manipulator on-orbit service
图 10 手套箱机械臂实验平台[28-29] Fig.10 Manipulator experiment platform in Glovebox
表 2 典型试验型空间机械臂 Tab. 2 Typical experimental space manipulators

此外,为推动空间在轨操控技术的发展,还提出了许多的概念设计。例如,由DLR(德国航天研究中心)资助的一种新的模块化航天器概念iBOSS项目[30]、美国卫星服务研究小组为在轨服务制定的6个概念任务NM(notional mission)[7]、美国绳系无限公司提出的SpiderFab[31]、太空制造公司的Archinaut[32]、马兰里大学空间系统实验室由于资金原因未完成的模块化自重构机器人MORPHbot(modular on-orbit reconfigurable co-operative high-dexterity robot)[33]、NASA戈达德航天飞行中心仪器设计实验室提出的自重构灵巧机械臂Max DOF Work-Bot[7]。徐文福等[34]提出了一种自重构多分支机器人,可以变换多种构形以应用于不同的在轨服务任务。

2.1.3 仿人空间机器人

太空中的辐射及微重力环境会对宇航员的肌肉骨骼和心肺系统产生不利影响,各国都在积极开展空间仿人机器人的相关研究,用以代替宇航员完成复杂危险的空间任务,提高宇航员的工作效率。

目前,已研发出许多典型的仿人空间机器人。其中,已经在轨应用的典型代表如NASA约翰逊航天中心(JSC)与通用汽车公司的研究人员合作设计的R2(Robonaut 2)机器人,见图 11(a),与其上一代R1(Robonaut 1)一样,R2机器人能够处理各种EVA(extravehicular activity)工具和界面,但R2机器人的速度更快、更灵巧、紧凑,应用范围更广[35-36]。俄罗斯的仿人机器人Skybot F-850(图 11(b)),在失重的情况下成功匹配了插头连接器,模拟了太空行走过程中站外表面的电缆修复。该机器人具有用于承受发射期间剧烈振动的抗振动材料,并采用可避免意外损坏空间站的运动算法[37]。还有进行了在轨遥操作测试的DLR仿人机器人Rollin' Justin,如图 11(d)所示,它配备了2个7自由度DLR轻型机械臂LWR Ⅲ(light weight robot Ⅲ)以及DLR Ⅱ型机械手,该机器人能够通过复杂的控制算法实现灵巧操作,已经实现关节级、末端效应器级和对象级的阻抗控制,并能通过视觉伺服及语音识别实现人机交互[50-51]。还有其他一些仿人机器人,如ESA开发的一种仿人灵巧机械臂DEXARM(dexterous robot arm,图 11(c)),该手臂具有7个自由度,可以协助或代替宇航员执行常规的EVA任务,进行在轨服务等[52-53]。由中国空间技术研究院北京空间飞行器总体设计部设计的具有可变末端执行器的空间仿人机器人具有31个自由度(可以扩展为44个自由度)、100个传感器和4种操作模式,如图 11(e)所示[24]。该机器人可以与中国空间站核心舱机械臂相连接,进而组装成一个机器人系统,用于执行复杂的空间任务。哈尔滨工业大学也开发了机器人宇航员,其样机如图 11(f)所示[21]。该机器人具有多传感器融合的模块化柔顺关节[54]、紧凑型多传感的DLR-HIT机械手[55]、以及基于触觉反馈的遥操作技术,并融合了虚拟现实技术及柔顺控制来解决遥操作的大时延及模型匹配误差问题[56]。已经成功发射的“天宫2号”机械臂[57]即为该机器人的一条手臂,并成功用于验证在轨服务的人机协同、在轨遥操作等技术。

图 11 仿人空间机器人 Fig.11 Humanoid space robots
2.2 末端执行器发展现状 2.2.1 大型空间机械臂的末端执行器

大型空间机械臂的末端执行器采用标准接口,以便于将主动有效载荷模块耦合到机械手以及航天器的设备中,传输机械负载、电信号和数据,并传导热量。其末端执行器应具有大偏差容限能力、软捕获能力及硬对接能力。常见的抓取式大型空间机械臂末端执行器有2类,即类锥杆式末端执行器、夹爪类末端执行器。

1) 类锥杆式末端执行器

SRMS、SSRMS、JEMRMS、ERA和CSSRMS等系统的末端执行器均采用类锥杆式捕获机构,这种机构具有较大的软捕获和失调容限能力。SRMS系统的末端执行器采用机电圈套机构,用于部署有效载荷,支持宇航员舱外活动,完成在轨服务等任务。图 12(a)所示为SRMS腕关节末端执行器的图片,该末端执行器通过三索圈套机构以及陷阱机制抓取具有抓斗工具的有效载荷[10]。SSRMS系统的末端执行器LEE(latching end-effector)增加了一个闩锁组件,是SRMS末端执行器的升级版(图 12(b)[13, 58]。JEMRMS系统的末端执行器与SRMS系统的末端执行器相似,与SRMS、SSRMS系统的抓斗尺寸相同,因此捕获抓斗工具时具有很好的兼容性[13]。哈尔滨工业大学为我国空间站实验舱机械臂开发的索套式软捕获末端执行器HIT-LEE如图 12(d)所示,其捕获原理与SRMS系统类似[59-60]

图 12 大型空间机械臂末端执行器 Fig.12 End effectors of large space manipulators

2) 夹爪类末端执行器

ERA末端执行器由欧空局和俄罗斯航天局共同开发,其末端执行器子系统由2个基本末端执行器BEE(basic end effector)、基点BP(base point)和抓斗夹具GF(grapple fixture)组成,如图 13(a)所示,通过扭簧及一套连杆机构实现软捕获[61]。但ERA末端执行器与SSRMS和SRMS末端执行器相比,抗失准能力较差,抓捕成功率较低。升级后的末端执行器采用类锥杆结构,如图 12(c)所示[13]。此外,为专用灵巧机械手SPDM设计的自适应机器人辅助手SARAH(self-adapting robotic auxiliary hand)是具有3个自适应手指和可定向手指的可重构手,见图 13(b),但其抓捕物体的体积受限[62]。HIT研究人员为满足不同设备的要求,还为EMM臂开发了一种三指三瓣机械手作为末端执行器,如图 13(c)所示[63]。其捕获、牵引、锁定和电气连接仅由一个执行器单元实现,机构简单,易于完成机械力、电信号和数据的传递,适于完成快速更换工具等操作。但这种捕获机构易导致末端执行器与目标载荷之间的接触力或冲击力增大。

图 13 夹爪类末端执行器 Fig.13 Gripper end effector
2.2.2 仿人机械臂的末端执行器

在非结构化环境中,机器人需要能够执行各种任务的多功能末端执行器,而灵巧手可以通过手指和手腕或手臂的同时协调运动提供必要的能力。早期的机器人灵巧手如Utah/MIT手[64]、Stanford/JPL手[65]、WABOT-2手[66],其自由度在超过一定数量后,如果想要达到与人手相当的体积就很难集成执行器[67]。自20世纪90年代以来,随着微电子集成技术的发展以及计算处理能力的大幅提升,内部驱动器手由于其体积小的特点受到越来越多的科学家的青睐。研究人员研发了许多多指灵巧机器人手,用来抓取和操纵与机器人设计不兼容的操作对象,顺应不同尺寸、形状的物体。这些灵巧手的研究为空间操纵技术的发展奠定了基础。

国外典型的灵巧手有美国的Robonaut手,德国的DLR手、DexHand、SpaceHand,意大利的UB手,英国的Shadow手等。美国的Robonaut手是一个用于宇航员舱外活动的机器人手,在尺寸和性能上与宇航员的手最接近,如图 14(a)所示[68-69]。第2代Robonaut手增加了整体关节行程,改进了力控制和传感功能,减少了导线,采用模块化组件,比起第1代更加灵巧,更接近于人手,如图 14(b)所示[70]。德国DLR已经开发了2代多传感器灵巧机器人手:DLR Ⅰ手[67]和DLR Ⅱ手[71],均为高度集成的多传感器机电一体化手。相比于DLR Ⅰ手,DLR Ⅱ手(图 14(c))采用开放式结构,集成度更高,可靠性更好,承载能力更强,线缆数量大大减少,该手成功地用于仿人机器人Justin的双手操纵实验中。2013年开始,DLR开始为在轨维修而设计多指灵巧手DexHand,该手可以使用大多数宇航员EVA工具,大小相当于宇航员手套,如图 14(d)所示[72]。SpaceHand是DLR DexHand的进一步发展(图 14(e)),专为在地球同步轨道上长期运行而设计,能够在常规工具集无法提供足够工具的情况下解决最棘手的任务[73]。其开发工作于2019年完成。手指的结构与DexHand手指结构相似,但是SpaceHand手指的关节使用的是滚珠轴承,而不是滑动关节,它减少了关节摩擦,从而减少了肌腱负荷。意大利的UB手经过4代的发展,形成了UB-Ⅳ手(图 14(f)),该手引入基于肌腱的柔性结构传动系统,使用创新的双绞线驱动系统,并融合多种传感器设备,将系统复杂度从机械设计的耗时领域转移到易于重新编程的控制领域[74-75]。英国的Shadow手[76-77]图 14(g))作为世界上最先进的机器人手之一,其设计尽可能地复制人手的功能、尺寸和运动范围,具有气动和电动2种型号,手的质量为4 kg,且体积很大。

图 14 典型灵巧手 Fig.14 Typical dexterous hands

国内的灵巧手近年来也有很多成果,如哈尔滨工业大学和德国DLR共同研制的DLR-HIT手,北京航空航天大学的BH手。自2001年以来,DLR和HIT在DLR Ⅱ手经验的基础上共同开发了一种模块化的商用四指灵巧机器人手:DLR-HIT Ⅰ手[55],其比DLR Ⅱ手更小。历经2代研发,与DLR-HIT Ⅰ手(图 14(h))相比,新型DLR-HIT Ⅱ手[78]图 14(i))具有5个模块化手指,并且重量更轻,体积更小。北京航空航天大学在研制了BH-1至BH-4的基础上,又成功研制了BH-985仿人灵巧手,该手根据不同关节的需求,设计了多种传动系统[79-80]表 3中列出了对这些机械手的比较,可以看出多种传感器融合的灵巧手,能最大程度地将人的智能与机器人相结合,提高机器人的灵巧性及可靠性。

