力控技術(shù)

1 基本柔順力控

1.1 直接力控

針對外力進行直接控制，其核心是通過操作期望力與測量力之間差值的方式實現(xiàn)相應力控

• 期望力的值該怎么給
  • 在絕大多數(shù)的實際應用中，我們都是優(yōu)先給予機器人位置軌跡的指令，而具體期望力的數(shù)值大小是極難直接精確給出的；
  • 用手去抓握一些柔軟易形變的物體時，首先是用手大致包絡(luò)住物體（位置軌跡），再去施力試探物體的軟硬以調(diào)整出適合抓握物體的力度（改變位置與力的動態(tài)關(guān)系），而非在腦海中直接形成一個所施加力的數(shù)值大小。
• 如何獲得精確外力的測量
  • 絕大多數(shù)業(yè)界使用的工業(yè)機械臂是不具備高精度力矩傳感器的；
  • 加裝力矩傳感器的機械臂（如末端六維力的工業(yè)臂和關(guān)節(jié)力傳感器的協(xié)作臂），如何穩(wěn)定地獲得精確度高、噪聲低與通頻帶寬的外力信號，這對實際的力/力矩傳感器提出了極高的要求（成本與可靠性），在實際的工業(yè)應用中很難得到大規(guī)模推廣應用。

1.2 間接力控

不對外力進行直接控制，轉(zhuǎn)而通過控制位置的方式來間接控制外力

1.2.1 被動和主動柔順控制

• 被動柔順控制

在機械臂的末端加裝相應的柔性彈簧裝置，詳情可參見下圖左，在已知裝置剛度的情況下，通過控制相應位移來控制末端的施加/接觸力

• 主動柔順控制

人為地將機械臂末端的目標位置設(shè)計在相應目標物之后，機械臂為了到達不可到達的目標位置而不可避免地與目標物發(fā)生力交互，詳情可參見下圖右

• 局限性

方法笨拙、動態(tài)適應性能不足，即只能滿足某種特定的簡單應用場合。

• 在被動柔順控制中，相應的彈簧裝置該如何設(shè)計來滿足各個方向外力的測量，以及剛度的值該如何設(shè)計來覆蓋各種施力范圍；
• 在主動柔性控制中，如何動態(tài)地設(shè)置值來精準控制施加外力、以及目標物的材質(zhì)和位姿發(fā)生變化該如何處理等等

1.2.2 混合力位控制

混合力位控制是阻抗控制和導納控制的基礎(chǔ)

針對末端笛卡爾空間且為法向控制力+切向控制位置的特殊子工況

力/位置混合控制，就是允許機械臂在某些自由度上進行力控制，在余下的自由度上進行位置控制，分別同時控制力和位置的方式。將機器人空間運動在笛卡爾坐標下分解，自由方向上的運動用位置控制器進行控制，受限方向上的運動用力控制器進行控制，兩組控制器的控制量之和為關(guān)節(jié)控制量。

位置控制需要 PD 控制，力控制需要 PI 控制，因為位置控制需要響應速度快，而力控制需要誤差更小。

1.2.3 阻抗&導納力控

1.2.3.1 原理

這兩種控制的基本控制目的，是希望在執(zhí)行器（例如機器人電機、液壓缸）的作用下，將負載移動到絕對位置為$x_0$的目標位置。但一般在移動的過程中，負載不會順利移動到$x_0$的位置，而是在中途會碰到障礙物。這時，柔順控制（導納或者阻抗控制）依據(jù)算法不同，修正執(zhí)行器的行為。最終使執(zhí)行器停止在一個平衡位置。這個平衡位置不等于$x_0$。就是說以犧牲位置精度的方式，實現(xiàn)柔性接觸（接觸力取決于算法），從而對碰撞物體進行保護，反過來也對執(zhí)行器有所保護。

機器人的阻抗/導納控制不是直接控制機器人的位置和作用力，而是調(diào)整阻抗/導納模型，即在阻抗/導納控制中為了完成既定的任務，建立力、位置、速度間的阻抗關(guān)系模型。

