气动人工肌肉Mckibben肌肉是一种新型的驱动器,它是一种由气压激励的可收缩的运动引擎。它最大的特点是既轻又柔,同时还能产生足够的力。由于其与生物肌肉的相似性,将它用于驱动机器人时,机器人较易产生像动物一样的动作。由于其天生的柔顺性,这种机器人在和环境交互时,容易产生温柔的触及和相对安全的操作,所以在工业装配、喷涂、抓取易碎物品等领域有着潜在的巨大应用价值。由于Mckibben肌肉的高度非线性及其特有的柔顺性特征,由其驱动的机器人关节也是柔顺的,所以对其的精确控制较为困难,文献中的做法基本上是传统的PID控制或单一的智能算法。由于机器人负载的易变性、外界干扰、及轴间摩擦等因素,传统PID控制难以适应,但单一的智能算法也有其局限性,因此本课题拟采用传统PID与智能控制的混合控制算法,以有效控制关节运动。CMAC是Cerebellar Model Artieulation Contrer(小脑模型关节控制器)的缩写,它是一种模拟小脑功能的神经网络模型,其学习方法采用d算法。目前广泛用于机器人位置控制的PID控制方法抗外界的干扰能力差,对系统的结构参数变化的适应能力差,影响控制系统的鲁棒性。然而机器人系统的发展又要求机器人控制应有快速跟踪能力,较高的跟踪精度及优良的鲁棒性,因而探讨采用何种更有效的控制方法一直是机器人控制中令人感兴趣的问题。本文提出运用CMAC神经网络和常规PID控制器相结合,共同作用构成一个复合控制方案。对比、分析上述复合控制方案和单独PID控制的控制效果。针对由Mckibben肌肉组成的关节进行了MATLAB仿真试验,仿真结果验证了该算法的有效性,表明这种控制方案能够有效的提高系统的实时性能,并且具有很好的适应性和鲁棒性。