（3）多传感器系统与信息融合：为了在实际环境中实现高灵活性和高鲁棒性的机器人控制，多传感器系统和信息融合将不可避免。多个传感器可提供同一环境的不同信息和环境中有关特征的互补信息，提高了对当前环境的了解程度，同时多个信息也可以并行地对当前的场景进行分析，大大调高了控制的速度和精度，除此之外，在某个传感器发生故障的情形下，剩余的传感器可以重组，再次投入工作，提高了系统的稳定性。

   （4）多机器人系统：伴随着机器人应用领域的不断拓展，工业生产不再只对单一机器人提出控制要求，多机器人系统的研究迫在眉睫。该研究的目的是探讨当多机器人系统被给予一个任务时，控制系统如何将任务分配到各个机器人，如何保持各个机器人之间的运动协调一致，进而提高整体的工作效率。

   （5）仿生学与仿生机构技术：近年来，仿生学和仿生机构在越来越多的机器人研究中被提了出来。原因是自然界中各种生物的生存策略和生存形态为他们带来了不同的优势，机器人通过模仿这些生物的形态和动作，获得了与之相似的特征。这样一来，这些机器人就可以在某些领域上脱颖而出。比如模仿蚂蚁的群体协作而设计出的多机器人系统，模仿蛇的爬行姿态而开发出的蛇型机器人等等。

   （6）反馈镇定：反馈镇定是机器人运动控制过程中的闭环策略。因为整个机器人系统是一个缺少驱动的非完整系统，它同时也是一个缺少漂移的零动力学系统。而这类系统通常无法做到纯状态光滑镇定，连续可微的时不变纯状态反馈无法使得该系统达到正定的要求，因此，设计出一个满足条件的反馈镇定定律，在机器人控制方面是一个十分活跃的研究方向。

   （7）跟踪控制：跟踪控制是机器人运动控制中最具实际意义的问题。它直接决定了人们能否利用机器人来完成自己想要完成的工作，以及该工作是否进展得精确和高效。而机器人的跟踪控制又可以分为两种：轨迹跟踪控制和路径跟踪控制。在轨迹跟踪控制中，机器人需要跟踪的期望轨迹是按照时间关系曲线图画出的，而在路径跟踪控制中，期望轨迹是通过简单的几何参数来描述的。如果要求机器人在一个特定时间内必须到达某一个特定点，那么这时候毫无疑问必须采用轨迹跟踪控制；如果要求机器人以一个期望的速度跟踪一条按照几何参数画出的路径，那么完全可以采用路径跟踪控制。本文所提及的轨迹跟踪控制是指前者，最终的控制目的也是使系统可以达成对给定期望轨迹的实时跟踪。本文主要进行的工作就是机器人轨迹跟踪控制方面的研究。

1。3  机器人轨迹跟踪控制的方法

轨迹跟踪控制问题，由于期望值随着时间不断地发生变化，所以是机器人运动控制中的难点，近年来随着研究的不断深入，越来越多的基于非线性控制理论的控制方法不断涌现出来。

   （1）动力学方程方法：该方法本质上是通过非线性的状态反馈，在分析机器人运动学模型的基础上，设计出相应的非线性状态反馈控制器，使之成为一个闭环系统。这里所言的状态，在实际中一般用机器人期望轨迹与实际轨迹之间的位置误差来表示，但其本质上是指闭环控制系统状态空间方程中的状态向量。该方法最大的问题是要求使系统全局渐近稳定在原点平衡位置，这就需要引入其他的理论来帮助它实现控制目的。

   （2）滑模控制方法：滑模控制方法的中心思想是通过使用高速的开关控制器，来驱动非线性系统的状态轨迹缓缓地到达一个之前设计好的状态空间曲面上，在这之后的时间中，状态轨迹将继续保持在这个滑动表面上，这个曲面通常被称作滑动表面或者开关表面。这种控制方法具有很好的鲁棒性，特别是在应对系统模型本身的不确定性和可能存在的外部扰动，但该方法也存在自己的问题，那就是当控制器中出现不连续项时，这些不连续项将被转移到对应的输出项中，这就导致了系统如果需要在不同控制逻辑间进行高速切换，将不可避免地出现“抖动”现象。因此，实际的控制效果不尽如人意。