1.牛頓第二定律

$$\begin{gathered} F=m\ddot{x} \\ {F}_h?l=J?{\ddot{\theta }}_k\text{（}轉(zhuǎn)動）\text{\hspace{1em}(1)} \end{gathered}$$

其中$F_h$為交互力，轉(zhuǎn)動慣量為$J$，角加速度為${\ddot{\theta }}_k$，在一定的交互力下，轉(zhuǎn)動慣量越小，關(guān)節(jié)的轉(zhuǎn)動加速度就越大。一定程度上，這里的轉(zhuǎn)動慣量$J$是我們期望的轉(zhuǎn)動慣量

實際情況中，沒有什么東西可以直接控制關(guān)節(jié)的角加速度，只能通過控制電機的驅(qū)動力實現(xiàn)關(guān)節(jié)的運動。電機施加扭矩${\tau }_k$、人機交互力$F_h$、和關(guān)節(jié)實際的轉(zhuǎn)動慣量 $J_k$，共同決定了外骨骼關(guān)節(jié)角加速度${\ddot{\theta }}_k$，因此實際的外骨骼膝關(guān)節(jié)的動力學方程如下：
$$F_h?l+{\tau }_k=J_k?{\ddot{\theta }}_k\text{\hspace{1em}(2)}$$
我們期望交互力按照式$(1)$的規(guī)律，另一方面，實際的外骨骼關(guān)節(jié)動力學關(guān)系又不得不按照式$(2)$來進行。因此將式$(1)$看作一個約束條件，代入式$(2)$，就得到了**“在交互力滿足式$(1)$下的電機應該施加的扭矩”**：
$$\begin{gathered} {\tau }_k=(J_k?J)?{\ddot{\theta }}_k \\ {\tau }_k=(J_k{J}^{?1}?1)?F_{h}l\text{\hspace{1em}(3)} \end{gathered}$$
$J$是我們設(shè)定的期望轉(zhuǎn)動慣量，$J_k$是關(guān)節(jié)實際的轉(zhuǎn)動慣量 ， ${\ddot{\theta }}_k$可以通過膝關(guān)節(jié)編碼器得到，但是在控制系統(tǒng)中，通常不使用測量的加速度量。比起使用加速度計的信號，通常使用力傳感器的力信號會更可靠一些。

2.胡克定律和粘性定律
$$m\ddot{x}=F+F_{ext}\text{\hspace{1em}(4)}$$

上式描述了質(zhì)量塊的動力學，表述了主動力與外部力的關(guān)系。

物體的動力學關(guān)系除了牛二定律外，還有黏性定律、胡克定律。粘性定律描述力與速度的關(guān)系，通過阻尼系數(shù) $b$ 表征，胡克定律描述力與位移的關(guān)系，通過剛度系數(shù) $k$ 表征，三者合起來的一個經(jīng)典模型就是阻抗模型。用質(zhì)量-彈簧-阻尼二階系統(tǒng)表現(xiàn)出的特性來等效出阻抗特性。阻抗模型中，物體與環(huán)境施與的力（交互力）的關(guān)系為下式：
$$\begin{gathered} F=m\ddot{x}+b\dot{x}+kx\text{（}交互力與位移形式） \\ \tau =J\ddot{\theta }+b\dot{\theta }+k\theta \text{（}交互扭矩與轉(zhuǎn)角形式） \end{gathered}$$

讓交互力與關(guān)節(jié)運動呈現(xiàn)牛二關(guān)系，從而讓電機施加的扭矩呈式$(3)$那樣，這種控制方法可以叫“牛二控制法”。那么，讓交互力與關(guān)節(jié)運動呈現(xiàn)式$(4)$中的關(guān)系，從而讓電機按一定規(guī)律施加扭矩，這種控制方法就叫做阻抗控制法。

3. 模型表達

機器人末端收到的作用力與位置偏離目標軌跡的差之間建立的二階阻抗關(guān)系式稱為期望阻抗模型，一般選用二階微分方程形式：
$$?F_e=K_d(X?X_d)+B_d(\dot{X}?{\dot{X}}_d)+M_d(\ddot{X}?{\ddot{X}}_d)\text{\hspace{1em}(5)}$$
其中，

