1.如圖所示兩自由度機械手在如圖位置時（θ1= 0 , θ2=π/2），生成手爪力 fa = [ fx 0 ]t 或fb = [ 0 fy ]t。求對應的驅動力 τa和τb 。
2. 搜尋相關資料，綜述目前機械人控制技術中常見的控制方法，並對其特點進行分析。
目前來說比較常見的控制技術有如下五種:
1 .機械人傳統控制方法
機械人傳統控制方法主要有比例－積分－微分控制和計算力矩控制方法。
ｐｉｄ控制器結構簡單，完全不考慮機械人的動力學特性，不依賴系統動力學矩陣的慣性結構，只需根據實際軌跡和期望軌跡的偏差進行負反饋，通常稱為ｐｉｄ控制或ｐｄ控制。由於ｐｉｄ控制器忽略了系統中非線性因素的影響，因而屬於線性控制器，這類方法有兩個缺點：一是無法實現高精度跟蹤控制，且難以保證受控機械人具有良好的動態和靜態品質；二是由於空間機械人的非線性特點，需要較大的控制能量。
計算力矩的控制思想為：利用機械人的動力學模型，在控制迴路中引入非線性補償，使這個複雜的非線性強耦合系統實現近似全域性線性化解耦。該方法是典型的考慮機械人動力學模型的動態控制方案，其控制量的確定以及控制目標的實現主要依賴於精確的系統動力學模型。
由於測量技術水平的限制，空間機械人很難預先獲得精確的數學模型，且存在摩擦干擾等不確定因素的影響，再加上空間機械人所處的特殊環境（如燃料的消耗），會造成系統引數發生變化，這些均對計算力矩控制法的應用構成了很大的挑戰。而ｐｉｄ控制器具有設計簡單，易於實現，且動態特性良好的優點，因此目前廣泛應用於包括機械人在內的非線性物件中。為了進一步提高ｐｉｄ控制器的效能，基於各種改進的ｐｉｄ控制方法是未來研究的乙個重點方向，例如神經ｐｉｄ、模糊ｐｉｄ以及各種ｐｉｄ引數整定演算法等
２空間機械人魯棒自適應控制方法
由於空間機械人系統具有複雜的結構，處於特殊的太空環境及不確定工況，其具體引數通常很難精確獲得。空間機械人需要滿足高精度的軌跡跟蹤控制，因此所設計的控制器必須具有自適應能力，當環境或自身工作狀態發生變化時，系統引數也隨之發生變化，此時控制器應能夠適應變化或不受其影響而保持較好的控制效果。
自適應控制的顯著特點是存在可調引數，當環境變化時，可以調整控制器引數來適應新的環境或**學習不確定引數來達到期望的控制，在空間機械人領域獲得了一定應用。相繼提出了各自的自適應控制方法，但這些方法均是針對基體姿態可控的空間機械人提出的。提出了改進的自適應控制方法，並將其應用於具有更強耦合性的姿態不可控、基體自由漂浮的空間機械人系統。
上述自適應控制策略雖然能夠對引數不確定性進行辨識，通過實時修正控制規則來適應引數模型的不確定性，但對於空間機械人存在的外部擾動、摩擦等非引數不確定性，單純的自適應控制器難以保證系統的穩定性，因此將自適應控制與其他先進的控制策略結合，發揮各自的優越性以進一步提高系統魯棒性，正成為非線性控制研究的重點領域。
魯棒自適應控制方法是以自適應控制補償引數不確定性，以魯棒控制補償非引數不確定性的控制方法。ｃｈｅｎ等［１５］針對不確定性機械人系統提出包含抗衰減度跟蹤指標的ｈ∞魯棒控制策略；ｃｈｏｉ等［１６］以閉環系統ｌ範數為效能指標設計了一種最優控制器；ｌｅｅ等［１７］利用ｈ∞控制理論給出了機械人的位置控制研究結果；ｓｌｏｔｉｎｅ等［１８］在存在擾動的情況下採用σ引數修改和魯棒增強措施，提出了自適應魯棒控制器；ｃｈｕ等［１９］提出了帶擾動觀測器的魯棒控制策略；豐保民等［２０］針對不確定性空間機械人系統，利用耗散性理論提出了魯棒自適應控制策略；王洪斌［２１］針對帶擾動的機械人系統，利用無源性理論設計了魯棒自適應控制器；陳志勇等［２２］針對引數不確定漂浮基空間機械人系統，基於增廣變數法提出了魯棒自適應控制策略。定性部分，採用此類控制必須依靠先驗的專家知識來進行保守的上界估計，從而確保系統的魯棒性，這樣會帶來過大的控制作用，不僅造成浪費，還會導致控制器或執行器飽和，不是最佳控制。
因此，設計自適應學習機制來估計不確定系統模型，避免保守上界的估計是魯棒自適應控制研究的重點方向
３空間機械人自適應神經網路控制方法
