楊琨 夏信凱 馬環(huán)洲 桑勝波

（太原理工大學(xué)信息與計(jì)算機(jī)學(xué)院，太原，030002）

0 引言

在工業(yè)化進(jìn)程中，人類一直在探索如何更大程度地解放雙手、解放勞動(dòng)力，機(jī)器人作為一種自動(dòng)執(zhí)行工作的機(jī)器裝置應(yīng)運(yùn)而生。自上世紀(jì)60年代機(jī)器人被部署在生產(chǎn)線之后，工業(yè)生產(chǎn)效率得到極大提升。隨著技術(shù)的進(jìn)步，工業(yè)機(jī)器人越來越多地應(yīng)用到工業(yè)生產(chǎn)的各個(gè)方面，人機(jī)共存、人機(jī)交互、多機(jī)協(xié)調(diào)等復(fù)雜工業(yè)場景日漸增多，如圖1所示。

圖1 工業(yè)機(jī)器人的人機(jī)交互場景

隨著人機(jī)交互的深入，人們發(fā)現(xiàn)，傳統(tǒng)機(jī)器人慣量大、速度高，極易發(fā)生安全事故，尤其當(dāng)操作人員與機(jī)器人手臂協(xié)作完成作業(yè)時(shí)，人與機(jī)械臂近距離頻繁接觸，這對操作人員的人身安全造成潛在威脅，甚至直接造成傷害。據(jù)統(tǒng)計(jì)顯示，機(jī)器人對人造成的傷害56%被歸類為夾傷，44%被歸類為撞擊傷，其中操作人員遭受傷害的風(fēng)險(xiǎn)最大。2016年，美國阿拉巴馬州一家汽車零部件生產(chǎn)商的操作工人被機(jī)器人壓傷致死；2019年12月，亞馬遜自動(dòng)化倉庫發(fā)生機(jī)器人事故，造成24名員工受傷被緊急送往醫(yī)院。在我國也發(fā)生過多起類似的機(jī)器人安全事故，2018年安徽蕪湖耐世特凌云有限公司一名操作人員在為搬運(yùn)機(jī)器人更換刀具時(shí)，被機(jī)器人夾傷，最終因傷重不治身亡；2019年，某冶煉廠一名操作員在對作業(yè)空間進(jìn)行清掃時(shí)，被取錠機(jī)械臂擠壓胸腔，最終經(jīng)搶救無效死亡。生產(chǎn)過程中由機(jī)器人引發(fā)的事故頻發(fā)，這不僅造成生產(chǎn)資源的浪費(fèi)，更是給操作人員帶來沉重的身心負(fù)擔(dān)和傷害，長此以往對企業(yè)的生產(chǎn)進(jìn)程造成極大阻礙。

針對頻繁發(fā)生的由機(jī)器人引發(fā)的工業(yè)生產(chǎn)安全事故，我國在2013 年和2015年分別頒布了《機(jī)器人與機(jī)器人裝備：工業(yè)機(jī)器人的安全要求》國家標(biāo)準(zhǔn)[1]和《〈中國制造2025〉重點(diǎn)領(lǐng)域技術(shù)路線圖》[2]，二者都明確提出了對協(xié)作機(jī)器人的安全要求：協(xié)作機(jī)器人在其協(xié)作工作空間內(nèi)須能夠提供必要的保護(hù)措施以確保操作員的安全。因此，在我國由傳統(tǒng)制造向智能制造轉(zhuǎn)型的關(guān)鍵時(shí)期，開展機(jī)械臂安全交互問題的研究、建立安全運(yùn)行的工業(yè)機(jī)器人平臺(tái)，對于減少人員傷亡、促進(jìn)制造業(yè)的發(fā)展具有重要的現(xiàn)實(shí)意義，并且與國家戰(zhàn)略規(guī)劃提出的安全要求相契合。

工業(yè)機(jī)器人安全主要包括主動(dòng)安全和被動(dòng)安全兩種方式。目前在制造業(yè)生產(chǎn)中，企業(yè)通常采用電子圍欄或行業(yè)規(guī)范等被動(dòng)安全方式保證工作場景的安全，但這些方式存在靈活性和安全實(shí)時(shí)性差等問題。因此，如何變被動(dòng)防護(hù)為主動(dòng)規(guī)避、提升機(jī)械臂的主動(dòng)安全性能成為新興的研究方向。

工業(yè)機(jī)器人的主動(dòng)安全技術(shù)研究主要從主動(dòng)安全交互感知方法、主動(dòng)安全柔順控制及機(jī)器人運(yùn)動(dòng)規(guī)劃方法三方面開展，下面分別介紹。

1 機(jī)器人主動(dòng)安全交互感知方法研究現(xiàn)狀

機(jī)器人—環(huán)境物理交互控制要求機(jī)器人具有力感知能力[3]。在傳統(tǒng)的操作任務(wù)中，機(jī)械臂末端的靜態(tài)接觸力可以通過多維力傳感器來測量。但對于動(dòng)態(tài)操作任務(wù)，末端執(zhí)行器的慣性力/力矩對于末端力傳感器的測量精度有著不可忽視的影響，并且這些方法大多是基于安裝在機(jī)器人末端上的多維力傳感器，只能感知到機(jī)器人末端執(zhí)行器上的接觸力，無法實(shí)現(xiàn)全機(jī)身外力感知[4]。在工業(yè)機(jī)器人的實(shí)際運(yùn)行過程中，機(jī)器人與環(huán)境之間的接觸局域并不僅僅局限于末端執(zhí)行器，僅針對末端監(jiān)測的交互方法具有很大的局限性，因此，研究具有全機(jī)身外力感知能力的機(jī)器人系統(tǒng)并研究其柔順控制技術(shù)，對協(xié)作機(jī)器人的發(fā)展具有重要的理論意義和應(yīng)用價(jià)值。

常見機(jī)械臂全身的主動(dòng)安全交互感知方式主要有無傳感器檢測、視覺檢測及觸覺檢測等。

1.1 無傳感器交互感知方式

無傳感器交互感知是指不借助外部傳感器實(shí)現(xiàn)人機(jī)交互感知，其中應(yīng)用最為廣泛的是基于廣義動(dòng)量擾動(dòng)觀測器的碰撞檢測方法。該方法由Luca等人[5]于2003年首次提出，利用機(jī)械臂廣義動(dòng)量與外力矩相互解耦的特點(diǎn)，設(shè)計(jì)了動(dòng)量觀測器間接獲取碰撞力，只需獲得機(jī)器人關(guān)節(jié)位置信息即可實(shí)現(xiàn)碰撞實(shí)時(shí)檢測。Luca等人[6-7]采用該方法，在機(jī)械臂上完成了對氣球及人體的良好碰撞檢測，如圖2所示。在隨后的研究當(dāng)中，Haddadin等人[8]基于該方法在LWR-III平臺(tái)上實(shí)現(xiàn)了對人體頭部、前胸及手部的快速碰撞檢測及響應(yīng)，避免機(jī)器人對人皮膚造成損害。

