CAMOZZI康茂胜执行器对机器人的控制
随着信息、机械、材料等多学科的交叉发展，机器人在辅助甚至替代人类进行协调工作方面崭露出良好的应用潜质和强劲的市场需求。因此，机器人技术的研究不仅具有明显的应用前景，而且具有重要的理论价值。本文将机器人操作过程描述为多自由度运动/力混合非线系统，重点围绕如何处理执行器非线和状态约束等不确定因素展开研究，旨在提高机器人控制能。

CAMOZZI康茂胜执行器对机器人的控制
研究了在执行器间隙非线况下机器人抓取物体的协调控制问题，提出了一种补偿执行器间隙的运动/力分散模糊控制方案。首先，基于间隙非线逆补偿思想，构造了一种执行器间隙逆模型自适应控制方法。然后，通过建立分散鲁棒自适应模糊协调控制方法，保证了物体运动和内力分别收敛于期望值。zui后，将所提方法在双臂机器人系统上进行仿真计算并与已有方法进行比较，结果证实了所提方法的有效。二、研究了多机械臂在执行器磁滞非线和运动受限况下的协调控制问题，提出了一种基于Barrier李雅普诺夫函数方法的机器人自适应模糊控制方案。首先，在多机械臂的执行器动力学方程中建立了磁滞模型，进而引入了自适应控制技术补偿并减少来自未知磁滞非线的影响。紧接着，将不同工作环境下运动要求考虑进控制器设计，有效地限制了被操作物体的运动范围。并且，基于李雅普诺夫稳定定理，保证了所提方法在多机械臂协调过程中运动和力控制能。zui后，多组比较结果说明了所提方法的有效。三、研究了具有广义未知执行器非线的机器人系统运动控制方法，建立了新型的Nussbaum函数分析工具，解决了未知时变非线控制系数的稳定分析问题。相比较于已有的Nussbaum函数方法，所提的方法不仅将多个未知控制系数从常数扩展为时变量，而且去除了多个控制系数上下界已知的假设条件。将自适应鲁棒控制与Nussbaum函数方法相结合，保证了机器人系统状态在广义执行器非线况下渐近收敛到期望轨迹。进一步地，为减少因使用传统Nussbaum函数引起的控制抖动，提出了一种基于饱和Nussbaum函数的控制方法。所提Nussbaum函数是基于时间扩展思想构造，减少了传统幅值扩展Nussbaum函数带来的值域不确定问题。四、研究了双机械臂协调控制过程中由输出机构导致的状态磁滞约束问题，提出了一种自适应神经网络控制器，实现了机器人运动/力协调控制。所提方法完成了输出磁滞约束特分析，并应用Nussbaum函数方法解决了由反推控制设计方法带来的时变系数分析困难。同时，结合自适应神经网络控制方法，实现了神经网络权重矩阵的上界估计，减少了待更新自适应律数量，降低了完成实时控制所需的计算负荷。zui后，将所提控制方法与传统方法进行能比较与评估，其结果进一步验证了所提方法的有效、优越和鲁棒。五、研究了具有未知输出死区约束和物体不确定的多机械臂协调控制问题，提出了一种多机械臂运动/力自适应神经网络协调控制方法。给出了一种死区建模方法，解决了反推控制设计过程中由传统死区模型导致的控制奇异问题。同时，所提方法去除了控制器设计过程中已知物体尺寸参数的先验条件。应用李雅普诺夫稳定理论，证明了所提方法在多机械臂协调操作过程中运动和内力控制能。zui后，仿真结果说明了所提方法的有效。

CAMOZZI康茂胜执行器对机器人的控制
并且，通过与自适应控制方法相结合，建立了一种处理多个未知时变控制系数的控制方法，促成了针对多输入多输出系统的稳定分析，保证了机器人系统在未知执行器动态况下实现运动状态渐近跟踪期望轨迹的控制目标。