本书系统地介绍了机器人控制的几种先进设计方法，是作者多年来从事机器人控制系统教学和科研工作的结晶，同时融入了国内外同行近年来所取得的最新成果。

全书以机器人为对象，共分10章，包括先进PID控制、神经网络自适应控制、模糊自适应控制、迭代学习控制、反演控制、滑模控制、自适应鲁棒控制、系统辨识和路径规划。每种方法都给出了算法推导、实例分析和相应的MATLAB仿真设计程序。

本书各部分内容既相互联系又各自独立，读者可根据需要选择学习。本书适用于从事生产过程自动化、计算机应用、机械电子和电气自动化领域工作的工程技术人员阅读，也可作为大专院校工业自动化、自动控制、机械电子、自动化仪表、计算机应用等专业的教学参考书。

有关机器人控制理论及其工程应用，近年来已有大量的论文发表。作者多年来一直从事控制理论及应用方面的教学和研究工作，为了促进机器人控制和自动化技术的进步，反映机器人控制设计与应用中的最新研究成果，并使广大研究人员和工程技术人员能了解、掌握和应用这一领域的最新技术，学会用MATLAB语言进行各种机器人控制器的设计，作者编写了这本书，以抛砖引玉，供广大读者学习参考。

本书是在总结作者多年研究成果的基础上，进一步理论化、系统化、规范化、实用化编写而成的，其特点是： 

（1） 机器人控制算法取材新颖，内容先进，重点置于学科交叉部分的前沿研究和介绍一些有潜力的新思想、新方法和新技术，取材着重于基本概念、基本理论和基本方法。

（2） 针对每种控制算法给出了完整的MATLAB仿真程序，并给出了程序的说明和仿真结果,具有很强的可读性。

（3） 着重从应用领域角度出发，突出理论联系实际，面向广大工程技术人员，具有很强的工程性和实用性。书中有大量应用实例及其结果分析，为读者提供了有益的借鉴。

（4） 所给出的各种机器人控制算法完整，程序设计结构设计力求简单明了，便于自学和进一步开发。

（5） 所介绍的方法不局限于机器人的控制，同时也适合于解决运动控制领域其他背景的控制问题。

本书主要以机器人力臂为被控对象，此外，为了介绍一些新的运动控制方法，本书还以机械系统、电机、倒立摆和飞行器为被控对象来辅助说明。

全书共分10章。第1章为绪论，介绍了机器人的几种控制方法及模型特性； 第2章介绍了PID控制的几种基本设计方法，通过仿真和分析进行了说明； 第3章介绍了神经控制的设计方法，包括基本神经网络设计方法和几种神经网络自适应控制设计方法； 第4章介绍了模糊控制的设计方法，包括基本模糊控制、基于LMI的模糊鲁棒控制和几种模糊自适应控制器的设计； 第5章介绍了几种迭代学习控制的基本设计方法； 第6章介绍了反演控制的设计方法，包括基本的反演控制器的设计、模糊自适应反演控制和神经网络自适应反演控制的设计方法； 第7章介绍了滑模控制的几种基本设计方法； 第8章介绍了自适应鲁棒控制方法，包括几种鲁棒控制器和几种自适应控制器的设计； 第9章介绍了控制系统参数的遗传算法辨识、一种用于机械手的非线性干扰观测器和一种基于神经网络的状态观测器的设计； 第10章介绍了路径规划，包括基本遗传算法的路径规划和基于神经网络的路径规划。

所介绍的控制方法大多选自高水平国际杂志和著作中的典型方法，并对其中的一些算法进行了修正或补充。通过对一些典型控制器设计方法较详细的理论分析和仿真分析，使一些深奥的控制理论易于掌握，为读者的深入研究打下基础。

本书是基于MATLAB 6.5环境下开发的，各个章节的内容具有很强的独立性，读者可以结合自己的方向深入地进行研究。

作者在研究过程中，东北大学徐心和教授和薛定宇教授在机器人控制、S函数设计及Simulink仿真等方面给予作者很多的指导，北京航空航天大学尔联洁教授给予作者在控制理论方面多年的指导，在此深表感谢。