圖2 基于廣義動(dòng)量擾動(dòng)觀測器的碰撞檢測方法

雖然采用基于廣義動(dòng)量擾動(dòng)觀測器的方法進(jìn)行碰撞檢測時(shí)，可以減少傳感器的使用，但在該方法建模過程中，對碰撞力矩進(jìn)行的近似計(jì)算，使得檢測精度下降，無法實(shí)現(xiàn)對具體交互位置的精準(zhǔn)定位與檢測，因此需要使用傳感器進(jìn)行交互感知以進(jìn)一步提高檢測精度。

1.2 視覺傳感器交互感知方式

視覺傳感器實(shí)現(xiàn)交互感知是指利用攝像機(jī)或激光傳感器等獲得環(huán)境信息，并采用相應(yīng)的圖像處理算法實(shí)現(xiàn)碰撞預(yù)測或檢測。Kulic等人[9]通過機(jī)器視覺檢測操作人員的肢體位置，構(gòu)造危險(xiǎn)系數(shù)，實(shí)時(shí)計(jì)算潛在碰撞點(diǎn)；Flacco等人[10]提出了一種基于縱深空間概念的快速檢測機(jī)械臂與障礙間距的方法，在七自由度機(jī)械臂平臺(tái)中實(shí)現(xiàn)了障礙物的動(dòng)態(tài)躲避，如圖3所示。國內(nèi)學(xué)者也針對視覺檢測方法進(jìn)行了研究。居鶴華等人[11]提出了基于虛擬傳感器的巡視器機(jī)械臂碰撞檢測算法，用于避免機(jī)械臂與環(huán)境發(fā)生干涉，提高了碰撞檢測精度；郝慧琴[12]等提出采用單目視覺技術(shù)完成障礙物的檢測，計(jì)算人機(jī)相對距離，并根據(jù)所得的信息對機(jī)械臂進(jìn)行避障規(guī)劃。

圖3 基于縱深空間概念的視覺碰撞檢測

1.3 電子皮膚交互感知方式

為了更好地實(shí)現(xiàn)人機(jī)交互，科學(xué)家們從仿生角度出發(fā)，開展了基于觸覺的交互感知研究，其中應(yīng)用較廣的是電子皮膚方式。電子皮膚是一種可以使機(jī)器人產(chǎn)生觸覺的系統(tǒng)，它可被加工成多種形狀，并作為機(jī)器人的本體感知系統(tǒng)附著在機(jī)器人表面。

早在2004年，日本的Takao Smeya團(tuán)隊(duì)[13]便研制出了可以同時(shí)獲取接觸力及溫度信息的電子皮膚，并將電子皮膚用于機(jī)器人手進(jìn)行壓力測試，實(shí)現(xiàn)機(jī)械手的抓取。

隨著電子皮膚集成及檢測技術(shù)的不斷發(fā)展，國外一些廠商開發(fā)了基于電子皮膚的工業(yè)機(jī)械臂平臺(tái)。德國博世(BOSCH)公司[14]研發(fā)了一套基于安全的APAS人機(jī)操作系統(tǒng)，該系統(tǒng)帶有的傳感器皮膚可保障人與機(jī)器之間的安全協(xié)作，系統(tǒng)中保留了前端視覺系統(tǒng)以實(shí)現(xiàn)空間內(nèi)的物體識(shí)別和定位；奧地利Blue Danube Robotics公司設(shè)計(jì)了AIRSKIN電子皮膚系統(tǒng)，可以簡單方便地安裝在機(jī)器人上，它幾乎適用于任何機(jī)器人和應(yīng)用程序，也是機(jī)器人末端工具（EOAT）有效的安全解決方案[15]，如圖4(a)所示。

國內(nèi)一些單位也針對電子皮膚開展了研究。合肥工業(yè)大學(xué)的黃英等人[16]基于炭黑—硅橡膠顯著的壓阻效應(yīng)設(shè)計(jì)了四電極對稱結(jié)構(gòu)的三位力傳感器，可應(yīng)用于機(jī)器人的敏感皮膚；在此電子皮膚的基礎(chǔ)上，郭小輝[17-18]對電子皮膚的柔性觸覺感知方法進(jìn)行了研究，設(shè)計(jì)出主從手操作平臺(tái)，實(shí)現(xiàn)主從手映射下機(jī)器人靈巧手對目標(biāo)物抓取穩(wěn)定性信息的獲??；本文作者所在太原理工大學(xué)的微納系統(tǒng)研究中心團(tuán)隊(duì)設(shè)計(jì)了一種具有多孔透氣結(jié)構(gòu)的壓阻式電子皮膚觸覺傳感陣列，如圖4(b)所示，并研究了非可展開曲面上基于3D打印技術(shù)的電子柔性陣列制造工藝技術(shù)[19-20]，為傳感器在機(jī)械臂表面的包裹安裝奠定良好基礎(chǔ)。

圖4 基于觸覺電子皮膚的交互感知

除接觸式交互感知外，具有接近感知能力的電子皮膚也得到了廣泛關(guān)注。物體接近信息的感知可以通過超聲波、紅外等多種方式實(shí)現(xiàn)，其中電容式傳感原理傳感器由于其較好的柔性、集成性及可擴(kuò)展性等優(yōu)勢而得到更多研究者的青睞。意大利理工學(xué)院的Viry等人[21]設(shè)計(jì)了一種全柔性電容式三軸力觸覺傳感器，通過檢測電容變化可實(shí)現(xiàn)對多維力的高靈敏度檢測；韓國首爾大學(xué)的Joo等人[22]研發(fā)了一種電容式電子皮膚觸覺傳感器，該傳感器的表層和底層電極是銀納米線，介質(zhì)層是PDMS，最小可檢測到物體的質(zhì)量是0.04g，其壓力的靈敏度高：在45～100 Pa 的低壓區(qū)為3.80kPa-1。國產(chǎn)機(jī)器人企業(yè)越疆公司研發(fā)了如圖5所示的CR系列機(jī)械臂[23]，該機(jī)械臂采用Dobot SafeSkin安全皮膚技術(shù)，無需提前預(yù)警降速，在即將發(fā)生碰撞時(shí)對自身行為迅速做出干預(yù)，中低速運(yùn)動(dòng)時(shí)能夠完全避免碰撞發(fā)生，高速運(yùn)動(dòng)下碰撞損傷降低90%，避免傷害的發(fā)生，充分滿足工業(yè)生產(chǎn)的高效率與高安全性需求。

圖5 越疆公司CR系列協(xié)作機(jī)器人

2 機(jī)器人主動(dòng)安全柔順控制方法研究現(xiàn)狀

當(dāng)代工業(yè)機(jī)器人的應(yīng)用場景對機(jī)器人的柔順性提出了更高的要求，根據(jù)機(jī)械臂輸出反饋信號(hào)(位置、力、速度)和輸入信號(hào)的不同，柔順控制方法可分為經(jīng)典柔順控制方法、先進(jìn)柔順控制方法和智能柔順控制方法。

