陶鑫瑞，高春艷，陳 璇，潘 政

(1.河北工業(yè)大學(xué) 機(jī)械工程學(xué)院，天津 300401；2.河北工業(yè)大學(xué) 電氣工程學(xué)院，天津 300132)

引言

近年，氣動技術(shù)的應(yīng)用領(lǐng)域迅速拓寬，尤其是在食品加工及包裝[1]、自動上下料[2-3]、自動化沖壓生產(chǎn)線[4]、高頻淬火[5]等自動化生產(chǎn)線上，主要依靠PLC控制技術(shù)與氣動技術(shù)的結(jié)合來提高系統(tǒng)的自動化程度，使控制方式更加靈活[6-8]。氣動機(jī)械手以及柔性自動化生產(chǎn)線的作業(yè)對象環(huán)境正朝著非結(jié)構(gòu)化方向拓展[9]，具有越來越強(qiáng)的不確定性，對氣動機(jī)械手的運(yùn)動穩(wěn)定性提出了更高的要求。穩(wěn)定性控制關(guān)系到生產(chǎn)節(jié)奏、安全、維護(hù)和成本等一系列問題，如氣動焊接機(jī)械手的不穩(wěn)定會嚴(yán)重影響焊接質(zhì)量[10]，在電器裝配生產(chǎn)線上氣動機(jī)械手的不穩(wěn)定可能導(dǎo)致產(chǎn)品不能正常使用。因而，研究氣動機(jī)械手的穩(wěn)定運(yùn)動控制方法是推動其應(yīng)用發(fā)展的關(guān)鍵環(huán)節(jié)。

1 氣動機(jī)械手運(yùn)動控制的難點(diǎn)

如圖1所示，機(jī)械手已經(jīng)逐漸進(jìn)入社會生活的諸多領(lǐng)域，從汽車制造業(yè)[11]、金屬加工業(yè)[12]，到家政服務(wù)、農(nóng)業(yè)工業(yè)化、助老助殘等方向[13]，都有較為成熟的應(yīng)用，表現(xiàn)出良好的性能，尤其近年來在人機(jī)協(xié)作以及仿生機(jī)器人方向，氣動機(jī)械手有著較大的優(yōu)勢，如強(qiáng)度高，可獲得更高的功率-重量比，高安全性等，因而得到更多關(guān)注。

圖1 新熱點(diǎn)下的各種機(jī)械手

但是，由于氣壓傳動技術(shù)本身固有的高度非線性特征和空氣可壓縮性都對實(shí)現(xiàn)高性能的跟蹤控制帶來了許多困難[14]，時間變化、順應(yīng)性、高滯后性、缺乏阻尼能力等問題，導(dǎo)致難以對其行為準(zhǔn)確建模以及設(shè)計具有高性能定位的控制器[15-16]，使得氣動系統(tǒng)的控制精度、響應(yīng)速度和穩(wěn)定性難以達(dá)到理想效果。非線性的問題使氣動機(jī)械手的運(yùn)動存在許多不確定性，從而難以獲得精確的數(shù)學(xué)模型，導(dǎo)致運(yùn)動穩(wěn)定性和精度較差[17]?；谶@些問題背景，國內(nèi)外越來越多的科研院所和研究人員投入到解決氣動機(jī)械手的穩(wěn)定運(yùn)動問題的方法研究中去。

2 基于模糊控制的控制策略

針對氣動機(jī)械手難以建立準(zhǔn)確的數(shù)學(xué)模型的問題，不少研究學(xué)者提出基于模糊控制的控制策略。模糊控制是基于控制經(jīng)驗(yàn)或相關(guān)專家的知識儲備，因此在設(shè)計中不必建立精確的被控對象數(shù)學(xué)模型[18-20]，適用于解決氣動機(jī)械手的非線性控制，模糊控制的基本原理如圖2所示。

