由移动平台和安装在移动平台上的机械臂构成的移动作业机器人，与传统的移动机器人或者机械手相比，兼顾了移动性和操作性。一方面，移动平台和机械手的结合，在扩大机器人工作空间的同时，也带来高度的运动学冗余。另一方面，移动平台和机械手动力学特性的不同，存在着相对复杂的机械结构以及彼此之间的耦合作用问题。移动机械手系统的难点和热点主要体现在如下几个方面：运动学和动力学建模与分析、运动规划与协调运动控制、力控制及导航与定位等^［41］。

1.移动机械手系统的运动学和动力学建模

国外很多学者就全方位移动机械手的建模与控制做了大量的工作，对于轮式移动机器人的运动学与动力学模型，CAMPION等^［42-44］进行了分析和讨论，并对控制方法做了初步研究；对于全方位移动平台与机械臂组成的移动机械手，TAN等^［45］建立了笛卡儿空间的一体化动力学模型，在线性化和解耦方面采用了非线性负反馈的方法，进一步实现了力与位置的同时控制；在移动机械手的动力学模型与鲁棒的控制方法方面，HOLMBERG等^［46-48］进行了深入的研究；对于构成移动机械手的两个子系统，移动平台和机械臂的独立建模及相应的鲁棒控制器研究方面，LIU等^［49］把系统的动力学耦合和不确定性看作是外扰，实现了在外扰有界情况下系统的渐近稳定。目前，针对全方位移动机械手模型的控制，主要有基于运动学模型的控制和基于动力学模型的控制。在实现控制策略方面，一种是把移动平台和机械臂看成是两个子系统，分别建模与控制的分散控制法。该方法虽然简单，但是没有充分发挥移动平台和机械手同时协调运动的优点；另一种是整个移动机械手看成是一个整体，集中建模与控制。该方法建模和控制的计算复杂性较大，实现困难^［41］。

2.移动作业机器人的运动控制

由移动平台与作业臂构成的移动作业机器人是一种非线性不确定系统，该类系统具有复杂的多输入多输出、时变、强耦合特点。在动力学建模中，存在参数的不确定性、外部干扰和未建模动态的影响。移动作业机器人的运动规划、移动作业机器人的协调控制与轨迹跟踪问题是运动控制的主要研究领域。由于运动控制是机器人工作的基础，需要从理论和实际应用方面进行研究，因此，其已成为近年来控制界研究的热点和难点。

（1）移动作业机器人的运动规划问题 在运动规划问题上，移动作业机器人不同于移动机器人。移动作业机器人的运动规划分为移动平台运动规划和机械臂运动规划两部分。移动作业机器人的运动冗余性来源于移动平台和机械臂的组合，根据任务的需要，在完成同一个任务时，存在单独运动移动平台或机械臂及同时协调移动平台和机械臂共同运动来实现的多种方案。

如何协调移动平台与机械臂共同完成给定任务，是移动作业机器人运动规划的重点。有些研究者将整个系统视为一个冗余机械臂，忽略移动平台和机械臂两个子系统间动态特性的差异，分别引入移动平台和机械臂的自由度，对其进行在线规划。参考文献［50］的研究没有考虑避障，其研究思路是：通过规划移动平台的运动使机械臂总是处于首选区域，因此限制了移动作业机器人的能力。参考文献［51］基于Lyapunov直接法，未考虑系统动力学特性，其研究思路是在实现移动平台的规划时，利用了全部状态的不连续反馈控制律和导航函数。

高度非线性和强动力学耦合的多输入多输出特点，决定了移动作业机器人系统的动力学特性直接影响运动规划。不同的规划方法相继出现，为实现移动平台的规划，采用基于梯度函数的分层叠代算法进行函数寻优，使机械臂符合期望轨迹给定条件^［52］。参考文献［53］提出的机械臂位姿和移动平台稳定性的机械臂运动规划方法，形成的最优规划方法包括车体动力学、机械臂操作空间和系统稳定性。参考文献［54］将非完整移动作业机器人的轨迹规划问题转化为优化控制问题，然后采用遗传算法或分级梯度算法实现了求解。对于运动规划采用人工势场法，在建立移动作业机器人的统一动力学模型基础上，系统的渐近稳定通过DP控制器得以实现^［55］。

对于一些不需要考虑两者同时运动的情况，移动平台将机械臂送到适当的范围，然后由机械臂单独完成任务，这种运动规划与移动机器人的运动规划相似。不同的任务对移动作业机器人的要求不同，如何协调移动平台与机械臂之间的关系是移动作业机器人运动规划的关键。为充分发挥移动作业机器人的能力，移动作业机器人的运动规划问题有待国内外学者进行进一步的研究。