$M_d,B_d,K_d$——為期望阻抗模型的$n?n$慣性矩陣、阻尼矩陣和剛度矩陣，n為機器人工作空間維數(shù)；
$X,\dot{X},\ddot{X}$——機器人末端實際位移速度和加速度；
$X_d,{\dot{X}}_d,{\ddot{X}}_d$——機器人末端實際位移速度和加速度；
$F_e$——機器人末端與環(huán)境接觸時收到的作用力。

有些研究人員為實現(xiàn)接觸力跟蹤控制，對上面的阻抗模型進行修改，采用實際接觸力與期望接觸力之差$E=F_e?F_d$代替式$(5)$中的$F_e$，得到新的理想阻抗表達式
$$?E=F_d?F_e=K_d(X?X_d)+B_d(\dot{X}?{\dot{X}}_d)+M_d(\ddot{X}?{\ddot{X}}_d)$$
包含機器人機械結(jié)構(gòu)和采用主動控制的阻抗特性，其中機器人機械結(jié)構(gòu)阻抗特性一般是不變的，阻抗控制主要是在控制系統(tǒng)中調(diào)節(jié)主動控制的阻抗特性使系統(tǒng)達到期望阻抗模型。

4. 模型分析

機器人阻抗控制實現(xiàn)修改機器人與環(huán)境接觸作業(yè)的動力學模型為期望阻抗模型，期望阻抗模型本質(zhì)上是一個理想的機器人末端位置和與作用力間的動態(tài)關(guān)系，阻抗控制中機器人控制器的主要任務是調(diào)節(jié)機器人的行為，以維持這個理想的動態(tài)關(guān)系。

期望阻抗參數(shù)應根據(jù)不同的任務、應用場合而改變：

• 當外界環(huán)境具有柔順特性且給定任務對位置控制精度要求高時，期望阻抗模型中采用高剛度參數(shù)$K_d$，反之則選用低剛度值；
• 當需加快能量消耗時，阻尼參數(shù)$B_d$應取較大的值；
• 較大的慣性參數(shù)$M_d$有助于提高接觸過程穩(wěn)定性，但對加速度大的沖擊運動會產(chǎn)生較大的沖擊力。

1.2.3.2 區(qū)別和聯(lián)系

阻抗控制：

• 已知末端位置，帶入質(zhì)量-彈簧-阻尼模型中，來獲取與外界的虛擬交互力，再將這個力逆解分配到各個關(guān)節(jié)；
• 具體一點，結(jié)合已經(jīng)求得的外骨骼膝關(guān)節(jié)實際的轉(zhuǎn)動慣量$J_k$ 和理想的轉(zhuǎn)動慣量 $J$ ，實際的阻尼 $b_k$ 和理想的阻尼 $b$ ，實際的剛度 $k_k$ 和理想的剛度 $k$ ，如果知道膝關(guān)節(jié)運動量：角加速度${\ddot{\theta }}_k$，角速度${\dot{\theta }}_k$，角度${\theta }_k$，就能求得扭矩${\tau }_k$，輸出力。

導納控制：

• 通過力傳感器獲取外界對末端的外力，然后帶入質(zhì)量-彈簧-阻尼模型中，通過調(diào)整末端的位置、速度等實現(xiàn)與外力的平衡，再將末端的位置、速度逆解分配到各關(guān)節(jié)空間；
• 具體來說結(jié)合已經(jīng)求得的外骨骼膝關(guān)節(jié)實際的轉(zhuǎn)動慣量$J_k$ 和理想的轉(zhuǎn)動慣量 $J$ ，實際的阻尼 $b_k$ 和理想的阻尼 $b$ ，實際的剛度 $k_k$ 和理想的剛度 $k$ ，如果知道扭矩${\tau }_k$，則可以求出膝關(guān)節(jié)的運動量：角加速度${\ddot{\theta }}_k$，角速度${\dot{\theta }}_k$，角度${\theta }_k$，輸出運動

