機(jī)器人運(yùn)動控制方法綜述

機(jī)器人運(yùn)動控制方法綜述摘要：隨著工業(yè)的不斷發(fā)展，機(jī)器人的應(yīng)用領(lǐng)域日益廣泛，如汽車、飛機(jī)、發(fā)電機(jī)等零部件的焊接、磨拋、裝配等。在這些任務(wù)中，機(jī)器人的運(yùn)動精度對提高產(chǎn)品質(zhì)量至關(guān)重要。然而，機(jī)器人強(qiáng)耦合、非線性、性能依賴位形，且實(shí)際運(yùn)動過程中存在摩擦、擾動等多種不確性復(fù)雜因素，因此對機(jī)器人運(yùn)動控制方法進(jìn)行分析整理具有重要意義和應(yīng)用價(jià)值。本文對現(xiàn)有主流機(jī)器人（主要針對機(jī)械臂）運(yùn)動控制算法進(jìn)行了綜述，分析了這些算法的特點(diǎn)以及存在的不足，最后給出了機(jī)器人運(yùn)動控制研究展望。該工作可以為機(jī)器人運(yùn)動控制方法的選擇提供依據(jù)，具有一定的實(shí)用價(jià)值。關(guān)鍵詞：機(jī)器人，運(yùn)動控制，綜述1引言隨著多傳感和人工智能等技術(shù)的進(jìn)步，機(jī)器人正日益廣泛應(yīng)用于焊接、磨拋、裝配等智能制造領(lǐng)域，顯著提升了生產(chǎn)效率，降低了生產(chǎn)成本。因此，機(jī)器人是我國制造技術(shù)領(lǐng)域的主攻方向之一[1]，也是助力我國從制造大國向制造強(qiáng)國快速邁進(jìn)的戰(zhàn)略高技術(shù)之一。當(dāng)前，高精度運(yùn)動是機(jī)器人領(lǐng)域發(fā)展的主要趨勢之一，對形成高質(zhì)量的操作品質(zhì)至關(guān)重要，而高精度運(yùn)動的實(shí)現(xiàn)要求控制方法具有高動態(tài)響應(yīng)和強(qiáng)魯棒性。然而，機(jī)器人齒輪和連桿結(jié)構(gòu)受載后均存在不同程度的變形，且整個(gè)系統(tǒng)本身強(qiáng)耦合、非線性、動態(tài)特性時(shí)變、操作工況不確定性復(fù)雜多樣，導(dǎo)致高動態(tài)響應(yīng)和強(qiáng)魯棒性的運(yùn)動控制方法設(shè)計(jì)尤為困難，從而產(chǎn)生較大控制偏差，影響機(jī)器人運(yùn)動精度，造成操作質(zhì)量下降?；谏鲜龇治?，本文對機(jī)器人(主要針對機(jī)械臂)的主流運(yùn)動控制方法進(jìn)行了綜述，分析了這些方法中存在的不足，并給出了機(jī)器人運(yùn)動控制方法未來發(fā)展趨勢的一些思考。2機(jī)器人運(yùn)動控制方法作為一種復(fù)雜自動化系統(tǒng)，機(jī)器人具有非線性、強(qiáng)耦合、多變量時(shí)變特性。高速運(yùn)動時(shí)各關(guān)節(jié)慣量變化較大，耦合強(qiáng)烈，低速時(shí)摩擦、飽和等非線性效應(yīng)明顯，這些極大地增加了控制難度。為了使機(jī)器人系統(tǒng)穩(wěn)定運(yùn)行，要求控制系統(tǒng)能實(shí)時(shí)提供與機(jī)器人動力學(xué)特征和多源擾動特征相匹配的控制特性，這給予了運(yùn)動控制方法極大的挑戰(zhàn)。依據(jù)是否考慮機(jī)器人的動態(tài)特性，控制算法分為了無模型控制和基于模型的控制兩類。PID(proportional-integral-derivative)算法是無模型控制的典型代表，因?yàn)樗刂坪唵?，硬件?shí)現(xiàn)方便。PID是在目前機(jī)器人實(shí)際應(yīng)用中最為廣泛采用的控制方案，但是PID控制性能不佳，又因?yàn)槠渫ǔａ槍€性定常系統(tǒng)，控制參數(shù)保守，限制了增益帶寬以至于導(dǎo)致存在較大時(shí)滯誤差，難以滿足機(jī)器人系統(tǒng)的非線性時(shí)變特征。在這種情況下，基于PID的先進(jìn)控制算法相繼被提了出來，包括非線性PID：^,3］、模糊PID［4,5］、滑模PIDW、神經(jīng)網(wǎng)絡(luò)PID［瓦-9］、模糊神經(jīng)網(wǎng)絡(luò)PID而等。盡管上述方法通過設(shè)計(jì)優(yōu)化的PID結(jié)構(gòu)，改善了PID性能，但由于其仍屬于無模型控制算法，設(shè)計(jì)原則和參數(shù)調(diào)整依賴工程經(jīng)驗(yàn)，擾動魯棒性差，因此在應(yīng)用上存在諸多限制迂。