可重构模块机器人反演自适应分散控制方法研究.doc

可重构模块机器人反演自适应分散控制方法研究
一、 课题研究背景及意义
人类在经过了上百万年的进化，终于由爬行变为直立行走，并最终解放出双手配合双足来进行直立行走，因此可以进行更加高效的生产劳动以及从事更加复杂的社会活动。而机器人的产生和发展也源于社会需求的日益提高，随着现代科学技术的发展,机器人技术也在不断的提高,机器人的应用领域不断扩展,人们希望机器人能更加灵活地适应各种工作环境,完成更为复杂的任务. 传统机器人因其自身机械结构的限制,很难适应工作环境和工作任务的变化. 假如因工作环境和工作任务的变化而重新对机器人进行开发往往要付出巨大代价，因而要求使用一种能根据新的工作环境和新的工作任务要求来改变自身结构的机器人去完成工作任务。
可重构机器人就是一种能根据任务需要, 重新组合构型的机器人, 它是在模块化机器人研究基础上发展起来的. 模块化的设计观念已经出现在很多机械学科、计算机电路板设计和软件设计中。其主要思想是把一个复杂系统划分成不同功能的模块，这些模块高度轻便，容易维护，逻辑清晰[1]。
可重构机器人能够利用一些不同尺寸和性能的可互换的连杆和关节模块,象搭积木似地组合成特定构型的机器人, 这种组合并不是简单的机械重构,还包括控制系统的重构,因为模块关节本身就是一种集通讯、控制、驱动、传动一体化的单元. 重构后的机器人将能适应新的工作环境和工作任务，具有很好的柔性。
可重构模块化机器人系统是由各功能模块根据工作环境和任务要求经快速装配而成,因此构成机器人系统的模块本身必须具备以下特性:
1)每个模块单元应能独立地完成某一特定的功能;
2)每一模块应具有独立的驱动系统,重量和惯性应尽量小,从而获得最佳的运动和动作特性;
3)各模块具有良好的装配性和通信能力,以利于各模块协调工作;
4)各模块应具有一定的数据处理能力,一方面控制软件要有适应机器人重构后的能力,同时还应有一定的信息容错能力。
可重构机器人已经成为机器人发展的一个新方向。一方面，从研究的角度看，传统的基于传感器自治的概念已经扩展到基于构形自治。不难想象，尽管传统的机器人具有各种传感及规划信息，但当给定任务超出其自身的机构物理特性时, 它将很难(或无法) 完成给定的任务。而可重构机器人则可基于指定的任务，快速重构成具有适应任务的物理能力的构形，再附之以可重构的传感器、规划策略，去自主的完成任务。另一方面，从应用的角度看，国外利用可重构机器人技术，已经研制出具有不同应用背景的可重构机器人样机，许多领域正在(或已经)开始应用，例如用于核电站维护、修理任务的可重构机械手。另外，可重构模块机器人技术的发展扩展了机器人在军事、航天、工业等很多领域的应用空间[2]。
二、 可重构模块机器人的研究现状
2.1 国外的发展研究现状
20 世纪90 年代以来, 随着研究人员对可重构模块机器人研究兴趣的高涨, 可重构机器人开始在日本和美国得到迅速发展,美国、日本的一些研究小组对可重构机器人的重构技术、变形策略和控制算法、体系结构、协同控制等方面进行了广泛和深入的研究, 机器人的重构方式也由静态的可重构发展为动态的自重构,建立了多个实验原型,取得了丰硕的成果。
1988 年美国CMU 大学机器人研究所研制的可重构模块化机械手系统(RMMS)[3] (图1)可以说是第一台可重构机器人的原理性样机, 因为RMMS在系统设计上扩展了当时模块化机械手的概念[4] ,不仅在机械结构上实现了可重构, 而且在电子硬件、控制算法、软件等方面也实现了可重构。从此拉开了重构机器人研究的序幕。在RMMS的基础上，Khosla, Paredis[5,6]等人又做了进一步的研究工作。通过对机器人机械结构、软件算法、通信系统等方面的改进研制出了新型的RMMS。RMMS采用分布式控制硬件到各个模块的方法，每个模块自身包含传感器、电机制动器、传动器、传感器接口、电机驱动器和通信接口，通过改变控制器的程序能改变其执行任务，克服了传统固定结构机器人柔性不足的问题。