表 3 典型灵巧手的比较 Tab. 3 Comparison of typical dexterous hands
2.2.3 其他末端执行器

空间机械臂由于在轨服务任务的多样性,需要更换不同的捕获机构或操作多种不同的工具,包括扳手、钻头、切割工具、焊接吹管和激光3D打印枪等。典型代表如Dextre,其末端工具替换装置可以快速有效地连接多种工具并适应不同的任务。在NASA于2011年开始进行的针对非合作目标的在轨加注项目RRM(Robotic Refueling Mission)中,Dextre机器人发挥了重要作用。该任务主要分为3个阶段,阶段1由控制员远程控制加拿大Dextre机器人使用4个独特的RRM工具在RRM模块上执行一系列维修任务。阶段2主要用于卫星延寿,包括冷却液补给过程中的一些测试、诊断及修复工作。阶段3在前2个阶段的基础上,将演示技术扩展到存储和转移超低温流体所需的技术[81-82]图 15中显示了Dextre机器人的末端工具替换装置(图 15(a))及其执行RRM3任务时的多种工具,包括:目视检查可定位无脊椎动物机器人VIPIR2(visual inspection poseable invertebrate robot 2),见图 15(b);低温维修工具CST(cryogenic servicing tool),见图 15(c);多功能工具MFT2(multi-function tool 2),见图 15(d)[83-84]。此外,美国正在研究的空间装配制造机器人系统SpiderFab,其将根据在轨制造的需要,开发多种工具,包括制造工具、专用喷丝头工具、3D打印工具、采用熔融灯丝制造的连接工具以及带有夹紧机构的末端执行器,图 15(e)所示为其3D打印喷丝头工具[31]

图 15 末端执行器及工具 Fig.15 End effectors and tools
3 关键技术(Key technologies)

空间机械臂在执行在轨服务任务时,涉及到许多关键技术,如图 16所示。对于大型空间机械臂及试验型机械臂,一般需要经历以下的部分阶段或全部阶段:与目标物体的交会机动阶段、观察与规划阶段、捕获抓取阶段、稳定操控阶段[8]。在交会机动阶段,需要确保准确的目标检测与识别、精准的轨道控制和稳定的姿态控制。在观察与规划阶段需要准确地获取目标物体的运动信息,以便于规划机械臂的运动路径。捕获抓取阶段,需要根据抓捕目标物体的不同特性,采取不同的抓捕策略。稳定操控阶段需要确保机械臂捕获或操控的物体同服务系统一起保持稳定,并执行精准的操作任务。对于仿人形机械臂,其精准操控技术、传感与感知技术及人机融合的操控技术至关重要。

图 16 关键技术示意图 Fig.16 Schematic of key technologies
3.1 交会对接与捕获技术

在执行空间任务时,交会对接是一项极其重要的技术,服务航天器需要依靠多种传感器实现自主导航定位,并以特定的优化指标(时间最短、能量最小、距离最短)进行一系列的轨道机动,从而在交会对接处使自身与目标航天器之间保持适合的运动姿态及运动速度以执行在轨服务。

1) 交会对接轨道控制技术

针对合作目标的交会对接技术,许多已经进行了在轨验证[85],但针对非合作目标,如故障或失效航天器等的交会对接技术仍面临许多挑战。非合作目标不具备定位和标识器,使得目标信息的获取困难;这些物体通常在太空中会不受控地翻滚,交会、对接、捕获时对服务航天器的要求较高[86]。许多学者对此进行了研究,Boyarko等[87]考虑了避障问题、平动和转动动力学,求解了追踪航天器与翻滚目标交会的最短时间与最小能量的最优轨迹。Li等[88]考虑了控制输入饱和、避碰、速度约束和对接使能等条件,提出了一种模型预测控制策略来实现服务航天器与滚转目标的自主对接。Sun等[89]研究了在扰动空间环境中具有参数不确定性的刚体航天器接近未知翻滚目标时的相对姿态控制问题。Abdollahzadeh等[90]提出了一种滑模控制器用于服务航天器与受外部干扰的翻滚目标航天器之间的近距离对接。

2) 非合作目标捕获技术

非合作目标的捕获分为接触式捕获和非接触式捕获,这里主要针对采用机械臂进行的接触式捕获进行阐述。与地面机械臂不同,空间机械臂与基座的动力学是耦合的,在捕获过程中要实现服务航天器及机械臂的位置和姿态的实时调整,进行快速在线规划。针对这一问题,Hirano等[91]提出了一种可实现在线路径规划和柔顺控制的鲁棒控制方案,并为机器人基座提供平移速度,以捕获翻滚的大型目标。这种在线规划方法通过添加约束来显式地确定抓取时间和位置,而无需通过复杂的数值计算来解决非线性优化问题。Zhou等[92]针对空间机器人的基座姿态实时调整问题,提出了一种基于任务优先级的反应零空间(RNS)算法。该算法对计算量要求较低,对矛盾的任务情况引起的算法奇异性具有较强的鲁棒性。

3.2 自主规划与智能控制

在机械臂抓捕操作前,需要对机械臂进行轨迹规划;抓捕过程中,要对机械臂进行柔顺控制,避免与目标物体发生碰撞而将物体弹出;抓捕结束后,对机械臂及目标物体进行振动抑制,使其保持稳定。

1) 自主路径规划技术

空间机械臂一般安装在航天器基座本体上,在对其进行轨迹规划时,应确保机器人的操作范围内不出现奇异点,同时考虑各种约束条件,如干扰最小化、复杂的外部布局、避碰、代价最小、轨迹优化等[6, 93]。此外,与传统的只控制基座姿态或只控制机械臂运动的方式相比,对服务航天器与机械臂开展一体化姿态轨迹规划能够实现更复杂的操作,机械臂的运动也更加灵活,可以有效避免机械臂的奇异问题。文[8]对在轨服务卫星基座上的单个及多个空间机械臂的路径规划和控制技术进行了综述。Nenchev等[94]利用RNS方法来实现卫星姿态控制。RNS方法能同时实现基座姿态调节和末端执行器轨迹规划,后又被用于实现振动抑制任务、无反应终点控制任务和联合运动控制任务[95]。但该方法存在固有的动力学奇异问题,对于非冗余空间机械手,其合理路径受到限制[92]。魏春岭等[96]对基座的轨道、姿态及机械臂的各个自由度同时进行协同控制,有效消除机械臂操作时的构形奇异问题,增大了机械臂的操作空间。此外,一些智能控制方法由于其快速自调整、强适应的能力,被越来越多地应用到航天器的控制中,但要想取得满意的控制效果,需要大量的学习数据。Wu等[97]采用强化学习的方法对空间机器人进行轨迹规划,避免了复杂的动态建模和耗时的参数优化过程,决策时间短,成功率高,满足实时应用需求。Li等[98]考虑了末端执行器的避障及速度约束,提出了一种基于深度强化学习的运动规划方法,解决了自由飘浮双臂空间机械手的复杂约束运动规划问题。

2) 机械臂柔顺控制技术

在空间机械臂执行抓捕任务时,必须很好地控制2个物体之间的接触力,即对空间机械臂进行柔顺控制。机械臂的柔顺控制可以分为依靠硬件结构实现的被动柔顺控制和依靠软件控制实现的主动柔顺控制[99]。针对主动柔顺控制,传统的阻抗控制、力/位混合控制易受系统的刚度、非结构化环境的影响,结合智能控制的方法,如神经网络[100]等方法对其进行优化和改进可以取得良好的效果。此外,抓捕时接触界面的复杂形状造成的多点接触,使得动力学建模困难,而接触力的非线性也使得动力学模型降阶困难。Stolfi等[101]研究了空间双臂机器人在实际抓取之前保持手臂末端执行器与目标卫星之间稳定的第1次接触的问题,建立了2维接触动力学,提出了一种阻抗PD(比例-微分)控制方法,该算法具有较强的鲁棒性。

3) 姿态稳定控制技术

目标物体一旦被机械臂捕获,整个系统需尽快恢复稳定,以避免破坏。文[102-103]论述了在捕获后抓取阶段对空间操作器的最佳控制,以使翻滚的非合作卫星在最短时间内静止,同时确保操作器和目标之间的相互作用力矩的大小保持在规定的阈值以下。Liang等[104]提出了一种自适应控制方法,可用于辅助控制服务卫星与翻滚卫星交会对接或捕获翻滚卫星。针对组合双星系统的捕获后稳定问题,提出了基于李雅普诺夫法的跟踪律和自适应律,保证了非线性控制的成功。Masoudi等[105]提出了一种线性二次调节器来抑制具有柔性臂的自由飘浮空间机器人的振动。

3.3 传感与感知技术

空间探索中,航天器必须依靠自身的传感器来实现定位和环境感知,多种传感器的融合可以减少航天器自主导航及定位误差[106]。首先,通过视觉及其他导航传感器对目标物体的姿态、位置、速度、大小等信息进行估计,以确定最佳估计位置和方向状态,并将这些信息提供给自动会合和对接操作控制器。接着,服务航天器对目标物体的信息进行预测,并进行机动及路径规划,调整到相对于目标物体的合适位姿,以执行在轨服务。

1) 复杂光照条件下的视觉感知

视觉传感技术作为空间操控中的关键技术之一,在对目标物体进行姿态估计时,基于图像的位姿和运动估计可以大致分为基于模型和非基于模型的技术[107]。非基于模型的技术不依赖于被跟踪对象的形状、纹理或其他视觉属性的先验知识,并且通常尝试处理图像序列以将场景结构与传感器运动解耦,如基于立体视觉的运动估计技术[108]、差分或光流技术[109-110]和运动结构处理技术[111]。基于模型的姿态估计中需要给定对象的一些先验模型,如基准点的位置、表面结构表示等,常使用的技术有基于特征的模型跟踪技术[112]、模型到图像的配准算法[113-114]、轮廓跟踪技术[115]等。许多基于特征的姿态跟踪系统面临的一个挑战是,透视投影对形状的改变、遮挡导致目标点的消失,运动、复杂光照的影响常常导致自动跟踪失败。视觉对象跟踪(VOT,visual object tracking)需要解决的关键问题如下[116]:(1) 如何表示目标,即观察模型;(2) 如何有效地利用运动平滑度假设来定位下一帧中的目标;(3) 如何在线更新跟踪模型以处理动态方案。完成与目标航天器的交会动作后,空间操作器的末端执行器需要通过视觉伺服控制,识别并定位目标航天器的所需抓取位置。大量的学者对此展开了研究,以提高机械臂的定位精度及鲁棒性[117-118]