圖2 模糊控制原理框圖

2.1 模糊自整定PID控制

常規(guī)PID控制算法如圖3所示，存在參數(shù)不能在線調(diào)整、恢復(fù)穩(wěn)定狀態(tài)慢、積分飽和現(xiàn)象等缺點(diǎn)，針對這些缺陷，研究者將模糊控制與常規(guī)PID控制結(jié)合，實(shí)現(xiàn)對參數(shù)KP，KI，KD的在線調(diào)整。

圖3 傳統(tǒng)PID控制原理圖

潘廣香等[21]針對透明紙快換系統(tǒng)氣動機(jī)械手存在的控制精度不高和穩(wěn)定性差的問題,設(shè)計出如圖4所示的模糊自整定PID控制器。當(dāng)系統(tǒng)狀態(tài)或參數(shù)發(fā)生變化時，計算機(jī)會實(shí)時檢測和計算系統(tǒng)誤差e和誤差變化率de/dt，應(yīng)用模糊合成推理設(shè)計PID參數(shù)的模糊矩陣表，查出修正參數(shù)代入下式計算：

圖4 模糊PID控制結(jié)構(gòu)

(1)

在線運(yùn)行過程中，控制系統(tǒng)通過對模糊邏輯規(guī)則的結(jié)果處理、查表和運(yùn)算，完成對PID 參數(shù)的在線自校正。

王偉偉等[22]建立了基于比例閥控缸的氣動伺服系統(tǒng)并以氣缸的柔性定位為研究對象，分別用經(jīng)典PID控制和模糊自整定PID控制設(shè)定控制器，實(shí)驗(yàn)結(jié)果表明，模糊自整定PID控制的誤差是經(jīng)典PID控制的1/4，且具有更好的響應(yīng)速度和魯棒性。因而，對于作業(yè)有一定運(yùn)動精度要求的氣動機(jī)械手，優(yōu)先選用模糊自整定PID控制。鞠鵬程等[23]利用模糊PID控制策略對氣動機(jī)械手位置伺服控制器進(jìn)行設(shè)計并實(shí)現(xiàn)在線參數(shù)自整定，能有效地實(shí)現(xiàn)氣動機(jī)械手的定點(diǎn)控制。DU M等[24]研發(fā)的應(yīng)用于圖書館自動取、放機(jī)器人，也是采用模糊自整定PID控制，并在新加坡國立大學(xué)的圖書館使用，效果良好，為實(shí)現(xiàn)無人圖書館奠定了基礎(chǔ)。

還有一些學(xué)者根據(jù)實(shí)際需求，對模糊自整定PID控制進(jìn)一步優(yōu)化。例如，程其鵬等[25]在上述控制策略的基礎(chǔ)上結(jié)合了免疫PID控制的優(yōu)點(diǎn)，用模糊控制在線調(diào)節(jié)參數(shù)KI和KD，模糊免疫控制算法在線調(diào)節(jié)參數(shù)KP，結(jié)構(gòu)如圖5所示。實(shí)驗(yàn)驗(yàn)證，系統(tǒng)在超調(diào)量、響應(yīng)速度及魯棒性等方面都得到了明顯改善，并實(shí)現(xiàn)了氣動機(jī)械手的柔性定位。

圖5 模糊自整定免疫PID控制

2.2 自適應(yīng)模糊控制

自適應(yīng)模糊控制策略即借鑒自適應(yīng)控制理論的一些思想和觀點(diǎn)來設(shè)計模糊控制器。通過在線或者離線調(diào)節(jié)模糊控制規(guī)則的結(jié)構(gòu)或參數(shù)，使其盡可能處于最優(yōu)狀態(tài)。

以Lyapunov穩(wěn)定律為例，一般先定義Lyapunov函數(shù):

(2)

再結(jié)合滑模函數(shù)以及控制律得到：

(3)

引入自適應(yīng)律：

得：

(4)