图1 RMMS可重构模块机器人系统
1988 年,日本东京科学大学的Fukuda等人从概念的角度提出了一种动力可重构机器人系统(DRRS)[7],他们的研究极大地促进了重构机器人研究的发展[8]。DRRS 是由许多具有基本机械功能的智能“细胞”组成,每个“细胞”能根据任务自动地与其它“细胞”分离和组合, 构成机械手或移动机器人,甚至于实现系统的自修理。这种基于“细胞”结构的DRRS的概念是为下一代机器人系统提出的。在此基础上, Fukuda 等又开展了进一步的研究工作[9]。1990年, Fukuda 等又在名古屋大学研发了一种新的机器人系统———细胞机器人系统 ( CEBOT )[10] 。CEBOT 由多个独立自治的称为“细胞”的单元组成, 是一个分布式机器人系统, 它能根据目的和环境将自重构成最佳结构,已经制造了分子机器人的样机, 并且完成了分子间的自动连接、分离、通信的实验[11]。之后, Fukuda 等在重构机器人系统的结构确定、群体信息获取、协同规划、协进化、通信策略等方面进行了广泛的研究,实现机器人之间的自重构。
1994 年, 美国JohnsHopkins 大学的Gregory 以概念的角度提出一种变形机器人系统[12],这是一种新的可重构机器人系统, 该系统是由许多独立控制的机械模块组成, 每个模块具有连接、断开、爬越相邻模块的能力, 其变形是在组成系统的模块保持连接后进行,并且能自重构,目前已研制出原理性样机。他们的主要研究内容有组成机器人的同构模块设计、模块在网格中移动的基本方式以及为改变整个机器人的形状而对其中的模块采取的运动规划和运动控制等。2002 年, 美国Palo Alto 研究中心的智能机电系统项目部的Mark Yim 等研制了PolyBot Robot重构机器人, PolyBot Robot是由许多基本模块组成的机器人系统,这些模块可以连接成不同的形状,构成具有不同功能的新系统。PolyBot Robot已经研发了两代产品,第二代具有了自重构的能力,能够实现组成多种不同的形状,适应不同的环境,如组合成蛇形机器人穿越管道或狭窄的空间, 成毛毛虫形状可以攀爬斜坡,成环状爬楼梯,成四脚蜘蛛状通过不平整的地形, 并且在机器人之间的通信方式、控制策略等领域进行了深入的研究[13]。
美国南加州大学的Castano 等主要从事CONRO 机器人的研究与开发, 在该项目中, 每个机器人模块都是自治的, 拥有自己的CPU、传感器、执行机构、通信和能源等。Castano 等主要研究CONRO 机器人的模块化设计、步态控制以及机器人的自重构,提出称为Hormone 的分布式控制机理[14]。他们认为在系统中robots 的控制和模块之间的协调非常复杂,困难来自于所有的运动、感知、决策都在模块的拓扑网中分布实现, 而网络有动态的拓扑,个体模块只有有限的计算能力和获得来自相邻模块布局的局部信息。因此提出用一些触发信号Hormones为广播信号在不同模块中触发不同行为,来协调运动,并执行结构上的重组。
美国CMU大学H. Benjamin Brown 等人一直致力于Millibot类自重构机器人的研究（图2）, 重点是研究机器人的感知能力、通信能力、合作能力以及改变机器人的形状时, 如何实现两机器人模块之间的对接和分离, 以及整个机器人在不同形状时的运动步伐控制等。2002 年, 他们研制了一套Millibot类自重构机器人样机, 每个Millibot包括:一个防滑的双履带底盘,板上的电池电源,一个通讯包,一个或多个传感器装置, 一个用于低端控制、传感器数据处理和一般的协作活动微处理器等。多个Millibots可以组装成链状从而提高机器人的越障能力,实现了移动机器人的自重构[15]。除此之外,新加坡南洋理工大学、日本北海道大学、美国Dartmouth 学院等科研机构也在开展重构机器人的控制方法研究。

图2 美国CUM大学研制的重构机器人
2.2 国内的发展研究现状
国内对于自重构机器人的研究还处于起步阶段.