林岩教授、吴怀宁教授对本书部分内容给予了宝贵的建议。本书部分控制算法的推导和仿真得益于作者与研究生卢宇、刘华祥、王伟和穆敏等的多次探讨，在此对他们一一表示感谢。

书中所有算法的仿真程序都附在光盘中，读者也可以通过网站http://si.buaa.edu.cn中的“其他资料下载（Download）”功能下载，或通过邮件与作者联系索取。作者在网站中会对本书程序进行不定期地更新，使之日臻完善。由于篇幅所限，只对作者认为较重要的程序在书中列出，以方便读者的阅读。

本书的研究工作得到了北京市优秀人才培养资助（编号： 20071E1600600404）。

由于作者水平有限，书中难免存在一些不足和错误之处，真诚欢迎广大读者批评指正。若读者有指正或需与作者商讨，或对控制算法及仿真程序有疑问，请通过电子邮件ljk@buaa.edu.cn与作者联系。作者相信，通过与广大同行的交流，作者会得到许多新的有益的建议，从而将本书写得更好。

第1章绪论

1.1机器人控制方法简介

1.1.1机器人常用的控制方法

1.1.2不确定机器人系统的控制

1.2机器人动力学模型及其结构特性

1.3基于S函数的SIMULINK仿真

1.3.1S函数简介

1.3.2S函数使用步骤

1.3.3S函数的基本功能及重要参数设定

第2章机器人PID控制

2.1机器人独立PD控制

2.1.1控制律设计

2.1.2收敛性分析

2.1.3仿真实例

2.2基于重力补偿的机器人PD控制

2.2.1控制律设计

2.2.2控制律分析

2.3机器人鲁棒自适应PD控制

2.3.1问题的提出

2.3.2机器人动力学模型及其结构特性

2.3.3控制器的设计

2.3.4机器人动态方程的线性化推导

2.3.5仿真实例

参考文献

第3章机器人神经网络自适应控制

3.1定理与引理

3.1.1全局不变集定理

3.1.2用Barbalat引理作类Lyapunov分析

3.1.3一种微分方程不等式的收敛性分析

3.2RBF网络的逼近

3.2.1RBF神经网络

3.2.2网络结构

3.2.3逼近算法

3.2.4网络参数对逼近效果的影响

3.2.5仿真实例

3.3基于模型不确定补偿的RBF网络机器人自适应控制

3.3.1问题的提出

3.3.2模型不确定部分的RBF网络逼近

3.3.3控制器的设计

3.3.4仿真实例

3.4基于模型分块逼近的机器人RBF网络自适应控制

3.4.1问题的提出

3.4.2控制律的设计

3.4.3稳定性分析

3.4.4仿真实例

3.5工作空间中机械手的神经网络自适应控制

3.5.1工作空间直角坐标与关节角位置的转换

3.5.2机械手的神经网络建模

3.5.3控制器的设计

3.5.4仿真实例

3.6基于模型整体逼近的机器人RBF网络自适应控制

3.6.1问题的提出

3.6.2基于RBF神经网络逼近的控制器

3.6.3针对f（x）中各项分别进行神经网络逼近

3.6.4仿真实例

3.7基于死区补偿的神经网络自适应鲁棒控制

3.7.1死区非线性特性

3.7.2系统描述

3.7.3GL矩阵和GL乘法算子

3.7.4RBF神经网络死区补偿器的设计

3.7.5系统的稳定性分析

3.7.6仿真实例

3.8机器人神经网络数字控制

3.8.1基于RBF网络补偿的单机械力臂自适应数字控制

3.8.2基于RBF网络的双机械力臂自适应数字控制

3.9机器人神经网络鲁棒控制

3.9.1相关知识

3.9.2控制律的设计与分析

3.9.3仿真实例

参考文献

第4章机器人模糊自适应控制

4.1单力臂机械手直接自适应模糊控制

4.1.1问题描述

4.1.2模糊控制器的设计

4.1.3自适应律的设计

4.1.4仿真实例

4.2单力臂机械手间接自适应模糊控制

4.2.1问题描述

4.2.2自适应模糊滑模控制器设计

4.2.3稳定性分析

4.2.4仿真实例

4.3单级倒立摆的监督模糊控制

4.3.1模糊系统的设计

4.3.2模糊监督控制器的设计

4.3.3稳定性分析

4.3.4仿真实例

4.4基于MIMO系统的多关节机械手自适应模糊控制

4.4.1问题描述

4.4.2模糊系统的设计