2) 在轨操控力/触觉感知

传统的在轨遥操作多基于数据手套等穿戴式设备或力反馈操纵杆,但这些设备存在一定的局限性,如机械设备会使操作空间受限、自身的惯性及摩擦力影响操作感知、价格昂贵,穿戴式设备会产生定向力的错觉[119-120]。为增强操作者的临场感,使其能灵活操纵物体,面向自然交互的力触觉感知受到越来越多的科学家的青睐。Guinan等[121-122]研制了一种非固定式力触觉反馈装置,通过滑动接触器杆来产生手部剪切力并引起皮肤拉伸,以模仿摩擦和剪切力。Winfree等[120]设计了非固定的手持式扭矩反馈装置iTorqU 2.0,基于陀螺效应解决了操作者运动空间受限的问题,能以更接近自然的方式交互。目前,力触觉感知仍然面临许多挑战,如操作者手位置的高精度检测、多点接触等问题。

3) 多源信息融合处理技术

在执行操作任务期间,多种传感器的融合可以为人类观察者提供易于理解的视觉提示,提高监督控制应用中的态势感知能力,以及机械臂操作的灵巧性及精准度。与单个传感器相比,多传感器融合了每个传感器的有效信息以获得比单传感器更好的性能。但在实际应用中,外界干扰经常会导致传感器获得的信息不完善,多个传感器的同时使用也给资源调度带来了困难,实现不完善多源信息的融合与处理及解决多传感系统的动态优化管理成为当前需要解决的关键问题[123]。研究者已经提出了诸多应用于空间操控的多源信息融合理论与方法,包括:贝叶斯融合[124]、粗糙理论[125]、D-S(Dempster-Shafer)理论[126]、表决法[127]、聚类法[128]、神经网络方法[129]等。

3.4 智能协同与操控技术

1) 自主决策与任务分配技术

随着太空任务的日益复杂,对空间机器人的自主性的要求也不断提高。机器人的自主权在很大程度上取决于其根据传感器提供的信息做出决策的能力。决策是在给定机器人对世界状态的内部表示的情况下选择机器人应该执行的动作的过程,其目的是使机器人获得的报酬最大化。通过智能系统可以由传感器和内部存储器知道其状态和周围环境,并使用此数据根据预定的规则执行决策,包括计划、会合、对象识别、姿势估计、对接、任务执行、故障诊断和异常解决[130]。机器人的自主决策应当考虑以下几个因素[131]:(1) 受自主机器人的体积、重量、功耗的限制,其嵌入的计算能力需满足基本决策的需求;(2) 决策需要迅速,避免延迟;(3) 物理模型提供的最佳估计与现实情况之间存在差距;(4) 传感器获得的信号易受测量噪声的影响,使其无法完全准确地捕获其内部状态或环境状态。因此,自主机器人的决策通常需要以较低的计算成本提供可接受的策略。

多智能体的协同操作可以有效提高空间任务的操作效率。已有许多学者利用群体智能机器人来完成复杂的空间服务任务,如何合理地分配多项任务是提高操作效率的关键。Zykov等[132]提出的模块化可重构机器人,可以在轨自我修复、协调操纵和重新配置。此外,还提出了许多任务分配概念,如用于执行空间复杂任务的多智能体搜索算法[133]、针对任务自动排序的群体机器人TS-Swarm[134]、受白蚁启发的群体组装智能机器人[135]

2) 人机融合操控技术

人机共融旨在实现人、机器人与环境之间的共融,结合人类的智慧与机器人对环境的适应性,实现优势互补[136]。有效地利用空间机器人进行协助可大大减轻宇航员的工作负担。一方面,需要为远程操作员提供充分的态势感知;另一方面,需要提升机器人的环境感知、意图识别、认知决策以及安全保障机制。对于仿人机器人,共享自治增加了系统的灵活性,并减少了操作员在复杂任务中的工作量,提升了操作效率。现阶段,“人在回路”的遥操作技术仍然在在轨操控中占有重要地位。传统的天地遥操作技术易受大时延的影响,操作者的临场感不强,给整个操作过程带来了很大的不便。

为了减少大时延环境的影响,针对在轨遥操作技术已经进行了大量的在轨试验,如由ESA发起和主导的METERON计划[137],以及由俄罗斯Roscosmos国家航天公司和DLR联合开展的Kontur任务[138]等。为增强操作者的临场感,基于力觉、触觉、视觉等的多传感器融合技术成为一大研究热点。基于视觉的虚拟现实、增强现实及混合现实技术可为操作者提供有利于操作的视野,进而提高空间机械臂的操作精度[139]。东南大学的宋爱国团队[140-141]结合力觉、视觉等多种传感器搭建了空间遥操作机器人试验平台,可以将多种信息反馈给操作者。基于手势、语音、眼电、肌电、脑电、情感等的多模态人机交互技术由于其交互的灵活性和简易性受到越来越多的关注。例如,国际空间站上第一台飞行式智能机器人CIMON,充分利用了这种智能技术,可以与宇航员进行交流,提高宇航员的工作效率[142]。中国科学院沈阳自动化研究所高庆[143-144]面向中国空间站设计了一种自由飞行机器人(AAR-2),并提出了基于手部检测和体位估计的并行网络进行人机交互,以帮助宇航员完成特定的任务。

近年来,多机器人协同的遥操作技术得到了广泛的研究,包括“单主多从”系统和“多主多从”系统。Sirouspour[145]建立了触觉“多主多从”系统的模型,并提出了一种基于“综合”理论的协同遥操作控制器设计方法,实验证明了这种遥操作方法的有效性。西北工业大学黄攀峰等[146]针对具有变时滞的双手机器人遥操作系统,提出了一种基于相对阻抗的力控制方法。

3) 多臂协同操控技术

较单臂系统而言,多臂系统的操作能力更强,但其存在固有的运动学和动力学相互作用,协调系统的控制和分析也要复杂得多。当多臂进行协作时,其中一个臂会对另外的机械臂的运动做出反应,进行轨迹规划及感知决策。Swain[147]将多臂合作的控制方法分为3类:主从控制、位置/力混合控制、动态协作策略,并比较了这3种控制方法的优缺点。针对合作的固定基座、自由飘浮和自由飞行空间机械手系统,设计了带动力补偿的逆动力学控制器,并指出在空间操作中使用自由飘浮机械手代替自由飞行机械手来完成协同任务更有利。对于自由飘浮的空间机器人,其动力学耦合情况不仅存在于机械臂与基座之间,而且还存在于多个机械臂之间。Zhang等[148-150]针对采用计算力矩方法计算空间自由飘浮型多臂机器人模型参数时计算负担较大的问题,提出了一种基于时延估计和滑模控制的自适应鲁棒控制器将多臂空间机器人进行解耦,所设计的控制器简单高效,并考虑了基座的停靠位置,提出了一种针对非合作目标的锁笼对捕获方法。关于仿人空间机械臂,近些年来,基于模仿学习、强化学习等的人工智能技术被应用于仿人空间机器人来解决复杂任务难以建模的问题,从而代替宇航员完成复杂的空间任务。Yang等[151]将人形双臂机器人视觉伺服控制和神经网络学习相结合,开发了一种技能转移机制,将神经学习的知识从一只手臂应用到另一只手臂,以提高神经学习效率。Qu等[152]提出了一种基于人手臂协调特性的新型冗余双臂机器人运动学习方法,能够在关节空间和笛卡儿空间中实现双臂协调运动。

4) 精准操控技术

在轨操控过程中,传感器的校准误差、系统偏差以及传感器实际测量或状态估计中存在的某些随机干扰,常常会导致执行任务过程中的准确性及鲁棒性下降。Singla等[153]针对航天器交会对接过程中的这些误差,提出一种输出反馈结构化模型参考自适应控制律,该控制器能够在这些误差及干扰环境下很好地工作。对于由机械臂制造、装配、磨损形成的误差,运动学标定是降低误差必不可少的手段。运动学标定一般分为基于模型的标定和非参数标定[154]。非参数标定基于智能算法,如遗传算法、粒子群算法等,无需建立复杂的运动学模型,但标定精度受算法参数设置的影响,且标定空间较小[155-156]。基于模型的标定通常需要完成以下4个阶段:建模、测量、参数辨识和误差补偿,其优点是可以精确地标定大的工作空间,并通过关节角度补偿所有的位姿误差,但标定过程复杂[157-159]。运动学标定可以显著提高机械臂的位置精度。

3.5 系统安全保障技术

受太空中恶劣空间环境的影响,机械臂长期的大负载、多任务在轨运行使其极易发生系统故障,高昂的维修代价使得机械臂的容错能力受到越来越多的关注。机械臂系统结构复杂,任何部件的失效都有可能导致任务的失败甚至危及宇航员的生命安全。常见的故障有机械臂关节故障、执行器故障、传感器故障等等。这就需要对系统进行故障诊断,利用合适的决策规则识别故障模式,进而用于故障系统的恢复或容错控制,保障宇航员的生命安全。

1) 故障检测与诊断

故障诊断的目的是检测和隔离故障,目前已有多种观测器技术被用于故障检测、估计和识别。由于机械臂系统的非线性、强耦合特性,基于非线性观测器的技术主要被应用于故障诊断。设计一种在不确定情况下稳定、鲁棒、可靠性强、抖振小、故障衰减能力强的观测器成为许多学者的研究重点。例如,反馈线性化观测器虽然稳定,但其鲁棒性有所欠缺[160]。滑模观测器具有较好的鲁棒性和稳定性,但在不确定情况下存在抖振[161]。模糊逻辑观测器能够在不确定状态下工作,然而,其可靠性是该技术的主要缺点[162]。自适应观测技术的发展为故障诊断提供了新思路,Ma等[163]提出一种基于自适应非线性观测器的机器人故障诊断方案,在不增加冗余关节传感器的情况下,对机械手执行器和传感器同时发生的多个故障进行检测、估计和隔离。Piltan等[164]提出了一种基于自适应模糊滑模估计扩展状态ARX-Laguerre-PI观测器的机械臂故障检测、估计、辨识与容错控制方法,有效提高了算法的鲁棒性和可靠性,并能有效抑制缺陷和抖振,提高故障衰减能力。