上海交通大学机械工程学院的徐威[16]等人对动态环境下机器人进行自重构的理论和方法进行了研究, 他们根据自重构机器人系统结构的基本特征提出了一种有效的描述模型, 用来对典型的自重构机器人的拓扑结构进行统一的描述。他们还研究了自重构机器人的基本变形方法,并提出了一种建立在全离散局部智能基础上的自重构机器人的自组织变形策略, 通过建立统一的模块运动规则和规则进化使机器人由局部自主运动产生全局系统自组织的结果。
上海交通大学的费燕琼[17]在旋量理论的基础上建立了可重构模块机器人的运动学方程，用迭代牛顿－欧拉方法计算了动力学方程，并用神经网络的方法对机器人构行进行优化。
哈尔滨工业大学的赵杰[18]等人提出了一种新型的三维Lattice模块化自重构机器人的概念, 并介绍了单转动自由度正立方体模块的设计方案及工作原理, 这种设计不但扩大了模块的通用性, 提高了机器人的运动灵活性,而且使模块结构简单, 控制容易, 制造简便。
清华大学的郑浩峻[19]对可重构机器人的拓扑结构进行了研究。提出了一种新的可重构机器人单元结构模型。在此基础上, 研究了可重构机器人的非同构树状拓扑结构列举问题。通过规则层序列的递推算法得到所有单元组合的有根树状结构, 再利用基本层序列的判断条件, 直接从递推结果中选取非同构的自由树状拓扑构, 简化并改进了相应的列举算法。最后对非同构拓扑树的结构及其数目进行了仿真计算。
东北大学和沈阳航空工业学院的李树军[20]等人对可重构模块化机器人模块的结构进行了研究,并归纳设计出七种功能模块,其中包括三种一自由度的关节模块,两种连杆模块和两种辅助模块。所有模块的功能都是独立的,并且每个模块的连接界面都设计成了圆筒形以便重组和提高其刚度。每一种模块都可设计成不同尺寸系列,这些不同类型和尺寸系列的模块便可构成一个模块库。
中科院沈阳自动化研究所的李斌、刘明尧等发表了几篇关于可重构模块机器人的综述性文章[21-24]。其中刘明尧等人[25,26]根据多Agent理论中的协商、合作机制和可重构模块机器人结构的分布性，将集中式的机器人控制分配到一组关节Agent中，每个Agent控制机器人的一个关节，得到一种新的机器人控制方法，即将关节机器人的复杂控制转换为多个简单子系统的控制，该方法可用于不同结构的机器人控制，特别适用于可重构模块机器人控制。利用微分运动理论提出一种新的决策方法，便于Agent之间的合作与协商。
三、可重构模块机器人的研究内容
一个完备的可重构机器人系统应该能够提供一系列功能、尺寸各异的模块，这个系统的模块越少覆盖作业范围越广重构操作越简单这个系统的性能就越好在实际使用中，用户可以根据作业任务需要，选择最优构型，然后方便地使用相应的模块搭建机器人构型，满足特定的工作要求。可重构机器人理论是一个复杂的理论系统，它以机器人理论为基础，同时又有许多不同于一般机器人的特点。可重构机器人的研究内容有很多归纳起来主要有以下几个方面:
3.1 构型的研究
可重构模块化机器人构形设计的目的，就是如何找到一个最优的装配构形，来完成指定的作业任务。可重构模块化机器人构形设计的方法主要考虑以下三个问题:构形的表达方法、构形的评价标准、构形的优化。构型的表达方法是构型优化的基础，构型的评价标准是构型优化的方向。
可重构模块机器人单元的结构设计方法种类很多，Chen[38-41]等人采用积木原理，设计的模块都是正方体，以便在各个方向进行连接。他们共设计了三个基本类型的模块，包括连杆模块、旋转模块和移动模块。在旋转模块和移动模块的内部分别装有一个旋转驱动器和直线驱动器。这组模块的特点是连接面较多，可以组装成串联或者并联机器人。Paredis[42]等人设计的模块有七种类型，包括基础模块、末端执行器模块、三个旋转模块、自旋转模块和连杆模块。在旋转模块和自旋转模块的内部分别装有一个旋转驱动器。王卫忠等人应用智能设计系统DEST3.0[27]开发了可重构模块机器人的构型设计系统，该系统能协助设计者进行构型的分析、选择、评价和决策，同时结合计算机的信息的存储、检索和计算能力，设计者的分析、判断、经验、直觉和抽象思维能力，以人机交互方式来实现构型的设计。
3.2 模块的研究
模块是可重构机器人的最小组成单元,模块设计的好坏直接影响到可重构机器人的性能。模块种类很多，功能各异，其共同点如下:
·模块应满足可重构机器人的构型需要.
·模块应具有归划、推理、决策能力.
·模块应具有通讯、协商能力.
·模块应具有完成特定运动和动作的驱动能力.
·每个模块在满足要求的条件下应具有最小重量和最小惯性.
·每个模块可以快速连接到任意其它的模块上.