4.4.3基于上界已知的自适应模糊控制

4.4.4基于上界未知的自适应模糊控制

4.5基于模糊补偿的机械手自适应模糊控制

4.5.1系统描述

4.5.2基于传统模糊补偿的控制

4.5.3基于模型信息已知的模糊补偿控制

4.5.4仿真实例

4.6基于线性矩阵不等式的单级倒立摆TS模糊控制

4.6.1基于LMI的TS型模糊系统的控制器设计

4.6.2单级倒立摆的TS模型模糊建模

4.6.3LMI设计及求解

4.6.4仿真实例

4.7基于死区补偿的机械手模糊自适应控制

4.7.1死区非线性特性

4.7.2死区模糊补偿器

4.7.3多入多出控制系统的死区模糊补偿器

4.7.4仿真实例

参考文献

第5章机器人迭代学习控制及重复控制

5.1迭代学习控制的数学基础

5.1.1矩阵的迹及初等性质

5.1.2向量范数和矩阵范数

5.2迭代学习控制方法介绍

5.2.1迭代学习控制基本原理

5.2.2基本的迭代学习控制算法

5.2.3迭代学习控制主要分析方法

5.2.4迭代学习控制的关键技术

5.3机械手轨迹跟踪迭代学习控制仿真实例

5.3.1控制器设计

5.3.2仿真实例

5.4线性时变连续系统迭代学习控制

5.4.1系统描述

5.4.2控制器设计及收敛性分析

5.4.3仿真实例

5.5任意初始状态下的迭代学习控制

5.5.1问题的提出

5.5.2控制器的设计

5.5.3仿真实例

5.6一种机械手轨迹跟踪自适应鲁棒迭代学习控制

5.6.1问题的提出

5.6.2控制器的设计

5.6.3仿真实例

5.6.4算法的改进

5.7机械手自适应迭代学习控制

5.7.1单关节机械手自适应迭代学习控制

5.7.2一种机械手轨迹跟踪自适应迭代学习控制

5.8移动机器人轨迹跟踪迭代学习控制

5.8.1数学基础

5.8.2系统描述

5.8.3控制律设计及收敛性分析

5.8.4仿真实例

5.9重复控制的基本原理

5.9.1重复控制的理论基础

5.9.2基本的重复控制系统结构

5.9.3基本重复控制系统稳定性分析

5.9.4仿真实例

5.10一种具有多路周期指令信号的数字重复控制

5.10.1系统的结构

5.10.2仿真实例

参考文献

第6章机器人反演控制

6.1反演控制器设计的原理及应用

6.1.1反演控制器设计的基本原理

6.1.2反演控制器设计的基本应用

6.2基于Backstepping的单关节机器人自适应模糊控制

6.2.1系统描述

6.2.2Backstepping控制器的设计

6.2.3基于Backstepping的自适应模糊控制

6.2.4仿真实例

6.3双关节机械臂的Backstepping自适应模糊控制

6.3.1系统描述

6.3.2传统Backstepping控制器的设计及稳定性分析

6.3.3仿真实例

6.4柔性机器人的反演控制

6.4.1系统描述

6.4.2反演控制器的设计

6.4.3仿真实例

6.5柔性机器人神经网络反演控制

6.5.1系统描述

6.5.2反演控制器的设计

6.5.3仿真实例

6.6双耦合电机自适应神经网络反演控制

6.6.1系统描述

6.6.2精确对象的反演控制

6.6.3无需模型信息的神经网络反演控制

6.6.4仿真实例

6.7移动机器人的反演控制

6.7.1移动机器人运动学反演控制

6.7.2移动机器人动力学反演控制

参考文献

第7章机器人滑模控制

7.1一种基于名义模型的机械手滑模鲁棒控制

7.1.1系统描述

7.1.2控制律设计

7.1.3仿真实例

7.2基于名义模型的机器人滑模控制

7.2.1设计原理

7.2.2基于名义模型的机器人指数趋近律的设计

7.2.3仿真实例

7.3基于计算力矩法的滑模控制

7.3.1系统描述

7.3.2控制律设计

7.3.3仿真实例

7.4基于输入输出稳定性理论的滑模控制

7.4.1系统描述

7.4.2控制律设计

7.4.3仿真实例

7.5主仆式机器手的控制

7.5.1系统描述

7.5.2控制律的设计

7.5.3仿真实例

7.6基于模糊自适应增益调整的机器人滑模控制