為了保證系統(tǒng)穩(wěn)定，以及最大化消除逼近誤差，在控制律中引入魯棒項(xiàng)。

根據(jù)上述理論，WANG T等[26]提出的針對非線性擬人手臂系統(tǒng)的自適應(yīng)模糊控制方法更能保證運(yùn)動過程中的穩(wěn)定性和適應(yīng)性，并將提出的控制方案應(yīng)用于具有高度非線性和模型不確定性的上肢康復(fù)氣動機(jī)械手[27-28]和MIMO系統(tǒng)中[29-30]，實(shí)驗(yàn)效果良好。ZHANG X等[31]提出了一種將內(nèi)模控制與模糊控制相結(jié)合的模糊自適應(yīng)內(nèi)?？刂扑惴?FAIMC)，通過T-S模糊模型辨識獲得過程的模糊模型和逆模型，并通過模糊邏輯在線調(diào)整濾波器參數(shù)。這兩種方法的仿真和實(shí)驗(yàn)結(jié)果表明，基于模糊控制的改進(jìn)算法能較為有效地提升氣動機(jī)械手的穩(wěn)定性，具有良好的魯棒性和有效性。

吳曉航[32]針對系統(tǒng)的非線性不確定項(xiàng),提出基于模糊補(bǔ)償?shù)淖赃m應(yīng)控制方法，且實(shí)驗(yàn)證明能有效消除其帶來的影響,提高機(jī)械手的控制精度。模糊系統(tǒng)設(shè)計為：

(5)

針對外加干擾，設(shè)計模糊系統(tǒng)為：

(6)

2.3 神經(jīng)模糊控制

神經(jīng)模糊控制是神經(jīng)網(wǎng)絡(luò)技術(shù)與模糊控制結(jié)合的產(chǎn)物。模糊控制在實(shí)現(xiàn)自動生成與調(diào)整隸屬函數(shù)和模糊規(guī)則上存在困難，而人工神經(jīng)網(wǎng)絡(luò)利用大量神經(jīng)元構(gòu)成網(wǎng)絡(luò)，使控制具有自適應(yīng)的學(xué)習(xí)能力、容錯性和魯棒性，結(jié)合神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力來訓(xùn)練模糊規(guī)則，能有效提高氣動系統(tǒng)的學(xué)習(xí)能力和表達(dá)能力。

陳小儉[33]分別設(shè)計了自整定PID控制器和基于人工神經(jīng)網(wǎng)絡(luò)的模糊控制器，并做了大量實(shí)驗(yàn)進(jìn)行效果比對，結(jié)果表明神經(jīng)模糊控制不僅具有較強(qiáng)的魯棒性和快速響應(yīng)性，更有較高的定位精度，能滿足工業(yè)氣動機(jī)械手的定位要求。

KYOUNG K A等[34]設(shè)計用于肘關(guān)節(jié)康復(fù)訓(xùn)練的兩軸氣動機(jī)械手，在控制上使用2個模糊神經(jīng)網(wǎng)絡(luò)，采用FuzzyNN1對系統(tǒng)進(jìn)行權(quán)值訓(xùn)練，而FuzzyNN2則是利用由FuzzyNN1導(dǎo)出的訓(xùn)練權(quán)值結(jié)構(gòu)來產(chǎn)生合適的控制信號，其實(shí)驗(yàn)結(jié)果證明跟蹤誤差接近于0，且在不同輸入信號下都具有良好的效果。所提出的控制算法如式(7)所示:

τ=τPID+τFNN2

(7)

CHIANG C J等[35]專門研究了氣動肌肉驅(qū)動器的神經(jīng)網(wǎng)絡(luò)模糊滑?？刂?，控制過程中自適應(yīng)學(xué)習(xí)能力由神經(jīng)網(wǎng)絡(luò)提供，其中基于梯度下降法和反向傳播算法調(diào)整對模糊滑?？刂破?FSMC)和積分器的控制增益，以最大程度地減小跟蹤誤差。