模块的研究包括模块的形式、种类、机械结构、控制电路、机械与电气的连接接口等方面。模块之间可以快速连接，并具有不同长度的连杆模块甚至不同方位的机械接口，模块之间的连接能满足机器人构型不同运动学和动力学的要求。
目前几种典型的模块划分方法有: Benhabib[28]等人建立的机器人模块库, 它将模块分为四类模块: 模块单元连接器、连杆模块、主关节模块、末端关节模块等,其中连杆关节采用圆环截面的圆柱体形,保证任意方向上的抗弯、抗扭能力, 提高构造机械手的柔性,空心结构能保证模块的质量和转动惯量小,将基础件也划为该类模块.主关节模块又可分为转动关节和移动关节模块,按其驱动方式分为R-A ctuato r-M 模块(用于离基础件较近的关节, 它采用DC电机,谐波减速驱动,重量大),R-A ctuator/Link-M模块 (用于离基础件较远的关节,动力不放在关节上,而是放在离基础较近的地方通过传动元件传送给关节),R-A ctuator-M(DC电机驱动的移动关节).末端件关节也分为转动关节和移动关节,R-A ctuator-E和R-A ctuator/Link-E,其驱动原理与主关节模块原理相同.同时设计了一个单元连接器,用止口和定位销定位,用螺栓进行联接. Paredis[29]等人在RMMS系统中提出了硬件模块的划分方法,建立了机械手的基础模块、连杆模块、三个转动关节模块、一个回转关节模块，基础模块和连杆模块是无自由度的,关节模块有一个自由度, 模块是自封闭的,硬件包含有CPU、传感器、驱动器、制动器、传动装置、传感器接口、电机放大器和通讯接口等,电器部分也根据模块化的原理设计, 采用具有基本功能的母板和特殊功能的子板,同时设计了一个集成的快速耦合连接器,以便模块之间的快速连接.Chen[30-36]等人设计的模块化机器人系统中,仅考虑连杆模块和关节模块,关节模块有转动关节模块.移动关节模块.螺旋关节模块和圆柱关节模块.连杆模块设计成立方体和长方体,其特点是多关节联接和几何对称,立方体的六个表面均有联接口,长方体的二端的各表面也都有联接口.
3.3 运动学，动力学的研究
随着可重构机器人构形的变化，其运动学和动力学模型也在变化，传统的机器人运动学、动力学求解方法已不适合，必须探索新的方法。可重构模块化机器人的运动学和动力学研究应主要考虑软件的可重构性，包括模块运动学和动力学的分析方法，分布式模块机器人运动学和动力学分析方法的研究，以及运动学、动力学方程求解和校正问题的研究。Benhabib[37]等人提出了运动模块技术,采用D-H参数,每个机械模块从输入端口到输出端口之间的运动联系是通过4×4阶的齐次变换矩阵来转换.Chen[38,39]等人在模块化机器人的运动学分析时采用了指数积的形式,首先研究一个连接副(由两个连杆和一个关节模块组成)的运动学,并表达成指数积形式, 然后根据机器人的构形采用指数形式的连积得到机器人的前向运动学.
3.4 控制方法及系统的研究
3.4.1 集中控制
集中控制即在整个系统中用一台控制器同时控制各个子系统。在这种控制结构中，可以将所有子系统看作一个系统，对各自系统的运动进行统一规划。集中控制方法是对机器人的输出状态均是进行集中反馈的，即某个关节的控制律的实现，不仅与本关节的所有状态有关，而且还与其他关节的状态有关，这表明各关节之间的控制是相互耦合的。这种相互耦合的控制结构不可避免地会导致控制器设计复杂和控制算法实现困难，缺乏灵活性。集中控制不适用于多自由度的系统，在模块数目较多，且要求系统具有结构柔性和可扩展性时很难有实用价值。
William W. Melek和Andrew A. Goldenberg等人[43]设计了一种基于递阶结构的模糊神经网络控制器，文中针对模块化可重构机器人的位置控制提出了一个智能控制方法，这个方法不需要系统动力学参数的先验知识。在出现外部扰动时，由模糊增益来调整PID参数实现自适应控制，用前馈神经网络来实习学习控制。在重构的情况下这种方法有更新自适应控制的能力。这种控制器采用了分层递阶结构，控制结构共分为五层，递阶结构的底层是机器人系统，底层PID控制器参数的更新由顶层的功能模块决定；第二层执行关节的PID控制，控制器参数的更新由顶层的功能模块决定；第三层包含有模糊自适应模块，通过神经网络在线修正模糊规则；当机器人重新构形时，第四层负责下载数据到模糊自适应模块；顶层应用学习控制补偿因机械臂重构而产生的系统动力学变化，负责构形的规划和运动规划。
3.4.2 分布式控制
