工业机器人控制技术的策略比较研究

韩洋祺 郑亚清 胡广雪

摘 要：工业机器人控制技术所属学科为机器人学，是包含机械、电气、控制理论、电子计算机、人工智能等多学科交叉的前沿科技。主要涉及到机器人的机械结构设计、数学模型的建立、传感器和执行器的研发和运动控制策略的研究等内容。近些年，随着智能科技的发展以及机器人应用领域的扩张，一些人工智能和智能决策算法也应用到机器人中。其中机器人学中核心技术是运动控制技术，也是广受教授和学者们的关注。

关键词：工业机器人；控制技术；策略比较

工业机器人发展的情况很大程度上取决于运动控制技术的发展，控制技术的发展主要分为经典控制理论、现代控制理论和智能控制理论。早期成熟的经典控制理论为工业机器人的控制技术的应用提供了基础，而随着时代的发展，现代控制理论逐渐成熟，并在工业机器人控制技术中得到应用。智能控制理论正处于研究发展阶段，在工业机器人的应用并不是很成熟。工业机器人通常是多关节的，具有强耦合性，以及在模型的建立上具有非线性和不确定性等问题。而且工业机器人受运行时间和未知环境影响会产生不确定参数摄动、系统外部干扰和负载未建模的动态误差等问题。导致传统的控制策略很难达到预期的控制效果，制约工业机器人控制性能的提高。

目前，随着科技的不断进步，人类社会的需求不断提高，工业机器人的应用需求不仅要求高度的灵活性、稳定性、快速性和准确性，还要求可以人机交互和外部环境感知等。同时多变和复杂的工作环境要求工业机器人的控制技术不断改进，传统的控制策略已经很难达到高精度、高性能的条件。需要更为先进的控制技术，其中常见的工业机器人控制策略主要有如下几种：

（1）PID控制

其优点在于结构简单，性能相对稳定，应用成熟，适用于低速、运动不复杂的工业机器人系统。缺点是工业机器人系统是高度非线性的，缺少工業机器人模型的动态补偿，PID控制难以保证工业机器人快速高精度运行以及工业机器人的动态性能和静态品质，控制效果较差。

（2）滑模控制

滑模控制的优点在于具有较强的鲁棒性，不需要特别精确的数学模型，只需要对滑模面和趋近律进行合理的设计即可。所以在非线性、不确定性的系统应用比较广泛。但是滑模控制会使控制系统产生强烈的抖振现象，会严重影响系统的稳定性和结果的精度。

（3）迭代学习控制

迭代学习控制的优势在于不需要精确的数学模型，而且控制器结构简单容易实现。但是不能有效的抑制外界干扰和不确定性因素的影响，尤其是非周期性干扰和参数未知扰动。而且迭代学习控制还存在着学习速率慢、收敛精度低等其它问题。

（4）神经网络控制

神经网络可以自学习任意函数，避免了自适应控制中复杂的数学计算，同时不需要系统太多的先验信息和参数信息，可以有效的解决模型不确定性的控制问题。

（5）其它智能控制

和传统的控制策略不同，智能控制不需要对工业机器人系统进行准确的建模或者太多的考虑各种不确定性。可以通过在线学习能力，对系统进行在线的识别、建模，并不断地进行完善，可以有效提高系统的控制效果。

课题项目：本文来源于重庆建筑科技职业学院2023年校级科研项目：工业机器人控制中的迭代滑膜控制应用研究（编号2023021）。