杨涛1,2 胡浩然1,2 王燕波1,21.北京精密机电控制设备研究所；2.控制执行机构技术创新中心

空间机械臂是一种能够在空间环境中执行任务的机器人，自20世纪80年代以来，得到了世界各国的广泛关注。早期空间机械臂安装在美国航天飞机或“国际空间站”上，作业任务较为单一，仅辅助航天员搬运货物。随着技术的发展，空间机械臂作为航天器在轨服务的核心执行单元，已广泛应用于空间站维护、深空探测载荷搬运、卫星加注等场景。

空间机械臂运动控制技术是支撑机械臂在轨作业能力关键技术。当空间机械臂抓持大惯量负载进行高动态运动时，极易发生末端抖动、操作精度下降。因此，空间机械臂运动控制技术的关键点是适应机械臂本体较低的结构刚度，实现高精度运动。为了抑制低刚度特性带来的影响，传统的运动控制系统需要建立精确的刚柔耦合动力学模型，设计出抑制抖动的控制策略，控制策略像一条看不见的缰绳牢牢约束机械臂精准的动作。但是，随着机械臂操作从单一载荷的搬运发展到多模式在轨操作，这一依赖精准数学模型的控制范式显得力不从心。而人工智能技术的崛起为空间机械臂多模式操作下的运动控制技术带来了新的曙光，同时新的问题也随之而来。本文提出了将人工智能方法与传统模型控制方法有机结合进而适应当前空间机械臂多模式操作控制需求的思路，为相关领域研究提供参考。

一、空间机械臂结构特性与运动控制技术的关系

空间机械臂的主体结构形式为多自由度串联结构，每个自由度由一个旋转/直线运动的关节构成，不同关节通过刚性连杆串联。关节由电机、减速器、传感器组成。由于关节减速器多使用高精度谐波减速，谐波减速器的结构存在固有柔性环节——柔轮，因此空间机械臂的关节存在柔性环节，如图1所示。关节的柔性通过臂杆串联被放大，使得空间机械臂结构上呈现出特别明显的低刚度特征。

图1 空间机械臂刚柔耦合特性

空间机械臂低刚度结构是运动控制系统的被控对象，根据经典控制方法对被控对象建模。将关节抽象为弹簧-阻尼-质量二阶系统，分析二阶系统可知，关节的柔性和机械臂负载的惯量可直接改变系统的阻尼和自然振动频率。关节的柔性越大，二阶系统的自然振动频率越低，负载惯量越大，系统的阻尼越小。自然振动频率低且阻尼小的被控对象-空间机械臂关节，对于运动控制而言是灾难性的，极易引发抖动现象。

传统运动控制方法致力于建立准确的空间机械臂动力学模型，再基于模型设计控制策略进而减小或避免低刚度特性带来的扰动。基于人工智能技术的数据驱动型控制系统则不追求建立准确的模型，而对运动控制系统期望的输入、输出样本进行采样，基于多层神经网络架构训练出具备一定泛化能力的神经网络，再基于训练网络进行控制。两种方法各有优劣，本文对这两种方法如何解决空间机械臂的运动控制问题进行介绍。

二、空间机械臂运动控制方法研究进展 

（一） 基于模型的运动控制方法
基于模型的空间机械臂运动控制系统解决结构低刚度导致抖动问题的方法有两种：一是基于结构模态分析的降速规划法。该方法首先建立空间机械臂的结构模态模型，然后对机械臂运动轨迹进行模态仿真分析，最后优选轨迹参数，通过降低机械臂的运动速度的方法避免激励振动。二是基于精准动力学模型的控制方法。该方法首先建立准确的空间机械臂动力学模型，然后根据动力学建模结果设计相匹配的控制模型和参数，进而对机械臂运动状态进行实时控制和补偿。

基于结构模态分析降速规划法对运动控制系统而言设计简单，但由于操作复杂大大降低了空间机械臂的工作效率。该方法在美国和加拿大早期研究和试验空间机械臂时应用的较为广泛。“国际空间站”的“加拿大臂”2（Canadarm-2）机械臂是目前在轨运行的最大空间机械臂，全长17.6m，采用7自由度设计，连杆材料为碳纤维复合材料，需在微重力环境下完成舱段对接、载荷搬运等任务，如图2所示。由于连杆长径比大（约50:1），结构刚度较低，末端振动振幅可达5~8mm，航天员操作该机械臂时需要通过降低运行速度、等待振动收敛等形式避免激烈其剧烈抖动。