为了简化控制结构和降低算法的计算复杂度，分布式计算方法在机器人中的应用越来越引起人们的重视，并应用到了模块机器人的逆运动学求解[44]，自重构机器人控制[45,46]，模块机器人构形优化[47]等领域。在分布式控制系统中，控制单元是按子系统分布的。整个系统的控制目标事先按一定方式分配给各个子系统的控制单元，它们之间可以有有限的信息交换。这种布局使得控制的可靠性，灵活性都有所改善，同时也降低了通讯成本。利用适当的分解算法可以将一个动力学系统视作为多个子系统的集合。分解系统具有特殊的结构性质，它的优点是在控制问题中降低维数。每个子系统被认为是独立的，用某种方式将个体问题联系起来可以得到整个问题的解[48]。分布式控制方法在多自由度机器人系统领域得到了越来越多的关注，如冗余机械臂系统，多冗余协调系统，模块化可重构系统等。在实际应用中，由于大系统具有计算成本高，结构复杂等特点，因此不适合对整个系统设计集中控制器。Binder和Herzog提出了一种分布式控制系统结构[49]，同步计算具有多参数的递归关节变量和双向数据缓存。通过使用预测器来实现同步，预测器可以提供递归变量先前时刻的值。通过输出预测，前向预测，推测计算等算法可以减小使用变量先前时刻的值而导致的建模误差。最近的文献已经开始采用分布式计算方法控制可重构模块机器人的动力学行为，并且取得了满意的结果。Liu提出一种基于关节力矩传感器的可重构模块机器人分布式控制方法，采用这种控制方法，机器人的关节模块被一个接一个的稳定，并且在添加或移除关节模块时不需要改变任何控制参数。应用力矩传感器的测量值，连杆模块和负载的不确定性可以得到有效的补偿，未建模动力学耦合的影响和关节摩擦则采用基于模型分解的鲁棒控制方法补偿。Zhu提出一种基于虚拟分解的可重构模块机器人分布式控制方法，这种方法通过模块之间的信息交换建立子系统的动力学模型，利用关节模块内的嵌入式控制器实时计算子系统的控制力矩。
3.4.3 分散控制方法
分散控制是指仅利用各子系统的局部信息和各子系统间的少量交换信息为各子系统设计若干局部控制器,以实现既定的控制目标.分散控制在非线性关联大系统方面的应用甚多，本课题结合可重构模块化机器人的特点，将采用分散控制方法实现可重构模块化机器人轨迹跟踪控制。分散控制是指利用组成整个系统的各局部子系统信息构成若干局部控制器，以实现整个系统的控制。所谓机器人的分散控制就是单独对机器人的各个关节进行控制。分散控制方法主要是对动态系统的闭环控制，将整个系统分解为若干个独立子系统，每个子系统的控制只使用本身的信息，由于分散控制不需要各子系统之间信息的交换，各子系统只须根据各自的信息制定控制策略，便于对各子系统中出现的干扰迅速做出反应，有利于实现快速决策和实时控制。分散控制不仅结构简单更具柔性，而且更加适合于软件模块化的思想，容易设计模块化的控制器，实现并行计算。由于分散控制具有鲁棒性、计算的高效性和设计的简单性等特点，分散控制更适合不确定性较多的可重构机器人的控制。
3.4.4 集中控制，分布式控制，分散控制的比较
集中控制的控制器设计复杂，控制算法实现困难，缺乏灵活性。在机器人控制中，集中控制策略必须综合考虑机器人各关节的相互藕合，其计算十分复杂和费时，尤其对于高于两个自由度以上的机器人更是如此，因此实用性不强。集中控制不适用于多自由度的系统，在模块数目较多，且要求系统具有结构柔性和可扩展性时很难有实用价值。
分布式计算方法不仅结构简单更具柔性，而且更加适合于软件模块化的思想，容易设计模块化的控制器，实现并行计算。利用分布式控制可以实现可重构机器人系统的实时控制和灵活性，简化控制结构和降低算法的计算复杂度。
分布式控制方案适合控制器模块化的设计思想，但在该控制结构在执行需要协调程度较高的任务时，由于模块通讯之间的延时，用分布控制很难完成。因此在模块间信息交换存在困难的情况下，可采用分散控制系统，各子系统控制器信号是由局部子系统状态信息来综合。分散控制结构简单、经济适用。由于分散控制具有鲁棒性、计算的高效性和设计的简单性等特点，分散控制更适合可重构机器人的控制，因为不确定性比较多，如不基于模型的动力学，未知负载等等。
分散控制策略较集中控制策略有很多优点：
1)反馈信息是局部的不会因为某一模块的操作失误而影响其它模块的工作，这实际是加强了控制系统的可靠性，在一些危险操作（例如具有放射性物质的搬运）中，这一特性尤为重要；
2)十分便于故障检测和排除，因为一个关节的工作实效，必定是该模块的控制器出现了问题，而对于集中控制，这一点是不明显的；
3)十分便于并行处理；
由于分散控制不需要系统所有的模块信息，因此它对系统的不确定性具有很强的鲁棒性。
分散式和分布式反馈结构如图所示：

(a)分散控制
(b)分布控制
图3分散控制与分布控制

3.4.5 反演自适应控制方法
反演自适应控制是当前自适应控制理论和应用的前沿课题之一, 在航空航天等高技术领域有着广阔的应用前景. 近年来, 在处理相当多的非线性问题统时, 该方法在改善过渡过程品质方面展现出较大的潜力, 已应用于飞行器及导 弹等方面的控制.