（2）移动作业机器人的运动控制问题 移动作业机器人系统具有非线性、强耦合的特点，其运动过程存在着完整约束或非完整约束特性。其中移动平台的动力学响应慢，而机械臂的动力学响应快。此外，系统还存在着模型参数的不确定性问题，未建模动态及外界干扰等不确定性的影响。不论在运动学控制（如速度控制）还是动力学控制（如力矩/力/电压控制）方面，设计时应该考虑不确定性因素。

机器人的运动控制几乎与自动控制同步发展，移动作业机器人的控制方法可分为两大类：一类是将机械臂和移动平台分为两部分处理的分散控制，对于动力学耦合不重要的情况，如移动平台运动缓慢的机器人等，可以忽略两者间动态耦合的影响，分别对两个系统设计控制器；或者采用非线性的控制方法、神经网络等方法，把系统的动力学耦合和未知不确定性都看成外扰，分别为每个子系统设计合适的鲁棒控制器^{［56，57］}。参考文献［56］提出的通用鲁棒阻尼控制算法控制器，与系统特性无关、针对系统的动力学耦合、参数和非参数不确定性的在线预估，设计了两个子系统的基于神经网络的控制器。另一类是将机械臂和移动平台作为一个冗余的机械臂进行整体统一控制，为保证系统的稳定性和收敛性，采用已有的非线性控制方法对其进行控制^{［58，59］}。针对没有模型精确信息的情况，把移动平台简化为一个质量—弹簧—阻尼系统，设计了鲁棒控制器，以实现闭环系统的稳定^［58］。参考文献［59］对统一动力学模型采用非线性负反馈进行线性化解耦，利用基于事件的控制方法实现了协调控制。对于要求机械臂与移动平台按照期望的轨迹同时运动的复杂控制问题，为保证系统即使受外界干扰也能渐近跟踪给定信号，参考文献［60］对轮式移动作业机器人基于误差动态方程和耗散不等式引理设计了鲁棒跟踪控制器。参考文献［61］应用链式系统理论并在考虑了动力学耦合的情况下，设计相应的跟踪控制器。为保证系统全部状态渐近跟踪期望轨迹，设计了鲁棒控制器，以解决已知的系统惯性参数不精确问题^［62］。系统受到摩擦力、外部扰动、参数不确定性的鲁棒控制器设计^［63］。针对惯性参数未知时的跟踪控制和力控制问题，设计的控制器可同时解决系统全部状态渐近跟踪期望轨迹与约束力渐近收敛到期望力^［64］问题。参考文献［65］提出了操作空间中机械臂末端惯性有效性的概念，研究了惯性力对机械臂姿态控制影响的求解方法。

3.移动作业机器人的力控制问题

由于存在作用端与外界接触作用力（包括力矩）的控制要求，机器人在受限空间的运动控制情况区别于在自由空间的运动控制情况，如何进行作用力的控制，以避免机器人与工件间产生过强的碰撞而导致工件变形、损伤甚至报废及机器人损坏，为了解决同时对机器人末端位置和接触力控制的问题，目前主要采用机器人力/位控制的方法。在力控制过程中，要求机器人的运动轨迹符合期望的轨迹要求，同时作用力控制在规定的范围内，即在满足运动轨迹的同时调整作用力的大小。一种是采用轨迹控制的方法，间接地保证控制力的目的的控制方法。另一种是通过在机器人上安装力或触觉等传感器的直接力控制方法，机器人在受约束方向上与外界间的作用力通过传感器可检测到，控制系统根据检测到的力信号，按照设定的控制规律，主动实现对作用力的相应控制。在此过程中，为了使作用力保持恒值或在一定的范围内变化，机器人系统产生一种克服作业环境或者依从于作业环境的运动。在轨迹与路径控制方面，区别于常规位置控制器所做的对其抵抗或消除方式，控制器对外界施加的作用力产生不同程度的“妥协”即顺应或依从，机器人对接触环境顺从的这种能力称之为柔顺性。机器人的柔顺性通过被动柔顺（Passive Compliance）和主动柔顺（Active Compliance）两种方式实现，弹簧、阻尼等构成的辅助柔顺机构是机器人被动柔顺的主体，机器人在实现其与作业环境接触时，能够对外部作用力产生自然顺从；在根据力反馈信息实施的主动柔顺中，不同的控制策略决定了主动控制作用力的大小。主动柔顺的控制（Active Compliant Control）也称力控制（Force Control），本文提到的力控制指的是这种控制方式。

机器人力/位控制基本分为两类^［66-68］：

第一类称为力/位混合控制，既利用力和位置的正交原理，在受约束方向上采用力控制，在不受约束方向上进行位置控制。对于作业空间包含任意方向的力和位置控制，Raibert和Craig通过雅可比矩阵分配到各个关节控制器上，对于力与位置的控制，机器人以独立的形式同时实施，引入对角矩阵将力和位置在不同方向上分别进行控制^［69］。在控制器设计方面，通常采用常规线性反馈PID、PD控制形式，机器人与外界的动力学特性和运动学结构决定了控制器的结构。总之，力/位混合控制具有理论明确，实施难的特点。

