蒋清泽，王宏涛

南京航空航天大学 机电学院，江苏 南京 210016

关节机器人是一个强耦合、高非线性的复杂系统，其轨迹跟踪控制是调整每个关节电机输出的控制扭矩，使得关节角度能够达到期望值[1]。关节机器人轨迹跟踪常用的控制方法主要有基于机器人模型的运动控制方法、PID控制、滑模控制和模糊控制等。其中PID控制技术成熟且易于实现，被广泛应用于机器人轨迹跟踪控制中，但PID算法难以实现非线性系统的高精度控制[2]。因此，有学者提出利用模糊控制无须依靠精确数学模型便能对非线性系统良好逼近的特性，采用模糊PID控制实现机器人轨迹跟踪控制[3]。然而，在实际应用中，控制器输出力矩具有饱和性，如何设计模糊PID控制器使其在有限的输出力矩下达到理想的控制效果是需要专业人员的经验，存在设计不当难以获得最佳效果的不足。均衡评估控制力矩和轨迹跟踪控制效果这2个优化目标可以通过多目标优化算法对模糊PID控制的隶属函数和模糊规则进行寻优调整来实现[4−5]。粒子群算法(PSO)是一种模拟鸟群觅食的启发式算法优化技术，已成功应用于多种优化问题[6]。已有文献证明PSO在单目标优化上具有较快的收敛速度和较好的优化结果，在多目标优化问题上具有较大优势[7]。Mahmoodabadi等[8]用多目标粒子群算法对非线性系统的模糊控制器进行优化，提高了模糊控制器对非线性系统的控制精度；进一步以控制偏差和控制器输出力矩作为2个优化目标，采用多目标粒子群算法对双足机器人轨迹跟踪滑模控制进行了优化，验证了多目标粒子群算法在多目标优化中的优越性[9]。……