2) 容错控制技术

空间机械臂对可靠性和容错能力有着非常严格的要求,现有的容错控制方式大致可以分为3类,即结构容错、功能性容错、运动学容错[165]。机械臂的结构容错,即在设计阶段考虑备份设计,如早期的SRMS系统设计中,其关节采用单台电机驱动的方式,未考虑容错性,而在SSRMS系统的设计中采用基于双电机、单输出的差动机械驱动系统,即使有一个电机发生故障,机械臂关节仍能继续运动,但这种结构使得关节的体积和重量相对较大。ERA臂采用双绕组永磁同步电机,在考虑关节容错性的同时又减小了关节的体积与重量[166-168]。功能性容错即通过部件间的参数转换关系实现容错,例如当加速度计出现故障后,可由位置传感器与速度计间接得到加速度信号[165]。运动学容错又可以从作用方式上分为主动容错、被动容错和基于智能学习的容错控制。被动容错控制不需要进行在线故障诊断,但需要根据先验知识充分考虑已知的故障并设计控制系统,不能完全保证容错效果。主动容错可以克服这一缺点,许多学者对其进行了研究,如容错运动学能力的表征[169-171]以及针对机械臂常见的关节锁定故障[172-173]和关节自由摆动故障问题[174],传感器和执行器失效问题[161, 175-176]等的处理。基于智能学习(如强化学习)的容错控制通过智能试错使机器人适应故障,不需要进行故障诊断和预先设定容错方法[177-178]

3) 人机安全保障技术

人与机器人共享工作空间可以大大提高任务执行效率。空间机械臂执行任务的过程中,一方面要考虑正常工作环境下宇航员的生命安全,另一方面还要考虑机械臂发生故障后的安全性。正常工作环境下,实现人机安全协作的策略大致可以分为2类:能对即将发生的碰撞进行预测并阻止的预碰撞处理[179-181]和在人机意外发生碰撞后减少冲击的碰撞后处理技术[182-183]。关于发生故障后的安全保障技术,目前已有许多研究,例如,国际空间站上的机械臂已将对宇航员的安全保障技术考虑在内,JEMRMS系统要求宇航员2次误操作、2次系统故障或1次误操作、1次系统故障后必须保持安全;ERA臂要求任何单一故障或独立于第1个故障的第2个故障不得导致人员伤亡或严重损坏[18, 168]

4 未来展望(Prospects)

通过对国内外空间机械臂的发展现状及关键技术进行分析,可以看出目前空间机械臂的在轨操控技术仍存在许多挑战,对此提出以下5个未来的发展方向以促进空间探索。

1) 末端执行器多功能化

目前,空间机械臂在完成特定任务时多采用专用末端执行器,但随着机器人执行的空间任务的复杂化,空间机械手不仅用于捕获目标有效载荷,还需要实现轨道替换单元的搬运、装配和更换。单一的末端执行器已经难以完成这些任务,机械臂末端对通用末端执行器的需求也越来越大[13]。提高机械臂末端执行器的稳定性与可靠性,采用轻量化设计降低发射成本,进行多传感器信息融合,实现多功能化,以及快速更换多种工具,成为末端执行器发展的重要方向。未来,面向复杂的空间环境,多功能末端执行器不仅要能抓捕合作目标,还要能抓捕一定规格的非合作目标,同时要能适应不同的在轨服务任务[99]

2) 柔性机械臂的高性能控制

未来,空间机械臂将面临操作范围更广、操纵载荷更大、操纵精度更高的挑战。空间机械臂通常具有长臂杆、采用谐波传动,使整个系统成为复杂的刚柔耦合非线性系统[27]。如何实现整个柔性系统的高精度控制、减小操作过程中的振动是实现整个机械臂的高性能控制的关键。

3) 多样化机械臂协同作业

双臂或者多臂系统的在轨协同作业,是空间机械臂在轨操控的另一发展方向。较单臂系统而言,多臂系统可大大提高目标物体的抓捕成功率,其容差性能更强,执行在轨操纵时灵活性也更大。除了传统的空间机械臂以外,可重构空间机器人由于其灵活性高、适应性强、成本低等特点,可以根据需要重构或分解,进行形状优化,协同作业,在空间中拥有巨大的应用潜力。

4) 面向自然交互的机械臂操控

短期内,实现机械臂的完全自主操控还存在许多困难,基于人机交互的机械臂操控仍占有重要地位,但传统的交互设备在交互过程中面临着操作者临场感不强/便携性差、操作空间有限等挑战。面向人机自然交互的机械臂操控成为主要趋势,但仍有许多问题亟待解决。一方面,实现真正意义上的多模态交互,将视觉、力觉、触觉、听觉相结合,有效地进行多源信息的融合,对空间机械臂的精准操控具有重要意义。另一方面,需要更贴近于人类的自然操纵方式,实现多点力触觉交互,简化交互的过程,提高交互的临场感[119]

5) 面向安全作业的机械臂自主操控

要想真正实现机械臂的自主操控仍有很长的路要走,空间机械臂执行任务的过程中,不可避免地会发生故障,实现机器人的智能容错,寻求一种在不确定情况下稳定、鲁棒、可靠、抖振小的智能容错策略是实现空间机械臂系统安全作业的保障[164]。基于强化学习、深度学习的新一代人工智能技术为空间服务与操控的发展进步提供了重要的技术支撑。将人工智能技术应用于空间机械臂在轨操控,有利于优化操控方案,构建具备自进化能力的空间智能体系,有效应对空间各种复杂的环境变化,实现自主精细操作。