第二类称为阻抗控制，为了达到控制力的目的，通过建立机器人所受作用力与其位置（或速度）偏差之间的关系，对反馈的位置误差、速度误差或刚度进行调整^［70］。参考文献［71］研究了在笛卡儿坐标下把力反馈信号转换为位置调整量的方法，即刚度控制。参考文献［72］研究了在笛卡儿坐标下把力反馈信号转换为速度修正量的方法，即阻尼控制。Hogan^［73］建立了一个目标阻抗的二阶线性关系，把对力的控制转化为对位置的控制，即阻抗控制。参考文献［74］总结了阻抗控制的一般性与特殊性，刚度控制及阻尼控制都可认为是阻抗控制的特殊形式。从参考文献［75-84］等对阻抗控制方法在算法简化以及控制器设计等方面所做的进一步研究中，可以看出阻抗控制的控制器结构不需要随着受限情况的变化而改变，在自由空间及受限空间之间进行变化时，可得到在一定范围内变化的控制作用力情况。在阻抗控制器设计方面，实现给定阻抗关系式的前提，是必须先对机器人进行解耦和非线性补偿，非线性补偿控制被广泛应用于此种情况。阻抗控制方法在去飞边、孔加工、刻槽、抛光、折弯等接触作业中，得到了一定的应用。

针对上述两类力/位控制方法，从适用范围和控制效果看仍有不足。为了解决机器人及负载（包括外界环境对象）参数不确定及模型简化对系统非线性的补偿问题，采用了自适应控制^［85-92］；针对约束运动，对模型参考自适应PID控制的稳定性条件和判据，NicolettiG.M用Lyapunov稳定性理论进行了研究；对于受限空间，Fukuda研究了适应外界模型参数自适应非线性补偿控制方法。在自适应控制和鲁棒控制方面，现有成果已在实际应用中取得成功。将自适应控制用于可移动机器人的力/位控制方面，Dong wenjie和Michael的研究成果具有代表性。在工业机器人的力/位控制中，Villani、Antsaklis、Roy进行了自适应控制研究^［95-98］，Natale、Nganga-Kouya进行了鲁棒控制研究^{［99，100］}，Natsuo Tanaka进行了H∞自适应控制研究^［101］。(www.daowen.com)

上述的控制方法与策略中存在着一个共同的建模难题，就是机器人本身具有的时变、强耦合以及不确定性。此外，再结合力反馈的输入，更增加了建模的难度。从现有的研究成果可以看出，智能力/位控制策略的出现是必然的^{［102-110］}。在机器人的力/位控制研究方面，Jasmin Velagic^［111］和Y.Touati^［112］采用了模糊控制方法。在解决机器人打飞边的问题上，Hsu Feng-Yih和Fu Li-Chen利用了模糊自适应控制方法；在应用神经网络补偿系统滞后和关节静摩擦力方面，S.Jung等对机器人力/位混合控制使得性能易受影响的问题进行了研究^［114］；为了改变系统对机器人负载、位姿、环境等效刚度、动静摩擦力等参数变化的鲁棒性，在经典力/位混合控制器的力控制环里面，Ferguene F添加了神经网络控制模块^［115］；范文通提出由自适应模糊控制方法逼近整个受时变约束的机器人模型，进行机器人力/位混合控制设计^［116］。

在改变阻抗控制性能方面，对于估计环境动力学模型参数的研究，模糊控制、神经网络以及模糊神经网络得到了相应的应用。为了保持机器人与环境间接触力稳定，参考文献［117］设计的模糊控制器解决了环境刚度未知或变化的情况，实时调整阻抗模型参数以适应环境参数变化；为减弱阻抗控制中力控制对环境参数精确度的要求，关于环境参数的估计方法，参考文献［118］中基于PI控制的力控制系数通过采用神经网络调节得以实现；对于机器人参数未知条件下的力/位控制，针对阻抗控制参数的调节，王洪瑞等采用神经网络补偿机器人动力学模型的不确定性，设计了自适应模糊控制器^［119］；参考文献［120］研究了模糊神经控制和遗传算法原理补偿环境动力学参数未知的情况，以适应环境变化（或未知）。

根据目前的研究成果可知，智能控制算法中的模糊控制、神经网络控制在机器人力/位控制的实际应用取得了一定进展。对于抛光、研磨等实际应用，Amit Goradia研究了环境未知情况下，对于不同加工表面的机器人力/位控制^［121］。对于机器人力/位置，Q.P.Ha^［122］采用了阻抗控制方法，B.Yao^［123］采用了鲁棒自适应方法。目前机器人力/位智能控制的研究还处于理论研究阶段，技术实现正处于摸索阶段，距离工程推广实用还有一定的距离^{［124-127］}。

