摘要：因为工业机器人应用领域的不断扩大和现代产业的快速发展，人们期望更高品质的机器人，所以对机器人的工作速度和精度要求越来越高。机器人控制技术为实现这些功能的核心，其控制问题十分复杂，而轨迹跟踪控制是工业机器人控制问题中的一个重要方面。本文系统的介绍工业机器人轨迹跟踪控制各种算法，如PID控制，自适应控制，变结构控制等的研究现状与主要进展，并对其研究方向进行展望。
1引言
工业机器人是机器人大家族中的一员，是指面向工业生产的，有多个关节的机械手或多自由度的机器人，一般来说工业机器人的组成部分主要有：机器人机械本体、用于控制机器人工作的控制器、用于驱动机器人的伺服驱动系统、用于检测机器人各项参数变化的传感装置。它是一种仿人操作的自动化产品，能够进行自动控制，也能够通过编程来完成三维空间内的各类任务。机器人变成人类的新型生产工具后，在提升生产效率，减缓劳动强度，转变生产形式和把人类从危险恶劣的工作环境下解放出来等方面，显示出了巨大的优越性[1]。
工业机器人是具有时变性、强耦合性、非线性的多输入输出动态系统，对机器人的精确控制是一个十分复杂的问题。现代工业的快速发展需要高品质的机器人为之服务，而机器人控制技术是机器人实现一系列功能的核心，是影响机器人性能的关键部分，控制技术在很大程度上制约着机器人技术的发展。所以本文详细介绍机器人控制技术，阐述各自特点，并对未来控制技术进行展望。
2机器人控制技术
机器人控制理论的发展大抵经历了传统控制、现代控制和智能控制三个阶段。传统的控制理论主要包括PID控制、前馈控制、计算力矩法等；现代控制理论主要包括鲁棒控制、变结构控制等；智能控制主要包括模糊控制、神经网络控制、遗传算法控制、免疫算法控制、自适应控制、迭代学习控制等等。
2.1PID控制
PID控制方法是最先发展起来的控制方法，因为它的算法简易，便于实现，鲁棒性和可靠性好从而得到普遍的应用[2]。然而在使用次方法时主要有两个缺点:①对系统模型中的不确定性问题难以处理,很难使机械臂具备良好的动态和静态品质②机械臂能够经受的最大力矩是有限的，当控制器初始的输出力矩过大时,增大其控制系数，进一步提高系统性能的方法会有限制。
随着计算机技术和智能控制理论的发展，先进的智能PID控制策略相继被提出，为复杂动态不确定机器人系统的控制提供了新的途径[3]。Kuc等[4]提出了一种自适应PID控制方法,该控制器由反馈环节的自适应PID和前馈部分的输入学习策略组成。在初始阶段，反馈控制器使机械臂动力学瞬态响应稳定,然后前馈控制器计算期望驱动力补偿系统非线性动力学,与传统的自适应PID控制方法进行了比较,试验结果显示了在所有误差信号有界的时,这个学习控制系统能够更好地实现轨迹跟踪。王会方等[5]针对不确定机器人系统的轨迹跟踪控制问题,设计了一种鲁棒自适应PID控制算法，该策略以PID控制为基础，基于滑模控制思想，设计了根据误差实时修改PID参数的自适应律，并利用基于Lyapunov函数设计的监督控制器补偿自适应PID控制器与理想控制器之间的差异，从而使系统具有设定的H∞跟踪性能。
PID控制方法虽然简易灵活,但由于其自身的弊端及机械臂的各种不确定性,目前许多学者通过结合自适应的想法,解决系统的不确定性,克服PID控制的缺点,从而得到良好的动态和静态性能。
2.2变结构控制
现代控制理论方面主要的控制算法是以鲁棒控制算法、滑模变结构控制算等为代表，将现代控制理论的思想引入机器人控制领域，经过多年的发展，已经取得了极大的进展。
变结构控制是一种特殊的非线性控制，能够在动态过程当中，按照系统的当前状态有目的性改变，使系统能够根据预先设定的“滑动模态”的状态轨迹运动，故又称变结构控制为滑模变结构控制。此控制策略对系统的非线性程度、参数时变规律和外部扰动等不需要非常精确的数学模型，只须知道它们的变化范围，就可以对系统进行精确的轨迹跟踪。是以变结构控制具备快速响应，对参数变化和外部扰动不敏感，不用在线辨识系统参数，物理实现简单等特点[6]。因为机器人系统本身就是非线性系统，而且还有许多不可预知的干扰等，所以最近几年以来，机器人控制问题就成为了变结构控制理论主要应用的领域之一[7]。文献[8]第一次选用滑模控制方法，对二自由度机器臂设计了变结构控制器，试验结果证明了此方法可以跟踪时变期望轨迹。
该方法有其自身的弊端，因为当状态轨迹到达滑模面后,从严格意义上来讲，很难沿着滑动面向着平衡点滑动,而是在滑模面上下侧往返穿越,会产生抖振，影响系统控制。文献[8]在滑动模态的设计过程中，引入“边界层”和“准滑动模态”的想法，用饱和函数来替换切换函数，在边界层的内部，其为连续状态的反馈控制，在边界层外部，采用正常的滑模控制，有效的减缓了抖动。近年来许多学者提出滑模控制与模糊控制、神经网络控制等方法相结合，来消除机械臂控制输入的抖振问题。Magdy[9]采用自适应模糊控制与滑模控制相结合,对因不确定因素产生的高频信而导致的抖振,模糊控制提供了解决这些问题的有效途径。
此外,还提出了一些新的滑模控制方式，如基于滤波器的滑模控制以及基于干扰估计的滑模控制等。滑模控制策略已经被广泛的应用到了机械臂的轨迹跟踪领域。人们不仅利用各种智能算法来消除滑模控制抖振问题,还尝试新的滑模面和控制方法,实现了更好的轨迹跟踪性能。