图2 “国际空间站”Canadarm-2机械臂

基于精准动力学模型的控制方法比降速规划方法效率更高，但是它依赖精准的动力学模型和较强的计算能力。早期，宇航中央处理器（CPU）计算能力差，这种方法无法实现，近10年来，随着宇航电子技术的发展，该方法在空间机械臂上得到了广泛的应用，其中典型的应用就是中国空间站机械臂。公开的数据显示，中国空间站核心舱机械臂全长10.3m，最大负载25t，如图3所示，连杆材料为钛合金与碳纤维混合结构，支持舱段转移、舱外维护等任务。针对空间环境下的机械臂低刚度导致的抖动问题，研制单位首先建立了准确的空间机械臂关节动力学模型并对参数进行了辨识，然后在模型分析的基础上，设计了与模型匹配的“速度闭环控制+位置闭环控制”分段控制策略。当核心舱机械臂大范围运动时整臂控制模式采用速度闭环控制；当核心舱机械臂运动至目标点附近时，整臂控制模式切换为位置闭环控制。通过关节位置闭环控制消除了整臂结构与关节控制的相互耦合，基本消除了局部晃动与超调现象，机械臂的末端定位精度相比于“国际空间站”机械臂得到了较大提升。

图3 中国空间站核心舱机械臂

此外，北京精密机电控制设备研究所设计了7自由度双折叠构型空间机械臂，关节由直流无刷电机驱动，传动机构选用谐波减速器，电机轴和减速器输出轴分别配置了位置传感器。该关节为全闭环结构，可以同时检测关节电机的位置和减速器的位置。针对关节负载惯量及传动刚度时变的导致动力学建模不准确的问题，设计了基于龙伯格状态观测器的恒阻尼-高刚度控制策略，如图4所示。该策略在延续位置-速度-电流全状态反馈控制算法基本架构的基础上，针对全状态反馈控制算法不能适应柔性大惯量时变负载的缺陷，设计了龙伯格柔性状态观测器对惯量及传动刚度变化进行估计。通过估计的惯量和刚度实时计算运动控制系统的阻尼和增益，并实时对阻尼和刚度进行动态补偿，使得关节控制系统的阻尼和刚度两个关键参数始终保持在期望状态，以获得好的控制性能。

图4 基于龙伯格状态观测器的恒阻尼-高刚度控制器框图

分析可知，基于模型的运动控制方法奠定了当下空间机械臂运动控制的基础，是解决空间机械臂结构刚度低导致控制系统扰动的首选方法。但是，随着空间机械臂的操作任务越来越复杂，精准建模变得越来越难以完成，这就极大地限制了基于模型的运动控制方法的应用。

未来空间机械臂任务的复杂性是由负载特性的不确定性和操作任务的多样性决定的。从负载特性而言，空间机械臂被操作对象的质量和形状差异越来越大，从几千克到几吨的复杂载荷都要使用同一空间机械臂。从任务性能而言，机械臂既需要完成搬运转位等“力气活”，又需要完成在轨装配等“精细活”，空间机械臂正逐渐向超级复杂的“多面手”发展。当基于精确模型的运动控制方法应用于“多面手”型空间机械臂系统时，需要随着任务变化不断建模，导致基于模型控制的局限性就被无限放大，具体表现为以下几点。

（1）难建模：空间机械臂的机械本体除了传统谐波齿轮传动的刚体还出现了绳索驱动的连续体，被操作的对象从标准的载荷包变为了多类负载载荷，被操作对象质量变化高达上千倍，质心变化更是千奇百怪，精确建模需要消耗大量的精力，根本无法保证。

（2）鲁棒性差：在轨服务空间机械臂面对的是航天器在轨维修等复杂场景，面临各种突发状况，负载变化变数多，因此机器人作业需求无法实现完全离线规划。基于模型的控制方法应对这类扰动问题的方法是H∞等鲁棒控制方法，但该方法以牺牲控制性能为代价保证稳定性，为了应付最坏的情况，机械臂控制系统将被设计的非常缓慢，难以实现应对突发状态的设计目标。