對應著兩種實現(xiàn)方法：

• 阻抗控制：測量實際位置與目標位置的差，調(diào)整末端的力，輸入運動輸出力；
• 導納控制：測量末端受到的力，調(diào)整末端的速度，輸入力輸出運動；

已知兩個自然系統(tǒng)的動態(tài)互相作用的結(jié)果是一個系統(tǒng)必須對另一個系統(tǒng)進行補償，即如果一個系統(tǒng)表現(xiàn)為阻抗特征，另一個系統(tǒng)一定表現(xiàn)為導納特性，因此在機器人與環(huán)境接觸作用中，機器人如果表現(xiàn)出阻抗特性，則環(huán)境表現(xiàn)為導納特性；若機器人表現(xiàn)出導納特性，則環(huán)境表現(xiàn)為阻抗特性。

• 導納控制

  • 基于末端六維力傳感器獲取外力/力矩，然后經(jīng)過導納控制器（二階導納模型）產(chǎn)生位移修正量，疊加到期望位置上。位置內(nèi)環(huán)，力外環(huán)。

• 簡單來說就是導納控制是通過外力改變了機器人的期望位置，而機器人從當前位置到期望位置的控制輸入是導納控制的內(nèi)環(huán)問題，是單純的位置控制，只需要給機器人發(fā)送位置指令即可，不需要機器人的動力學模型。

  • 在機器人做導納控制時，控制器是導納（輸入力，輸出位置），機械臂是阻抗（輸入位置，輸出力）。機械臂在得到位置指令后需要再將位置信息轉(zhuǎn)換為關(guān)節(jié)力矩信息，因為給機器人的指令都必須是各個關(guān)節(jié)的力矩信號，通過力來接改變機器人運動狀態(tài)（位置），力矩信號又轉(zhuǎn)化為關(guān)節(jié)電機的電流來控制。

• 根據(jù)末端力矩傳感器檢測外力，采用導納控制器計算出末端位移和速度，通過位置和運動學逆解求出關(guān)節(jié)的運動信息，所以不需要動力學

  • 外環(huán)控制器是【輸入力輸出位置】的導納控制器（力控制器），所輸出的位置信息需要再經(jīng)過一層內(nèi)環(huán)位姿控制器（位置控制器）來輸出力信息，同樣該力的信息要再經(jīng)過逆動力學輸出相應的位置信息給機器臂，同時該位置信息將反饋回到內(nèi)環(huán)（和阻抗有區(qū)別）的位姿控制器

• 阻抗控制

  • 基于動力學模型，在力矩環(huán)做補償力控制。位置外環(huán)，力內(nèi)環(huán)。
  • 阻抗控制最終機械臂是一個導納，即直接給機械臂發(fā)送關(guān)節(jié)扭矩指令，就可以直接改變機器人運動狀態(tài)（位置）
  • 外環(huán)控制器是【輸入位置輸出力】的阻抗控制器（位置控制器），所輸出的力將通過逆動力學輸出相應的位置信息給機器臂，同時該信息也反饋到阻抗控制器；

1.2.3.3 工程應用

1.2.4 阻抗力控

輸入運動，輸出力

用常規(guī)方法控制機械臂的運動，同時在運動收到干擾而產(chǎn)生偏移的時候，根據(jù)偏移量輸出一個反方向的力，即先規(guī)劃運動，再由運動偏移量決定反力，即阻抗控制需要我們能夠獲取位置信息，并且能控制機器人的關(guān)節(jié)力矩。

四足機器人站立、步行，相當于立足于地面來操作自己身體的機械臂，應為阻抗控制。

阻抗控制的特點是不直接控制機器人與接觸環(huán)境的作用力，而是根據(jù)機器人末端的位置（或速度）和末端作用力之間的關(guān)系，調(diào)整反饋位置誤差、速度誤差或剛度來控制作用力。

當把力反饋信號轉(zhuǎn)換為位置調(diào)整量時，力控制成為剛度控制；當把力反饋信號轉(zhuǎn)換為速度修正量時，力控制成為阻尼控制；當把力反饋信號同時轉(zhuǎn)換為位置和速度修正量時，力控制成為阻抗控制。