7.6.1机器人动力学模型及其结构特性

7.6.2传统滑模控制律的设计

7.6.3基于模糊自适应增益调整的机器人滑模控制

7.6.4仿真实例

7.7基于上界估计的机械手滑模控制

7.7.1机器人动力学模型及其结构特性

7.7.2滑模自适应控制律的设计及分析

7.7.3鲁棒滑模自适应控制律的设计及分析

7.7.4仿真实例

7.8机械手双环积分滑模控制

7.8.1系统描述

7.8.2控制系统的设计

7.8.3仿真实例

7.9航天器姿态滑模控制

7.9.1航天器姿态控制模型

7.9.2传统滑模控制律的设计

7.9.3双环滑模控制律的设计

7.9.4仿真实例

7.10直升机滑模控制

7.10.1直升机数学模型

7.10.2直升机模型的耦合分析

7.10.3直升机模型的动态逆解耦线性化

7.10.4直升机的滑模控制

7.10.5仿真实例

7.11机器人滑模控制的收敛性分析

参考文献

第8章机器人自适应鲁棒控制

8.1不确定性摩擦特性的不确定机械系统鲁棒补偿控制

8.1.1问题的提出

8.1.2控制器的设计

8.1.3稳定性分析

8.1.4仿真实例

8.2单力臂机械系统的鲁棒自适应控制

8.2.1问题描述

8.2.2鲁棒模型参考自适应控制

8.2.3仿真实例

8.3机械手自适应控制

8.3.1系统描述

8.3.2全局稳定的自适应控制器

8.3.3消除位置稳态误差的自适应控制器

8.4二自由度机械臂的鲁棒轨迹跟踪控制

8.4.1问题描述

8.4.2控制器的设计

8.4.3仿真实例

8.5基于名义模型的机器人自适应摩擦补偿鲁棒控制

8.5.1系统描述

8.5.2控制律的设计

8.5.3仿真实例

8.6基于Lyapunov方法的空间飞行器大角度姿态机动控制

8.6.1数学模型

8.6.2控制律的设计

8.6.3仿真实例

8.7二级倒立摆的H∞鲁棒控制

8.7.1系统的描述

8.7.2基于LMI的控制律的设计

8.7.3二级倒立摆系统的描述

8.7.4仿真实例

8.8不确定性系统的定量反馈鲁棒控制

8.8.1定量反馈理论介绍

8.8.2定量反馈控制器设计步骤

8.8.3QFT控制器的设计： 实例之一

8.8.4QFT控制器的设计： 实例之二

8.8.5QFT控制器的设计实例之三： 机器人关节的控制

参考文献

第9章机器人参数观测、辨识及控制

9.1基于遗传算法的伺服系统静态摩擦参数辨识

9.1.1伺服系统的静态摩擦模型

9.1.2静摩擦模型Stribeck曲线的获取

9.1.3基于遗传算法的静态摩擦参数辨识

9.1.4仿真实例

9.1.5基于摩擦模型补偿的伺服系统控制

9.2一种机械手非线性干扰观测器及其在控制中的应用

9.2.1系统描述

9.2.2非线性干扰观测器的设计

9.2.3双关节机械手干扰观测器的设计

9.2.4仿真实例

9.3基于干扰观测器的单机械臂滑模控制

9.3.1单机械臂模型

9.3.2单机械臂模型的滑模控制器设计及分析

9.3.3干扰观测器的设计

9.3.4仿真实例

9.4一种基于神经网络的自适应状态观测器的设计及应用

9.4.1系统描述

9.4.2基本状态观测器的设计

9.4.3基于神经网络的状态观测器设计

9.4.4稳定性分析   

9.4.5仿真实例

9.4.6基于神经网络观测器的单关节机械手反演控制

9.5电机闭环系统的建模

9.5.1基本原理

9.5.2仿真实例

9.6基于电机闭环系统辨识的数字前馈控制

9.6.1零相差前馈控制基本原理

9.6.2系统相移

9.6.3仿真实例

9.7电机开环传递函数的辨识

9.7.1基本原理

9.7.2仿真实例

参考文献

第10章机器人路径规划

10.1旅行商问题的描述

10.2基于遗传算法的TSP问题优化

10.2.1遗传算法基本原理

10.2.2TSP问题的编码

10.2.3TSP问题的遗传算法设计

10.2.4仿真实例

10.3基于Hopfield神经网络的TSP问题优化

10.3.1Hopfield网络算法

10.3.2求解TSP问题的Hopfield网络设计

10.3.3仿真实例

参考文献