（3）无智能：基于模型的控制系统的控制器参数设计并试验完成后不再改变，特别是空间机械臂在轨操作期间无法实时更改控制参数。但空间机械臂在轨时间长，很多特性会随时间变化，例如，关节的轴承磨损会导致摩擦力增大，面对这种“时变特性”，固定参数的控制器无法自适应调整，只能依赖地面测控系统定期校准。

综上，基于模型的运动控制方法极大的提升了空间机械臂的运动性能却难以胜任未来多样式在轨操作需求。它核心思想是：要控制机械臂系统，就必须“理解”它，也就是用数学语言描述系统的动态行为模型，基于模型用控制理论工具分析系统的稳定性、能控性、能观性，在模型分析的基础上，克服结构系统刚度低、刚度时变、负载惯量大等特性带来的扰动，保持控制模型的参数稳定在可控范围内。因此，基于模型的空间机械臂运动控制系统极度依赖建模的精度，而未来随着空间机械臂操作对象复杂化、任务形式多样化，建立精准模型的难度和代价将越来越大，因此未来面向复杂场景的“多面手”空间机械臂必须探索一种不依赖精准模型的空间机械臂运动控制方法。 

（二）基于数据驱动的控制方法

近年，人工智能技术的飞速发展为空间机械臂运动控制领域带来了数据驱动控制新范式。数据驱动控制的核心思想是：不追求建立精确的数学模型，而是直接从系统的输入输出数据中学习控制规律，典型的方法是基于强化学习控制方法和基于模仿学习的控制方法。这些方法通过实时采集的输入输出数据，在线调整人工神经网络的参数，适应系统的时变特性。

基于强化学习的空间机械臂运动控制方法的核心是让智能体通过反复的“自主探索-奖惩反馈-迭代优化”过程，学会在微重力环境、低刚度本体、负载变化的环境中自主规划关节运动轨迹并进行状态转换，将运动过程的抖动降低至最低，进而精准完成抓取、装配、维修等在轨服务任务，如图5所示。该方法的优点是无需人工干预控制规则，缺点是真实微重力等环境要素的训练门槛过高，试错周期过长，同时系统的性能高度依赖奖励函数的设计经验。

图5 基于强化学习的空间机械臂运动控制方法示意图

基于模仿学习的空间机械臂运动控制方法的核心是“复制专家经验”，让机械臂学习人类专家在空间环境下精准操控空间机械臂的示教行为，通过专家示范的动作轨迹和决策逻辑，快速掌握精准的运动控制能力，如图6所示。简单而言，强化学习是从错误中学习经验而模仿学习是从专家的正确示范中学习经验。模仿学习的优点是无需像强化学习一样反复探索试错，训练效率较高，但缺点是系统泛化能力较差。目前，当空间机械臂执行为模仿过的任务时正确率较低，难以具备多模式在轨服务的能力。 

图6 基于模仿学习的运动控制方法示意图

综上，强化学习和模仿学习这两种基于数据驱动的运动控制技术的优势是无需依赖物理机理，能处理控制系统参数非线性时变导致的建模难问题，可以应对未来“多面手”空间机械臂运动控制模型建立难度大甚至不可建模的问题。但是，数据驱动方法走向空间机械臂的运动控制应用实际面临很多亟待解决问题，具体如下。

（1）样本效率低：准确数据驱动方法需要大量的物理标注的数据，例如，用强化学习训练一个空间机械臂抓取，需要几十万次的“试错”，在真实物理世界中，这意味着空间机械臂会频繁抓取失败导致磕碰，数据采集成本极高。  

（2）泛化能力弱：数据驱动模型的泛化能力很差，虽然在训练数据覆盖的在轨服务场景中机器人表现良好，但遇到未见过的在轨服务场景，机械臂的操控性能会急剧下降。

（3）安全性与可解释性差：数据驱动的神经网络是典型的“黑箱”，无法解释做出某个决策的理由；数据驱动模型缺乏严格的稳定性证明，可能在某些极端情况下突然失稳，引发安全事故。综上，基于数据驱动的运动控制方法不依赖于精确的数学模型，可以在一定程度上解决未来面向复杂场景的空间机械臂难以建模的问题，但是该类方法尚存在样本效率低、泛化能力弱、安全性与可解释性差等亟待解决的问题。