為了找出更加精確的非線性控制算法，研究人員提出了自抗擾控制、魯棒控制和自適應(yīng)控制等。自抗擾控制(activedisturbancerejectioncontrol,ADRC)是由我國學(xué)者韓京清匝提出，并在隨后獲得了不斷完善厄瓦-點(diǎn)，其核心思想在于：如果擾動可以被精確地估計(jì)及補(bǔ)償，則被控對象理論上可看成是無擾動模型，可以使用簡單得多的控制工具輕松對其進(jìn)行控制。自抗擾控制包括跟蹤微分器（TD）、擴(kuò)張狀態(tài)觀測器（ESO）和非線性反饋三部分組成。由于自抗擾控制器結(jié)構(gòu)簡單、計(jì)算效率高、抵抗不確定外界擾動能力強(qiáng)，因此自抗擾控制是一種實(shí)用性很強(qiáng)的控制算法。自適應(yīng)控制通過測量被控對象狀態(tài)和軌跡跟蹤誤差等信息，實(shí)時(shí)掌握受控對象的不確定性，用來更新主控制結(jié)構(gòu)參數(shù)，以提高控制性能響E，換而言之是對機(jī)器人系統(tǒng)的帶參在線實(shí)時(shí)評估系統(tǒng)。當(dāng)機(jī)器人系統(tǒng)慣量變化時(shí)，自適應(yīng)控制可以預(yù)判軌跡跟蹤。自適應(yīng)控制算法結(jié)構(gòu)多樣且復(fù)雜，包括了自適應(yīng)迭代控制（adaptiveiterativelearningcontrol,AILC）無，點(diǎn)、自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制成,E、全狀態(tài)模糊自適應(yīng)反饋控制囪,方］、切換學(xué)習(xí)PI控制（adaptiveswitchlearningPIcontrol,ASL-PI）以，萬］、基于多層神經(jīng)網(wǎng)絡(luò)的自適應(yīng)控制床］等方法。自適應(yīng)控制方法本質(zhì)上是從閉環(huán)誤差反饋模型中提取系統(tǒng)狀態(tài)信息，通過自適應(yīng)算法調(diào)節(jié)控制器參數(shù)，以實(shí)現(xiàn)對系統(tǒng)的時(shí)變補(bǔ)償。缺點(diǎn)在于系統(tǒng)參數(shù)在線辨識計(jì)算量大，難以保證高速應(yīng)用中的控制實(shí)時(shí)性。此外，受控模型參數(shù)突變或外界擾動較大時(shí)，預(yù)估系統(tǒng)參數(shù)無法收斂于真實(shí)值，系統(tǒng)穩(wěn)定性保障困難。近年來，基于動力學(xué)模型的控制方法越來越受到重視，并被認(rèn)為是能提高機(jī)器人動態(tài)特性和跟蹤精度最為有效的方法。總體上基于模型控制通常有兩種方案，一種是機(jī)器人模型動態(tài)補(bǔ)償控制，另一種是機(jī)器人動力學(xué)模型前饋控制。模型動態(tài)補(bǔ)償控制器引入了一個(gè)內(nèi)控制回路，目的是根據(jù)機(jī)器人動力學(xué)的實(shí)際特性對動態(tài)變化進(jìn)行補(bǔ)償，使得經(jīng)內(nèi)控制回路作用后的機(jī)器人系統(tǒng)可以簡化為一個(gè)易控系統(tǒng)，具體方法有：連續(xù)有限時(shí)間控制況、自適應(yīng)魯棒控制或、解耦為線性定常系統(tǒng)M、滑模變結(jié)構(gòu)控制風(fēng)務(wù)-豆］等。如果動力學(xué)模型足夠精確，通過反饋補(bǔ)償這種方式，著實(shí)能較好解決機(jī)器人非線性時(shí)變的問題，同時(shí)提高控制器的動態(tài)響應(yīng)和對軌跡跟蹤的控制性能。但這種方式存在以下難點(diǎn)：（1）三自由度以上機(jī)器人動力學(xué)模型十分復(fù)雜，參數(shù)隨位形變化，且存在耦合現(xiàn)象，導(dǎo)致精確獲取動力學(xué)參數(shù)困難；（2）該控制方法需要實(shí)時(shí)計(jì)算機(jī)器人動力學(xué)參數(shù)，存在計(jì)算復(fù)雜等問題，且復(fù)雜計(jì)算恐難以滿足高帶寬力矩環(huán)的控制要求；（3）該控制方法計(jì)算控制律時(shí)，需要實(shí)時(shí)獲取關(guān)節(jié)的加速度信息，而加速度一般由速度差分而來，使得加速度信號帶有大量噪聲，嚴(yán)重影響控制性能。鑒于上述難點(diǎn)，基于模型的動態(tài)控制策略實(shí)際上實(shí)現(xiàn)較為困難。