所谓反演，可简单理解为: 最终控制信号通过一系列“虚拟”信号以递归的方式得到, 虚拟信号事实上无需通过硬件, 可直接经由计算得到, 故可简化控制器的结构; 递归的每一步只需要处理一个相对简单的误差系统, 从而可较灵活地选择控制信号, 有效改善过渡过程品质[50].
20世纪70年代末, Morse等人在处理自适应控制中的相关问题时, 针对被控对象相对阶较高的情况提出反演控制思想[51]，但并未引起足够的重视。90年代初，Kokotovic等人发表了关于不确定参数系统的自适应控制问题的论文[52]，基于Lyapunov函数对严格反馈型单变量非线性系统设计出自适应控制器, 既保证了闭环系统全局有界，同时又能实现对参考信号的渐近跟踪, 且对系统非线性无任何增长性条件限制。在第十四届IFAC世界大会及1999年美国控制会议(ACC)上, 有超过40篇关于反演控制方法在不确定系统中的理论与应用研究发表。在2005年ACC会议上, 反演控制器设计方法仍是研究热点之一。
在线性系统方面。1994年，Krstic等人提出了一种定常线性反演自适应理论[53]，提出了一种构造Lyapunov函数的方法，避开了对信号的微分。其设计的反演自适应控制器可显著改善系统过度误差的过渡过程品质，削弱调参率对系统的影响，在无调参率的情况下，对参数不确定性仍有一定的鲁棒性。在Krstic的基础上Zhang Y等人将其结果推广到了对象高频增益符号未知的情形[54];Faycal等人讨论了当存在未建模动态和外干扰时该方法的鲁棒性问题[55]，Gili F等人将此方法推广到时变系统,并对闭环系统稳定性进行了讨论[56];Marino等人则对线性时变系统设计了一类鲁棒反演自适应调节方法[57];Yi Ling,Wu Y Q等人将此方法推广到多变量系统, 给出了收敛性和稳定性的证明[58,59].Ramon等人还提出了一类反演自适应律, 可放松传统自适应控制对高频增益矩阵所作的苛刻假设[60]. 结合反演控制与传统规范化方法的优点，Youping Z等人提出了一种新的反演自适应方案[61]，并给出了存在模型不确定性情况下该方法的鲁棒性分析[62]；Baris F则进一步将其推广到了慢时变线性系统[63,64].我国的学者解学军等人也提出了一种具有未规范化自适应律的直接模型参考反演控制器, 并给出了性能分析[65];Qu Z, Ambrose H等人提出了一种不含自适应律的模型参考反演鲁棒控制方案[66,67], 当存在非线性干扰和未建模动态时, 跟踪误差仍能收敛到一个小的残集内。此外，Benaskeur A R ，Lin Yan等人还进行了有关线性系统PID控制、变结构控制等与反演自适应相结合方面的研究[68,69]。
在非线性系统方面。Krstic M 在严格反馈非线性系统的反演自适应控制方面进行了较为深入的研究[52]，并在工程方面成功的应用;我国学者周绍生等人就一类更广泛的非线性系统讨论了反演自适应控制器的设计, 解决了系统全局稳定性问题[70]；Ding Z T等人采用Nussbaum增益方法研究了在高频增益未知情况下的非线性反演算法，讨论了当外界干扰上限未知时的鲁棒性问题[71]。Jiang等人研究了存在未建模动态、系统不确定性及外界输入干扰时的非线性反演自适应控制律的鲁棒设计[72,73];Onishi等人讨论了非线性非最小相位系统的反演自适应方法及其全局渐近稳定性分析[74];Wei Lin等人则将反演方法推广到多变量非线性系统[75,76].
工程领域研究现状。近年来，反演自适应控制的工程应用在国内外均有成功的例子。1995年Richard等人首先讨论了导弹纵向运动控制器的反演控制方案[77]。Steinberg等人对某复杂高性能飞机设计了反演自适应飞行控制律并进行了仿真研究[78], 结果表明: 即使存在较大的模型误差, 甚至在飞机某个平尾失效的情况下, 反演自适应控制律都展现出了快速的收敛性和良好的鲁棒性；Lee T Y等人采用神经网络和反演自适应相结合的方法讨论了飞行控制器的设计问题[79];Kristic M则讨论了反演方法在航空发动机控制等设计中的应用[80]. 航天方面也有许多应用反演自适应控制的例子。目前，国内学者也致力于反演控制在航空航天中的应用研究。张友安，曹邦武等人较为详细地讨论了导弹的反演自适应控制问题[81,82],苏丙未，吴文海等人分别就无人机、超机动战斗机的自适应反演控制器的设计问题进行了讨论[83,84],连葆华等人则研究了再入飞行器自动驾驶仪的反演设计方案[85].
