郭黎丽

摘要：随着工业机器人应用范围的扩展，提升智能化运动控制水平成为行业发展的重点方向。依托配套的硬件设施和软件程序进行技术控制，减少工业生产过程中电、磁等干扰因素的影响，提高工业机器人的运行效率、同步提高产品质量，是工业机器人应用于生产环节时需要注意的问题。本文从工业机器人的智能化运动技术应用的要求出发，对其控制方式方法进行说明，以提升相关研究水平，为行业发展做出贡献。

关键词：工业机器人;智能化;运动控制;设计

中图分类号：TP393 文献标识码：A

文章编号：1009-3044（2019）32-0196-02

工业机器人行业随着信息技术、传感技术、机械技术和智能化水平的提升取得了快速的发展，在机械、电子、医疗等行业的发展中起到了重要的推动作用，为社会生产力的提高起到了极大的促进作用。在未来的发展过程中，对于智能化技术应用的要求也将不断提升，对智能化运动技术研究水平的提升也提出了更高的要求。实现智能化运动控制，是现实工业机器人智能化先行条件，是目前工业机器人研究中的热点问题。

1工业机器人智能化运动技术研究现状

工业机器人的作用原理是在多线程输入和输出的软性控制下，驱动检测传感装置、控制器和伺服驱动系统等发生作用的机械体。在实际应用过程中，会根据应用行业和范围的不同进行专门的设计。虽然工业机器人的研究已经有近百年的历史，在整体上达到了较高的生产水平，但是就运动控制方面而言，与应用需求之间还存在较大的差距，远无法达到实际应用的要求。机器人运动控制的目的是为了将驱动力矩合理地分配到机械设备运行的各个关节，从而使机器人的位置、速度等狀态变量能够满足生产运行所要求的轨迹，而进行智能化控制则是能够通过信息传感器和中央处理器的作用，赋予机器人以感觉要素、反应要素和思考要素，因此从这一点来讲，具有编程能力和操作功能的机器人无法达到智能化运动控制的要求。目前工业机器人智能化运动控制研究方面存在的不足主要集中在以下几个方面：一是机器人在高速运转的状态下无法进行对应的控制，二是多传感器信息融合研究方面存在不足，三是自主导航与定位缺乏核心技术，四是路径规划无法达到最佳优化标准，五是模糊控制的规则库大小与推理时长之间的矛盾暂时无法解决。

2工业机器人智能化运动控制方法说明

2.1自适应控制

自适应控制的研究目前在我国机器人的智能化控制方面已经取得了良好的研究成果，自2000年以来，多个层次的研究人员在不同方面开展了这方面的研究。自适应控制研究的基本要求是指机器人在运行过程中能够在系统数据输入和外界干扰发生较大范围变化时，能够依托自身系统的自适应调节对运行参数进行对应调整，从而确保作业内容的输出仍然保持在稳定的范围之内，也就是确保运动控制的效果仍然能够满足下一环节作业的要求。自适应控制方法的应用要求机器人在作业环节中能够保持对运行参数的实时辨识，因而需要进行大量的计算，尤其是在非参数不确定的情形下开展计算，对于系统的稳定运行要求更高。相关学者在研究过程中从参数跳变和无模型等多个方面开展对应的研究，在理论方面能够解决自适应控制中存在的问题，但是在地面实验方面由于各方面条件的限制，目前我国在这方面与发达国家之间还存在一定的差距。

2.2模糊逻辑控制论

模糊逻辑控制论的研究起始于20世纪60年代，随着近十年来在这方面的研究不断深人，已经被应用于包括机器人智能化运动控制的多个科技研发行业。模糊逻辑控制论又被称为是语言控制，在应用于工业机器人的智能运动控制设计时，其运行的基本原理是利用模糊控制器的作用，将传感器收集的数据信息进行模糊处理，再通过模糊逻辑和模糊推论的推理作用取得对应的模糊输出结果，在模糊结果经过解模糊化处理后，就能够应用于系统控制，从而确保运动控制达到智能化处理的要求。模糊控制的方法从某种程度上而言，更加接近于人类智能活动的处理方式，在其应用过程中需要建立起高效的模糊控制规则并对隶属度函数进行确定。模糊逻辑控制论能够将智能控制系统尽量简化，能够采用语言的方式而不是采用数值对模糊变量进行描述，在没有完全依托数学模型运行的基础上运行的情况下，能够使用自然语言进行人机对话，从而使智能化系统具有较强的抗干扰能力和更好容错性。但是在基于模糊逻辑控制论下对工业机器人进行智能化运动控制，机器人在的运行过程中容易产生局部震荡的状况，在出现障碍物的情形下，必须借助于自适应PID控制进行精确控制，从而确保机器人能够达到较好的障碍规避效果，提升其运行环境的适用性。

