Page 49 - 工业机器人控制技术研究

第一章 工业机器人的发展

模型控制法来自自动控制理论，是根据机器人机械结构、性能参数、运动学
特性、动力学特性等进行数学建模的控制方法，常用的有前馈补偿控制、计算力
矩法、最优控制法、非线性反馈控制法等，适合能精确得到数学模型的控制系统。

模糊控制是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的控制技术，
其基本思想是利用计算机来实现人的控制经验，用编程语言将专家的控制经验与
知识表达成具有相当模糊性的控制规则，模糊控制不需要建立被控对象的精确数
学模型，因此控制系统设计简单，使用方便。

PID 控制也称比例积分微分控制，是最早发展起来的控制方法，PID 控制器
以其结构简单、稳定性好、工作可靠、调整方便等特点而成为工业控制的主要技
术。PID 控制工业应用十分广泛，适合于被控对象复杂，且得不到精确数学模型
时的控制场合，但是 PID 控制难以保证被控对象的动态和静态品质，控制量较大。

鲁棒控制是采用鲁棒控制器的控制方法，鲁棒性是指控制系统在一定参数摄动下，
维持某些性能的特性。
鲁棒控制器控制实现简单，使用方便，容易保证系统稳定性。适用于情况多
变、稳定裕度小的系统。由于鲁棒控制系统一般不会在最优状态下工作，因此系

统的稳态精度较差。反演控制法是 20 世纪 90 年代初发展起来的非线性系统反馈
控制方法，是利用层叠设计的方法，将系统中的一些状态变量看成虚拟控制量，
并分别设计它们的控制规律，最终获得系统实际的控制输入。反演控制可以将复
杂的非线性系统分解成简单的低阶次子系统，大大降低了控制难度，具有控制过

程明晰、非线性系统控制效果好等优点，适用于可以状态线性化和参数反馈不确
定的复杂非线性系统。末端执行机构抓取控制是为了保证物料抓取时的稳定性与
准确性，保证在抓取过程中不破坏物料，不发生掉落。末端执行机构抓取常用的
控制方法有神经网络控制、自适应控制等。

神经网络控制是 20 世纪 80 年代发展起来的智能控制领域的前沿学科，是人
工神经网络理论与控制理论相结合的产物，神经网络控制主要应用在复杂的非线
性、不确定系统的控制问题上，可以实现对机器人动力学方程中未知部分的精确
逼近，从而实现机器人的高精度跟踪。但当神经网络的层数太多或者算法复杂时

工程应用比较困难。自适应控制是基于数学模型控制方法的一种，当被控对象数
学模型在工况改变以后，其动态参数乃至整个数学模型的结构也可能会发生变化，
自适应控制能够自动地对数学模型进行补偿，能自动修正系统特性来适应外部环

41