MATLAB 机器人的自适应迭代学习控制(2)
节的驱动力矩，使得其能够更快、更准确的完成目标。
常用的机器人控制有迭代学习控制、PID 控制、自适应控制、基于模型的控制等。
以下是对它们在机器人控制方面的先关描述[1]
。
（1）迭代学习控制：作为机器人轨迹控制最典型案例[2]
，是迭代学习控制的特点
已在前文多次提及。
（2）PID控制：这种控制方法无需建模，容易实现，但由于需要较多的控制能量，
以及控制效果的不理想，正渐渐被其它方法取代[3]
。
（3）自适应控制：与其它控制方法相比较，它在被控对象以及外部干扰发生动
态变化时拥有良好的适应性。但同时，它对实时性有较高的要求，当在线辩识参数又
需要大量的运算，这都大大提高了它的复杂成度。尤其是参数不确定时，自适应系统
的缺陷就更加明显了。
（4）基于模型的控制：顾名思义，此类控制方法是通过数学建模来实现控制的。
通过对机器人结构的分析，建立动力学方程，将机械参数代入后，通过计算力矩法、
最优控制法等方法实现控制。但由于机器人系统的复杂性，很难完成精确建模，使得
此类方法难以实现。
由于建立机器人的精确数学模型难以实现，因此在理论研究时，我们常把实际工
程中的一些不确定因素忽略。这些因素既有参数的不确定（如物体重量、机械手的相
关数据等），还有非参数的不确定（比如动/静摩擦力等），以及外部工作环境等诸多因素。
1.2 机器人的广泛应用
机器人作为 20 世纪的一项重要工业技术发明，最早由美国 Consolideted Control
公司于 1958 年研制成功。诞生至今已有半个多世纪的时间，借着第三次科技革命浪
潮迅猛发展，目前已在发达国家的诸多领域得到广泛应用。
从应用领域来看，机器人的种类繁多，各行各业均有应用。从应用程度上进行划
分，可以将机器人分为两大类：一类是工业机器人，一类是新型机器人。
作为第一个出现机器人的领域，在生产中，用于工业的机器人一直处于较高的水
平。目前，工业机器人主要运用在机械、电子、塑胶、汽车及其零部件等各主要产业
领域。其中，汽车制造业占了约占工业机器人总量的一半，作为工业机器人的传统领
域，工业机器人已成为汽车生产中的关键智能化设备。在所有的主要汽车制造工艺如
焊接，喷漆，冲压，发动机和变速器的制造和总装作业车间中均有的大量使用。图1.2.1
即为焊接中，工业机器人的运用 除了汽车领域，传统行业中的的机械加工也大量使用工业机器人，这其中包括铸
造、锻造、切削、刨铣、表面处理等许多方面。工业机器人以其高精度和稳定的质量
水平受到越来越多人的欢迎。 随着 IT 行业的兴起，电子行业也得到了极大地发展，手机、随身听、mp4、笔
记本电脑等电子产品的热销更是给电子装配行业带来了大量的订单。但由于人工装配
时，工作枯燥、精度要求高，员工面对复杂结构，长期重复性劳动无疑会带来生产效
率和合格率的下降。为解决这些问题，许多企业选择引入工业机器人以提高电子元件
的自动攒装率。从产业转型看，为了规避越来越高的人力成本，电子行业必将广泛使
用工业机器人，成为机器人应用程度仅次于汽车的第二大行业。
随着科学技术的飞速发展，除了在工业领域的大规模应用，机器人也逐步向高精
尖端和日常生活这两极发展。一方面，核能运用、航空航天、医疗、海底探测等高科