参考文献(References)
[1]
Ellery A, Kreisel J, Sommer B. The case for robotic on-orbit servicing of spacecraft: Spacecraft reliability is a myth[J]. Acta Astronautica, 2008, 63(5-6): 632-648. DOI:10.1016/j.actaastro.2008.01.042
[2]
Williams P A, Dempsey J A, Hamill D, et al. Space science and technology partnership forum: Value proposition, strategic framework, and capability needs for in-space assembly[C]//AIAA SPACE and Astronautics Forum and Exposition. Reston, USA: AIAA, 2018. DOI: 10.2514/6.2018-5140.
[3]
Sullivan B R, Akin D L. A survey of serviceable spacecraft failures[C]//AIAA Space 2001 Conference and Exposition. Reston, USA: AIAA, 2001. DOI: 10.2514/6.2001-4540.
[4]
Zhao P Y, Liu J G, Wu C C. Survey on research and development of on-orbit active debris removal methods[J]. Science China: Technological Sciences, 2020, 63(11): 2188-2210. DOI:10.1007/s11431-020-1661-7
[5]
Davinic N, Arkus A, Chappie S, et al. Cost-benefit analysis of on-orbit satellite servicing[J]. Journal of Reducing Space Mission Cost, 1998, 1(1): 27-52. DOI:10.1023/A:1009955909481
[6]
Xue Z H, Liu J G, Wu C C, et al. Review of in-space assembly technologies[J]. Chinese Journal of Aeronautics, 2021, 34(11): 21-47. DOI:10.1016/j.cja.2020.09.043
[7]
Goddard Space Flight Center. On-orbit satellite servicing study project report[R]. Washington, USA: NASA, 2010.
[8]
Flores-Abad A, Ma O, Pham K, et al. A review of space robotics technologies for on-orbit servicing[J]. Progress in Aerospace Sciences, 2014, 68: 1-26. DOI:10.1016/j.paerosci.2014.03.002
[9]
Rembala R, Ower C. Robotic assembly and maintenance of future space stations based on the ISS mission operations experience[J]. Acta Astronautica, 2009, 65(7-8): 912-920. DOI:10.1016/j.actaastro.2009.03.064
[10]
Jorgensen G, Bains E. SRMS history, evolution and lessons learned[C]//AIAA SPACE 2011 Conference and Exposition. Reston, USA: AIAA, 2012. DOI: 10.2514/6.2011-7277.
[11]
Stieber M F, Trudel C P, Hunter D G. Robotic systems for the International Space Station[C]//IEEE International Conference on Robotics and Automation. Piscataway, USA: IEEE, 1997: 3068-3073.
[12]
Stieber M E, Trudel C P. Advanced control system features of the space station remote manipulator system[J]. IFAC Proceedings Volumes, 1992, 25(22): 279-286. DOI:10.1016/S1474-6670(17)49663-7
[13]
Feng F, Tang L N, Xu J F, et al. A review of the end-effector of large space manipulator with capabilities of misalignment tolerance and soft capture[J]. Science China: Technological Sciences, 2016, 59(11): 1621-1638. DOI:10.1007/s11431-016-0084-7
[14]
Messier D. Canadian space robot Dextre to expand ability to refuel spacecraft in orbit[EB/OL]. (2019-08-15)[2021-05-19]. http://www.parabolicarc.com/2019/08/15/canadian-space-robot-dextre-to-expand-ability-to-refuel-spacecraft-in-orbit/.
[15]
Government of Canada. About Canadarm3[EB/OL]. (2021-02-02)[2021-05-21]. https://csa-asc.gc.ca/eng/canadarm3/about.asp.
[16]
Sato N, Wakabayashi Y. JEMRMS design features and topics from testing[C/OL]//6th International Symposium on Artificial Intelligence and Robotics & Automation in Space. 2001. http://robotics.estec.esa.int/i-SAIRAS/isairas2001/papers/Paper_AS007.pdf.
[17]
Japan Aerospace Exploration Agency. Japanese experiment module remote manipulator system[EB/OL]. (2008-08-29)[2021-01-18]. https://iss.jaxa.jp/en/kibo/about/kibo/rms/.
[18]
Tatsuo M, Satoh N, Satoh T, et al. Safety approach of Japanese experiment module remote manipulator system[C]//5th International Symposium on Artificial Intelligence, Robotics and Automation in Space. Noordwijk, Netherlands: ESA, 1999: 531-537.
[19]
[20]
Laryssa P, Lindsay E, Layi O, et al. International Space Station robotics: A comparative study of ERA, JEMRMS and MSS[C]//7th ESA Workshop on Advanced Space Technologies for Robotics and Automation. Noordwijk, Netherlands: ESA, 2002: 19-21.
[21]
Liu H. An overview of the space robotics progress in China[EB/OL]. [2021-06-01]. http://robotics.estec.esa.int/i-SAIRAS/isairas2014/Data/Plenaries/ISAIRAS_FinalPaper_0152.pdf.
[22]
French E. SPDM overview[EB/OL]. [2021-01-19]. https://slideplayer.com/slide/16037899/.
[23]
Currie N J, Peacock B. International Space Station robotic systems operations-A human factors perspective[J]. Proceedings of the Human Factors and Ergonomics Society Annual Meeting, 2002, 46(1): 26-30. DOI:10.1177/154193120204600106
[24]
Wang Y, Li D, Hu C, et al. Review of research on the Chinese space station robots[C]//International Conference on Intelligent Robotics and Applications. Cham, Switzerland: Springer, 2019: 423-430.
[25]
Ding X L, Wang Y C, Wang Y B, et al. A review of structures, verification, and calibration technologies of space robotic systems for on-orbit servicing[J]. Science China: Technological Sciences, 2021, 64(3): 462-480. DOI:10.1007/s11431-020-1737-4
[26]
李大明, 饶炜, 胡成威, 等. 空间站机械臂关键技术研究[J]. 载人航天, 2014, 20(3): 238-242.
Li D M, Rao W, Hu C W, et al. Key technology review of the research on the space station manipulator[J]. Manned Spaceflight, 2014, 20(3): 238-242. DOI:10.3969/j.issn.1674-5825.2014.03.010
[27]
刘宏, 刘冬雨, 蒋再男. 空间机械臂技术综述及展望[J]. 航空学报, 2021, 42(1): 33-46.
Liu H, Liu D Y, Jiang Z N. Space manipulator technology: Review and prospect[J]. Acta Aeronautica et Astronautica Sinica, 2021, 42(1): 33-46.
[28]
机器人学国家重点实验室. 空间站科学手套箱机械臂[EB/OL]. (2020-08-11)[2021-07-17]. http://rlab.sia.cas.cn/sptp/kong/202008/t20200811_574053.html.
[29]
祁若龙. 机器人非确定性轨迹规划方法研究[D]. 沈阳: 中国科学院沈阳自动化研究所, 2017.
Qi R L. Research on robot trajectory planning method under uncertainties[D]. Shenyang: Shenyang Institute of Automation, Chinese Academy of Sciences, 2017.
[30]
Goeller M, Oberlaender J, Uhl K, et al. Modular robots for on-orbit satellite servicing[C]//IEEE International Conference on Robotics and Biomimetics. Piscataway, USA: IEEE, 2012: 2018-2023.
[31]
Hoyt R, Cushing J, Slostad J. SpiderFabTM: Process for onorbit construction of kilometer-scale apertures[R]. Bothell, USA: Tethers Unlimited, Inc., 2013.
[32]
Patane S C, Joyce E R, Snyder M P, et al. Archinaut: In-space manufacturing and assembly for next-generation space habitats[C]//AIAA SPACE and Astronautics Forum and Exposition. Reston, USA: AIAA, 2017. DOI: 10.2514/6.2017-5227.
[33]
Akin D, Roberts B, Roderick S, et al. MORPHbots: lightweight modular self-reconfigurable robotics for space assembly, inspection, and servicing[C]//Space 2006. Reston, USA: AIAA, 2006. DOI: 10.2514/6.2006-7408.
[34]
Zhang Y, Xu W F, Wang Z Y, et al. Dynamic modeling of selfreconfigurable multi-arm space robotic system with variable topology[C]//IEEE International Conference on Robotics and Biomimetics. Piscataway, USA: IEEE, 2014: 599-604.
[35]
Roa M A, Nottensteiner K, Wedler A, et al. Robotic technologies for in-space assembly operations[C]//14th Symposium on Advanced Space Technologies in Robotics and Automation. Noordwijk, Netherlands: ESA, 2017.
[36]
NASA. Robonaut2[EB/OL]. (2019-09-10)[2021-01-22]. https://robonaut.jsc.nasa.gov/R2/.
[37]
Metcalfe T. Meet Skybot F-850, the humanoid robot Russia is launching into space[EB/OL]. (2019-08-20)[2021-01-29]. https://www.space.com/russia-launching-humanoid-robot-intospace.html.
[38]
Oda M, Kibe K, Yamagata F. ETS-ⅤⅡ, space robot inorbit experiment satellite[C]//IEEE International Conference on Robotics and Automation. Piscataway, USA: IEEE, 1996: 739-744.
[39]
Hirzinger G, Brunner B, Dietrich J, et al. ROTEX-The first remotely controlled robot in space[C]//IEEE International Conference on Robotics and Automation. Piscataway, USA: IEEE, 1994: 2604-2611.
[40]
[41]
Friend R B. Orbital express program summary and mission overview[C]//Sensors and Systems for Space Applications Ⅱ. Bellingham, USA: SPIE, 2008. DOI: 10.1117/12.783792.
[42]
NASA. OSAM-1[EB/OL]. [2021-02-25]. https://nexis.gsfc.nasa.gov/OSAM-1.html.
[43]
Beyer A, Grunwald G, Heumos M, et al. CAESAR: Space robotics technology for assembly, maintenance, and repair[C/OL]//69th International Astronautical Congress. 2018. [2021-02-25]. https://elib.dlr.de/122123/.
[44]
Santaguida L F. Study of autonomous capture and detumble of non-cooperative target by a free-flying space manipulator using an air-bearing platform[D]. Toronto, Canada: York University, 2020.
[45]
Li W J, Cheng D Y, Liu X G, et al. On-orbit service (OOS) of spacecraft: A review of engineering developments[J]. Progress in Aerospace Sciences, 2019, 108: 32-120. DOI:10.1016/j.paerosci.2019.01.004
[46]
NAC TI & E Committee. Kortes in-space robotic manufacturing and assembly (IRMA)[EB/OL]. (2016-11-18)[2021-02-24]. https://www.nasa.gov/directorates/spacetech/nac_ti_committee/index.html.
[47]
Komendera E E, Doggett W R, Dorsey J. Control system design implementation and preliminary demonstration for a tendon actuated lightweight in-space manipulator (TALISMAN)[C]//AIAA SPACE 2015 Conference and Exposition. Reston, USA: AIAA, 2015. DOI: 10.2514/6.2015-4628.
[48]
Bosse A B, Barnds W J, Brown M A, et al. SUMO: Spacecraft for the universal modification of orbits[C]//Proceedings of the SPIE, Vol. 5419. Bellingham, USA: SPIE, 2004: 36-46.
[49]
Ueno H, Wakabayashi Y, Ohkami Y, et al. Ground testbed of a reconfigurable brachiating space robot[J]. Advanced Robotics, 2000, 14(5): 355-358. DOI:10.1163/156855300741924
[50]