2.1 經(jīng)典柔順控制

柔順控制一般有兩種不同的方式，一種是通過機(jī)器人本身的柔順部件，例如彈簧、消震器等來適應(yīng)外部環(huán)境的變化，稱為被動(dòng)柔順；另一種是通過力傳感器獲取機(jī)器人與環(huán)境的相互作用力信息，使機(jī)器人能夠快速響應(yīng)力信息并保持運(yùn)動(dòng)的平穩(wěn)性，稱為主動(dòng)柔順控制。主動(dòng)柔順控制在上世紀(jì)70年代就被提出，經(jīng)歷了很長時(shí)間的發(fā)展，現(xiàn)如今經(jīng)典柔順控制可以分為力/位混合控制與阻抗控制。

2.1.1 力/位混合控制

根據(jù)力與位置的正交關(guān)系，Raibert和Craig[24]于1981年提出了力/位置混合控制的概念。這種方法基于交互操作時(shí)機(jī)器人位置子空間與力子空間的互補(bǔ)性和正交性進(jìn)行力和位置的解耦控制，也就是在位置子空間進(jìn)行位置控制，在力子空間進(jìn)行力控制，主要用于需要精確力控的場合，其結(jié)構(gòu)框圖如圖6所示。

圖6 力/位混合控制框圖

機(jī)器人力/位置混合控制過程可以分成接觸和非接觸兩個(gè)基本運(yùn)動(dòng)狀態(tài)以及這兩個(gè)狀態(tài)之間的轉(zhuǎn)換。此類力控制方法可以控制作用力跟隨期望值變化，但控制器的結(jié)構(gòu)依賴于機(jī)器人與接觸環(huán)境的動(dòng)力學(xué)特性，當(dāng)機(jī)器人在接觸環(huán)境不同的空間之間運(yùn)動(dòng)時(shí)需變換控制器。

孫海波[25]通過對機(jī)器人剛體變形進(jìn)行了分析，提出一種基于零空間矢量的六自由度機(jī)械手臂的力/位混合控制算法，利用機(jī)械手臂末端的冗余性來對其進(jìn)行關(guān)節(jié)角速度的冗余求解，通過設(shè)置優(yōu)化性能指標(biāo)來對力進(jìn)行優(yōu)化控制，實(shí)現(xiàn)了對機(jī)械臂的穩(wěn)定控制。Chaudhary等人[26]提出了一種混合式AFSPD+I力/位置控制器，用于在實(shí)際約束環(huán)境中具有不確定的機(jī)器人動(dòng)力學(xué)和外部干擾的機(jī)器人操縱臂的軌跡控制；Huang等人[27]為避免計(jì)算常規(guī)混合位置和力控制中使用的雅可比逆矩陣，提出了兩種差分逆運(yùn)動(dòng)學(xué)方法，將約束坐標(biāo)的位置誤差和姿態(tài)誤差返回到關(guān)節(jié)坐標(biāo)的角度誤差，建立了一種混合控制結(jié)構(gòu)，以提供控制精度和實(shí)用性，并使用RPY型6自由度機(jī)械手進(jìn)行了白板字符擦除實(shí)驗(yàn)，如圖7所示。實(shí)驗(yàn)的結(jié)果證實(shí)了該混合控制在表面接觸工作中的有效性。

圖7 RPY型六自由度機(jī)械手進(jìn)行字符擦除實(shí)驗(yàn)

經(jīng)過多年發(fā)展，力/位混合控制的研究己經(jīng)越來越成熟，但是力/位混合控制嚴(yán)重依賴環(huán)境建模的準(zhǔn)確度，不精確的環(huán)境建模將會(huì)轉(zhuǎn)化為接觸時(shí)的碰撞力，可能會(huì)對機(jī)械臂造成不可預(yù)估的影響。

2.1.2 阻抗控制

力/位置混合控制對位置和力進(jìn)行分別控制，存在魯棒性差、依賴環(huán)境建模、編程計(jì)算量大等問題。阻抗控制在未知環(huán)境中具有抗干擾魯棒性高等特點(diǎn)，而且編程簡單計(jì)算量少，更加適用于復(fù)雜的接觸環(huán)境。

阻抗控制是指對機(jī)器人的期望機(jī)械阻抗進(jìn)行控制，將交互點(diǎn)處速度到交互力之間的傳遞關(guān)系用“阻抗”來描述。Hogan[28-30]在1985年根據(jù)電路中阻抗的概念與特點(diǎn)提出了阻抗控制。阻抗控制的特點(diǎn)是不直接控制機(jī)器人與接觸環(huán)境的作用力，而是根據(jù)機(jī)器人末端的位置(或速度)和末端作用力之間的關(guān)系，調(diào)整反饋位置誤差、速度誤差或剛度來控制作用力。

Seraji等人[31]設(shè)計(jì)了兩個(gè)在線方案用于阻抗控制框架內(nèi)進(jìn)行力跟蹤，并用一個(gè)7自由度機(jī)器臂進(jìn)行動(dòng)力學(xué)仿真研究，證明了該方案能夠補(bǔ)償環(huán)境剛度與位置的不確定性；Calanca等人[32]在激勵(lì)和促進(jìn)阻抗控制中積極的加速反饋方面進(jìn)行了研究，論證了相對于現(xiàn)有解決方案的更高的穩(wěn)定性與優(yōu)越的準(zhǔn)確性，通過SEA的阻抗控制解決方案的缺失無源結(jié)果。該結(jié)果顯示了通用的Z寬度限制，適用于除基于加速度的控制之外的所有架構(gòu)；Li等人[33]設(shè)計(jì)了一種由串聯(lián)彈性執(zhí)行器（SEA）驅(qū)動(dòng)的康復(fù)機(jī)器人的迭代學(xué)習(xí)阻抗控制器，通過迭代方式獲得所需的阻抗模型，該模型通過重復(fù)任務(wù)學(xué)習(xí)治療過程，可以實(shí)現(xiàn)所需阻抗到零的收斂，并保證機(jī)器人的瞬態(tài)性能，如圖8所示；Li等人[34]提出了一種針對機(jī)器人操作器的新型自適應(yīng)阻抗控制，其末端執(zhí)行器的運(yùn)動(dòng)受到人體手臂運(yùn)動(dòng)極限的限制；并通過實(shí)驗(yàn)驗(yàn)證了所提出的控制器在協(xié)作操作員執(zhí)行人機(jī)協(xié)作任務(wù)方面是有效的，可以最大程度地減少運(yùn)動(dòng)跟蹤誤差。

