【摘要】：2）通过检测到的角位置采用数字差分方法求出角速度。基于机器人动力学模型方法是假设机器人动力学模型是完全或部分知道，如变结构观测器，自适应观测器等。不依赖机器人动力学模型的观测器是不要求机器人模型是已知的，而只是通过角位置和控制量构造观测器，其中比较流行的是高增益观测器。
在过去的10多年里，关于机器人手臂的运动控制已取得很多成果，人们提出了各种各样的控制方法，包括不依赖机器人动力学模型的PD控制、模糊控制，以及依赖机器人动力学模型的自适应控制、鲁棒控制等[1-4]，其中PD控制的简单与实用性使其在实际中得到了广泛的应用。但是，在现有这些方法中机器人控制器设计一般都是基于完全状态反馈，即它假设机器人的角位置和角速度都是可测的。
机器人实际过程控制中，机器人的角位置可以通过编码器精确得到，但对机器人角速度的处理一般有三种方法：
1）通过硬件测速仪得到，但是这种方法增加了成本，同时被检测的信号易被噪声污染，故很少采用。
2）通过检测到的角位置采用数字差分方法求出角速度。(www.xing528.com)
3）设计状态观测器估计角速度。
但采用数字差分和观测器哪种方法使角速度估计和控制精度更理想，从理论、仿真和实验等角度进行对比研究具有一定意义，关于这方面的对比在国内外文献很少见到。
在国内外文献上机器人的角速度估计采用数字差分方法主要包括LPP、RT、TSE、BDE、LSF等估计器。而机器人观测器设计方法基本上有两类：基于机器人动力学模型[5-7]和不依赖机器人动力学模型[7-9]。基于机器人动力学模型方法是假设机器人动力学模型是完全或部分知道，如变结构观测器，自适应观测器等。不依赖机器人动力学模型的观测器是不要求机器人模型是已知的，而只是通过角位置和控制量构造观测器，其中比较流行的是高增益观测器。下面将采用LPP差分和高增益观测器方法分别估计角速度，控制器采用了基于摩擦和重力补偿的PD算法，并从仿真角度对角速度估计误差和稳态误差进行了对比研究[10]。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
