本书以讲授机器人智能控制基础知识为目标，为相关专业提供最新的机器人智能控制理论、方法、算法及其应用的介绍。全书共分为9章，系统地介绍了机器人智能控制的核心内容。首先，详细阐述了智能控制的定义、机器人系统的组成、机器人控制的发展历程与趋势，为后续内容奠定了基础。其次，深入探讨了机器人轨迹规划和路径规划的基本原理，包括运动学建模、关节空间和笛卡儿空间的轨迹规划方法，以及基于采样和基于搜索的路径规划及其在多机器人系统中的应用。然后，分析了机器人基础运动控制的方法，涵盖了单关节和多关节的控制技术，并介绍了操作空间控制。柔顺控制部分详细介绍了阻抗控制和力位混合控制的原理及其仿真与应用实例，强调了机器人与外界环境的柔顺交互能力。在智能自适应控制方面，涵盖了模型参考自适应控制、自适应神经网络控制和自适应模糊控制等内容，并配有实际仿真实例。机器人学习控制章节探讨了强化学习、模仿学习和深度学习在机器人控制中的应用，展示了如何通过学习机器人能够适应新的环境和任务。机器人视觉控制技术部分覆盖了手眼标定、视觉伺服控制和视觉-阻抗控制等内容，深入探讨了如何利用视觉信息进行精确的机器人控制。最后，对多机器人协同控制的理论与实践进行了深入分析，包括一致性算法、编队控制等关键技术。 　　本书可作为普通高等院校机器人工程、自动化、人工智能、计算机等相关专业的教材，也可作为从事机器人、人工智能等行业开发和应用人员的参考书。

高等院校教师

序
前言
第1章　绪论 1
1.1　智能控制的定义 1
1.2　机器人系统的组成 4
1.3　机器人控制的发展历程与趋势 7
本章小结 17
参考文献 17
第2章　机器人轨迹规划 19
2.1　机器人轨迹规划概述 19
2.2　基本概念 20
2.2.1　机械臂位姿的描述方法 20
2.2.2　机械臂运动学建模（D-H参数法） 21
2.2.3　正运动学求解 24
2.2.4　逆运动学求解 24
2.3　关节空间轨迹规划 26
2.3.1　问题描述 26
2.3.2　三次多项式插值轨迹规划 27
2.3.3　高阶多项式插值轨迹规划 27
2.3.4　梯形速度插值轨迹规划 29
2.3.5　三次样条轨迹规划 31
2.3.6　MATLAB仿真实现 32
2.4　笛卡儿空间轨迹规划 35
2.4.1　问题描述 35
2.4.2　点到点轨迹规划 35
2.4.3　连续跟踪轨迹规划 37
2.4.4　运动学约束下的轨迹优化 42
2.4.5　MATLAB仿真实现 43
本章小结 44
参考文献 45
第3章　机器人路径规划 46
3.1　机器人路径规划概述 46
3.1.1　引言 46
3.1.2　路径规划的分类 47
3.1.3　路径规划的关键技术 47
3.1.4　路径规划的应用与挑战 48
3.2　基于采样的路径规划 48
3.2.1　问题描述 48
3.2.2　基于RRT算法的路径规划 50
3.2.3　基于Informed-RRT*算法的路径规划 52
3.2.4　基于安全通道的FMT*路径规划算法 54
3.2.5　MATLAB仿真实现 60
3.3　基于搜索的路径规划 61
3.3.1　问题描述 61
3.3.2　基于A*算法的单机器人路径规划 63
3.3.3　基于算法的单机器人路径规划 67
3.3.4　基于CBS算法的多机器人路径规划 68
3.3.5　MATLAB仿真实现 72
3.4　轨迹生成与优化 75
3.4.1　轨迹生成 75
3.4.2　轨迹优化 77
本章小结 83
参考文献 83
第4章　机器人基础运动控制 85
4.1　机器人的控制概述 85
4.2　机器人单关节控制 86
4.2.1　机器人单关节建模 87
4.2.2　机器人单关节PID控制 89
4.2.3　机器人传动系统动力学控制 91
4.2.4　机器人单关节控制系统状态空间设计方法 93
4.3　机器人多关节控制 95
4.3.1　机器人重力补偿PD控制 96
4.3.2　机器人分解运动控制 97
4.3.3　机器人逆动力学控制 99
4.4　机器人操作空间控制 101
4.4.1　操作空间总体控制方案 102
4.4.2　机器人操作空间重力补偿PD控制 103
4.4.3　机器人操作空间逆动力学控制 104