2.3自适应控制
自适应控制就是通过实际系统的性能指标与系统规定的性能指标作比较，用此获得的数据来修正控制器参数或控制律，使系统可以保持在最优或次优的工作状态。当被控对象的动力学模型参数发生变化，自适应控制率可以通过及时的辨识、学习和调整，达到一定的性能指标，且不需要知道未知参数的先验信息，因此在机器人领域取得到了普遍应用。文献[10]通过利用机器人动力学模型中非线性项参数化的特性，得到了能够保障系统全局渐进稳定的控制方法。文献[11]选用线性近似化方式，通过机器人动力学的线性化与模型参考自适应控制相结合来设计控制器。文献[12]设计了一种基于模型的鲁棒自适应控制方法，此控制方法无需系统参数缓慢变化，也无需已知是何种未知参数，只要知道机器人模型结构，便于控制器的实现。
但自适应控制对于实时性有严格的要求，其实现也较复杂，参数突变也常会破坏控制系统的稳定性；参数的收敛特性一般要求有足够的持续激励，但在实际情况中又很难满足此条件，所以通常会把自适应控制与其它一些算法结合使用，如鲁棒自适应控制、滑模自适应控制、模糊自适应控制等。
2.4其它控制方法
近年来，人工智能技术有了较大的进步，并应用于机器人领域。智能控制在系统设计过程中不再依赖于数学模型，摆脱非线性的的束缚，同进也为解决不确定性机器人轨迹控制问题提供了新的手段，具有巨大的理论价值和应用前景。在轨迹跟踪控制问题上，主要应用的是模糊控制[13.14]和神经网络控制[15]。模糊控制是利用专家的控制经验来弥补机器人动态特性中非线性和不确定等不利因素，无需依赖对象的数学模型，具备很强的鲁棒性。模糊控制自身也有些许不足之处，如综合定量知识的能力不好，控制规则和隶属函数一旦确定了，就无法进行修正，故限制了它的自适应能力，且模糊规则的建立是一个十分棘手的问题，控制效果通常情况下很不理想。神经网络控制方法的在线学习功能，使其在面对各种干扰和模型误差上都具有良好的鲁棒性，在非线性系统控制应用中越来越受重视。但也是因为此控制策略需要在线或离线学习，占据很多系统的资源，会使运动控制的实时性严重降低。在一些文献[16,17]中，通常将这两种控制方法结合起来应用于非线性系统的控制，其指导思想是通过神经网络的学习能力来完成调整模糊控制的目的，这样不仅使得模糊控制具有一定的自适应能力，而且也使神经网络获得了推理归纳能力。
3讨论与展望
通过以上总结的机器人控制技术，可以看到，在各种算法的开发和应用中，结合机器臂自身特点，还有一些值得讨论问题,本文认为以下几个方面值得进一步研究：
(1)当前机器人控制技术的各种控制方法不论对于机器人的运动学模型、动力学模型,还是操作对象的动力学模型,都具有较强的依赖性。选用基于模型的控制方法时，一般要求系统中的参数是精确的,但在非结构环境中的多机器人系统的应用中，通常无法获得操作对象的所有信息，即便如此也要求选定的控制策略能够完成给定的控制任务。因此,研究操作对象模型结构确定但参数时变的自适应控制策略,或操作对象的参数能够在线估计的控制方法是很有现实意义的。例如，自适应控制可以有效的估计未知机器人动力学参数，变结构控制是一种有效的鲁棒控制方法，它对于有界干扰和参数变化有着不敏感的特性。结合自适应控制和变结构控制的优点，采用自适应控制在线辨识系统的不确定参数，并通过变结构项消除非参数不确定和估计误差。随着辨识参数的收敛其鲁棒增益递减，在保持相同稳定性的前提下，该算法提高了平滑控制律对系统未知动态特性的鲁棒性。
(2)控制器的设计应该更多的不依赖于测量关节的参数信息,一般控制方法都需要同时测量位置和速度信号,速度信号的获知通常是通过位置信号微分或速度测量仪获得的,前一种方法易使位置测量误差噪声混合,后一种方法大大提高了控制器的成本。使用滤波器产生伪跟踪误差信号来避免测量速度,或者设计速度观测器去估计速度是目前研究的趋势,但在加入滤波器或观测器后仍需要保证闭环系统的稳定性。
(3)非线性系统的稳定性分析一直缺少固定的方法,尤其是复杂的机器人系统，通常很难构造出系统的Lyapunov函数证明控制方法的稳定性。所以，对于机器人稳定性问题的研究不仅具有实际的应用价值,同时对于发展非线性系统的稳定性分析理论具有重要的研究意义。
(4)目前的大部分研究集中在连续时间系统,而对离散时间系统的研究相对较少。在机械臂离散系统中,有时需要持续激励使系统稳定,但如何获得这种持续激励,仍是一个需要去解决的问题。
(5)目前，许多控制方法的研究都是基于计算机仿真试验的,现实机械臂系统上的试验相对较少,而且还大都局限于SCARA,Puma-560等平面机器人,把控制器设计的跟踪目标推广至空间三自由度甚至六自由度,具有一定的实际意义。
4结束语
机器人轨迹跟踪控制问题已被越来越多地人们关注。由以上的介绍与分析可知,机器人轨迹跟踪控制问题的理论研究将以各种控制方法相互结合为发张趋势，综合利用各种算法的特点，有效的实现机器人跟踪控制，以便于更好的为人类服务。总之，随着控制理论、信号处理等众多学科的发展，对机械臂轨迹跟踪控制的研究将不断的发展。
QQ交流群
