柔性机械臂系统是高度复杂、高度非线性、非最小相位系统,且具有诸多的不确定性,因此,柔性机械臂末端轨迹跟踪问题有很大难度,再加上庞大的计算量和设备成本,成为了很多理论算法投入生产实践应用的“瓶颈”。这些制约了机械臂进行更高精度、更高速度的工作。本文我们应用迭代学习算法控制机械臂,可以在无法准确建模的情况下,通过逐次学习,逐渐完成对期望轨迹的完全跟踪。但是,机械臂在现实工作中存在很多限制,可能导致跟踪的期望轨迹发生改变,这就不满足迭代学习算法的前提假设,给迭代学习控制算法的应用带来了困难。因此,如何在期望轨迹变化时,使迭代学习控制仍然有效,并能实现对机械臂末端的可变期望轨迹有效跟踪,成为本文研究的主要内容。本文的主要工作及成果:1针对一类仿射非线性动态系统,结合变结构控制技术设计一种期望轨迹可变的迭代学习控制算法。最后,采用李雅普诺夫稳定性理论证明了算法的收敛性。2选择三种常用的逼近方法分别设计控制器,并基于刚性机械臂模型进行仿真,从仿真结果看,三种控制器均能够实现对变轨迹的有效跟踪。通过比较分析得出,基于小波网络逼近的迭代控制器较理想。3然后,我们把基于小波逼近的迭代学习控制器用于控制柔性机械臂,不仅实现了柔性臂末端的变轨迹跟踪,且振动抑制的控制效果也较理想。4基于实验室硬件设备,本文设计了柔性臂的运动控制系统平台,并在MATLAB的SimMechanics工具箱下搭建柔性机械臂的模型,仿真试验结果显示出最大跟踪误差逐渐收敛,且抑制住了轨迹跟踪过程中出现的振动,从而实现了柔性臂末端的变轨迹跟踪控制和振动抑制控制。