机器人控制问题,无论是在理论界还是工程界,多年来一直是人们研究的热点。众所周知,机器人是一个复杂的多输入多输出系统,具有时变、强耦合和非线性的特点,对其控制也是十分复杂的。机器人关节空间轨迹跟踪问题是机器人控制的一个基本任务。当机器人的动力学模型已知时,反馈线性化技术可以很好地解决其控制问题,然而在实际中,模型参数变化、负载变化等不确定因素及饱和非线性的影响,使闭环系统控制性能恶化,甚至导致不稳定,这就要求机器人控制系统有较强的自适应性和处理驱动器饱和的能力。迄今为止,机器人控制研究已经取得了很多成果,但是,几乎所有的控制器设计都是建立在关节驱动器能产生任意扭矩的基础上。实际中驱动器的输出都有内在的物理限制,当输入超过其限制时,驱动器进入饱和,严重影响控制器性能,甚至造成控制失效。因此,在控制器设计时,必须考虑到驱动器饱和,得到系统获得较大稳定域相应的控制器设计方法具有重要的理论和实际意义。本文研究首先基于多模型自适应控制方法,针对参数变化引起机器人跟踪过程误差大的问题,提出了一种新的多模型控制权重计算算法,接着在一个两连杆机器人上完成仿真实验,证明了该算法优于传统算法;最后基于组合非线性反馈与计算转矩控制相结合的控制方法,研究了机器人控制存在饱和约束时的吸引域评估方法,通过引入Ricatti方程迭代法设计线性增益来扩大吸引域,减小评估的保守性,并通过仿真证明了方法的有效性。具体工作包括以下几个部分:1.提出了一种新的多模型控制权重计算算法。基于加权式多模型控制方法,考虑对被控对象建立多个局部模型,每个模型的作用通过控制权重来体现,通过在线计算模型权重来适应对象参数变化。在参数变化较快时,瞬态误差比较敏感,而慢时变时,累积误差则是一个很好的参考指标,因此,通过结合两者各自优点提高系统性能。本文提出的算法就是基于瞬态误差和累积误差来减小过程误差。2.将本文提出的权重计算算法运用到机器人多模型自适应控制中。在机器人任务空间,对其建立多个模型以覆盖参数的不确定性,从而构成多模型控制器来改善过程误差。以一个两连杆机器人为对象,分别在负载恒定和负载变化两种情况下运用本文提出算法进行了仿真,并与常规的只基于瞬态误差的算法进行了比较,获得了更好的跟踪效果。3.上述的控制方案也是假定驱动器能够提供充分大的扭矩,由于驱动器的物理限制,驱动器的输出能力有一定限制,因此考虑机器人驱动器饱和,提出一种新的吸引域评估、扩大及相应控制器设计方法。基于组合非线性反馈与计算转矩控制相结合的控制方法,充分利用组合非线性理论完成系统吸引域的评估,同时改善系统的动态性能。实际控制系统中,若设计的控制器在饱和介入时吸引域太小,则控制器输出不能直接驱动对象,需要重新设计,否则影响控制性能。本文引入Ricatti方程迭代法设计线性增益,以获得尽量大的系统吸引域,减小评估保守性,保证控制器的控制性能,仿真结果证明了方法的有效性。