2.4 對模糊控制的評價

上述闡述是較為典型的氣動機(jī)械手模糊控制相關(guān)的策略，從常規(guī)的PID控制算法出發(fā)，結(jié)合模糊控制理論改進(jìn)為可在線調(diào)整KP，KI，KD的模糊自整定PID控制，再到可以在線或離線調(diào)整模糊規(guī)則的自適應(yīng)模糊控制，在控制的過程中，為了自動生成與調(diào)整隸屬函數(shù)和模糊規(guī)則，結(jié)合人工神經(jīng)網(wǎng)絡(luò)提出神經(jīng)模糊控制。

模糊控制方法不需要?dú)鈩訖C(jī)械手運(yùn)動過程的精確數(shù)學(xué)模型[36]，且魯棒性強(qiáng)，適用于解決氣動系統(tǒng)中非線性[37]、強(qiáng)耦合時變[38]、高滯后[39]等問題。以實(shí)際經(jīng)驗(yàn)為基礎(chǔ)，利用模糊規(guī)則對未知模型的結(jié)構(gòu)系統(tǒng)進(jìn)行控制，算法簡單，實(shí)時性強(qiáng)，但動態(tài)品質(zhì)略差[40]。在實(shí)際中，往往是在模糊控制的基礎(chǔ)上結(jié)合其他自動控制理論，使控制對象具有自適應(yīng)性，使系統(tǒng)在超調(diào)量、響應(yīng)速度及魯棒性等方面都得到改善。

3 基于神經(jīng)網(wǎng)絡(luò)的控制策略

基于神經(jīng)網(wǎng)絡(luò)的智能控制是指在控制系統(tǒng)中利用神經(jīng)網(wǎng)絡(luò)對難以精確描述的復(fù)雜非線性對象進(jìn)行建模，或作為控制器，或進(jìn)行計算和推理[40]，基本神經(jīng)元模型如圖6所示。在氣動機(jī)械手的控制中，神經(jīng)網(wǎng)絡(luò)模型控制器包括控制器(NNC)、神經(jīng)網(wǎng)絡(luò)模型(NNM)和氣動伺服系統(tǒng)，NNC用來計算系統(tǒng)的控制信號和調(diào)整網(wǎng)絡(luò)權(quán)值，NNM用來計算誤差。

圖6 基本神經(jīng)元模型

3.1 前饋神經(jīng)網(wǎng)絡(luò)控制

基于神經(jīng)網(wǎng)絡(luò)的氣動機(jī)械手運(yùn)動控制策略中，現(xiàn)行最多的是前饋神經(jīng)網(wǎng)絡(luò)控制。劉興華等[41]針對平面運(yùn)動的多段可伸長氣動軟體手臂運(yùn)動控制，提出一種基于前饋神經(jīng)網(wǎng)絡(luò)的分層控制方法。第一層依據(jù)代價函數(shù)利用梯度下降法確定最優(yōu)姿態(tài)，第二層利用神經(jīng)網(wǎng)絡(luò)來確定每段姿態(tài)所對應(yīng)的氣壓，并考慮了黏彈性的影響。神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)示意圖如圖7所示，用于求解配置空間和致動空間之間的關(guān)系，輸入端分別為曲率k和弧長l，輸出為每側(cè)氣壓pl，pr。Net*為改進(jìn)后的神經(jīng)網(wǎng)絡(luò)，增加了一個姿態(tài)的曲率k′和弧長l′，用于減小黏彈性引起的誤差。

圖7 基于前饋神經(jīng)網(wǎng)絡(luò)的分層控制方法

同樣地利用分層思想，ROBINSON R M等[42]在與人互動的機(jī)械人中開發(fā)了3種高級分層控制策略，如圖8所示，分別為滑?？刂?、自適應(yīng)滑模控制和前饋神經(jīng)網(wǎng)絡(luò)控制，每種都包含不同級別的先驗(yàn)?zāi)Ｐ椭R，以實(shí)現(xiàn)對平滑運(yùn)動的精確跟蹤。