圖8 上肢康復(fù)機(jī)器人

2.2 先進(jìn)柔順控制

經(jīng)典柔順控制在簡單操作任務(wù)中可以有效地控制力和位置，但在完成復(fù)雜任務(wù)時(shí)，面臨著模型參數(shù)不確定、接觸環(huán)境不確定及外界干擾等問題，從控制效果和適用范圍來看仍有不足，無法使其推廣應(yīng)用，從而需要研究先進(jìn)柔順控制方法來克服這些問題。

先進(jìn)柔順控制可分為自適應(yīng)柔順控制與魯棒柔順控制等方式。

2.2.1 自適應(yīng)柔順控制

自適應(yīng)控制的研究對象是具有一定程度不確定性的系統(tǒng)，這里所謂的“不確定性”是指被控對象及其環(huán)境的數(shù)學(xué)模型不是完全確定的，其中包含一些未知因素和隨機(jī)因素，自適應(yīng)控制能修正自己的特性以適應(yīng)對象和擾動(dòng)的動(dòng)態(tài)特性的變化。

自適應(yīng)柔順控制是在經(jīng)典柔順控制方法中加入了一些自適應(yīng)策略，使得當(dāng)機(jī)器人和環(huán)境存在不確定因素與未知參數(shù)時(shí)仍然可以獲得需要的阻尼或阻抗。如圖9為自適應(yīng)柔順控制的一般結(jié)構(gòu)框圖。

圖9 自適應(yīng)柔順控制框圖

機(jī)器人自適應(yīng)柔順控制方法可以分為兩類:間接自適應(yīng)方法[35-40]和直接自適應(yīng)方法[41-46]。

間接自適應(yīng)方法中存在一個(gè)參數(shù)估計(jì)器對機(jī)器人柔順控制系統(tǒng)中的未知參數(shù)進(jìn)行估計(jì)，估計(jì)器得到的參數(shù)用于設(shè)計(jì)自適應(yīng)律。Mendes等人[37]研究了在混合力/運(yùn)動(dòng)解決方案中作用力控制器的間接自適應(yīng)模糊控制器的行為，提出的自適應(yīng)控制器將模糊系統(tǒng)的參數(shù)初始化為零，不需要機(jī)器人的數(shù)學(xué)模型以及確?？刂谱兞康氖諗啃裕籑ohanty等人[38]合成了一種間接自適應(yīng)魯棒控制器（IARC），提議的IARC著重于對未知參數(shù)的準(zhǔn)確估計(jì)，用于單桿液壓執(zhí)行器驅(qū)動(dòng)電液的精確運(yùn)動(dòng)控制，可以適應(yīng)系統(tǒng)的不確定性。

由于間接自適應(yīng)方法需要精確的機(jī)器人參數(shù)和接觸環(huán)境的模型，在實(shí)際應(yīng)用中往往比較困難或者難以實(shí)現(xiàn)，所以直接自適應(yīng)方法在機(jī)器人力控制中得到越來越多的應(yīng)用。Zirkohi等人[44]利用Legendre多項(xiàng)式（LP）和Fourier級(jí)數(shù)（FS）等函數(shù)逼近技術(shù)（FAT），提出了一種簡單的電動(dòng)機(jī)械手無模型控制器，根據(jù)正交函數(shù)定理，LP與FS可以以任意小的逼近誤差逼近非線性函數(shù)，直接自適應(yīng)函數(shù)逼近技術(shù)可以作為控制器來控制機(jī)器人機(jī)械手的運(yùn)動(dòng)；Yin等人[46]提出了一種直接自適應(yīng)魯棒跟蹤控制方法，該控制器是根據(jù)六自由度機(jī)器人末端執(zhí)行器的工作空間中的動(dòng)態(tài)特性設(shè)計(jì)的，應(yīng)用于存在參數(shù)不確定性、外部干擾和非線性不確定性等情況的六自由度工業(yè)機(jī)器人的軌跡跟蹤，并用六自由度裝配工業(yè)機(jī)器人驗(yàn)證了所設(shè)計(jì)的控制器可以實(shí)現(xiàn)更好的軌跡跟蹤性能，如圖10所示。

圖10 六自由度裝配工業(yè)機(jī)器人實(shí)驗(yàn)平臺(tái)

2.2.2 魯棒柔順控制

自適應(yīng)控制存在控制精度與系統(tǒng)穩(wěn)定性問題，所以需要在自適應(yīng)控制中引入魯棒控制來提高系統(tǒng)的穩(wěn)定性。魯棒性（robustness）就是系統(tǒng)的健壯性，它是在異常和危險(xiǎn)情況下系統(tǒng)生存的關(guān)鍵。所謂“魯棒性”，是指控制系統(tǒng)在一定（結(jié)構(gòu)，大?。┑膮?shù)攝動(dòng)下，維持某些性能的特性。

魯棒控制是一個(gè)著重控制算法可靠性研究的控制器設(shè)計(jì)方法，一旦設(shè)計(jì)好這個(gè)控制器，它的參數(shù)不能改變。魯棒性一般定義為在實(shí)際環(huán)境中為保證安全要求控制系統(tǒng)最小必須滿足的要求。魯棒控制方法，是對時(shí)間域或頻率域來說，一般假設(shè)過程動(dòng)態(tài)特性的信息和它的變化范圍。一些算法不需要精確的過程模型但需要一些離線辨識(shí)。

魯棒柔順控制器基于對不確定性的描述參數(shù)和標(biāo)稱系統(tǒng)的數(shù)學(xué)模型來設(shè)計(jì)，以固定的控制器保證在機(jī)器人和環(huán)境之間存在模型誤差時(shí)，系統(tǒng)能穩(wěn)定并且達(dá)到需要的動(dòng)態(tài)性能，無需自適應(yīng)算法，運(yùn)算速度快，實(shí)時(shí)性好。圖11為魯棒柔順控制結(jié)構(gòu)簡圖，魯棒柔順控制器的輸出包括兩部分：魯棒控制律和反饋控制律，反饋控制律通常為PI、PD、PID等，魯棒柔順控制的難點(diǎn)在于如何設(shè)計(jì)一個(gè)好的魯棒控制律，魯棒控制律通常采用李雅普諾夫直接方法得到。

圖11 魯棒柔順控制框圖

葉正茂等人[47]提出基于六自由度并聯(lián)機(jī)器人位置內(nèi)環(huán)的柔順力控制策略，綜合考慮參數(shù)變化、模型變動(dòng)和外來的干擾等不確定性，利用了綜合控制理論設(shè)計(jì)魯棒力控制器，并通過分析比較魯棒力控制器和經(jīng)典力控制器的魯棒穩(wěn)定性與魯棒性能，得出魯棒力控制器的有效性與優(yōu)越性；陳棟金[48]研究了基于混合位置/力矩控制策略的機(jī)器人靈巧手指基關(guān)節(jié)的柔順控制方法，在自由空間中和約束空間的位置控制方向上，采用具有魯棒性平滑非線性反饋（SRNF）的補(bǔ)償器的PD位置控制算法實(shí)現(xiàn)精確、平滑的軌跡跟蹤；在約束空間的力控制上，采用改進(jìn)的純積分力控制算法實(shí)現(xiàn)精確的力控制；Jin等人[49]結(jié)合時(shí)延估計(jì)技術(shù)和理想速度反饋提出了一種簡單的魯棒柔順運(yùn)動(dòng)控制技術(shù)，用于具有非線性摩擦的機(jī)器人操作器，所提出的控制器具有簡單的結(jié)構(gòu)，且無需建模摩擦即可提供良好的在線摩擦補(bǔ)償，如圖12所示，用工業(yè)機(jī)器人進(jìn)行實(shí)驗(yàn)，顯示其具有良好的魯棒性。