Borst C, Wimbock T, Schmidt F, et al. Rollin' Justin-Mobile platform with variable base[C]//IEEE International Conference on Robotics and Automation. Piscataway, USA: IEEE, 2009: 1597-1598.
[51]
Lii N Y, Leidner D, Birkenkampf P, et al. Toward scalable intuitive telecommand of robots for space deploymen t with METERON SUPVIS Justin[C/OL]//14th Symposium on Advanced Space Technologies for Robotics and Automation. Noordwijk, Netherlands: ESA, 2017. [2021-02-25]. https://elib.dlr.de/113125/.
[52]
Rusconi A, Magnani P, Grasso T, et al. DEXARM-A dextrous robot arm for space applications[C]//8th ESA Workshop on Advanced Space Technologies for Robotics and Automation. Noordwijk, Netherlands: ESA, 2004.
[53]
Rusconi A, Magnani P, Campo P, et al. DEXARM engineering model development and testing[C]//10th ESA Workshop on Advanced Space Technologies for Robotics and Automation. Noordwijk, Netherlands: ESA, 2008.
[54]
Xie Z W, Zhao J D, Huang J B, et al. DSP/FPGA-based highly integrated flexible joint robot[C]//IEEE/RSJ International Conference on Intelligent Robots and Systems. Piscataway, USA: IEEE, 2009: 2397-2402.
[55]
Liu H, Meusel P, Seitz N, et al. The modular multisensory DLR-HIT-Hand[J]. Mechanism and Machine Theory, 2007, 42(5): 612-625. DOI:10.1016/j.mechmachtheory.2006.04.013
[56]
Jiang Z N, Liu H, Wang J, et al. Virtual reality-based teleoperation with robustness against modeling errors[J]. Chinese Journal of Aeronautics, 2009, 22(3): 325-333. DOI:10.1016/S1000-9361(08)60106-5
[57]
刘宏, 李志奇, 刘伊威, 等. 天宫二号机械手关键技术及在轨试验[J]. 中国科学: 技术科学, 2018, 48(12): 1313-1320.
Liu H, Li Z Q, Liu Y W, et al. Key technologies of TianGong-2 robotic hand and its on-orbit experiments[J]. Scientia Sinica: Technologica, 2018, 48(12): 1313-1320.
[58]
Kumar R, Hayes R. System requirements and design features of space station remote manipulator system mechanisms[C]//25th Aerospace Mechanisms Symposium. Washington, USA: NASA, 1991: 15-30.
[59]
丰飞. 空间大容差末端执行器及其软捕获策略研究[D]. 哈尔滨: 哈尔滨工业大学, 2013.
Feng F. Research on space large misalignment tolerance endeffector and its soft capture strategy[D]. Harbin: Harbin Institute of Technology, 2013.
[60]
Feng F, Liu Y W, Liu H, et al. Development of space endeffector with capabilities of misalignment tolerance and soft capture based on tendon-sheath transmission system[J]. Journal of Central South University, 2013, 20(11): 3015-3030. DOI:10.1007/s11771-013-1825-z
[61]
Cruijssen H J, Ellenbroek M, Henderson M, et al. The European robotic arm: A high-performance mechanism finally on its way to space[C]//42nd Aerospace Mechanisms Symposium. Washington, USA: NASA, 2014: 319-334.
[62]
Rubinger B, Fulford P, Gregoris L, et al. Self-adapting robotic auxiliary hand (SARAH) for SPDM operations on the International Space Station[C]//6th International Symposium on Artificial Intelligence and Robotics and Automation in Space. Noordwijk, Netherlands: ESA, 2001.
[63]
Sun K, Liu H, Xie Z W, et al. Structure design of an end effector for the Chinese space station experimental module manipulator[C]//12th International Symposium on Artificial Intelligence and Robotics and Automation in Space. Noordwijk, Netherlands: ESA, 2014.
[64]
Jacobsen S, Iversen E, Knutti D, et al. Design of the Utah/M.I.T. dextrous hand[C]//IEEE International Conference on Robotics and Automation. Piscataway, USA: IEEE, 1986: 1520-1532.
[65]
Mason M T, Salisbury J K. Robot hands and the mechanics of manipulation[M]. Cambridge, USA: MIT Press, 1985.
[66]
Sugano S, Kato I. WABOT-2: Autonomous robot with dexterous finger-arm-Finger-arm coordination control in keyboard performance[C]//IEEE International Conference on Robotics and Automation. Piscataway, USA: IEEE, 1987: 90-97.
[67]
Liu H, Butterfass J, Knoch S, et al. A new control strategy for DLR's multisensory articulated hand[J]. IEEE Control Systems Magazine, 1999, 19(2): 47-54. DOI:10.1109/37.753935
[68]
Lovchik C S, Aldridge H, Driftler M A. Design of the NASA Robonaut hand[J]. ASME Dynamics and Control Division, 1999, 67(38): 823-830.
[69]
Lovchik C S, Diftler M A. The Robonaut hand: A dexterous robot hand for space[C]//IEEE International Conference on Robotics and Automation. Piscataway, USA: IEEE, 1999: 907-912.
[70]
Bridgwater L B, Ihrke C A, Diftler M A, et al. The Robonaut 2 hand-Designed to do work with tools[C]//IEEE International Conference on Robotics and Automation. Piscataway, USA: IEEE, 2012: 3425-3430.
[71]
Butterfass J, Grebenstein M, Liu H, et al. DLR-Hand Ⅱ: Next generation of a dextrous robot hand[C]//IEEE International Conference on Robotics and Automation. Piscataway, USA: IEEE, 2001: 109-114.
[72]
Chalon M, Wedler A, Baumann A, et al. Dexhand: A space qualified multi-fingered robotic hand[C]//IEEE International Conference on Robotics and Automation. Piscataway, USA: IEEE, 2011: 2204-2210.
[73]
[74]
Melchiorri C, Palli G, Berselli G, et al. Development of the UB Hand Ⅳ: Overview of design solutions and enabling technologies[J]. IEEE Robotics & Automation Magazine, 2013, 20(3): 72-81.
[75]
Ficuciello F, Palli G, Melchiorri C, et al. Experimental evaluation of postural synergies during reach to grasp with the UB hand Ⅳ[C]//IEEE/RSJ International Conference on Intelligent Robots and Systems. Piscataway, USA: IEEE, 2011: 1775-1780.
[76]
Shadow Robot Company. Shadow dexterous hand[EB/OL]. [2021-02-15]. https://www.shadowrobot.com/products/dexterous-hand/?utm_source=robots.ieee.org.
[77]
Robotics S. Shadow dexterous hand technical specifications[EB/OL]. (2013-01-01)[2021-22-16]. https://www.shadowrobot.com/wp-content/uploads/shadow_dexterous_hand_technical_specification_E1_20130101.pdf.
[78]
[79]
李久振, 刘博, 张玉茹. 北航BH-985灵巧手结构设计[C]//全国印刷、包装机械凸轮、连杆机构学术研讨会(第6届全国凸轮机构学术年会). 2005: 144-146.
Li J Z, Liu B, Zhang Y R. Structure design of BH-985 dexterous hand[C]//6th National Cam Agency Academic Annual Meeting. 2005: 144-146.
[80]
Zhang Y, Han Z, Zhang H, et al. Design and control of the BUAA four-fingered hand[C]//IEEE International Conference on Robotics and Automation. Piscataway, USA: IEEE, 2001: 2517-2522.
[81]
闫海江, 靳永强, 魏祥泉, 等. 国际空间站在轨服务技术验证发展分析[J]. 中国科学: 技术科学, 2018, 48(2): 185-199.
Yan H J, Jin Y Q, Wei X Q, et al. Review of on-orbit servicing technique demonstrations on International Space Station and developments[J]. Scientia Sinica: Technologica, 2018, 48(2): 185-199.
[82]
NASA. Robotic refueling mission[EB/OL]. (2013-02-08)[2021-05-24]. https://svs.gsfc.nasa.gov/10988.
[83]
Government of Canada. About Dextre[EB/OL]. (2018-07-30)[2021-05-24]. https://www.asc-csa.gc.ca/eng/iss/dextre/about.asp.
[84]
NASA. NASA's refueling mission completes second set of robotic tool operations in space[EB/OL]. (2020-10-24)[2021-07-10]. https://www.nasa.gov/feature/goddard/2020/nasa-s-refueling-mission-completes-second-set-of-robotic-tool-operations-in-space.
[85]
Zimpfer D, Kachmar P, Tuohy S. Autonomous rendezvous, capture and in-space assembly: Past, present and future[C]//1st Space Exploration Conference: Continuing the Voyage of Discovery. Reston, USA: AIAA, 2005. DOI: 10.2514/6.2005-2523.
[86]
孙永军, 王钤, 刘伊威, 等. 空间非合作目标捕获方法综述[J]. 国防科技大学学报, 2020, 42(3): 74-90.
Sun Y J, Wang Q, Liu Y W, et al. A survey of non-cooperative target capturing methods[J]. Journal of National University of Defense Technology, 2020, 42(3): 74-90.
[87]
Boyarko G, Yakimenko O, Romano M. Optimal rendezvous trajectories of a controlled spacecraft and a tumbling object[J]. Journal of Guidance, Control, and Dynamics, 2011, 34(4): 1239-1252. DOI:10.2514/1.47645
[88]
Li Q, Yuan J P, Zhang B, et al. Model predictive control for autonomous rendezvous and docking with a tumbling target[J]. Aerospace Science and Technology, 2017, 69: 700-711. DOI:10.1016/j.ast.2017.07.022
[89]
Sun L, Huo W, Jiao Z X. Adaptive nonlinear robust relative pose control of spacecraft autonomous rendezvous and proximity operations[J]. ISA Transactions, 2017, 67: 47-55. DOI:10.1016/j.isatra.2016.11.022
[90]
Abdollahzadeh P, Esmailifar S M. Automatic orbital docking with tumbling target using sliding mode control[J]. Advances in Space Research, 2021, 67(5): 1506-1525. DOI:10.1016/j.asr.2020.12.016
[91]
Hirano D, Kato H, Saito T. Online path planning and compliance control of space robot for capturing tumbling large object[C]//IEEE/RSJ International Conference on Intelligent Robots and Systems. Piscataway, USA: IEEE, 2018: 2909-2916.
[92]
Zhou C, Jin M H, Liu Y C, et al. Singularity robust path planning for real time base attitude adjustment of free-floating space robot[J]. International Journal of Automation and Computing, 2017, 14(2): 169-178. DOI:10.1007/s11633-017-1055-1
[93]
Rybus T. Obstacle avoidance in space robotics: Review of major challenges and proposed solutions[J]. Progress in Aerospace Sciences, 2018, 101: 31-48. DOI:10.1016/j.paerosci.2018.07.001
[94]
Nenchev D, Umetani Y, Yoshida K. Analysis of a redundant free-flying spacecraft/manipulator system[J]. IEEE Transactions on Robotics and Automation, 1992, 8(1): 1-6. DOI:10.1109/70.127234
[95]
Nenchev D N, Yoshida K, Vichitkulsawat P, et al. Reaction null-space control of flexible structure mounted manipulator systems[J]. IEEE Transactions on Robotics and Automation, 1999, 15(6): 1011-1023. DOI:10.1109/70.817666
[96]
魏春岭, 袁泉, 张军, 等. 空间多体系统轨道姿态及机械臂一体化控制[J]. 北京航空航天大学学报, 2020, 46(2): 252-258.
Wei C L, Yuan Q, Zhang J, et al. Integrated orbit, attitude and manipulator control of space multi-body system[J]. Journal of Beijing University of Aeronautics and Astronautics, 2020, 46(2): 252-258.