圖8 分層人工神經(jīng)網(wǎng)絡(luò)控制器

向榮[43]針對氣動機(jī)械手運(yùn)動過程中的抖動問題，通過在Lyapunov函數(shù)引入位置參數(shù)的自適應(yīng)律，實(shí)現(xiàn)較為精確的前饋補(bǔ)償，并應(yīng)用神經(jīng)網(wǎng)絡(luò)替代飽和函數(shù)實(shí)現(xiàn)跳變力矩來消除抖動。在變結(jié)構(gòu)與前饋神經(jīng)網(wǎng)絡(luò)結(jié)合的基礎(chǔ)上加強(qiáng)系統(tǒng)自適應(yīng)能力，消除了抖振現(xiàn)象，并且系統(tǒng)的穩(wěn)態(tài)誤差沒有太大變化。

3.2 遞歸神經(jīng)網(wǎng)絡(luò)

遞歸型神經(jīng)網(wǎng)絡(luò)，相對于前饋型神經(jīng)網(wǎng)絡(luò)的主要區(qū)別是存在一個或多個反饋環(huán)節(jié)，另外，其神經(jīng)元常采用加性模型，使其本身就是非線性動力學(xué)模型。有研究指出，單層遞歸型神經(jīng)網(wǎng)絡(luò)的映射能力就是多層前饋型神經(jīng)網(wǎng)絡(luò)的多倍。

THURUTHEL T G[44]提供了一種基于機(jī)器學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)控制方法，用于開發(fā)軟機(jī)器人機(jī)械手的動力學(xué)模型，并提供一種用于任務(wù)空間中氣動機(jī)械手預(yù)測控制的軌跡優(yōu)化方法，如圖9所示。前向動態(tài)模型使用遞歸神經(jīng)網(wǎng)絡(luò)表示，閉環(huán)策略是使用軌跡優(yōu)化和監(jiān)督學(xué)習(xí)得出的對于更復(fù)雜的動態(tài)模型，很難開發(fā)出能夠以所需的控制周期運(yùn)行以進(jìn)行閉環(huán)控制的MPC，在文獻(xiàn)[44-45]中得以證明。

圖9 用于氣動柔性機(jī)械手的神經(jīng)網(wǎng)絡(luò)控制

邢科新[46]設(shè)計的手功能康復(fù)機(jī)器人氣動肌肉驅(qū)動器，在遞歸高階神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上提出了回聲神經(jīng)網(wǎng)絡(luò)控制方法，通過大量神經(jīng)元組成的網(wǎng)絡(luò)，在權(quán)值的調(diào)整下使網(wǎng)絡(luò)具有回聲狀態(tài)特性。結(jié)構(gòu)如圖10所示，虛線表示需要訓(xùn)練的權(quán)值。假設(shè)輸入數(shù)據(jù)、內(nèi)部單元和輸出數(shù)據(jù)的維數(shù)分別為K，N，L，所有神經(jīng)元均通過L×(K+N+L)的輸出權(quán)值矩陣Wback與輸出單元連接，即輸入到輸出節(jié)點(diǎn)以及輸出節(jié)點(diǎn)之間可能直接互連。這使得系統(tǒng)具有動態(tài)特性和短期記憶能力。

圖10 回聲神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

王冬青等[47]針對含時滯d的氣動人工肌肉(PAM)手臂用三層遞歸神經(jīng)網(wǎng)絡(luò)建立模型，超前d步預(yù)測PAM手臂的輸出角度，每一步都用RNN模型當(dāng)前時刻的輸出值與PAM手臂當(dāng)前時刻實(shí)際輸出值之差的平方做為RNN權(quán)值的在線調(diào)整準(zhǔn)則對RNN預(yù)測模型的權(quán)值進(jìn)行在線調(diào)整,以自適應(yīng)PAM手臂的不確定性和時變性，控制效果良好。