圖12 一種簡單柔順技術(shù)控制工業(yè)機(jī)器人運(yùn)動(dòng)

2.3 智能柔順控制

隨著計(jì)算機(jī)技術(shù)與控制理論發(fā)展水平的不斷提高，智能控制方法得到廣泛的應(yīng)用。傅京孫教授于1971年首先提出了智能控制的二元交集理論，即人工智能和自動(dòng)控制的交叉，美國的薩里迪斯(G.N.Saridis)于1977年把傅京孫教授的二元結(jié)構(gòu)擴(kuò)展為三元結(jié)構(gòu)，即人工智能、自動(dòng)控制和運(yùn)籌學(xué)的交叉，后來中南大學(xué)的蔡自興教授又將三元結(jié)構(gòu)擴(kuò)展為四元結(jié)構(gòu)即人工智能、自動(dòng)控制、運(yùn)籌學(xué)和信息論的交叉，從而進(jìn)一步完善了智能控制的結(jié)構(gòu)理論，形成智能控制的理論體系。

智能柔順控制可分為神經(jīng)網(wǎng)絡(luò)控制與機(jī)器學(xué)習(xí)控制等。

2.3.1 神經(jīng)網(wǎng)絡(luò)柔順控制

神經(jīng)網(wǎng)絡(luò)控制是20世紀(jì)80年代末期發(fā)展起來的自動(dòng)控制領(lǐng)域的前沿學(xué)科之一。它是智能控制的一個(gè)新的分支，為解決復(fù)雜的非線性、不確定、不確知系統(tǒng)的控制問題開辟了新途徑。神經(jīng)網(wǎng)絡(luò)控制是指在控制系統(tǒng)中，應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù)，對難以精確建模的復(fù)雜非線性對象進(jìn)行神經(jīng)網(wǎng)絡(luò)模型辨識(shí)，或作為控制器，或進(jìn)行優(yōu)化計(jì)算，或進(jìn)行推理，或進(jìn)行故障診斷，或同時(shí)兼有上述多種功能。

近年來，將神經(jīng)網(wǎng)絡(luò)應(yīng)用于機(jī)器人力控制的研究引起學(xué)者極大的關(guān)注，這是由于神經(jīng)網(wǎng)絡(luò)具有自適應(yīng)性和自學(xué)習(xí)性的特點(diǎn)，與傳統(tǒng)控制方法相比具有很大的優(yōu)越性。這方面的研究大體可分為兩類：一類是假定機(jī)器人動(dòng)力學(xué)模型完全未知，神經(jīng)網(wǎng)絡(luò)通過學(xué)習(xí)來逼近系統(tǒng)的動(dòng)力學(xué)或逆動(dòng)力學(xué)模型，以實(shí)現(xiàn)反饋控制或逆動(dòng)力學(xué)控制；另一類是假定機(jī)器人動(dòng)力學(xué)模型為部分已知的，神經(jīng)網(wǎng)絡(luò)被用來學(xué)習(xí)模型中的未知參數(shù)，以減少在線計(jì)算的負(fù)擔(dān)。

Connolly等人[50]將多層前向神經(jīng)網(wǎng)絡(luò)用于機(jī)器人力/位置混合控制，根據(jù)檢測到的作用力和位置，利用神經(jīng)網(wǎng)絡(luò)計(jì)算出人為約束和選擇矩陣，并進(jìn)行了插孔實(shí)驗(yàn)；Masatoshi等人[51]用四層前饋神經(jīng)網(wǎng)絡(luò)構(gòu)造神經(jīng)網(wǎng)絡(luò)控制器，能將接觸力控制到不穿破紙的極小范圍，但此控制方法針對性強(qiáng)，缺少普遍性；Fukuda等人[52]將機(jī)器人力控制系統(tǒng)作為大系統(tǒng)進(jìn)行研究，基于大系統(tǒng)理論、模糊理論和神經(jīng)網(wǎng)絡(luò)提出的“智能力/位置并環(huán)控制策略”，智能力/位置并環(huán)控制的基本原理是將力和位置并行輸入，利用模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行綜合，輸出為位置量，不改變機(jī)器人本身的位置伺服系統(tǒng)，充分利用原來機(jī)器人位置控制的高精度；He等人[53]研究了一種基于阻抗學(xué)習(xí)的自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)控制方法，用于約束機(jī)器人在未知的系統(tǒng)動(dòng)力學(xué)、狀態(tài)約束的影響以及不確定的柔性環(huán)境下的控制；Liu等人[54]提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的DELTA并聯(lián)機(jī)器人運(yùn)動(dòng)學(xué)求解方法，來解決DELTA并聯(lián)機(jī)器人復(fù)雜的運(yùn)動(dòng)學(xué)正解和多解問題，并用MATLAB進(jìn)行仿真，結(jié)果表明，采用遺傳算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型來解決DELTA并聯(lián)機(jī)器人的運(yùn)動(dòng)學(xué)正解問題是可行的，可以達(dá)到對DELTA并聯(lián)機(jī)器人控制速度和精度要求較高的目的，在一定程度上避免了傳統(tǒng)方法的缺點(diǎn)，而且確保安全生產(chǎn)的可靠性。

2.3.2 機(jī)器學(xué)習(xí)柔順控制

機(jī)器學(xué)習(xí)(Machine Learning，ML)是一門多領(lǐng)域交叉學(xué)科，涉及概率論知識(shí)、統(tǒng)計(jì)學(xué)知識(shí)、近似理論知識(shí)和復(fù)雜算法知識(shí)，使用計(jì)算機(jī)作為工具致力于真實(shí)、實(shí)時(shí)地模擬人類學(xué)習(xí)方式，并將現(xiàn)有內(nèi)容進(jìn)行知識(shí)結(jié)構(gòu)劃分來有效提高學(xué)習(xí)效率，以獲取新的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的性能。

