В статье исследуется задача управления отслеживанием положения исполнительного механизма микронано свободно плавающего космического робота в декартовом пространстве без явного анализа кинематической или динамической модели. Для решения этой задачи построена двухуровневая архитектура обучения. Первый уровень использует глубокую нейронную сеть для изучения кинематики, улавливающей нелинейное отображение от декартовых координат исполнительного механизма к угловой скорости суставов и генерирующей эталонную траекторию суставов. Второй уровень использует сеть на основе оператора Купмана для построения приблизительно линеаризованного представления динамики суставов свободно плавающего космического робота. На основе этой модели предложена конечная дробная модель предсказательного управления с учётом оператора Грюнвальда–Летникова, которая по сравнению с традиционным предсказательным управлением улучшает производительность онлайн управления и повышает скорость и точность отслеживания. Результаты моделирования подтверждают эффективность предложенного метода, показывая, что при проектировании контроллера можно отказаться от явного анализа кинематических и динамических моделей и реализовать точное и быстрое отслеживание траектории исполнительного механизма, используя только обучение на входных и выходных траекториях.

Свободно плавающий космический робот;глубокая нейронная сеть;модельное обучение для управления;предсказательное управление