網路結構具有並行分布的特點，因而神經網路具有一定的容錯性及很強的學習能力，能夠逼近任意未知非線性系統，因此，近年來成為國內外研究的熱點領域之一。基於神經網路的機械人控制方法有兩種，即神經網路的自學習控制及神經網路的自適應控制［２３］。目前，基於神經網路的自學習控制在理論上還缺乏有效手段保證系統穩定性［２４］，因此，基於穩定性理論的神經網路自適應控制方法近年來成為研究的重點和ｊｕｎｇ等［２８］分別提出了各自的神經網路自適應控制方法，並證明了系統的穩定性；ｇｕｏ和ｃｈｅｎｇ等［２９］借助於神經網路、ｇｌｇｅ－ｌｅｅ矩陣及其乘積運算元提出了神經網路自適應控制策略；ｓａｎ－ｎｅｒ等［３０］針對系統動力學方程和雅可比矩陣中存在的引數不確定性，提出了多神經網路自適應控制方案；謝箭等［３１］針對存在建模誤差的機械人系統，提出了各自的神經網路自適應控制方案；豐保民等［３２］基於ｈ∞理論設計了神經網路的魯棒控制器，在空間機械臂末端負荷變化不大時，也能夠保證系統的穩定性；丁學恭［５］指出，當機械人引數發生突變時（例如工作環境突變、末端抓取大質量負荷等），自適應控制系統的引數需要長時間才能收斂，易造成被控物件輸出失控，穩定性被破壞。
神經網路自適應控制具有較好的學習特性，但存在乙個問題：當受控物件發生變化時，自適應控制需要通過學習和調整控制規律來辨識或逼近系統模型，實現比較複雜。該控制方法對於時不變或慢時變被控物件能夠取得較好控制效果，而對於快時變甚至突變型被控物件無能為力，甚至導致控制器失效，穩定性破壞。
因此，如何與其他控制方法結合，來彌補神經網路動態特性的不足，也是當前學者研究的重點。
４空間機械人輸出反饋控制方法
在實際工程控制中，高精度的關節角位置是可以借助光電碼盤和解算器精確獲得的，而速度資訊通常採用測速機測量，在很多情況下易受到雜訊訊號的干擾，且測速機產生的定子磁場的不連續、波動矩和其他高頻特性等又進一步降低了測速訊號的質量，測速電機同時增加了關節質量［３３－３４］，這些均影響了控制精度。上述原因造成實際工程中難以達到較高的控制精度，因此在無速度資訊反饋的情況下，通過使用關節角位置資訊來設計速度觀測器來估計速度資訊進行控制，即輸出反饋控制方法變得尤為重要
提出了輸出反饋控制方法，該方法能夠保證系統的魯棒性，但是需要估計保守的不確定系統上界。ｋｉｍ等［３６］提出了基於模糊邏輯輸出反饋控制策略，通過調整律來實時調整模糊邏輯規則，該方法需要先驗的專家知識等［３８］相繼提出了基於神經網路的觀測器估計關節角速度，無需確切的數學模型，閉環系統可以達到一致最終有界。
上述控制方法是機械人基於速度觀測器的控制方法的代表，基本上反映了輸出反饋控制方法的研究現狀，解決了無速度資訊情況下非線性系統的控制問題。為了進一步提高神經網路的動態特性，國內外學者將神經網路與變結構進行有效結合，其中，利用神經網路的優化特性來實施變結構控制［３９－４１］能夠減弱系統「抖振」並提高神經網路的動態特性，成為當前研究的熱點領域。
５空間機械人死區非線性補償控制方法
無論是空間機械人還是地面機械人，其執行機構的動力傳動系統中常常存在著一些影響運動控制的非線性形式，例如齒隙、死區、摩擦及飽和等。這些因素影響著系統的控制效能，其中摩擦死區非線性作為一種主要的非線性特性，除造成輸出誤差外，嚴重時還會對系統造成極限環振盪。ｔａｏ等在假設死區非線性能夠線性引數化的基礎上，提出了自適應補償控制方法。
ｒａｓｔｋｏ等首先提出了神經網路補償控制方法，並對系統穩定性給出了嚴格的證明。
上述研究成果中，採用神經網路的控制方法能夠較好地補償系統死區非線性，存在的問題是自適應控制需要通過學習和調整控制規律來辨識或逼近系統模型，動態性較差。而且，神經網路控制採用的並行處理系統對硬體的處理速度要求較高，微控制器等低端處理器難以滿足處理要求，ｄｓｐ（數字訊號處理等中端處理器對於複雜演算法也存在滯後問題，而生物晶元、神經計算機等高階處理裝置由於**太高而難以普及，從而影響了神經網路控制方法的工程應用。針對這個問題，提高神經的網路學習速度成為乙個重點研究方向,其中，神經網路的動態網路結構構建演算法成為目前研究的熱點之一。
機械人技術欣賞
論機械人與人類的關係 摘要 機械人技術是綜合了計算機 控制論 機構學 資訊感測技術 人工智慧 仿生學等多學科而形成的高新技術,是當代研究十分活躍,應用日益廣泛的領域,也是乙個國家工業自動化水平的重要標誌。那麼，隨著科學技術的發展，機械人技術的進步，機械人會朝著什麼方向發展呢?機械人與人類的關係又會變...
機械人整理
機械人定義 由各種外部感測器引導的，帶有乙個或多個末端執行器，通過可程式設計運動，在其工作空間內對真實物體進行操作的，軟體可控制的機械裝置。機械人由三大部分組成。機械部分 用於實現各種動作 感測部分 用於感知內部和外部的資訊 控制部分 控制機械人完成各種動作 機械結構系統由機身 手臂 末端執行器三大...
機械人實驗
關節的長度為110mm，單元體長度約為220mm，蛇體的總長度大約為1760mm。由於舵機自身的約束條件限制，每個舵機的轉角範圍被限制在 90 90度。為了減少機器蛇運動中的摩擦阻力，在機器蛇兩側設計了可裝拆從動輪，可以實現蛇體的平穩游動。採用輕型耐磨塑料製造蛇形機械人的主要結構，在很大程度上減輕了...