存在的问题及未来的发展方向。从上述的研究现状可以看到, 尽管反演自适应控制在理论和应用方面已取得了诸多成果, 但仍然存在许多需要完善的地方, 主要包括以下几个方面:
1) 当被控对象为定常SISO线性系统时,目前的反演自适应控制方案均不能给出高频增益未知(符号已知)时性能指标和设计参数之间的明确关系, 因而无法给出改善系统跟踪误差过渡过程的具体途径.而要求高频增益完全已知对实际系统过于苛刻.当前的研究方向是提出一种反演控制方案, 解决高频增益未知时性能指标问题.
2) 与传统自适应控制相同,目前的多变量反演自适应系统对高频增益矩阵施以了苛刻的限制, 例如要求具有某种正定性. 尽管这种假设近年来已放松到仅要求其顺序主子式符号已知, 但从工程应用的角度看, 仍嫌保守且物理意义不甚明确. 如何提出一种在工程上可普遍接受的方案不论对反演自适应控制或其他自适应控制均具重大价值.
3) 当被控对象含有输入扰动和未建模动态时,现有反演自适应控制方案的结果并不理想, 跟踪误差仅能收敛到与未建模动态的强度系数、扰动及其导数成正比的某个残集内, 这甚至不如文献 所提出的鲁棒自适应方案. 由于大多数复杂工业系统的建模过程都会忽略某些次要因素, 因此, 反演控制的这一理论缺陷使其工程应用颇受质疑.
4) 时变系统的反演自适应控制方案仅对慢时变系统适用, 这限制了它的应用范围; 而模型参考反演鲁棒控制方案尽管可适用于快时变系统, 但目前为止同样难以建立跟踪误差性能指标和设计参数之间的明确关系. 多变量反演鲁棒控制方案亦存在同样的问题.
5) 随着被控对象相对阶的增加, 现有的反演自适应控制方案控制律高度非线性、高度复杂, 尤其当应用于导弹、飞控等多变量非线性系统时, 其计算量往往是机载计算机难以承受的. 如何减少非线性控制律的复杂程度, 同时不降低其过渡过程品质, 是反演自适应系统急需解决的问题.
6) 工程应用有待进一步开拓. 需要指出, 尽管目前已有若干工程上成功应用的例子, 但更多的方案仍停留在数值仿真阶段.
3.4.6 迭代学习控制
1978年，日本学者Uchiyam[86]提出了一个控制告诉运动机械手的思想，后来Arimoto[87]等人发展了Uchiyama的思想，在1984年提出了迭代学习控制(ILC)的概念。这种控制方法适合于某种具有重复运动性质的被控对象，利用系统先前的控制经验和输出误差来修正当前的控制作用，使系统输出尽可能收敛于期望值。与鲁捧控制一样，ILC 也能处理实际动力学系统中的不确定性，但它能实现完全跟踪，控制器形式更为简单且需要较少的先验知识。ILC 经历了二十年的发展，不仅在实际应用中取得了良好效果，而且在理论上也取得了丰硕成果，其强大的生命力受到控制界的极大关注，已经成为智能控制的一个方向。下面就线性系统ILC理论，非线性系统ILC理论，时滞过程的ILC理论，以及基于优化理论的ILC研究进行综述。
线性系统ILC理论。对于线性时变离散系统描述如下：
，迭代学习率为：。
Sabb等人给出了当为常数时ILC系统稳定的充要条件[88]。Huang等人给出了当为时变时ILC系统稳定的充要条件，并给出了的表达式[89]；Tan等人给出了输出信号的增量的形式[90];Fang等人对多变量线性系统提出ILC算法[91]。Moon等人提出了基于模型的鲁棒ILC算法用于线性不确定系统[92]；Chien等人针对具有高相关阶不确定性线性系统提出了基于输出自适应ILC算法并给出了稳定性分析[93]；Jeong等人针对连续线性非最小相位系统提出ILC控制算法[94]。
非线性ILC控制。Xu等人对一类非线性系统给出了ILC控制收敛的条件，并对一类仿射非线性连续系统设计了鲁棒和自适应ILC算法[95-98];Sun等人对一类仿射非线性系统中输出不含控制量的非线性系统给出了收敛条件[99]；谢胜利等人对状态非仿射非线性系统提出ILC算法[100]。
时滞过程的ILC。针对过程具有纯滞后特征的非线性系统，由于更接近实际过程，近几年也取得一些成果。谢胜利等人对一类状态非仿射时滞非线性提出了一种ILC算法[101]；于乃润等人针对纯滞后工业过程提出具有在时域上超前步的ILC算法[102]。
3.4.7 自抗扰控制
