蔡 军，罗 成，谢 薇，方志远

（重庆邮电大学自动化学院，重庆 400065）

0 引言

随着科学技术的迅猛发展，机械臂的控制技术已经涉及机械，电气，自动化等众多的科研领域［1］。但是，在一些特殊的工况条件下，传统的刚性机械臂由于能耗高、运行速度慢、操作空间有限等原因，已经无法满足要求。因此，具有轻质、重载、高灵活性特点的柔性机械臂成为当今机器人研究的热点。柔性机械臂的动力学系统非常复杂，具有非线性、强耦合的特点，并且在操作柔性机械臂的过程中，由于臂杆自身的材料属性，会有刚柔耦合现象产生［2］。这给柔性机械臂的控制带来了挑战。文献［3］中采用了自适应PID控制器，自动在线调整控制增益，解决了单连杆柔性机械臂在执行器失效后的情况下的控制问题。文献［4-5］中研究了自适应径向基函数神经网络滑模控制器，利用神经网络来自适应逼近补偿系统建模过程中的不确定项，然后，在此基础上设计了滑模控制器来实现轨迹跟踪。文献［6］中针对柔性机械臂参数不确定性问题，提出了利用卡尔曼滤波在线估计的方法来逼近模型的动态。

迭代学习控制适用于具有重复运动性质的对象，仅通过足够多次的重复迭代，就可以使执行对象达到期望的要求［7-9］。因此，对于具有重复运动性质的柔性机械臂系统很适用。迭代学习控制的初始状态问题一直是迭代学习控制理论的一个研究热点。早在1991年，Lee等［10］提出：如果每次迭代时，系统的初始状态不相等或者系统的初始状态存在很小的偏差都会导致系统发散。……