阻抗控制系統(tǒng)由內(nèi)部的力閉環(huán)控制和外部的阻抗計算環(huán)節(jié)組成。

根據(jù)系統(tǒng)的期望運動狀態(tài)($X_d,{\dot{X}}_d,{\ddot{X}}_d$)和實際運動狀態(tài)($X,\dot{X},\ddot{X}$)以及期望阻抗模型參數(shù)($K_d,B_d,M_d$)，外環(huán)計算出為實現(xiàn)期望阻抗模型需要作用在機器人末端的參考力$F_d$，通過內(nèi)環(huán)的力控制器使機器人與環(huán)境之間的實際作用力跟蹤該期望接觸力，從而實現(xiàn)機器人與環(huán)境作用的等效模型為期望阻抗模型。
$$?F_d=K_d(X?X_d)+B_d(\dot{X}?{\dot{X}}_d)+M_d(\ddot{X}?{\ddot{X}}_d)\text{\hspace{1em}(6)}$$
其中，$F_d$——阻抗控制的輸出期望力，通過計算得到；

$X,\dot{X},\ddot{X}$——根據(jù)編碼器得到的關(guān)節(jié)位置計算出的末端執(zhí)行器的實際位置、速度、加速度，已知；

$X_d,{\dot{X}}_d,{\ddot{X}}_d$——期望的位置、速度、加速度，已知；

$K_d,B_d,M_d$——用戶自己設(shè)定的期望阻抗參數(shù)，不代表機器人模型的剛度阻尼質(zhì)量，是用戶自己設(shè)定的力與位置的關(guān)系，已知；

理想狀態(tài)下，力控制閉環(huán)通過關(guān)節(jié)力矩給機器人末端提供力$F_c$，滿足$F_c=?F_d$，帶入式$(6)$易知可實現(xiàn)期望的阻抗模型：
$$\begin{gathered} F_c(s)=Z(s)(X?X_d) \\ =(M_d{s}^2+B_{d}s+K_d)(X?X_d)\text{\hspace{1em}(7)} \end{gathered}$$
機器人關(guān)節(jié)驅(qū)動力參考值：${\tau }_d=J_F^T(q)F_d$，力傳感器測量的外力$F_e$映射到關(guān)節(jié)空間：${\tau }_e=J_F^T(q)F_e$，將上述兩個關(guān)節(jié)驅(qū)動力之差$\tau ={\tau }_d?{\tau }_e$輸入到關(guān)節(jié)力矩控制器，實現(xiàn)機器人與環(huán)境間接觸作用力控制，或者讓機械臂與目標維持一個恒定的期望跟蹤力$F_d$，用$F_e?F_d$實現(xiàn)力的跟蹤。

假設(shè)，想運動1cm的機械臂撞到了0.9cm處的玻璃，此時玻璃會對機器人產(chǎn)生一個末端接觸力$F_e$，這個力抵消會$F_d$的作用，讓機械臂逐漸不再往前運動。平衡狀態(tài)下，$F_d=F_e$ ,機器人也會停在0.9cm多一點點的位置。其$X$與$X_r$始終由一段距離，用來產(chǎn)生力$F_d$。讓機械臂與墻維持一個恒定的期望跟蹤力$F_d$，此時用$E=F_e?F_d$來代替$F_e$，就可以實現(xiàn)力的跟蹤。
對于阻抗控制，根據(jù)式$(6)$，$X,X_d$為已知量，可以計算出$F_d$（期望執(zhí)行器輸出的力）。在控制器中力閉環(huán)的作用下，不斷進行$F_d$和$F_e$（接觸力）進行比較，將差值驅(qū)動執(zhí)行器運動，形成力閉環(huán)。當$F_e=F_d$時，系統(tǒng)就達到了平衡狀態(tài)。