3.3 基于神經(jīng)網(wǎng)絡(luò)的其他研究

除了前饋神經(jīng)網(wǎng)絡(luò)控制和遞歸神經(jīng)網(wǎng)絡(luò)控制，還有一些其他基于神經(jīng)網(wǎng)絡(luò)的控制方法，整理如表1所示。

表1 基于神經(jīng)網(wǎng)絡(luò)控制的策略比對

3.4 對神經(jīng)網(wǎng)絡(luò)控制的評價

神經(jīng)網(wǎng)絡(luò)控制策略在氣動柔性手爪的抓取作業(yè)中應(yīng)用較多，文獻(xiàn)[55-57]的研究結(jié)果可為氣動柔性手爪的穩(wěn)定抓握控制提供重要的決策依據(jù)。其他的還有例如飛機(jī)發(fā)動機(jī)清潔[58]、果蔬采摘[59-60]、包裝分揀[61]等實(shí)際應(yīng)用。在上述研究中，神經(jīng)網(wǎng)絡(luò)體現(xiàn)出很強(qiáng)的非線性擬合能力、記憶能力和自學(xué)習(xí)能力[62]，可映射復(fù)雜的非線性關(guān)系。神經(jīng)網(wǎng)絡(luò)控制策略常常與模糊控制、動態(tài)滑?？刂频冉Y(jié)合起來，為解決復(fù)雜非線性、不確定性系統(tǒng)開辟了新途徑。通過對氣動機(jī)械手動力學(xué)方程中未知部分的在線精確逼近，從而可以通過在線建模和前饋補(bǔ)償實(shí)現(xiàn)機(jī)械手的高精度跟蹤，但神經(jīng)網(wǎng)絡(luò)系統(tǒng)本身就是復(fù)雜的非線性系統(tǒng)[63]，其引入進(jìn)一步增加了控制系統(tǒng)的復(fù)雜度，從應(yīng)用的角度來說，最大的缺點(diǎn)是難以保證氣動機(jī)械手在各種工作狀態(tài)下都能具有良好的穩(wěn)定性。

4 基于魯棒控制的控制策略

魯棒控制是一種考慮不確定性的系統(tǒng)分析思想[64-65]，也包含了一系列控制器設(shè)計(控制參數(shù)整定)算法，大多數(shù)魯棒控制的參數(shù)整定方法都是通過最優(yōu)控制的思想去實(shí)現(xiàn)的，魯棒控制與優(yōu)化控制二者有重疊部分，并非僅僅是包含與被包含的關(guān)系。

周云山等[66]曾用H∞理論進(jìn)行魯棒控制器的設(shè)計，并應(yīng)用在擠奶氣動機(jī)械手上。為滿足魯棒瞬態(tài)響應(yīng)性能，使補(bǔ)償器的設(shè)計滿足方程：

min‖F(xiàn)1(G，K)‖∞<1

(8)

式中，

(9)

其中，G是控制過程的名義傳遞函數(shù)，K為補(bǔ)償器，γ是損失函數(shù)的系數(shù)，s=(I+GK)-1為靈敏度函數(shù)，w1和w3為權(quán)函數(shù)。

結(jié)果表明，外部存在擾動時，魯棒控制器能維持期望的輸出特性。

同樣應(yīng)用H∞理論，巴少男[67]以旋轉(zhuǎn)開合式氣動手指為研究對象，基于氣動機(jī)械手抓取、裝配等作業(yè)對夾持力的控制精度要求，設(shè)計出一種混合靈敏度魯棒控制器。屠立等[68]對基于H∞控制器的氣動柔性機(jī)械手進(jìn)行優(yōu)化，保證系統(tǒng)內(nèi)部有穩(wěn)定的閉環(huán)，最終消除擾動等影響。

