機器人控制相關部落格收集 - 待看

控制系統目标：

1）跟蹤性能（Tracking Performance）好

2）抗擾動性（Diturbance Rejection）強

3）穩健性（Robustness）

機器人控制硬體

層次控制體系：基本都可以歸結為5層的層次體系：

1）主機（Host），

2）運動控制器（Motion Controller），

3）伺服驅動器（Servo Driver），

4）電機（Motor），

5）機構（Mechanism ）。

      主機：主要完成人機互動（操作員控制或者調試機器），進階運算（機器人運動規劃等）。由于需要高等運算功能，這部分算法通常是基于作業系統的，硬體載體用通用計算機即可。

      運動控制器：主要用于改善機器人動力學（Robot Dynamics）。機器人的機械本身并不具備跟蹤軌迹的能力，需要外加控制來改善。由于需要大量的實時運算，這部分通常是基于實時作業系統，比如QNX等，硬體載體可以用ARM或其他。比如，工業界的工業機器人主要使用運動回報（Motion Feedback），也即将驅動器配置為位置控制或者速度控制模式，此時運動控制器的主要用于補償傳動系統非線性性，例如：由于齒輪間隙、微小彈性變形導緻的末端偏移。

      伺服驅動器：主要用于改善電機動力學（Motor Dynamics）。由于電機本身實體特性并不具備良好的位置、速度和力矩跟蹤能力，是以需要依靠控制來改善。這部分需要更高的實時性能，因為電機的響應速度快，需要us級定時，是以可以使用高性能DSP。比如，直流有刷電機中轉子速度正比于反向電動勢、力矩正比于電樞電流，而沒有實體量能夠直接控制位置，此時需要外加位置控制器。

      電機：充當執行器，将電信号轉化為機械運動。

      機械本體：被控制的終極對象。

控制算法

機器人控制理論：機器人臂的兩個比較經典而常用的方法：混合力位控制和阻抗控制。

          混合力/位控制（Hybrid Force/Position Control）是Mark Raibert（現今Boston Dynamics老闆）和John Craig于70s末在JPL的工作成果，當時他們是在Stanford臂上做的實驗，研究例如裝配等任務時的力和位置同時控制的情況。

           阻抗控制（Impedance Control）是N.Hogan的工作成果。維納晚年，對人控制機器臂很感興趣。後來，他組織了MIT的Robert Mann，Stephen Jacobsen等一夥人開發了基于肌肉電信号控制的假肢臂，叫Boston Elbow。後來，Hogan繼續Mann的工作，他覺得假肢是給人用的，不應當和工業機器人一樣具有高的剛度，而應該具有柔性，是以後來引入了阻抗。

算法的編寫：可以說算法就是個程式設計問題。基本的程式設計語言能力，比如MATLAB、C、C++是必須的。設計好算法之後，還需面對另外幾個問題：

           離散化問題（Discretization）：連續算法的離散化是必要的，因為如今計算機都是數字系統。對于線性系統，比如電機控制，方法當然就是從s域（傳遞函數）到z域（Z變換）再到t域（差分方程）的變換，非線性的就得研究微分方程的各種數值方法了。

           混合控制問題（Hybrid Control）：幾乎目前所有的機器人控制系統都不僅有一個控制模式，比如：回初始位置、運動控制模式、人工試教模式等等，每個模式需要特殊的控制算法。單個系統存在多個控制器時被稱為混合控制系統，混合控制系統常常使用有限狀态機（Finite State Machine, FSM）模組化，狀态機的切換需注意一些問題，比如芝諾問題。

           通信問題（Communication）：通常機器人系統都包含幾十個，甚至上百個傳感器以及幾個到十幾個驅動器，通信時常是個頭疼的問題。問題的複雜性源于：通信對象多（并發問題），順序需要協調（時序問題），通信的速率需要兼顧（阻塞問題）。個人傾向于使用基于“事件驅動模型”+“有限狀态機模型”的混合模型來處理此類問題。

對于設計任何一個控制系統來說，需要了解自己的輸入、輸出、控制元件，和算法。在一個簡易的機器人系統裡，分别對應的原件是：

輸入 --- 傳感器 （聲呐，紅外，攝像頭，陀螺儀，加速度計，羅盤）

控制元件 --- 電機 

控制算法 --- 控制闆 （小到單片機，大到微機）

輸出 --- 你的控制目标 （比如機器人的路徑跟蹤）

         上面所說的各個傳感器元件，都有廉價版可以購買學習，但随之引入的問題就是他們不精确，比如有噪聲。消除這個噪聲，你就需要在你的控制系統中引入更多的控制單元來消除這個噪聲，比如加入濾波單元。

           理論和算法都是有應用背景的，但同時，學習一些暫時無法應用的算法也并不助于入門，甚至可能走偏門，覺得越複雜越好。所有的工程應用者都會說某某算法非常好，但是經典還是PID。倘若不親手設計一個PID系統，恐怕真的領略不到它的魅力。我大學大學的控制課程包含了自動控制理論和現代控制理論，但是直到我設計一個四旋翼無人機的時候，才真正建立了我自己對機器人控制的了解

關于工業機器人控制系統，這幾方面内容你必須掌握；中國3C電子智造行業優秀的機器人供應商推薦

https://blog.csdn.net/np4rHI455vg29y2/article/details/80073788

人機協作機器人關鍵技術之零力控制實作方案對比分析

https://blog.csdn.net/quyunfei/article/details/50375455

MATLAB機器人力控制

https://blog.csdn.net/weixin_39090239/article/details/90270357

機器人力控制概述

https://blog.csdn.net/gotouchtech/article/details/84845372

Robotics（1）：阻抗控制和導納控制淺析

https://blog.csdn.net/u011389706/article/details/79446940