1.2.5 導納力控

輸入力，輸出運動

先執(zhí)行一個運動，然后測量此運動反饋的力，由反力決定運動，輸入力輸出運動。

比如抹布擦玻璃、打磨拋光等，由于運動方向決定了摩擦力的大小，應該用具有導納特性的機械臂作用于該阻抗型的外界環(huán)境。

導納控制由位置控制內(nèi)環(huán)和外部的導納計算環(huán)節(jié)組成，位置閉環(huán)

根據(jù)機器人與環(huán)境間的實際作用力$F_e$以及期望的阻抗模型參數(shù)($K_d,B_d,M_d$)，由控制系統(tǒng)外環(huán)計算出為實現(xiàn)期望導納模型產(chǎn)生的位置修正量$\Delta X$，將參考位置$X_r$、位置的修正量$\Delta X$和實際位置$X$輸入到內(nèi)環(huán)的位置控制器，使實際位置跟蹤期望位置，從而實現(xiàn)機器人與環(huán)境接觸作用模型為期望導納模型。

由力\力矩傳感器測量接觸力$F_e$，在控制器外側(cè)，$F_e$經(jīng)過力量導納模型后輸出軌跡修正量$e=\Delta X=X?X_r$，導納控制器的計算公式為：
$$F_e=K_d(X?X_r)+B_d(\dot{X}?{\dot{X}}_r)+M_d(\ddot{X}?{\ddot{X}}_r)$$
其中， $F_e$——參考接觸力，已知；

$K_d,B_d,M_d$——用戶自己設(shè)定的導納控制器期望參數(shù)，已知；

$X_r,{\dot{X}}_r,{\ddot{X}}_r$——參考的位置、速度、加速度，即一切完美零誤差時的位置，已知；

$X,\dot{X},\ddot{X}$——真實位置，未知，通過計算得出，在導納控制中，我們假設(shè)位置控制是沒有誤差的，指哪打哪，所以這里的真實位置$X,\dot{X},\ddot{X}$也是期望位置$X_d,{\dot{X}}_d,{\ddot{X}}_d$。

在頻域中表示為：
$$e(s)=\frac{F_e(s)}{M_d{s}^2+B_{d}s+K_d}$$

• 當機器人末端未與環(huán)境接觸時，收到外界作用力為0（$F_e\equiv 0$），對應的位置修正量$e\equiv 0$，且$X=X_r$；
• 當機器人末端與環(huán)境接觸時，假定位置控制沒有誤差，即$X\equiv X_d$，則有$e=X_d?X_r$。

以機器人撞玻璃為例，初始未接觸玻璃時$F_e=0$，故給機器人發(fā)送的$X=X_r$，也就是1cm；運動過程中，機械臂碰到玻璃，$F_e$增大，$X$隨之減小

對于導納控制，系統(tǒng)只有一個位置閉環(huán)?？刂破鞲鶕?jù)已知的$X_r,F_d$值，根據(jù)導納控制算法，計算出$x(t)$，$x(t)$是一個時間函數(shù)，控制器內(nèi)部的位置閉環(huán)將驅(qū)動執(zhí)行機構(gòu)，不斷向目標值$x$逼近，最后穩(wěn)定在$x(t_{end})$的位置上，即$x_d(t_{end})$處。

2 先進力控

經(jīng)典柔順控制方法在簡單操作任務中可以有效的控制力和位置，但在復雜任務中，有接觸環(huán)境不確定、模型不準確、傳感器存在噪聲及外界存在干擾等問題，此時經(jīng)典的柔順控制器的性能將會下降，需要重新調(diào)節(jié)控制器參數(shù)。先進柔順控制方法是基于基本柔順控制方法，加入了自適應控制、魯棒控制或?qū)W習算法等先進控制策略的控制方法。

2.1 自適應力控

自適應力控制在基本的力控制方法中加入了一些自適應策略，使得當機器人和環(huán)境存在未知參數(shù)時仍然可以獲得需要的剛度、阻尼或阻抗?？偟膩碚f，機器人自適應力控制方法可以分為兩類：間接自適應方法和直接自適應方法。 間接自適應方法中存在一個參數(shù)估計器對機器人力控制系統(tǒng)中的未知參數(shù)進行估計，估計器得到的參數(shù)用于設(shè)計自適應律。由于間接自適應方法需要精確的機器人參數(shù)和接觸環(huán)境的模型，在實際應用中往往比較困難或者難以實現(xiàn)，所以直接自適應方法在機器人力控制中得到越來越多的應用。