機(jī)器學(xué)習(xí)是研究怎樣使用計(jì)算機(jī)模擬或?qū)崿F(xiàn)人類學(xué)習(xí)活動(dòng)的科學(xué)，是人工智能中最具智能特征、最前沿的研究領(lǐng)域之一。自20世紀(jì)80年代以來，機(jī)器學(xué)習(xí)作為實(shí)現(xiàn)人工智能的途徑，在人工智能界引起了廣泛的興趣，特別是近十幾年來，機(jī)器學(xué)習(xí)領(lǐng)域的研究工作發(fā)展很快，它已成為人工智能的重要課題之一。機(jī)器學(xué)習(xí)不僅在基于知識(shí)的系統(tǒng)中得到應(yīng)用，而且在自然語言理解、非單調(diào)推理、機(jī)器視覺、模式識(shí)別等許多領(lǐng)域也得到了廣泛應(yīng)用。

Rahman[55]開發(fā)了一種強(qiáng)化學(xué)習(xí)方法來預(yù)測產(chǎn)生最佳/最優(yōu)控制性能的控制參數(shù)。同時(shí)，Rahman還提出了一種新的基于人的特性的自適應(yīng)控制算法，來處理各行各業(yè)的大型和重型材料和物體，從而提高人機(jī)交互(HRIs)和系統(tǒng)性能。Lin等人[56]基于Unity3D引擎，采用深度強(qiáng)化學(xué)習(xí)策略，通過獎(jiǎng)勵(lì)函數(shù)對機(jī)械臂進(jìn)行訓(xùn)練，實(shí)現(xiàn)機(jī)械臂的機(jī)器學(xué)習(xí)和智能控制，經(jīng)過訓(xùn)練和學(xué)習(xí)，機(jī)器人手臂能夠快速準(zhǔn)確地在環(huán)境中找到運(yùn)動(dòng)點(diǎn)，具有較高的環(huán)境適應(yīng)性，如圖13所示。

圖13 機(jī)械臂訓(xùn)練結(jié)果圖

3 機(jī)器人運(yùn)動(dòng)規(guī)劃方法研究現(xiàn)狀

軌跡規(guī)劃，是機(jī)器人（機(jī)械臂）領(lǐng)域的一個(gè)重要課題，也是重難點(diǎn)攻克方向之一。工業(yè)機(jī)器人的軌跡規(guī)劃是機(jī)械臂動(dòng)作軌跡的規(guī)劃，其包含了機(jī)械臂末端運(yùn)動(dòng)軌跡曲線，也包含了運(yùn)動(dòng)過程中的位移、速度、加速度等變量的曲線軌跡。軌跡規(guī)劃直接影響機(jī)械臂的工作效率以及操作安全性，而機(jī)械臂工作的效率以及安全性和可靠性，是衡量機(jī)械臂最直接的指標(biāo)[57]。

在機(jī)械臂發(fā)展初期階段，機(jī)械臂多采用示教模式執(zhí)行動(dòng)作，目前該模式仍廣泛用于工業(yè)機(jī)器人中。該模式缺點(diǎn)明顯，只能完成簡單的重復(fù)動(dòng)作，對于多變的任務(wù)場景、復(fù)雜的任務(wù)環(huán)境（如處理動(dòng)態(tài)目標(biāo)），該模式已經(jīng)無法完成工作，機(jī)械臂自主軌跡規(guī)劃則可較好解決上述問題。

針對機(jī)械臂避障規(guī)劃問題，許多學(xué)者提出了不同的避障軌跡規(guī)劃方法，按照方法的作用范圍定義，可分為全局方法和局部方法，分別對應(yīng)兩種分類的兩種典型方法為自由空間法和人工勢場法[58-59]，其中常見的自由空間法有A*算法、蟻群算法、快速拓展隨機(jī)樹算法、遺傳算法等方法，現(xiàn)對各種軌跡方法進(jìn)行介紹。

3.1 A*算法

A*（A-star）算法，是由Hart于1968年提出的一種基于靜態(tài)網(wǎng)路的最短路徑搜索方法[60]，是最常用的啟發(fā)式算法之一，廣泛用于機(jī)器人路徑規(guī)劃問題之中。A*算法的核心部分在于估價(jià)函數(shù)和迭代計(jì)算。估價(jià)函數(shù)是用于評(píng)估路徑代價(jià)的計(jì)算函數(shù)，估價(jià)函數(shù)設(shè)計(jì)的優(yōu)劣直接影響到整個(gè)算法的收斂計(jì)算。A*算法通常配合柵格法使用，柵格地圖建立精度也將直接影響規(guī)劃效率和計(jì)算成本。

賈慶軒等[61]通過仿真實(shí)驗(yàn)，驗(yàn)證了A*算法在機(jī)械臂路徑中具有有效性和可行性。宗成星等[58]在機(jī)械臂軌跡規(guī)劃實(shí)驗(yàn)中同樣采用了基于A*算法的規(guī)劃算法，并使用幾何體包絡(luò)的方法簡化障礙物的構(gòu)建問題。針對傳統(tǒng)A*算法固定步長導(dǎo)致的缺陷，汪首坤等[62]改進(jìn)了步長方法，提出了變步長分段搜索法，通過大步長找出中間點(diǎn)，再使用小步長搜索起始點(diǎn)至中間點(diǎn)路徑和中間點(diǎn)至目標(biāo)點(diǎn)路徑，并通過仿真實(shí)驗(yàn)驗(yàn)證了該方法的可行性。李得偉等[63]提出了一種通過逆序搜索和優(yōu)化估價(jià)函數(shù)方法，將無向A*搜搜算法轉(zhuǎn)化為有向搜索，將全局估價(jià)轉(zhuǎn)變?yōu)榫植抗纼r(jià)，提高了算法效率，使之更適合處理大規(guī)模的路徑優(yōu)化問題，消除了復(fù)雜環(huán)境下路徑搜索中可能出現(xiàn)的“假死”現(xiàn)象，同時(shí)也提供了一種提高大規(guī)模仿真速度的新思路——路徑搜索與仿真過程分離。

A*系列算法因其求解最優(yōu)路徑的良好效果被廣泛使用在移動(dòng)機(jī)器人路徑規(guī)劃上，在機(jī)械臂規(guī)劃領(lǐng)域，在環(huán)境簡單、障礙物較少而又對最短路徑要求較高的場景中也有廣泛使用，如水下機(jī)器人的能量最優(yōu)控制等，但對于實(shí)時(shí)性要求較高的動(dòng)態(tài)任務(wù)場景，其龐大的計(jì)算量限制了算法的應(yīng)用。

3.2 蟻群算法

蟻群算法是由Marco Dorigo于1992年提出的一種智能路徑搜索算法[64]，它是一種源于螞蟻覓食機(jī)制的智能仿生算法，對于路徑搜索和組合優(yōu)化等問題，具有較好的特性。