三、空间机械臂运动控制技术未来发展趋势

空间机械臂多样化在轨服务急需突破高性能运动控制技术，结合当前基于精确模型的运动控制技术与基于数据驱动的运动控制技术的发展现状分析，只有将两种运动控制方法有机结合、发挥各自优势，才可解决当前工程应用中的现实问题。因此，基于模型的方法与数据驱动方法融合的新型复合运动将是空间机械臂运动控制技术的未来发展趋势，可从以下几个方向进行展望。

（一）基于数据驱动解决建模精度与计算效率的矛盾，提升精确模型控制性能

需融合结构力学、热学、电磁学等多学科理论，建立“刚柔耦合-热变形-电磁干扰”多物理场耦合模型，实现多物理场耦合建模技术的突破。例如，考虑极端温度导致的连杆热变形，将其嵌入动力学模型的广义坐标中，形成扩展状态向量，并通过多物理场有限元法离散求解，提升复杂环境下的建模精度。有限单元法作为一种近似求解策略，精度高且维度高，假设模态法维度低但精度依赖模态阶数选取，难以在高精度与高效率之间实现平衡。当机械臂连杆存在局部柔性，需离散更多单元或增加模态阶数，导致模型维度突破1000，实时计算帧率快速下降，无法满足高速运动任务的需求。可以采用数据驱动方法建立“黑箱”柔性动力学模型。同样，当多机械臂协同完成任务时，机械臂间的力耦合与运动耦合会加剧刚柔耦合效应。两台机械臂协同搬运舱段时，舱段的刚性运动与两台机械臂柔性连杆的变形会形成“刚-柔-刚”耦合链，其动力学模型需引入机械臂间的交互力项。目前对这类多体耦合系统的建模仍依赖简化假设，导致协同控制时末端位置误差较单机械臂场景增大数倍，难以满足高精度协同任务需求，也可以局部引入数据驱动方法解决建模难题，再用传统控制方法进行控制。

（二）基于数据驱动模型在线修正精确控制模型参数，应对复杂空间环境的不确定性

空间环境中的微重力、强辐射、极端温度变化会导致机械臂用的材料弹性模量、阻尼系数等参数发生时变，超出传统自适应控制的补偿范围。此外，在轨任务中的未知干扰会激发高阶模态振动进一步恶化控制性能。例如，空间机械臂在轨运行周期长达10~15年，关节磨损、传感器失效等故障难以避免。当执行机构磨损退化或者传感器性能下降时，传统依赖振动位移反馈的控制策略会失效，需通过无传感器振动观测技术重构运动反馈信息。这样的情况可以通过有限的数据训练出参数修正网络，对传统精确控制模型的参数进行在线修正。

（三）运动控制与强化学习的深度融合

针对参数不确定性与未知干扰，强化学习通过“试错”机制优化控制策略，无需依赖系统模型，适合空间机械臂的复杂场景。未来可构建“状态观测-奖励设计-策略更新”的控制框架：以末端位置误差、振动幅值、控制能耗为状态变量，设计奖励函数通过深度确定性策略梯度算法更新控制策略，实现精度与能耗的多目标优化。未来结合在轨增量学习，有望实现控制策略的在轨自适应进化。

（四）基于深度学习方法分布式感知与故障自修复系统的构建

基于光纤光栅传感器的分布式感知技术，可实现空间机械臂结构应变的全域监测，为故障诊断提供数据支撑。未来将构建“分布式感知-故障定位-控制重构”的自修复系统，通过传感器获取应变分布，结合深度学习定位故障位置，如关节轴承磨损区域，并自动切换至冗余控制策略，进而提升在轨可靠性。

四、结语

多样化的在轨服务任务对空间机械臂运控控制系统提出了新的挑战，新型运动控制技术仍然是空间机械臂的研究热点和难点。笔者认为，随着航天任务向深空探测、在轨建造等领域的拓展，新型复合型空间机械臂运动控制技术将以更高精度、更强鲁棒性、更高自主性为目标，为航天事业的跨越式发展提供核心支撑。

本文刊登于《中国航天》2025年第11期

分享

微信分享 复制链接

微信扫一扫分享

收藏