2.2 魯棒力控

魯棒力控制器基于對不確定性的描述參數(shù)和標稱系統(tǒng)的數(shù)學模型來設(shè)計，以固定的控制器保證在機器人和環(huán)境之間存在模型誤差時，系統(tǒng)能穩(wěn)定并且達到需要的動態(tài)性能，無需自適應算法，運算速度快，實時性好。魯棒力控制器的輸出包括兩部分：魯棒控制律和反饋控制律，反饋控制律通常為 PI、PD、PID 等，魯棒力控制的難點在于如何設(shè)計一個好的魯棒控制律， 魯棒控制律通常采用李雅普諾夫直接方法得到。到目前為止有兩類主要的魯棒力控制策略：魯棒力/位混合控制和魯棒阻抗控制。魯棒力控制方法必須在系統(tǒng)的魯棒性和控制精確性之間折衷。

2.3 學習力控

學習控制已經(jīng)被用于機器人位置控制中，近年來在力/位混合控制中也得到應用。學習力控制可以用于執(zhí)行重復操作的場合，利用位置、速度、加速度誤差或力誤差對執(zhí)行操作所需的輸入指令進行學習，可以顯著提高控制性能，學習力控制在參數(shù)不確定性和干擾足夠小的情況下，可以保證位置和力跟蹤誤差收斂。

3 智能力控

基本柔順控制方法和先進柔順控制方法都是建立在機械臂動力學模型基礎(chǔ)上的，而以模糊控制、神經(jīng)網(wǎng)絡(luò)等智能控制方法解決具有不確定性的柔順控制問題提供了有效途徑。

3.1 模糊柔順控制

模糊控制不需要被控對象的精確數(shù)學模型，僅通過被控對象輸入量、輸出量的檢測，進行有針對性的各種可能狀態(tài)的推理和判斷，做出適應性調(diào)整。但是，單純的模糊控制缺乏自學習、自適應能力，當對象參數(shù)變化或負載變化時往往不能獲得滿意的控制效果，在機械臂柔順控制中的應用范圍受到了限制。

模糊柔順控制可應用于多個領(lǐng)域，包括：

• 工業(yè)機器人：用于執(zhí)行精確的裝配和操作任務。
• 服務機器人：使機器人能夠與人類合作并適應不同的操作環(huán)境。
• 自主無人機：用于穩(wěn)定的飛行和風險管理。

3.2 神經(jīng)網(wǎng)絡(luò)柔順控制

神經(jīng)網(wǎng)絡(luò)具有自適應性和自學習性的特點，適用于機械臂柔順控制的研究，與傳統(tǒng)控制方法相比具有很大的優(yōu)越性。

這方面的研究大體可分為兩類：一類是假定機械臂動力學模型完全未知，神經(jīng)網(wǎng)絡(luò)通過學習來逼近系統(tǒng)的動力學或逆動力學模型，以實現(xiàn)反饋控制或逆動力學控制；另一類是假定機械臂動力學模型為部分已知的，神經(jīng)網(wǎng)絡(luò)被用來學習模型中的未知參數(shù)，以減少在線計算的負擔。

神經(jīng)網(wǎng)絡(luò)柔順控制可應用于各種領(lǐng)域，包括：文章來源地址http://www.zghlxwxcb.cn/news/detail-857478.html

• 協(xié)作機器人：用于與人類或其他機器人合作執(zhí)行任務。
• 環(huán)境適應性：使機器人能夠在復雜和不確定的環(huán)境中操作。
• 外科手術(shù)機器人：用于實現(xiàn)精確和穩(wěn)定的外科手術(shù)操作。

到了這里，關(guān)于機器人現(xiàn)有力控技術(shù)檢索的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！