机器人力控制研究表述

王志军，武东杰，赵 震

(华北理工大学 机械工程学院，河北 唐山 063000)

1 机器人柔顺控制研究概况

随着制造工业的快速发展，机器人技术已经应用到各个领域，并且需求趋势日渐增加，对机器人性能和精度的要求也越来越高。机器人所面临的问题是如何在复杂环境下自如运行，针对这一问题，国内外专家做了大量的研究工作，称之为柔顺控制研究[1]。目前来看，机器人柔顺控制可以从两方面来分析：一方面是机器人通过改变自身机构来适应外界环境变化，称之为被动柔顺；另一方面是机器人以主动的方式通过力传感器检测外界环境变化反馈力信息，称之为主动柔顺。

被动柔顺机构，即通过机器人自身的一些缓冲机构如阻尼、弹簧等来实现机器人对环境的顺应控制，但这种方法有明显缺陷，即无法实现高精度的装配要求，局限性强，无法广泛应用于实际生产领域，本身缺少针对复杂环境的主动控制能力，生产效率低。因为被动柔顺控制的种种缺点，主动柔顺控制应运而生，成为当前的主流研究方向。

主动柔顺控制，其实是对力的有效控制，机器人在面对复杂环境时必须具备精确的感知力和准确的控制力。无论是表面抛光、打磨、喷涂，还是零件装配，都需要精确的力反馈作为基础。最早的主动柔顺控制研究可以追溯到20世纪50年代，自20世纪70年代以来，主动柔顺控制进入一个快速发展的时期，在计算机的辅助下，机器人主动柔顺控制无论是在理论研究方面，还是在实际生产领域都有重大突破，不仅弥补了被动柔顺控制的种种缺点，还为机器人控制带来新的曙光。

2 机器人力控制策略

主动柔顺控制是对力和位置的把握，力和位置是一对相互影响的因素，任何力控研究都要从这两点出发。从目前机器人的主流控制策略来看可以大致分为以下几类：阻抗控制策略、力/位混合控制策略、自适应控制策略和智能控制。

阻抗控制是对机器人末端执行机构位置和接触力平衡关系的控制，因为很多操作仅仅依靠位置控制很难满足要求，如打磨、装配等接触类作业，所以需要对工件表面有良好的力控制能力。Hongan[2]和Huang S[3]等人对此做出了巨大贡献，通过传感器接收的力反馈信息，调整执行机构位置、速度的变化量，进而满足控制要求。其缺点是并不能完美得到执行机构末端的精确运行轨迹和所接触环境的位置变化，这在很大程度上为机器人控制带来困难，目前尚在研究中。

力/位混合控制，顾名思义是对力和位置同时控制，Mason最早提出这个概念，机器人各关节进行位置协调控制和对各自受力的平衡控制，Zhang H等人提出了利用关节位置关系代替空间位置，需要利用雅可比矩阵得到坐标系关系。Singh H P[4-5]等人曾经提出通过神经网络来确定力/位混合控制的精准性，这是目前相对前沿的研究，为力控制技术打开了新的方向。

虽然力/位混合控制理论研究相对成熟，但在实际运用中依然存在问题。机器人控制的难点主要表现在两方面：①机器人作为一个多自由度机构，各关节的摩擦、耦合带来的系统内部误差;②外界环境的复杂性。现在很多操作环境都是不规则的，包括曲面跟踪等对控制精度要求很高的操作空间，仅依靠阻抗控制和力/位混合控制很难满足要求，Kuc Tae-Yong[6]等人提出了适应性模糊控制，通过对重力、摩擦力进行补偿，利用动力学逆求解等方法,使机器人力控制能根据环境变化做出应对。虽然此方法尚在理论研究中，但也为机器人控制开启了新的方向。

智能控制目前仍然处在起步阶段，无论是理论研究还是实际应用都有很多问题待解决，这更加说明了智能控制是未来机器人力控制的必然趋势。

3 机器人力控制的要点

力控制以达到精确控制为目的，机器人力控制从本质上来说是对位置的控制，在很多场合如零件装配需要准确的位置控制，这是目前需要突破的难点，机器人末端微小的位移量都会产生巨大的耦合。因此位置伺服的高精度是机器人力控制的必要条件。位置伺服经过几十年的发展已经达到一个很高的发展水平。但如何解决力/位之间的耦合，依然是一个问题。

力控制的稳定性是不可忽略的问题[7]，Toumi曾经提出通过降低碰撞冲击力来提高稳定性，根据能量守恒原则设计出力调节器，根据接触变化对力调节器作出相应调整，以减少碰撞，提高控制精度。力控制研究中，随着智能化发展，单纯的位置控制已经不能满足复杂环境下的实际应用，因此，如何在未知环境下实现精确的力控制是机器人力控制的难点之一。传感器作为机器人末端感知外界环境的媒介，有着不可替代的作用，是保证机器人柔顺控制的基础元件。因此，传感器的稳定性和准确性是力控制的突破方向。

4 机器人力控制的研究前景

机器人智能化发展已然是大势所趋，面对复杂的接触环境和对操作水平的高要求，更加智能、完善的力控制系统是发展的必然趋势。智能力控制中的对比、算法、耦合、反馈和逻辑推理等方法必须融为一体，实现理想的柔顺控制。总之，机器人柔顺控制是一项综合性技术，目前仍然处于摸索阶段，还有很长的路要走，随着智能化的进一步完善，机器人力控制最终将达到一个全新的高度。

参考文献：

[1] 殷跃红,尉忠信,朱剑英.机器人柔顺控制研究[J].机器人, 1998(3)：232-240.

[2] Hogan N.Impedance control:an approach to manipulation[C]//American Control Conference.[s.l.]:IEEE,2009:304-313.

[3] Huang S J,Liu YC,Hsiang S H.Robotic end-effector impedance control without expensive torque/force sensor[J].World Academy of Science,Engineering and Technology,International Journal of Mechanical,Aerospace,Industrial and Mechatronics Engineering,2013,7(7):516-523.

[4] Singh H P,Sukavanam N.Stability analysis of robust adaptive hybrid position/force controller for robot manipulators using neural network with uncertainties[J].Neural Computing & Applications,2013,22(7-8):1745-1755.

[5] Kumar N,Panwar V,Sukavanam N,et al.Neural network based hybrid force/position control for robot manipulators[J].International Journal of Precision Engineering & Manufacturing,2011,12(3):419-426.

[6] 陶瑞超，杨亚非.带有期望补偿的自适应鲁棒控制律设计及比较分析[J].测试技术学报，2012，26(1):74-77.

[7] 胡天健.空间机器人接触动力学与鲁棒控制综述[J].智能机器人,2016(2):37-40.