盡管如此，模型動態(tài)補(bǔ)償控制器中的方法還是獲得了大量研究。以有限時(shí)間控制方法為例，由于其可以提供快速的收斂速度和強(qiáng)健的魯棒性，同時(shí)還能提高被控系統(tǒng)的抗擾能力，因此有限時(shí)間控制設(shè)計(jì)方法獲得了研究人員的廣泛關(guān)注。目前常見方法有：有限時(shí)間齊次系統(tǒng)法通］、有限時(shí)間李雅普諾夫構(gòu)造法血和終端滑?？刂品r等。除此之外，還有具有動態(tài)輸出反饋的有限時(shí)間控制成、魯棒反演有限時(shí)間控制況、非奇異終端滑?？刂频?、新型連續(xù)非奇異終端滑?？刂蒲确椒??；趧恿W(xué)前饋的控制方法主要由前饋通道和反饋通道組成，前饋通道用于對機(jī)器人動力學(xué)特性的補(bǔ)償，反饋通道用于解決系統(tǒng)不確定性擾動的問題。與模型動態(tài)補(bǔ)償控制方法不同的是，前饋動力學(xué)模型輸入為關(guān)節(jié)的期望運(yùn)動指令，其品質(zhì)比實(shí)際采樣值好。另外，雖然動力學(xué)計(jì)算復(fù)雜度高，但可以通過預(yù)存儲來解決動力學(xué)前饋實(shí)時(shí)性的問題。因此，機(jī)器人動力學(xué)前饋控制技術(shù)成為當(dāng)前實(shí)現(xiàn)機(jī)器人高精度運(yùn)動控制的核心技術(shù)之一。然而，機(jī)器人動力學(xué)前饋控制的研究還存在以下難點(diǎn)：（1）機(jī)器人動力學(xué)計(jì)算復(fù)雜，且關(guān)節(jié)和負(fù)載慣量均會發(fā)生變化，難以實(shí)現(xiàn)動力學(xué)參數(shù)精確在線計(jì)算；（2）控制方法雖能不同程度實(shí)現(xiàn)高精度、高響應(yīng)目標(biāo)，但大多數(shù)仍在理論仿真階段，實(shí)際應(yīng)用較為困難。因此，目前僅有少數(shù)公司/企業(yè)擁有這一技術(shù)，如奧地利貝加萊公司的前饋控制軟件 AutomationStudios］。由于機(jī)器人動力學(xué)前饋控制技術(shù)有望解決機(jī)器人非線性時(shí)變問題，而應(yīng)用困難，因此還需對動力學(xué)前饋控制進(jìn)行深入研究。3研究展望基于上述分析，筆者對未來機(jī)器人運(yùn)動控制方法的研究有一些思考，具體列舉如下：（1）由于機(jī)器人所要解決的任務(wù)越來越復(fù)雜，單一運(yùn)動控制方法恐難以滿足任務(wù)對機(jī)器人運(yùn)動精度的要求。此外，盡管不同的控制算法在解決的機(jī)器人不同運(yùn)動控制問題上均存在一些優(yōu)勢，但也都存在一定程度的不足。因此通過將多種運(yùn)動控制算法結(jié)合起來，可以有效整合各自算法的優(yōu)勢，彌補(bǔ)各自缺點(diǎn)，從而為機(jī)器人運(yùn)動控制精度提供重要保障?？刂票旧砼c人工智能就較為接近，隨著如強(qiáng)化學(xué)習(xí)、生成式對抗網(wǎng)絡(luò)等人工智能技術(shù)的蓬勃發(fā)展，借助人工智能技術(shù)，開發(fā)更為先進(jìn)的智能控制算法也成為了機(jī)器人運(yùn)動控制發(fā)展的一大趨勢之一。影響機(jī)器人運(yùn)動精度的因素很多，如機(jī)器人本體結(jié)構(gòu)精度、軌跡規(guī)劃算法精度等。雖然通過開發(fā)高精度的運(yùn)動控制算法可以有效提升機(jī)器人運(yùn)動跟蹤精度，但僅僅考慮控制器的設(shè)計(jì)恐難以實(shí)現(xiàn)機(jī)器人高精度運(yùn)動。因此，需要整體分析機(jī)器人本體、軌跡規(guī)劃、運(yùn)動控制等誤差對運(yùn)動精度的影響，從而實(shí)現(xiàn)本體結(jié)構(gòu)優(yōu)化設(shè)計(jì)-高精度軌跡規(guī)劃-高精度運(yùn)動控制一體化發(fā)展。4結(jié)論由于可以顯著提升生產(chǎn)效率、降低生產(chǎn)成本，因此機(jī)器人正日益廣泛應(yīng)用于如焊接、磨拋、裝配等復(fù)雜工業(yè)領(lǐng)域。由此，本文對現(xiàn)有機(jī)器人運(yùn)動控制主流方法進(jìn)行了綜述，分析了這些控制方法所存在的優(yōu)缺點(diǎn)，并基于這些分析，給出了未來機(jī)器人運(yùn)動控制發(fā)展趨勢的一些思考。參考文獻(xiàn)1[?]周濟(jì).