基于增量型迭代学习控制仿真研究文献综述

文献综述

1、结合毕业设计（论文）课题情况，根据所查阅的文献资料，每人撰写2000字左右的文献综述:课题研究背景及意义迭代学习控制对具有重复运动特性的对象（如工业机器人、数控机床等）提供了一种很好的控制方法。

其方法是：对于在有限时间上执行轨迹跟踪任务的机器人，利用前一次或前几次操作时测得的误差信息来修正控制输入，使得该任务在接下来的操作过程中做得更好。

如此不断重复，直至在整个时间间隔内输出轨迹跟踪上期望轨迹。

机械臂是模仿人的手臂设计的一种自动操作装置，用以实现对物体的抓取、搬运等任务。

但机械臂是一种具有多变量、强耦合及高度非线性等特征的复杂系统，其对外界干扰较敏感，且模型参数不确定所导致的建模误差对系统也会产生较大影响。

因此对精度要求较高的场合，传统控制方法难以满足，需要一些复杂的控制技术来实现作业。

目前多数工业机器人通常用于重复运动工作，如喷涂、装配、焊接、搬运等，这些情况下机器人末端的轨迹是周期性的，而迭代学习控制（ILC）适合于运动具有重复性的对象的高精度控制，且能实现对轨迹的完全跟踪，因此迭代学习控制方法较其他方法具有一定优势。

但迭代学习方法的缺点是难以与其他控制方法相融合，这是因为经典迭代学习控制需要被控对象具有全局 Lipschitz 连续及严格相同初始条件两个前提，因此有许多学者致力于研究新的理论体系，使迭代学习控制能与其他先进控制思想结合成崭新的体系。

对于广泛应用于现代工业生产中的角关节机械臂来说, 轨迹控制是一个很重要的工作模式，但是有很多不确定因素影响了轨迹控制的精度，特别是在高速的情况下这些因素的影响更为显著。