机器人的控制问题无论在理论界还是工程界多年来一直备受人们关注。而鲁棒控制问题则恰恰是其中的焦点问题之一。众所周知,机器人是一个十分复杂的多输入多输出非线性系统,它具有时变、强耦合和非线性的动力学特点,对其进行控制也是十分复杂的,我们必须面对机器人大量不确定性因素的存在。而鲁棒控制正是以具有不确定性的系统为研究对象的控制技术。因此,研究具有不确定性机器人的鲁棒控制问题就具有十分重要的理论和实践意义。 本论文以具有完整动力学模型的机器人系统,即不确定性机器人系统为研究对象,在现有文献的基础上,重点探讨基于 PD+前馈结构的各种控制策略。 本论文首先介绍了机器人的发展简史和机器人控制方法概述,然后对机器人的模型和有关数学知识进行了阐述,紧接着探讨了三大类基于 PD+前馈结构不确定机器人的补偿控制方案,即:变结构控制补偿方案、神经网络控制补偿方案和鲁棒自适应控制方案。基本思想都是将机器人系统的不确定性分解成参数不确定性和非参数不确定性,然后分别对其进行补偿。参数不确定性可采用参数线性化方法或智能控制方法进行补偿,而非参数不确定性则利用鲁棒控制技术。 此外,本论文还对输入有界的机器人控制问题进行了研究,该问题解决了机器人系统在力矩受限的情况下,如何来设计一个行之有效的控制器,为解决机器人在实际应用中执行机构存在饱和性问题提供了一条可行的途径。