智能制造一“中國制造2025”的主攻方向[J].中國機(jī)械工程,2015,26(17):2273-2284.2[?]肖永利，張琛.位置伺服系統(tǒng)的一類非線性PID調(diào)節(jié)器設(shè)計(jì)[J].電氣自動化,2000,22(1):20-22.3[?]SunD,HuS,ShaoX,etal.GlobalstabilityofasaturatednonlinearPIDcontrollerforrobotmanipulators]」].IEEETransactionsOnControlSystemsTechnology,2009,17(4):892-899.4[?]王述彥，師宇，馮忠緒.基于模糊PID控制器的控制方法研究[J].機(jī)械科學(xué)與技術(shù)，2011,30(1):166-172.5[?]AnavattiSG,SalmanSA,ChoiJY.Fuzzy+PIDcontrollerforrobotmanipulator?.IEEEInternationalConferenceonComputationalInteligenceforModellingControlandAutomation(CIMCA),2006:75-75.6[?]Parra-VegaV,ArimotoS,LiuYH,etal.DynamicslidingPIDcontrolfortrackingofrobotmanipulators:Theoryandexperiments]」].IEEETransactionsonRoboticsandAutomation,2003,19(6):967-976.7[?]廖芳芳，肖建.基于BP神經(jīng)網(wǎng)絡(luò)PID參數(shù)自整定的研究[J].系統(tǒng)仿真學(xué)報(bào)，2005,17(7):1711-1713.8[?]YuW,RosenJ.NeuralPIDcontrolofrobotmanipulatorswithapplicationtoanupperlimbexoskeleton[J].IEEETransactionsoncybernetics,2013,43(2):673-684.9[?]李楠，李文鑫，薛方正.改進(jìn)的關(guān)節(jié)機(jī)器人神經(jīng)網(wǎng)絡(luò)PID控制器[J].控制工程，2013,20(6):1052-1054.10[?]赫建立，朱龍英，成磊，等.串聯(lián)機(jī)器人軌跡跟蹤控制模糊自適應(yīng)PID算法的誤差修正[J].電子技術(shù)應(yīng)用，2015,41(1):60-63.11[?]韓京清.從PID技術(shù)到“自抗擾控制”技術(shù)[J].控制工程，2002,9(3):13-18.12[?]HanJ.FromPIDtoactivedisturbancerejectioncontrol[J].IEEEtransactionsonIndustrialElectronics,2009,56(3):900-906.13[?]ZhengQ,GaoZ.Onpracticalapplicationsofactivedisturbancerejectioncontrol[C].IEEEProceedingsofthe29thChineseControlConference,2010:6095-6100.14[?]HuangY,XueW.Activedisturbancerejectioncontrol:methodologyandtheoreticalanalysis[J].ISAtransactions,2014,53(4):963-976.15[?]劉延芳，劉宏，孟瑤.負(fù)載不確定的柔性機(jī)械臂自適應(yīng)自抗擾控制[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2017,49(7):12-19.16[?]王三秀，俞立，徐建明，等.機(jī)械臂自適應(yīng)魯棒軌跡跟蹤控制[D],2015.17[?]于志剛，沈永良，宋申民.機(jī)械臂魯棒自適應(yīng)運(yùn)動控制:J].控制理論與應(yīng)用，2011,28(7):1021-1024.18[?]LeeR,SunL,WangZ,etal.AdaptiveIterativeLearningControlofRobotManipulatorsforFrictionCompensation[J].IFAC-PapersOnLine,2019,52(15):175-180.19[?]