自抗扰控制技术[103]是由中科院系统所韩京清研究员及其领导的科研小组经十多年不懈努力而创立的一套全新的控制思想，他能以不依赖于对象模型的方式实时估计出系统在复杂环境中进行高速机动运动时受到的各种干扰，结合非线性反馈结构实现系统高速度高精度的控制品质。并且该技术特别适于用数字化计算实现，完全顺应数字化的发展趋势，具有完全的知识产权[104]。
我国目前工业上的过程控制系统，90%依然采用经典的PID控制思想。而在高性能新型武器系统研制中遇到一些控制难题的原因之一在于控制策略上主要还采用传统的PID 控制技术或线性频域设计方法，这些方法主要针对结构简单、低速运动、小扰动的对象，他不能有效应对高速运行状态及复杂动态环境中产生的各种干扰，系统性能难以提高。因此，自抗扰控制技术有望从根本上解决现有方法的弊端，提高高性能新型武器系统,如现代航天飞行器、火箭、导弹的导航、制导与导引精度及水陆地战车炮控系统在行进中的随动速度与精度及工业过程控制系统的速度与精度。在民用技术领域，这一控制技术已在发电机励磁控制、炉温控制、磁悬浮列车浮距控制、四液压缸协调控制、异步电机变频调速控制、大型射电望远镜（FAST）馈源舱精定位等项目应用，特别是应用自抗扰控制技术开发的300N级和800N 级直线电机的CNC 车床已在广州机床厂投入生产；“聚丙稀反应釜升温恒温控制系统”已在全国最大的聚丙稀生产厂茂明聚丙稀生产厂投入使用。
四、 可重构模块机器人的发展前景及面临的问题
从20多年来国内外机器人发展情况的研究来看,未来模块化重构机器人在技术上将会遇到以下困难,如果能解决好这些难题,模块化重构机器人技术将会取得实质性的进步。
(1) 机器人微型化。因为模块化机器人主要由模块组装构成,模块体积减小,势必会给机器人带来功能的实现、能源的供应等各种问题,因此如何解决好模块的体积和性能平衡性问题将是未来科技人员要考虑的问题。
(2) 模块功能划分。用最少的模块来最大化机器人的功能是一种最理想的状态,这就涉及到模块功能规划、模块控制系统的实现,及模块间的快速有效连接等问题。
(3) 模块间的和谐统一。各模块间只有实现有机的统一,才能实现机器人的各项功能。在多模块系统中,解决好模块间的协调性、兼容性以及能源供给、整体协调控制等问题是有效提高机器人整体性能的重要方面。
虽然经过几十年的发展,模块化重构机器人在技术上已经取得了很大的进步,但在硬件设计方面依然存在着许多难题。
(1) 最急需解决的一个问题就是通用模块的设计,以提高模块的适用范围。
(2) 机器人认识和学习能力的提升。因为模块化机器人最大的优点就是可以在未知的环境中完成任务,因此提高机器人的学习能力就成为判断机器人性能的一个重要方面,当遇到一种新的问题后,系统可以自动将问题和处理方法按编码规则储存起来,逐步提高机器人处理问题的能力。同时,机器人还要具有自我修理、自我支撑的能力。
(3) 寻找能够充分体现模块化重构机器人优势的应用场合。这也成为了科研人员的一项难题,因为只有强大的市场需求,才能进一步推动机器人技术的发展。 五、 参考文献
[1] 徐 超 可重构机器人研究的现状和展望 华中科技大学学报(自然科学版) 第32卷增刊 2004年10月
[2] 李斌, 吴镇炜, 谈大龙, 王越超. 可重构模块机器人技术的探讨. 信息与控制. 2001, 30(7):684-688. 徐 超 可重构机器人研究的现状和展望 华中科技大学学报(自然科学版) 第32卷增刊 2004年10月.
[3] Schmitz Donald, Khosla Pradeep, Kanade Takeo. The CMU reconfigurable modular manipulaor system [C].Proceedings of the international Symposium and Exposition on Robots.1988,473–488.
[4] Wurst K H. The conception and construction of a modular robot system[C]. Proceedings of the 16th International Symposium on industrial Robotics. IS IR,1986,37-44.
[5] PAREDIS C J J, KH