除了H∞理論的魯棒控制，也有許多研究人員采用優(yōu)化控制方法來設(shè)計魯棒控制器。例如，TPIPATHY N S等[69]提出了一種非線性不確定氣動機(jī)械手的有限時間魯棒控制方案，采用最優(yōu)控制方法來設(shè)計所提出的魯棒控制律，通過及時求解狀態(tài)相關(guān)的微分Riccati方程來生成控制輸入，在存在有限不確定性的情況下以分析和數(shù)字方式確保穩(wěn)定性。AMATO F等[70]提出了一種不確定的雙線性系統(tǒng)的魯棒和最優(yōu)控制策略，并將其應(yīng)用于氣動機(jī)械臂的跟蹤控制設(shè)計中，取得良好效果。

魯棒控制也會與其他類別的控制理論相結(jié)合，成為一種新的控制策略。例如，ZHU X等[71]結(jié)合自適應(yīng)理論提出了一種適用于由氣動肌肉驅(qū)動的帶有冗余DOF機(jī)械手的自適應(yīng)魯棒姿態(tài)控制器，并引入了等效的類似平均剛度的期望約束，以實(shí)現(xiàn)精確的姿態(tài)跟蹤，同時減少由測量噪聲引起的控制輸入顫動。CHEN Ye等[72]為單桿氣動執(zhí)行器合成了自適應(yīng)魯棒神經(jīng)網(wǎng)絡(luò)控制器(ARNNC)，結(jié)構(gòu)圖如圖11所示。該框架中，自適應(yīng)控制通過參數(shù)估計提高了動態(tài)補(bǔ)償?shù)木龋敯艨刂茰p弱了未建模動態(tài)和未知干擾的影響，神經(jīng)網(wǎng)絡(luò)控制更好地補(bǔ)償自適應(yīng)控制的非建模動態(tài)、隨機(jī)干擾和估計誤差，最終實(shí)現(xiàn)了高精度的軌跡追蹤。

圖11 自適應(yīng)魯棒神經(jīng)網(wǎng)絡(luò)控制器結(jié)構(gòu)

5 結(jié)論

模糊控制、神經(jīng)網(wǎng)絡(luò)、優(yōu)化控制和魯棒控制是重要的智能控制技術(shù)，主要應(yīng)用于解決不確定、非線性、復(fù)雜的自動化問題。氣動機(jī)械手發(fā)展迅速，新一代氣動機(jī)械手更是在建模、控制等方面有許多挑戰(zhàn)性問題亟待解決[73-74]。在上述的研究成果中，模糊控制和神經(jīng)網(wǎng)絡(luò)控制是解決氣動機(jī)械手非線性、滯后性等問題的利器，并且在仿生學(xué)[75]、醫(yī)療康復(fù)輔助、搬運(yùn)與裝配[76]以及農(nóng)牧業(yè)等領(lǐng)域都有著較為成熟的應(yīng)用，結(jié)合新生的智能控制理論，可衍生出精度更高、性能更好的控制策略。相對地，在氣動機(jī)械手運(yùn)動控制的研究上，魯棒控制處于停滯狀態(tài)，相關(guān)文獻(xiàn)年份較舊，近些年，也有一些將魯棒控制與其他控制理論結(jié)合的嘗試，在工業(yè)應(yīng)用上該控制策略使用也較少。

不難發(fā)現(xiàn)，研究人員為了使氣動機(jī)械手能夠更加穩(wěn)定運(yùn)動，會將多種控制方法各取所長結(jié)合起來。在未來，隨著控制技術(shù)的更一步發(fā)展，氣動機(jī)械手的穩(wěn)定可靠運(yùn)動控制將針對危險物品處置、立面操作、復(fù)雜形貌處理加工等工程場景有更切實(shí)可行的應(yīng)用前景。