本章小结 105
参考文献 105
第5章　机器人柔顺控制 107
5.1　机器人柔顺控制的基本概念 107
5.1.1　机器人柔顺末端执行器 108
5.1.2　机器人阻抗控制 110
5.1.3　机器人力位混合控制 111
5.2　机器人阻抗控制 112
5.2.1　阻抗控制 112
5.2.2　导纳控制 116
5.3　机器人力位混合控制 119
5.3.1　机器人笛卡儿空间力控制 120
5.3.2　基于位置的混合控制 121
5.3.3　基于任务空间线性反馈的力位混合控制 123
5.3.4　基于速度导纳控制的复合控制器 124
5.4　机器人柔顺控制仿真与应用实例 126
本章小结 130
参考文献 131
第6章　机器人智能自适应控制 132
6.1　自适应控制理论概述和发展历程 132
6.2　模型参考自适应控制 135
6.2.1　模型参考自适应控制系统的基本架构 135
6.2.2　自适应参数调整策略 137
6.3　机器人自适应神经网络控制 138
6.3.1　神经网络理论基础 138
6.3.2　前向神经网络 140
6.3.3　反馈神经网络 144
6.3.4　神经网络控制 146
6.3.5　机器人RBF自适应神经网络控制 148
6.3.6　机器人自适应神经网络控制设计仿真实例 153
6.4　机器人自适应模糊控制 161
6.4.1　模糊控制的基本原理 162
6.4.2　机器人直接自适应模糊控制器设计 167
6.4.3　机器人间接自适应模糊控制器设计 171
6.4.4　机器人自适应模糊控制设计仿真实例 173
本章小结 178
参考文献 179
第7章　机器人学习控制系统 180
7.1　机器人强化学习控制算法 180
7.1.1　机器人强化学习概述 180
7.1.2　Q学习控制 181
7.1.3　Actor-Critic控制 194
7.1.4　机器人强化学习设计仿真实例 201
7.2　机器人模仿学习控制 204
7.2.1　动态运动基元 205
7.2.2　高斯混合模型 210
7.2.3　贝叶斯交互基元 220
7.3　机器人深度学习智能控制与应用 223
7.3.1　深度学习的发展历程 223
7.3.2　深度学习框架 224
7.3.3　经典深度学习算法介绍 230
7.3.4　基于深度学习的机器人抓取设计仿真实例 235
本章小结 240
参考文献 240
第8章　机器人视觉控制 242
8.1　机器人视觉控制的基本原理 243
8.1.1　手眼标定原理 243
8.1.2　眼在手上的手眼标定 244
8.1.3　眼在手外的手眼标定 247
8.2　基于图像的视觉伺服控制 247
8.2.1　视觉伺服基本控制 247
8.2.2　图像交互矩阵 248
8.2.3　稳定性分析 250
8.3　基于位置的视觉伺服控制 250
8.4　机器人混合视觉伺服控制 251
8.5　基于图像的无标定视觉伺服控制 253
8.5.1　机器人雅可比矩阵 253
8.5.2　图像雅可比矩阵 254
8.5.3　图像雅可比矩阵的估计 254
8.6　机器人视觉-阻抗控制 256
8.6.1　动力学模型 256
8.6.2　视觉-阻抗控制框架 257
8.7　机器人视觉伺服仿真实例 259
本章小结 267
参考文献 267
第9章　多机器人协同控制 269
9.1　代数图论基础 271
9.1.1　图的定义 271
9.1.2　简单图 272
9.1.3　图的矩阵表示 274
9.2　一阶一致性算法 276
9.2.1　连续时间系统一致性算法 276
9.2.2　离散时间系统一致性算法 281
9.3　二阶一致性算法 282
9.3.1　基于位置/速度局部节点状态的二阶一致性分析 283
9.3.2　基于位置/速度全局节点状态的二阶一致性分析 286
9.3.3　编队控制二阶协议 286
9.4　多机械臂姿态同步控制 288
9.5　非完整移动机器人领航-跟随编队分布式控制 295
9.5.1　预备知识 296
9.5.2　领航机器人状态分布式估计 298
9.5.3　基于估计器的编队控制 298
9.5.4　仿真和实验验证 301
例子与练习 306
本章小结 306
参考文献 307