文 献 综 述
1.1 引言
随着工业自动化的不断推进，我国的工业机器人市场发展迅速，“十三五”期间，我国工业机器人产量由2015年的3.3万台增长到2019年的17.7万台，年均增速达到52.2%，2019年工业机器人消费量达到14.3万台，连续7年位居全球第一。机械臂作为工业机器人的一个重要分支，目前被大量应用在机床加工、装配作业、海洋开发和军事工程中[15]。
由于功率-自重比高和响应速度快等优点，液压执行器在机械臂系统中得到了广泛的应用，为重型作业中的机械臂提供了一个很好的解决方案[16]，但液压机械臂关节的轨迹跟踪控制却具极大挑战。一方面由于多自由度机械臂是多输入多输出的强耦合系统，且动力学参数难以精确测量，运动学参数存在不确定性；另一方面液压执行器系统也包括各种非线性特性和建模不确定性，如摩擦非线性、未建模动态、死区等建模不确定性和外部干扰等，这些都给液压机械臂的轨迹跟踪控制带来了极大挑战。本文下面将分类别介绍一些国内外学者提出的主要液压机械臂轨迹跟踪控制策略。
1.2 国内外研究现状
PID控制：PID控制方法自上世纪50年代提出以来，迅速得到了广泛应用，其原理简单，有效快捷，但对于液压机械臂这种强非线性系统，PID控制很难保证跟踪精度和稳态性能。因此，大量学者也在基础PID方法上进行改进，以达到更优的控制性能。Woorod A. Shutnan将分数阶PID控制方法运用到机械臂的控制上，并采用克隆选择优化算法在线优化PID参数，控制性能明显优于传统PID控制方法，但仍存在较大的跟踪误差[1]；A.Kirecci将PD控制与参数自适应结合来补偿液压系统模型不确定性，文献基于目前状态和过去状态的输入输出数据，采用迭代算法估计模型中未知参数，并证明算法可用于不稳定系统和非最小相位系统，扩展了传统PID方法的适用范围[2]。
滑模控制：滑模控制方法通过设计滑模面，迫使系统沿状态轨迹小幅度、高频率上下运动至平衡点，响应快速，但由于设计过程使用符号函数，可能会放大系统噪声，并造成系统颤振现象。李元春等在考虑系统存在未建模动态和时变干扰条件下，通过定义虚拟控制量，通过选取合适的Lyapunov函数，设计了一个自适应二阶滑模控制器，同时保证了系统的跟踪误差和抗干扰特性，并消除了传统滑模控制引起的颤振现象[3]。韩俊庆等使用时延估计技术对系统总的模型确定性和外部干扰进行估计，并针对局部模型设计非奇异终端滑模控制器，解决了传统滑模控制的奇异问题，并严格证明了滑模变量可以在有限时间收敛到0，相对于传统滑模控制精度提高了约60%[4]. To xuan Dinh等设计两个干扰观测器来估计并补偿液压机械臂系统的外部干扰和模型不确定性，并利用反步法设计快速终端非奇异滑模控制器保证关节轨迹可以快速收敛到期望值,并且无需知道系统不确定性和干扰的上界[5]。
模糊控制：模糊控制是以模糊集理论、模糊语言变量和模糊逻辑推理为基础的一种智能控制方法，它从行为上模仿人的模糊推理和决策过程，在传统控制方式基础上加入模糊控制器以实现控制系统参数的在线调整，可提高系统自适应能力。Corbet首次将模糊控制应用到液压机械臂运动控制中，机械臂系统具有更快的响应速度，并且对于参数不确定性和动力学非线性，具有较好的鲁棒性[6]；Wonohadidjojo等提出一种新的模糊控制器，采用粒子群优化算法在线更新控制器参数，并考虑系统的摩擦非线性以及泄露非线性，实验结果表明控制器具有很好的鲁棒性[7]。
自适应鲁棒控制：自适应鲁棒控制(ARC)方法通过将性能指标与实际情况进行比较，不断对模型参数进行修改来补偿外部干扰和模型不确定性，最终达到系统的要求。Yao.B等人将基于反步法设计的自适应鲁棒器使用在液压缸驱动的三关节机械臂控制上，为避免反步设计过程中使用加速度信号，使用观测器来避免加速度反馈，这种ARC方法属于直接型的，只能使用梯度型的参数自适应律[8]。在此基础上，又提出了直接/间接自适应鲁棒方法(DIARC)，可使用最小二乘估计方法实现参数自适应，在一定程度上改善了参数自适应的效果[9]。这两种方法均使用基于非线性模型的设计方法，并且稳定性分析均是基于Lyapunov函数的。姚建勇等人基于反步法将误差符号积分鲁棒控制(RISE)方法和自适应方法结合来补偿包括非线性摩擦和外部干扰的不匹配的不确定性以及由于模型参数变化造成的匹配的不确定性，并通过理论证明该方法可以保证渐近跟踪性能[10]。在此基础上，姚志凯在上述方法基础上利用神经网络估计系统不确定性和外部干扰，结合RISE处理剩余不确定项，进一步提高了执行器的跟踪精度，并且经过严格证明控制器可以保证半全局渐近稳定[11]。
1.3 总结