[97]
Wu Y H, Yu Z C, Li C Y, et al. Reinforcement learning in dual-arm trajectory planning for a free-floating space robot[J]. Aerospace Science and Technology, 2020, 98. DOI:10.1016/j.ast.2019.105657
[98]
Li Y K, Hao X L, She Y C, et al. Constrained motion planning of free-float dual-arm space manipulator via deep reinforcement learning[J]. Aerospace Science and Technology, 2021, 109. DOI:10.1016/j.ast.2020.106446
[99]
汤奇荣, 黎杰, 张凌楷, 等. 基于空间机械臂的柔顺抓捕技术研究综述[J]. 上海航天, 2019, 36(3): 111-119.
Tang Q R, Li J, Zhang L K, et al. Review of compliant capture with space manipulator[J]. Aerospace Shanghai, 2019, 36(3): 111-119.
[100]
He W, Dong Y. Adaptive fuzzy neural network control for a constrained robot using impedance learning[J]. IEEE Transactions on Neural Networks and Learning Systems, 2018, 29(4): 1174-1186. DOI:10.1109/TNNLS.2017.2665581
[101]
Stolfi A, Gasbarri P, Sabatini M. A combined impedancePD approach for controlling a dual-arm space manipulator in the capture of a non-cooperative target[J]. Acta Astronautica, 2017, 139: 243-253. DOI:10.1016/j.actaastro.2017.07.014
[102]
Aghili F. Coordination control of a free-flying manipulator and its base attitude to capture and detumble a noncooperative satellite[C]//IEEE/RSJ International Conference on Intelligent Robots and Systems. Piscataway, USA: IEEE, 2009: 2365-2372.
[103]
Aghili F, Parsa K. An adaptive vision system for guidance of a robotic manipulator to capture a tumbling satellite with unknown dynamics[C]//IEEE/RSJ International Conference on Intelligent Robots and Systems. Piscataway, USA: IEEE, 2008: 3064-3071.
[104]
Liang J X, Ma O. Angular velocity tracking for satellite rendezvous and docking[J]. Acta Astronautica, 2011, 69(11-12): 1019-1028. DOI:10.1016/j.actaastro.2011.07.009
[105]
Masoudi R, Mahzoon M. Maneuvering and vibrations control of a free-floating space robot with flexible arms[J]. Journal of Dynamic Systems, Measurement, and Control, 2011, 133(5). DOI:10.1115/1.4004042
[106]
Guo C J, Deng S Y, Xu Y L, et al. Multi-sensor fusion for autonomous deep space navigation[C]//33rd International Technical Meeting of the Satellite Division of the Institute of Navigation. Manassas, USA: Institute of Navigation, 2020: 290-299.
[107]
Kelsey J M, Byrne J, Cosgrove M, et al. Vision-based relative pose estimation for autonomous rendezvous and docking[C]//IEEE Aerospace Conference. Piscataway, USA: IEEE, 2006. DOI: 10.1109/AERO.2006.1655916.
[108]
Morency L, Gupta R. Robust real-time egomotion from stereo images[C]//International Conference on Image Processing. Piscataway, USA: IEEE, 2003: 719-722.
[109]
Sinclair D, Blake A, Murray D. Robust estimation of egomotion from normal flow[J]. International Journal of Computer Vision, 1994, 13(1): 57-69. DOI:10.1007/BF01420795
[110]
Tu Z G, Xie W, Zhang D J, et al. A survey of variational and CNN-based optical flow techniques[J]. Signal Processing: Image Communication, 2019, 72: 9-24. DOI:10.1016/j.image.2018.12.002
[111]
Saputra M R U, Markham A, Trigoni N. Visual SLAM and structure from motion in dynamic environments: A survey[J]. ACM Computing Surveys, 2018, 51(2): 1-36.
[112]
Ullah M, Cheikh F A. Deep feature based end-to-end transportation network for multi-target tracking[C]//25th IEEE International Conference on Image Processing. Piscataway, USA: IEEE, 2018: 3738-3742.
[113]
Zhou Y, Li H D, Kneip L. Canny-VO: Visual odometry with RGB-D cameras based on geometric 3-D-2-D edge alignment[J]. IEEE Transactions on Robotics, 2019, 35(1): 184-199. DOI:10.1109/TRO.2018.2875382
[114]
Yu J, Lin Y, Wang B, et al. An advanced outlier detected total least-squares algorithm for 3-D point clouds registration[J]. IEEE Transactions on Geoscience and Remote Sensing, 2019, 57(7): 4789-4798. DOI:10.1109/TGRS.2019.2893054
[115]
Wang H S, Yang B H, Wang J C, et al. Adaptive visual servoing of contour features[J]. IEEE/ASME Transactions on Mechatronics, 2018, 23(2): 811-822. DOI:10.1109/TMECH.2018.2794377
[116]
Ren L L, Yuan X, Lu J W, et al. Deep reinforcement learning with iterative shift for visual tracking[C]//European Conference on Computer Vision. Cham, Switzerland: Springer, 2018: 697-713.
[117]
Wang H S, Guo D J, Xu H, et al. Eye-in-hand tracking control of a free-floating space manipulator[J]. IEEE Transactions on Aerospace and Electronic Systems, 2017, 53(4): 1855-1865. DOI:10.1109/TAES.2017.2674218
[118]
Hashimoto K. A review on vision-based control of robot manipulators[J]. Advanced Robotics, 2003, 17(10): 969-991. DOI:10.1163/156855303322554382
[119]
陆熊, 陈晓丽, 孙浩浩, 等. 面向自然人机交互的力触觉再现方法综述[J]. 仪器仪表学报, 2017, 38(10): 2391-2399.
Lu X, Chen X L, Sun H H, et al. Haptic rendering methods for natural human-computer interaction: A review[J]. Chinese Journal of Scientific Instrument, 2017, 38(10): 2391-2399. DOI:10.3969/j.issn.0254-3087.2017.10.005
[120]
Winfree K N, Gewirtz J, Mather T, et al. A high fidelity ungrounded torque feedback device: The iTorqU 2.0[C]//World Haptics 2009-3rd Joint EuroHaptics Conference and Symposium on Haptic Interfaces for Virtual Environment and Teleoperator Systems. Piscataway, USA: IEEE, 2009: 261-266.
[121]
Guinan A L, Montandon M N, Doxon A J, et al. Discrimination thresholds for communicating rotational inertia and torque using differential skin stretch feedback in virtual environments[C]//IEEE Haptics Symposium. Piscataway, USA: IEEE, 2014: 277-282.
[122]
Guinan A L, Montandon M N, Doxon A J, et al. An ungrounded tactile feedback device to portray force and torque-like interactions in virtual environments[C]//IEEE Virtual Reality. Piscataway, USA: IEEE, 2014: 171-172.
[123]
王兴龙, 蔡亚星, 陈士明, 等. 多源信息融合在空间态势感知领域的应用与发展[J]. 航天返回与遥感, 2021, 42(1): 11-20.
Wang X L, Cai Y X, Chen S M, et al. Application and development of multi-source information fusion in space situational awareness[J]. Spacecraft Recovery & Remote Sensing, 2021, 42(1): 11-20. DOI:10.3969/j.issn.1009-8518.2021.01.002
[124]
Xu Y C, Yao W, Zheng X H, et al. Satellite system design optimization based on Bayesian melding of multi-level multisource lifetime information[J]. IEEE Access, 2019, 7: 103505-103516. DOI:10.1109/ACCESS.2019.2929758
[125]
Zhang P F, Li T R, Wang G Q, et al. Multi-source information fusion based on rough set theory: A review[J]. Information Fusion, 2020, 68: 85-117.
[126]
Ran Y H, Li X, Lu L, et al. Large-scale land cover mapping with the integration of multi-source information based on the Dempster-Shafer theory[J]. International Journal of Geographical Information Science, 2012, 26(1): 169-191. DOI:10.1080/13658816.2011.577745
[127]
Rizvi S A, Nasrabadi N M. Fusion techniques for automatic target recognition[C]//32nd Applied Imagery Pattern Recognition Workshop. Piscataway, USA: IEEE, 2004: 27-32.
[128]
Nakamura E F, Loureiro A A F, Frery A C. Information fusion for wireless sensor networks: Methods, models, and classifications[J]. ACM Computing Surveys, 2007, 39(3): 56-62.
[129]
Barbera H M, Skarmeta A G, Izquierdo M Z, et al. Neural networks for sonar and infrared sensors fusion[C]//3rd International Conference on Information Fusion. Piscataway, USA: IEEE, 2000. DOI: 10.1109/IFIC.2000.859830.
[130]
Hollander S. Autonomous space robotics: Enabling technologies for advanced space platforms[C]//Space 2000 Conference and Exposition. Reston, USA: AIAA, 2000. DOI: 10.2514/6.2000-5079.
[131]
Hofer L. Decision-making algorithms for autonomous robots[D]. Bordeaux, France: Universite de Bordeaux, 2017. '
[132]
Zykov V, Mytilinaios E, Desnoyer M, et al. Evolved and designed self-reproducing modular robotics[J]. IEEE Transactions on Robotics, 2007, 23(2): 308-319. DOI:10.1109/TRO.2007.894685
[133]
Vasile M, Zuiani F. Multi-agent collaborative search: An agent-based memetic multi-objective optimization algorithm applied to space trajectory design[J]. Proceedings of the Institution of Mechanical Engineers, Part G: Journal of Aerospace Engineering, 2011, 225(11): 1211-1227. DOI:10.1177/0954410011410274
[134]
Garattoni L, Birattari M. Autonomous task sequencing in a robot swarm[J]. Science Robotics, 2018, 3(20). DOI:10.1126/scirobotics.aat0430
[135]
Werfel J, Petersen K, Nagpal R. Designing collective behavior in a termite-inspired robot construction team[J]. Science, 2014, 343(6172): 754-758. DOI:10.1126/science.1245842
[136]
贾计东, 张明路. 人机安全交互技术研究进展及发展趋势[J]. 机械工程学报, 2020, 56(3): 16-30.
Jia J D, Zhang M L. Research progress and development trend of the safety of human-robot interaction technology[J]. Journal of Mechanical Engineering, 2020, 56(3): 16-30.
[137]
Schmaus P, Leidner D, Kruger T, et al. Knowledge driven orbit-to-ground teleoperation of a robot coworker[J]. IEEE Robotics and Automation Letters, 2020, 5(1): 143-150. DOI:10.1109/LRA.2019.2948128
[138]
Stelzer M, Steinmetz B M, Birkenkampf P, et al. Software architecture and design of the Kontur-2 mission[C]//IEEE Aerospace Conference. Piscataway, USA: IEEE, 2017: 1-17.
[139]
Gallagher W J, Solberg K, Gefke G G, et al. A survey of enabling technologies for in-space assembly and servicing[C]//2018 AIAA SPACE and Astronautics Forum and Exposition. Reston, USA: AIAA, 2018. DOI: 10.2514/6.2018-5116.
[140]
倪得晶. 面向空间机器人遥操作的环境建模与人机交互技术研究[D]. 南京: 东南大学, 2018.