蟻群算法的優(yōu)點(diǎn)在于其采用正反饋、分布式計(jì)算以及貪婪啟發(fā)式，利用正反饋算法在迭代中不斷收斂到最優(yōu)解，而分布式計(jì)算防止了算法的過早收斂問題，貪婪啟發(fā)式在算法早期群找到一個(gè)可行解，利于后續(xù)的迭代計(jì)算。算法在釋放蟻群時(shí)，采用并行計(jì)算，多個(gè)螞蟻同時(shí)進(jìn)行搜索，搜索效率較高。但算法系統(tǒng)參數(shù)不易調(diào)節(jié)，多由經(jīng)驗(yàn)確定，在處理復(fù)雜度較高問題時(shí)，算法的實(shí)時(shí)性較差。其次，地圖精度建立高，則螞蟻數(shù)量較多，并行計(jì)算量大。

張敬賢等[65]提出改進(jìn)蟻群算法并運(yùn)用與實(shí)驗(yàn)中，引入了可選節(jié)點(diǎn)周圍可行的安全子節(jié)點(diǎn)對蟻群算法轉(zhuǎn)移概率進(jìn)行改進(jìn)，計(jì)算得到末端執(zhí)行器的運(yùn)動(dòng)軌跡，根據(jù)該軌跡通過偽逆法進(jìn)行逆運(yùn)算求得各關(guān)節(jié)運(yùn)動(dòng)量，實(shí)驗(yàn)表明，該改進(jìn)方法比原蟻群算法有更快收斂速度，避障軌跡更加合理，如圖14所示?？岛撇66]將粒子群算法與蟻群算法相結(jié)合，作為機(jī)械臂軌跡規(guī)劃方法，其通過粒子群算法作為優(yōu)化手段，優(yōu)化蟻群算法得出結(jié)果，使最終解為最優(yōu)解，并通過實(shí)驗(yàn)驗(yàn)證了該方案的可行性。王芳等[67]將蟻群算法和人工勢場法相結(jié)合，通過人工勢場法所規(guī)劃結(jié)果作為蟻群算法規(guī)劃的先驗(yàn)信息，改變了蟻群算法初始信息素的均勻分配，并通過構(gòu)建勢場導(dǎo)向權(quán)改變螞蟻概率轉(zhuǎn)移函數(shù)，使算法更快收斂，提高了計(jì)算效率，但存在易陷入局部最優(yōu)值的問題。Jiao等[68]提出一種用于解決路徑規(guī)劃中局部最優(yōu)問題的多態(tài)蟻群優(yōu)化算法，采用自適應(yīng)的狀態(tài)轉(zhuǎn)移以及信息素更新策略，保證了信息素濃度和啟發(fā)信息在算法迭代計(jì)算過程中的重要性。

圖14 原蟻群算法實(shí)驗(yàn)效果對比

3.3 快速拓展隨機(jī)樹算法

快速拓展隨機(jī)樹(Rapidly-exploring Random Trees，RRT)算法，是由Steven M.LaValle提出的一種基于隨機(jī)采樣的運(yùn)動(dòng)規(guī)劃算法，其算法的核心與樹生長分叉相似，廣泛用于機(jī)械臂運(yùn)動(dòng)軌跡規(guī)劃以及移動(dòng)機(jī)器人路徑規(guī)劃。其算法的基本思想在于，以起始點(diǎn)為根節(jié)點(diǎn)，隨機(jī)在地圖或自由空間中分布隨機(jī)節(jié)點(diǎn)，以根節(jié)點(diǎn)起始隨機(jī)采樣生長，遇到隨機(jī)節(jié)點(diǎn)則為一棵樹干，隨后再以該節(jié)點(diǎn)繼續(xù)隨機(jī)生長，不斷生成樹干和樹枝，直至生長到目標(biāo)點(diǎn)為止，形成一條可行路徑。 RRT算法采用隨機(jī)采樣拓展生長節(jié)點(diǎn)，采樣范圍為整個(gè)自由空間，避免了算法陷入局部最小值，且每次采樣都會(huì)檢測生長樹末梢是否達(dá)到了目標(biāo)點(diǎn)附近區(qū)域（小于一個(gè)較小范圍）或碰到障礙區(qū)域，生長樹隨算法不斷迭代而生成樹干樹枝，當(dāng)生長到目標(biāo)點(diǎn)附近，即可形成一條可行的生長樹路徑。

傳統(tǒng)RRT算法的樹枝生長方向是隨機(jī)的，其無向性導(dǎo)致了算法計(jì)算出的結(jié)果往往不是最優(yōu)解，前期大量的非收斂計(jì)算也導(dǎo)致算法運(yùn)行速度降低。為降低其計(jì)算量，一些學(xué)者提出和運(yùn)用了雙向擴(kuò)展隨機(jī)樹[69]，融入退火算法的隨機(jī)樹等算法。蔡文濤等[70]提出一種目標(biāo)概率偏置與步長控制的改進(jìn)RRT算法(I-RRT)，該I-RRT算法在生長過程中，采樣點(diǎn)有一定概率偏向目標(biāo)點(diǎn)，改善了RRT算法無導(dǎo)向性的問題和規(guī)劃空間增大時(shí)算法時(shí)間復(fù)雜度高的問題，并由實(shí)驗(yàn)驗(yàn)證I-RRT算法較RRT算法時(shí)間復(fù)雜度優(yōu)化至30%，如圖15所示。

Denny等[71]提出一種自適應(yīng)RRT算法，對于空曠區(qū)域和有障礙物區(qū)域使用不同的處理，采用兩級(jí)生長選擇機(jī)制使RRT的生長適應(yīng)當(dāng)前的搜索區(qū)域。最佳RRT算法（RRT*）算法對原RRT算法進(jìn)行優(yōu)化，解決了RRT算法計(jì)算結(jié)果往往不是最優(yōu)解的問題，使算法能夠最終趨近于最佳解決方案，但該方法所需計(jì)算成本較大，效率較低。Burget等[72]提出一種雙向知情RRT*算法（BI 2 RRT *），在知情RRT*算法[73]的基礎(chǔ)上融合雙向擴(kuò)展原理，機(jī)械臂規(guī)劃實(shí)驗(yàn)結(jié)果表明，該算法比知情RRT*算法和雙向擴(kuò)展隨機(jī)樹有更好的效果。

3.4 遺傳算法

遺傳算法(Genetic Algorithm，GA) 是由Holland提出的一種仿生模擬啟發(fā)式算法，該算法模擬生物在自然環(huán)境中的遺傳和進(jìn)化的過程和規(guī)律，得出全局優(yōu)化概率的搜索策略。生物界的遺傳特性在于“優(yōu)勝劣汰”，適應(yīng)環(huán)境好的基因遺傳到下一代概率更高，而遺傳算法的核心在于算子模仿了生物遺傳，通過交叉、選擇、變異操作，使個(gè)體間基因信息交換，篩選出適應(yīng)度較高的優(yōu)良個(gè)體遺傳到下一代，保證了算法收斂性。遺傳算法由于其優(yōu)良遺傳特性，被廣泛應(yīng)用于自動(dòng)控制、機(jī)器人路徑規(guī)劃等研究領(lǐng)域。