2.3神经网络控制

神经网络控制具有四个基本特征：非线性、非局限性、非常定性和非凸性。这些特征有些是其他职能控制理论所共有的，而有些则是神经网络控制模型所独有的。在应用于工业机器人的智能化运动控制时，神经网络模型能够强化机器人的轨道控制，能够在传感器等其他设备的协同作用下提升机器人在操作方面的精度，能够及时对机械手在运动过程中出现的故障进行排除，还能够提升机器人在导航和视觉系统方面的整体性能，为扩大工业机器人的工作场景奠定良好的基础嘲。神经网络控制系统除了具备高度的自适应性和自学能力之外，还以强鲁棒性的特点使得工业机器人的智能化运动控制提升到更高的水平。高鲁棒性的特点在应用于智能化控制时，能够在系统运行的其他参数出现较大偏差的情形下，继续保持其他系统的稳定性运行。目前我国在坐垫机器人、水下机器人、协作机器人等不同类型的神经网络控制技术研究方面都已经取得了较为显著的成果，在未来的发展过程中，基于神经网络控制技术的智能化运动控制机器人必将占有较大的市场发展空间，从而为工业机器人的应用做出较大的贡献。

2.4迭代学习控制

迭代学习控制理论的提出在最初并没有得到技术界的认可，但是由于其在应用于智能化运动控制技术时能够以简洁的方式处理高度不确定性的动态系统，并且对于先验知识和计算量的依赖度较低，对于精确的数学建模系统依赖性比较低，在系统运行重复率越高的情形下，所输出的结果与理想值更加接近，因此在近些年来开始得到了技术研究人员的高度重视。在采用迭代学习控制对工业机器人的智能化运动控制系统进行设计时，首先需要确定系统算法，包括基本迭代学习控制算法和反馈辅助型迭代学习控制算法。其次是确系统的硬件设计方案，包括微控制器模块、电源模块、编码器模块、输入输出模块、串行模块、JTAG接口模块、掉电存储模块和CAN总线通讯模块等。最后是设计出对应的软件程序，包括运动控制板主程序、中断程序和数据通讯程序等。就研究水平而言，基于迭代学习控制的工业机器人智能化控制在我国机器人行业中所取得的成就较之于前几种智能控制方式更高，实际应用范围也更加广泛，但是相对于国外的研究水平还存在一定的差距。随着我国在工业机器人应用方面的需求不断增加，必将带动这方面的研究成果达到更高的水平。

2.5其他智能控制方式

在工业机器人的实际应用过程中，还有PID控制、变结构控制、遗传算法控制等多种不同的智能化运动控制方式，这些方式在实际应用过程中拥有各自不同的特点。有些智能控制方式对数学建模的依赖程度较低，控制律简便，在对非线性系统进行控制时具有较大的优势。但是就整体上而言，这些控制方式同时也具有对动态性适应性差，对于控制能量的需求度大等方面的缺陷，由此造成在实际应用过程中存在多方面的负面影响，无法真正适应工业生产的需求。

3工业机器人智能化运动技术控制方式发展趋势

智能化运动技术在工业机器人行业的发展过程中具有重要的作用，对于行业的整体发展起着重要的影响，因此其发展趋势在一定程度上来说，也是工业机器人在未来发展中的主要趋势，这种趋势可以体现在三个方面：一是智能化控制的性能不断提升，无论是基于何种控制方式方法进行深入研究，随着整体研究的不断提升，更多的新型技术必将应用于更多的工业机器人设计和生产环节中，不仅使得工业机器人的应用范围更加广泛，而且在操作和维护方面具有更好的便利性。二是工业机器人的智能化控制将会朝着仿生方向发展，也就是在某些特殊行业的工业生产中，将会由机器人来进行某些人类之前无法进行正常工作的环境，在拓展工业生产范围的同时推动工业生产水平的不断提升，从而为满足人类更高层次的物质需求奠定基础。三是与传感器的融合技术将不断加深，虽然目前在传感器应用的设想上已经促进了工业机器人的智能化控制研究水平朝着更高的水平发展，但是在实际研究过程中受制于研究材料等方面的限制，传感技术与控制系统的融合还处在较低的层次，只有不断提升这方面的研究水平，才能够将工业机器人智能化运动控制真正应用到工业生产中。

4结束语

强化工业机器人的智能化运动控制技术研究，对于推动我国工业机器人行业的发展，促进我国工业机器人整体研究水平具有重要意义，虽然我国工业机器人的研究和生产应用过程中还存在较多的问题，限制了其应用范围。但是在未来的发展过程中，通过科研技术人员的不断努力，这些问题必将会逐步解决，为提升我国工业化生产水平做出重要贡献，为我国的科技进步和经济发展做出重要贡献。