朱海燕，吳根忠.冗余自由度仿人機(jī)械臂自適應(yīng)迭代學(xué)習(xí)控制研究[J].機(jī)械工程與自動化，2012(5):158-160.20[?]HeW,DavidAO,YinZ,etal.Neuralnetworkcontrolofaroboticmanipulatorwithinputdeadzoneandoutputconstraint]」].IEEETransactionsonSystems,Man,andCybernetics:Systems,2015,46(6):759-770.21[?]吳玉香，張景，王聰.機(jī)械臂的自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制與學(xué)習(xí)[J].機(jī)械工程學(xué)報(bào),2013,49(15):42-48.22[?]張化光，黎明.基于H觀測器原理的模糊自適應(yīng)控制器設(shè)計(jì)[J].自動化學(xué)報(bào),2002,28(6):969-973.23[?]GoleaN,GoleaA,BarraK,etal.Observer-basedadaptivecontrolofrobotmanipulators:Fuzzysystemsapproach[J].Appliedsoftcomputing,2008,8(1):778-787.24[?]陳永會，譚功全，譚飛，等.一種切換參數(shù)PI控制器的分析與設(shè)計(jì)[J].化工自動化及儀表，2011(1):27-30.25[?]OuyangPR,ZhangWJ,GuptaMM.Anadaptiveswitchinglearningcontrolmethodfortrajectorytrackingofrobotmanipulators[J].Mechatronics,2006,16(1):51-61.26[?]ChenW,JiaoL.Adaptivetrackingforperiodicallytimevaryingandnonlinearlyparameterizedsystemsusingmultilayerneuralnetworks[J].IEEETransactionsonNeuralNetworks,2010,21(2):345-351.27[?]ZhangL,LiuL,WangZ,etal.Continuousfinite-timecontrolforuncertainrobotmanipulatorswithintegralslidingmode[J].IETControlTheory&Applications,2018,12(11):1621-1627.28[?]焦曉紅，李運(yùn)鋒，方一鳴，等.一種機(jī)器人魯棒自適應(yīng)控制法[J].機(jī)器人技術(shù)與應(yīng)用，2002(3):40-43.29[?]顧大可，唐重建.三連桿機(jī)械臂控制系統(tǒng)設(shè)計(jì)的參數(shù)化方法[J].控制工程，2019(8):23.30[?]ZhihongM,O,dayM,YuX.Arobustadaptiveterminalslidingmodecontrolforrigidroboticmanipulators[J].JournalofIntelligentandRoboticsystems,1999,24(1):23-41.31[?]TranMD,KangHJ.Adaptiveterminalslidingmodecontrolofuncertainroboticmanipulatorsbasedonlocalapproximationofadynamicsystem[J].Neurocomputing,2017,228:231-240.32[?]葛媛媛，張宏基.基于自適應(yīng)模糊滑?？刂频臋C(jī)器人軌跡跟蹤算法[J].電子測量與儀器學(xué)報(bào)，2017,31(5):746-755.33[?]BraidizY,PerruquettiW,PolyakovA,etal.Onfinite-timestabilityofhomogeneoussystemswithmultiplicativeboundedfunction?.IEEEEuropeanControlConference(ECC),2019:645-649.34[?]FuJ,MaR,ChaiT.Adaptivefinite-timestabilizationofaclassofuncertainnonlinearsyste