银河网站平台

机器人的控制方法，根据控制算法的不同可分为以下几种类型。
按照控制算法的不同，机器人的控制方法可以分为PID控制、变结构控制、自适应控制、模糊控制、神经元网络控制等方法。也有的文献将现有的控制算法分为逻辑门限控制、PID控制、滑模变结构控制、神经网络控制和模糊控制等。这些控制方法并非孤立的，在一个控制系统之中常常结合在一起使用。 
 

1、PID控制 
 

在工程实际中，应用最为广泛的调节器控制规律为比例、积分、微分控制，简称PID控制，又称PID调节。PID控制器问世至今已有近70年历史，它以其结构简单、稳定性好、工作可靠、调整方便而成为工业控制的主要技术之一。当被控对象的结构和参数不能完全掌握，或得不到精确的数学模型时，控制理论的其它技术难以采用时，系统控制器的结构和参数必须依靠经验和现场调试来确定，这时应用PID控制技术最为方便。
 

即当我们不完全了解一个系统和被控对象，或不能通过有效的测量手段来获得系统参数时，最适合用PID控制技术。PID控制，实际中也有PI和PD控制。PID控制器就是根据系统的误差，利用比例、积分、微分计算出控制量进行控制的。  
 

2、变结构控制 
 

变结构控制是20世纪50年代从苏联发展起来的一种控制方案。所谓变结构控制，是指控制系统中具有多个控制器，根据一定的规则在不同的情况下采用不同的控制器。采用变结构控制具有许多其他控制所没有的优点，可以实现对一类具有不确定参数的非线性系统的控制。 
 

3、自适应控制 
 

所谓自适应控制，是指系统的输入或干扰发生大范围的变化时，所设计的系统能够自适应调节系统参数或控制策略，使输出仍能达到设计的要求。自适应控制所处理的是具有“不确定性”的系统，通过对随机变量状态的观测和系统模型的辨识，设法降低这种不确定性。控制结果常常是达到一定的控制指标，即“最优的控制”被“有效的控制”所取代。 
 

自适应控制系统按其原理的不同，可分为模型参考自适应控制系统、自校正控制系统、自寻优控制系统、变结构控制系统和智能自适应控制系统等。在这些类型的自适应控制系统中，模型参考自适应控制系统和自校正控制系统较成熟，也较常用。 
 

4、模糊控制 
 

在模糊控制中，输入量经过模糊量化成为模糊变量，有模糊变量经过模糊规则的推理获得模糊输出，经过解模糊得到清晰的输出量用于控制。模糊控制最早
在1965年由美国加利福尼亚大学的Zadeh教授提出，1974年英国的E.H.Mamdani成功地将模糊控制应用于锅炉和蒸汽机控制。随后，模糊控制在控制领域得到了快速发展，并获得大量成功的应用。  
 

5、神经元网络控制 
 

神经网络控制是20世纪80年代末期发展起来的自动控制领域的前沿学科之一。它是智能控制的一个新的分支，为解决复杂的非线性、不确定、不确知系统的控制问题开辟了新途径。 神经网络控制是（人工）神经网络理论与控制理论相结合的产物，是发展中的学科。它汇集了包括数学、生物学、神经生理学、脑科学、遗传学、人工智能、计算机科学、自动控制等学科的理论、技术、方法及研究成果。
 

在控制领域，将具有学习能力的控制系统称为学习控制系统，属于智能控制系统。神经控制是有学习能力的，属于学习控制，是智能控制的一个分支。 神经控制发展至今，虽仅有十余年的历史，已有了多种控制结构。如神经预测控制、神经逆系统控制等。