解析工业机器人的智能化运动技术控制方式方法

江苏省常州技师学院 韦俊

工业机器人的诞生和应用很大程度上推动了社会生产力的进步和社会经济的发展，各个领域的发展和进步都离不开工业机器人的帮助。在智能化时代的背景下，工业机器人势必会顺应时代发展同步发展，为进一步提升工业机器人的效率和作用，越来越多的人投身于机器人智能化研究工作之中，研究工业机器人智能化运动技术控制方式方法已经成为行业的热点问题。

1 工业机器人智能化运动技术的现状

有关工业机器人的研究已经有上百年历史，经多年研究工业机器人的生产力得到了很大程度上的提升，目前工业机器人的整体生产水平较高。在工业机器人的具体应用时，结合不同的行业要求和特点会对工业机器人进行适当调整，但是从工业机器人智能化技术的控制方面来看，控制还无法满足应用需求。工业机器人智能化技术控制主要是为了控制机器人的位置和速度，确保工业机器人的正常运转，但还有不少工业机器人未能达到这一目标要求[1]。总体来说，工业机器人智能化运动技术存在着控制不足的问题，主要表现形式有以下几种。第一，工业机器人处于高速运动状态时，少有对工业机器人的控制。第二，关于工业机器人传感器方面的研究比较少，多传感器信息融合存在问题。第三，缺乏核心的对工业机器人进行定位与自主导航的技术，工业机器人的智能化程度受限。第四，规划工业机器人运动路线时，很难制定和选择出最佳路线。第五，模糊控制手段存在矛盾暂时未得到调和，以至于关于工业机器人智能化运动技术控制效果不佳。

2 对于工业机器人智能化运动技术控制方式方法的研究

2.1 自适应控制

自适应控制手段是工业机器人智能化运动技术控制方式之一，在工业机器人智能化运动控制方面发挥着重要作用。从21世纪开始，我国已经有大量人员深入自适应控制进行研究，不同领域的专家学者从不同方面展开研究工作，大大提高了研究效率和研究质量，使得自适应控制方法不断完善。在自适应控制方法下，当工业机器人受外界干扰较大或是在系统输入数据时，机器人可以依靠自身系统、凭借自身能力对运行进行调整和控制，从而确保数据输入工作的正常进行，确保作业的顺利完成，避免对工业生产活动造成不利影响。自适应控制方法具有良好的控制效果，在工业机器人控制方面使用较为频繁，但使用时存在局限，要求工业机器人在运行过程中具备辨别数据的能力，要求工业机器人系统始终保持稳定运行。但由于各种原因限制，并非所有工业机器人都可以在工作状态下始终保持辨别参数的能力，也很难保证全过程的系统稳定运行。特别是参数不确定的情况下，自适应控制方法对工业机器人运行系统的要求会更高，过程中还伴随大量的计算[2]。为减少参数跳变对自适应控制的影响，越来越多的专家学者深入这方面研究，通过采取特定手段理论上可以解决自适应控制过程中存在的问题，但工业机器人实际运行中还存在大量的干扰因素和不确定因素，理论无法践行于实际之中。目前自适应控制过程中存在的问题暂时无法得到调和，我国工业机器人智能化运动自适应控制手段与世界领先水平之间存在的差距还比较大，仍然需要专家学者的深入研究和不懈努力，此事任重而道远。

2.2 模糊逻辑控制

与自适应控制方式相比，模糊逻辑控制方法出现的时间更为久远，早在20世纪60年代已经有关于模糊逻辑控制论的研究，我国对模糊逻辑控制的深入研究主要发生在近十年。从应用领域来看，模糊逻辑控制已经被应用于包括工业机器人智能化运动在内的多个科技研发领域之中，经持续发展和不断改进，模糊逻辑控制未来可能被应用于更多领域。分析模糊逻辑控制的原理可以发现，模糊逻辑控制的关键在于模糊控制器，模糊控制器可以对传感器收集的信息进行特殊化处理，经过模糊控制器的推理之后，处理结果便可运用于对工业机器人智能化运动的控制。模糊逻辑控制的基本原理是将工业机器人智能化控制系统简单化，在提高智能化控制系统抗干扰能力的同时实现人机对话，从而对工业机器人的智能化运动进行有效控制，因此模糊逻辑控制又被称为语言控制。虽然模糊逻辑控制对工业机器人智能化运动的控制效果较好，但实际上模糊逻辑控制方法也存在问题，在利用模糊逻辑控制方式对工业机器人智能化运动进行控制时，工业机器人很容易出现局部的震荡，从而对工业机器人的运行环境造成不良影响。为尽可能规避模糊逻辑控制的不利影响，运用模糊逻辑控制手段时还需要借助自适应控制手段进行精确控制，当工业机器人发生局部震荡时帮助工业机器人规避障碍物，从而确保工业机器人的稳定运行。基于对稳定我国业化生产、进一步提升工业化生产水平的考虑，相关人员还需要深入研究模糊逻辑控制手段，进一步提升模糊逻辑控制方法的作用，以便于扩大模糊逻辑控制方法的运用范围。