張秀林[74]使用遺傳算法求解機(jī)械臂時(shí)間最優(yōu)軌跡規(guī)劃，并且通過實(shí)驗(yàn)驗(yàn)證了遺傳算法在軌跡規(guī)劃中具有良好特性。但基本遺傳算法具有局部搜索能力差的問題，在基本遺傳算法的基礎(chǔ)上，混合遺傳算法不斷發(fā)展，一些學(xué)者提出了與模擬退火算法結(jié)合的模擬退火遺傳算法、融合模糊優(yōu)化設(shè)計(jì)理念的模糊遺傳算法等優(yōu)化遺傳算法。戈新生等[75]將空間機(jī)械臂的運(yùn)動(dòng)規(guī)劃問題轉(zhuǎn)化為非線性系統(tǒng)的最優(yōu)控制問題，并在最優(yōu)控制算法之中引入了遺傳算法作為求解手段，通過仿真實(shí)驗(yàn)驗(yàn)證了該方法的有效性；祁若龍等[76]同樣利用了遺傳算法作為規(guī)劃算法，并首先利用分段描述方程建立軌跡，將軌跡信息轉(zhuǎn)化為確定參數(shù)和待求參數(shù)，即把機(jī)械臂的軌跡規(guī)劃轉(zhuǎn)變?yōu)槎嗄繕?biāo)求解的問題，隨后利用遺傳算法進(jìn)行求解，如圖16所示。

圖16 一種基于遺傳算法的避障實(shí)驗(yàn)運(yùn)動(dòng)過程

3.5 人工勢場法

基于自由空間的規(guī)劃算法由于存在計(jì)算空間較大，局部性較差的問題，往往難以單獨(dú)運(yùn)用在機(jī)械臂實(shí)時(shí)路徑規(guī)劃上。為此，Khatib提出了人工勢場法，該算法的核心思想在于構(gòu)建笛卡爾運(yùn)動(dòng)空間的虛擬力場，目標(biāo)點(diǎn)對機(jī)械臂的吸引力以及障礙物對機(jī)械臂的斥力，兩種力驅(qū)動(dòng)機(jī)械臂運(yùn)動(dòng)，引力是對末端執(zhí)行器作用，斥力則是對機(jī)械臂上距離障礙物最近點(diǎn)作用。人工勢場法具有良好的實(shí)時(shí)性特點(diǎn)，無需完備的障礙構(gòu)型映射，對于動(dòng)態(tài)變化環(huán)境響應(yīng)較好，模型建立簡單，計(jì)算量小。同時(shí)，該方法規(guī)劃的運(yùn)動(dòng)軌跡是連續(xù)平滑的，無需加入插補(bǔ)算法。由于人工勢場法的優(yōu)良性能，被廣泛采用在機(jī)械臂運(yùn)動(dòng)規(guī)劃中。但作為一種局部規(guī)劃算法，人工勢場法存在一定的局限性，同全局算法相比，人工勢場法以犧牲對全局信息的導(dǎo)入換取實(shí)時(shí)性。

針對傳統(tǒng)人工勢場法存在的局部最小等問題，許多學(xué)者提出了不同的改進(jìn)方案。針對局部最小值問題，一些學(xué)者提出采用修改勢場和目標(biāo)的方法。Volpe[77]等提出了不存在局部最小值的超二次曲面勢場函數(shù)，該函數(shù)形成的斥力勢場在距離障礙物較遠(yuǎn)處，等勢面為球?qū)ΨQ形狀，避免了同引力函數(shù)勢場疊加形成局部最小值；Sato[78-79]提出了基于拉普拉斯方程的人工勢場法，該方法通過修改勢能函數(shù)，消除局部最小值點(diǎn)；王俊龍[80]提出添加虛擬障礙物，改變機(jī)械臂和勢能，引導(dǎo)機(jī)械臂跳出局部最小值，并采用關(guān)節(jié)空間作為機(jī)械臂搜索空間以減少計(jì)算量和避免奇異點(diǎn)出現(xiàn)，如圖17所示。

圖17 人工勢場法中機(jī)械臂障礙點(diǎn)與機(jī)械臂位置關(guān)系

馬黎鵬[81]在實(shí)驗(yàn)中將蟻群算法與基于負(fù)反饋的人工勢場法相結(jié)合，提高了規(guī)劃算法的全局能力并且加快了收斂的速度，同時(shí)采用了虛擬目標(biāo)點(diǎn)方法擺脫局部最小值。何兆楚等[82]利用RRT算法不易陷入局部最小值特點(diǎn)，將人工勢場法融合RRT算法，當(dāng)機(jī)械臂陷入局部最小值時(shí)，由改進(jìn)RRT算法自適應(yīng)設(shè)置臨時(shí)目標(biāo)點(diǎn)，脫離局部最小值，仿真實(shí)驗(yàn)表明，該方法在復(fù)雜環(huán)境中也具有可行性，如圖18所示。

圖18 存在不同障礙物下的機(jī)械臂末端運(yùn)動(dòng)軌跡

眾多學(xué)者和研究人員采用了人工勢場法規(guī)劃機(jī)械臂運(yùn)動(dòng)軌跡，驗(yàn)證了人工勢場法在該方面性能的優(yōu)秀。對于實(shí)時(shí)性要求較高、工作環(huán)境較復(fù)雜的動(dòng)態(tài)變化場景，人工勢場法相較于其他方法有著巨大優(yōu)勢，以人工勢場法為主的動(dòng)態(tài)避障算法也將持續(xù)被研究。

4 總結(jié)與展望

隨著工業(yè)生產(chǎn)場景和生產(chǎn)方式的轉(zhuǎn)變，工業(yè)機(jī)器人的主動(dòng)安全性能將會(huì)得到越來越多的關(guān)注。交互監(jiān)測技術(shù)和控制技術(shù)的進(jìn)步，勢必會(huì)推動(dòng)工業(yè)機(jī)器人安全性能的提升，本質(zhì)安全將是理想機(jī)器人的必備且基礎(chǔ)的特征。

未來工業(yè)機(jī)器人的研究應(yīng)在強(qiáng)化安全保證和高效操作的基礎(chǔ)上，探索提高工業(yè)機(jī)器人認(rèn)知和自主操作能力，使工業(yè)機(jī)器人不僅能提高工序作業(yè)能力、減輕工人勞動(dòng)強(qiáng)度，而且能降低對工人技術(shù)水平的要求，通過人機(jī)協(xié)作更好地完成復(fù)雜任務(wù)。與此同時(shí)，工業(yè)機(jī)器人與近年熱點(diǎn)交互機(jī)器人之間的界限將越來越模糊，協(xié)作機(jī)器人最終將變成一個(gè)過渡概念，隨著技術(shù)的發(fā)展，未來所有的機(jī)器人都應(yīng)該具備與人類一起安全地協(xié)同工作的特性。