Ni D J. Research on technology of environment modelling and human-robot interaction for space robot teleoperation[D]. Nanjing: Southeast University, 2018.
[141]
朱碧玉. 基于多种人机交互设备的空间遥操作机器人控制技术研究[D]. 南京: 东南大学, 2016.
Zhu B Y. Control technology based on different humancomputer interactive devices for space tele-robot[D]. Nanjing: Southeast University, 2016.
[142]
Anon. Watch: Meet CIMON, the 'flying brain' who's the first artificial intelligence robot to go to space[EB/OL]. [2021-03-16]. https://scroll.in/video/886106/watch-meet-cimon-the-flying-brain-whos-the-first-artificial-intelligence-robot-to-go-to-space.
[143]
Gao Q, Liu J G, Ju Z J. Hand gesture recognition using multimodal data fusion and multiscale parallel convolutional neural network for human-robot interaction[J]. Expert Systems, 2020, 38(5). DOI:10.1111/exsy.12490
[144]
Gao Q, Liu J G, Ju Z J, et al. Dual-hand detection for humanrobot interaction by a parallel network based on hand detection and body pose estimation[J]. IEEE Transactions on Industrial Electronics, 2019, 66(12): 9663-9672. DOI:10.1109/TIE.2019.2898624
[145]
Sirouspour S. Modeling and control of cooperative teleoperation systems[J]. IEEE Transactions on Robotics, 2005, 21(6): 1220-1225. DOI:10.1109/TRO.2005.852254
[146]
Lu Z Y, Huang P F, Liu Z X. Relative impedance-based internal force control for bimanual robot teleoperation with varying time delay[J]. IEEE Transactions on Industrial Electronics, 2019, 67(1): 778-789.
[147]
Swain A K, Morris A S. Dynamic control of multi-arm cooperating manipulator systems[J]. Robotica, 2004, 22(3): 271-283. DOI:10.1017/S0263574703005599
[148]
Zhang X, Liu J G, Gao Q, et al. Adaptive robust decoupling control of multi-arm space robots using time-delay estimation technique[J]. Nonlinear Dynamics, 2020, 100(3): 2449-2467. DOI:10.1007/s11071-020-05615-5
[149]
Zhang X, Liu J G. Effective motion planning strategy for space robot capturing targets under consideration of the berth position[J]. Acta Astronautica, 2018, 148: 403-416. DOI:10.1016/j.actaastro.2018.04.029
[150]
Zhang X, Liu J G, Feng J K, et al. Effective capture of nongraspable objects for space robots using geometric cage pairs[J]. IEEE/ASME Transactions on Mechatronics, 2020, 25(1): 95-107. DOI:10.1109/TMECH.2019.2952552
[151]
Yang C G, Chen J S, Ju Z J, et al. Visual servoing of humanoid dual-arm robot with neural learning enhanced skill transferring control[J]. International Journal of Humanoid Robotics, 2017, 15(2). DOI:10.1142/S0219843617500232
[152]
Qu J D, Zhang F H, Wang Y, et al. Human-like coordination motion learning for a redundant dual-arm robot[J]. Robotics and Computer-Integrated Manufacturing, 2019, 57: 379-390. DOI:10.1016/j.rcim.2018.12.017
[153]
Singla P, Subbarao K, Junkins J L. Adaptive output feedback control for spacecraft rendezvous and docking under measure ment uncertainty[J]. Journal of Guidance, Control, and Dynamics, 2006, 29(4): 892-902. DOI:10.2514/1.17498
[154]
Bai Y, Wang D. Improve the robot calibration accuracy using a dynamic online fuzzy error mapping system[J]. IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics, 2004, 34(2): 1155-1160. DOI:10.1109/TSMCB.2003.821453
[155]
Zhuang H Q, Wu J, Huang W Z. Optimal planning of robot calibration experiments by genetic algorithms[J]. Journal of Robotic Systems, 1997, 14(10): 741-752. DOI:10.1002/(SICI)1097-4563(199710)14:10<741::AID-ROB4>3.0.CO;2-U
[156]
Wang W D, Song H J, Yan Z Y, et al. A universal index and an improved PSO algorithm for optimal pose selection in kinematic calibration of a novel surgical robot[J]. Robotics and Computer-Integrated Manufacturing, 2018, 50(C): 90-101.
[157]
Xiong G, Ding Y, Zhu L M, et al. A product-of-exponentialbased robot calibration method with optimal measurement configurations[J]. International Journal of Advanced Robotic Systems, 2017, 14(6). DOI:10.1177/1729881417743555
[158]
Ni Z Y, Liu J G, Wu S N, et al. Time-varying state-space model identification of an on-orbit rigid-flexible coupling spacecraft using an improved predictor-based recursive subspace algorithm[J]. Acta Astronautica, 2019, 163(B): 157-167.
[159]
Ni Z Y, Liu J G, Wu Z G, et al. Identification of the state-space model and payload mass parameter of a flexible space manipulator using a recursive subspace tracking method[J]. Chinese Journal of Aeronautics, 2019, 32(2): 513-530. DOI:10.1016/j.cja.2018.05.005
[160]
Piltan F, Kim J-M. Bearing fault diagnosis using an extended variable structure feedback linearization observer[J]. Sensors, 2018, 18(12). DOI:10.3390/s18124359
[161]
Capisani L M, Ferrara A, de Loza A F, et al. Manipulator fault diagnosis via higher order sliding-mode observers[J]. IEEE Transactions on Industrial Electronics, 2012, 59(10): 3979-3986. DOI:10.1109/TIE.2012.2189534
[162]
Li L L, Ding S X, Qiu J B, et al. Fuzzy observer-based fault detection design approach for nonlinear processes[J]. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 2017, 47(8): 1941-1952. DOI:10.1109/TSMC.2016.2576453
[163]
Ma H-J, Yang G-H. Simultaneous fault diagnosis for robot ma nipulators with actuator and sensor faults[J]. Information Sciences, 2016, 366: 12-30. DOI:10.1016/j.ins.2016.05.016
[164]
Piltan F, Kim C-H, Kim J-M. Advanced adaptive fault diagnosis and tolerant control for robot manipulators[J]. Energies, 2019, 12(7). DOI:10.3390/en12071281
[165]
李侃. 冗余度空间机械臂容错控制系统研制[D]. 北京: 北京邮电大学, 2014.
Li K. Research on redundant space manipulator fault-tolerant control system[D]. Beijing: Beijing University of Posts and Telecommunicaions, 2014.
[166]
郭闯强. 空间大型机械臂关节控制系统及轨迹规划研究[D]. 哈尔滨: 哈尔滨工业大学, 2012.
Guo C Q. Research on joint control system and trajectory planning for space large manipulator[D]. Harbin: Harbin Institute of Technology, 2012.
[167]
Wu E C, Hwang J C, Chladek J T. Fault-tolerant joint development for the Space Shuttle remote manipulator system: Analysis and experiment[J]. IEEE Transactions on Robotics and Automation, 1993, 9(5): 675-684. DOI:10.1109/70.258058
[168]
Bos J F T, Bosman R A. Control of the joint runaway hazard for the European Robotic Arm[R]. Trondheim, Norway: National Aerospace Laboratory NLR, 1998.
[169]
She Y, Xu W F, Su H J, et al. Fault-tolerant analysis and control of SSRMS-type manipulators with single-joint failure[J]. Acta Astronautica, 2016, 120: 270-286.
[170]
Ben-Gharbia K M, Maciejewski A A, Roberts R G. An example of a seven joint manipulator optimized for kinematic fault tolerance[C]//IEEE International Conference on Systems, Man, and Cybernetics. Piscataway, USA: IEEE, 2014: 802-807.
[171]
Du Z J, Dong H. Optimal dimension of redundant manipulator using the workspace density function[J]. Proceedings of the Institution of Mechanical Engineers, Part C: Journal of Mechanical Engineering Science, 2016, 230(11): 1787-1794.
[172]
Li L P, Chen G, Wang Y F, et al. Comprehensive characterization method of fault-tolerant kinematics ability for space manipulator with joint locked failure[C]//15th IEEE Conference on Industrial Electronics and Applications. Piscataway, USA: IEEE, 2020: 1532-1537.
[173]
Mu Z G, Han L, Xu W F, et al. Kinematic analysis and fault-tolerant trajectory planning of space manipulator under a single joint failure[J]. Robotics and Biomimetics, 2016, 3(1). DOI:10.1186/s40638-016-0048-9
[174]
Chen G, Guo W, Jia Q X, et al. Failure treatment strategy and fault-tolerant path planning of a space manipulator with free-swinging joint failure[J]. Chinese Journal of Aeronautics, 2018, 31(12): 2290-2305.
[175]
Yang C, Wang C L, Li Z M, et al. Adaptive fault-tolerant control for free-floating space manipulator with parameter uncertainties[C]//Chinese Automation Congress. Piscataway, USA: IEEE, 2019: 2238-2243.
[176]
Wu Y W, Yao L N. Fault diagnosis and fault tolerant control for manipulator with actuator multiplicative fault[J]. International Journal of Control, Automation, and Systems, 2021, 19(2): 980-987.
[177]
Cully A, Clune J, Tarapore D, et al. Robots that can adapt like animals[J]. Nature, 2015, 521(7553): 503-507.
[178]
李铭浩, 张华, 刘满禄, 等. 基于深度强化学习的机械臂容错控制方法[J]. 传感器与微系统, 2020, 39(1): 53-55, 59.
Li M H, Zhang H, Liu M L, et al. Fault tolerant control method of manipulator based on deep reinforcement learning[J]. Transducer and Microsystem Technologies, 2020, 39(1): 53-55, 59.
[179]
Morato C, Kaipa K N, Zhao B, et al. Toward safe human robot collaboration by using multiple kinects based real-time human tracking[J]. Journal of Computing and Information Science in Engineering, 2014, 14(1). DOI:10.1115/1.4025810
[180]
Flacco F, de Luca A. Multiple depth/presence sensors: Integration and optimal placement for human/robot coexistence[C]//IEEE International Conference on Robotics and Automation. Piscataway, USA: IEEE, 2010: 3916-3923.
[181]
Balan L, Bone G M. Real-time 3D collision avoidance method for safe human and robot coexistence[C]//IEEE/RSJ International Conference on Intelligent Robots and Systems. Piscataway, USA: IEEE, 2006: 276-282.
[182]
Shin D, Sardellitti I, Park Y-L, et al. Design and control of a bio-inspired human-friendly robot[J]. International Journal of Robotics Research, 2010, 29(5): 571-584.
[183]
Haddadin S, Albu-Schaffer A, de Luca A, et al. Collision detection and reaction: A contribution to safe physical humanrobot interaction[C]//IEEE/RSJ International Conference on Intelligent Robots and Systems. Piscataway, USA: IEEE, 2008: 3356-3363.