2.3 神经网络控制

神经网络控制方式已经在我国工业机器人智能化运动控制领域发挥了重要作用，对工业机器人进行分类，有关水下工作的工业机器人、协作工作的工业机器人神经网络控制研究已经取得了重大突破并收获了一定成果，不难推测出神经网络控制方式具有良好的发展应用前景。神经网络控制方式具有“四非”特征，即非线性、非常定性、非局限性和非凸性[3]。在工业机器人进行智能化运动时，神经网络控制方法主要是通过建立神经网络模型对机器人运行轨迹进行控制的，使用神经网络控制方法时常会结合传感器等设备共同开展控制工作，可在控制机器人智能化运动的同时帮助机器人提升工作准确率、排除运行过程中的障碍问题，从而对工业机器人进行有效控制。与此同时，借助神经网络模型在对工业机器人智能化运动进行控制时，还可以进一步提升工业机器人在导航方面的整体性能，进一步扩大工业机器人的运用范围和工作场景，从而提升工业化生产水平。与自适应控制和模糊逻辑控制这两种控制方法不同的是，神经网络控制具备良好的适应能力和学习能力，可使工业机器人智能化运动控制水平得到有效提升。即便是工业机器人在运行过程中系统参数发生跳转，在神经网络控制方式的帮助和作用下，其他系统依然可以保持稳定运行。既然神经网络控制方法具有如此特点和优势，神经网络控制势必会在工业机器人智能化运动控制领域占据重要地位和市场，工业机器人也会在神经网络控制的帮助下得到进一步发展。除了在工业机器人智能化控制领域的应用之外，相关人员可以积极探究神经网络控制方式的其他功能与作用，在其他领域应用这一控制方式，充分发挥神经网络控制方法的作用。

2.4 迭代学习控制

迭代学习控制方式的发展并不像以上三种控制方法那般简单，迭代学习控制方式最初被提出时并未得到广泛的认可和支持，即便是专业领域和技术界也未能认可迭代学习控制方式。但随着工业机器人智能化运动技术的发展，迭代学习控制方式可以帮助工业机器人在智能化运动过程中减少对数学建模的依赖性，而且工业机器人输出的数据值较为理想，专业领域和技术界便提高了对迭代学习控制方式的认可度和重视程度，近年以来越来越多的人深入研究迭代学习控制方法。迭代学习控制方式的运用首先需要借助系统算法，即根据工业机器人的具体情况确定迭代学习控制算法类型[4]。其次，为使得迭代学习控制效果得到进一步提升，需要明确系统硬件设计，包括电源模块、接口模块等。当系统的硬件设计确定后，需要对软件程序进行设计和确定，确保软硬件的质量，需要确定的软件程序包括中断程序、通信程序等。虽然我国对于迭代学习控制方式研究时间较短，但实际上我国迭代学习控制方式所取得的成就远远大于以上三种工业机器人智能化运动控制方式，而且迭代学习控制方式的应用范围也是四种控制方式中最广泛的。但与发达国家相比，我国关于迭代学习控制方式的研究还处于较低水平，迭代学习控制方式还有很大的提升进步空间。随着工业机器人的不断发展和应用，工业机器人智能化运动控制领域对迭代学习控制方式的需要会越来越大，相关工作人员仍然需要加强对迭代学习控制方式的研究，从而进一步提升工业机器人智能化运动控制水平，帮助工业机器人的高效运行，为我国工业化生产作出更大贡献。

3 结语

通过以上内容分析可以得出，加强对智能化运动技术控制方式方法的研究是发展工业机器人的前提和基础。虽然我国工业机器人还存在较大提升空间、存在一定不足，但科研人员一直处于不断研究和探索的状态之中，相信在不久的将来，我国工业机器人可得到进一步发展，工业机器人会在我国工业化生产与发展过程中发挥更大的作用和影响。