4.移动作业机器人的定位与建图研究

智能移动作业机器人是一种在复杂环境下工作的具有自主反应能力的机器人，其目的就是在没有人干预下使机器人有目的地移动并进行特定的操作，完成特定的任务。自主导航是智能移动机器人的一项首要功能。真正的自主导航要求机器人能够在一个完全未知的环境中建立环境地图，进行精准定位，以及执行相应的规划任务。

环境建模与定位是移动作业机器人导航领域的基本问题与研究热点^［128］，也是移动机器人真正实现自主的最重要的条件之一^［129］。所谓环境建模（Mapping）是建立机器人所工作环境的各种物体如障碍、路标等的准确空间位置描述信息，即空间模型或地图。而定位（Localization）则意味着机器人必须确定自身在该工作环境中的精确位置。精确的环境模型（地图）及机器人定位有助于高效地进行路径规划和决策，是保证机器人自主安全导航的基础。如果已知环境的真实地图，估计机器人的路径，那就是定位问题^［130］。同样的，如果机器人的真实路径可知，地图的创建就是相对容易的工作了^{［131，132］}。

长期以来，建图研究与定位研究独立进行，研究定位时需要先验地图，研究建图时则假定机器人位姿已知。如果机器人的路径和地图都未知，就必须同时考虑定位和制图，也就是SLAM问题，即Simultaneous Localization and Map-ping，也叫Concurrent Mapping and Localization。机器人同时定位与制图是移动作业机器人在未知环境中行走的先决条件，是实现其智能化的关键，在机器人领域受到广泛的关注。SLAM是用于解决移动作业机器人在未知环境下移动的问题。机器人对自身运动的状态和环境中的目标的位置进行观察，然后再重建一个精确的全局地图并得到机器人所行走的路径，这就是SLAM问题，它是移动作业机器人能否真正实现自主作业的先决条件^［133］。用于SLAM研究的视觉传感器有多种配置方式，包括：单目视觉、双目立体视觉、多目立体视觉以及全景视觉等。此外，视觉传感器与激光、超声等传感器组合使用也受到重视。

目前，机器人的定位原则是确定移动作业机器人在运行环境中相对于世界坐标系的位置，移动机器人的定位方法可以分为以下三类^{［134，135］}：

1）相对定位：又称航迹推测（Dead Reckoning，DR），在已知初始位置的条件下，通过利用里程计、陀螺仪等内部传感器，测量机器人相对于初始位置的变化量来确定当前的位置，具体可通过测程法与惯性导航方法实现。对测程法的理解有狭义和广义之分，利用编码器测量轮子位移增量推算机器人位置的狭义测程法，需要借助外界传感器的信息修正编码器的定位误差，通常采用卡尔曼滤波法加以改进^［136］。基于编码器和外界传感器（例如声呐、激光测距仪、视觉系统等）信息的广义测程法，对环境特征信息提取后与环境地图匹配，利用多传感器信息融合算法估计机器人的位置^［137］。

2）绝对定位：主要采用导航信标、主动或被动标识、地图匹配或全球定位系统进行定位。绝对定位方法中，信标或标识牌的建设和维护成本较高，地图匹配技术处理速度较慢，GPS的信号易被遮挡，只适合于在室外开阔的环境下定位。

3）组合定位：是针对单一定位方法的不足，采用的基于航迹推测与绝对信息矫正相结合的定位方法。

室内移动机器人的定位技术归纳起来主要有：视觉定位技术、WLAN定位技术以及RFID定位技术等。视觉定位系统主要包括：摄像机或电荷耦合元件（charge coupled device，CCD），图像传感器、视频信号数字化设备、基于数字信号处理（digital signal processing，DSP）的快速信号处理器、计算机及其外部设备等，其工作原理为对机器人周边的环境进行光学处理，完成机器人的自主导航定位功能。

不论采用何种导航方式，智能移动作业机器人均需完成路径规划、定位和避障等任务。路径规划是自主式移动作业机器人导航的基本环节之一。它是按照某一性能指标搜索一条从起始状态到目标状态的最优或近似最优的无碰路径。根据机器人对环境信息知道的程度不同，可分为两种类型：环境信息完全知道的全局路径规划和环境信息完全未知或部分未知，通过传感器在线对机器人的工作环境进行探测，以获取障碍物的位置、形状和尺寸等信息的局部路径规划。

基于计算机视觉技术的测量是自主移动作业机器人获取环境信息的主要方法，该方法是现代测量技术的一个分支，是以现代光学为基础，融合电子学、计算机图形学、信息处理、计算机视觉等科学技术为一体的现代测量技术。最为典型的是结构光法和双目立体视觉法。结构光三维测量是目前在工业领域中应用最广泛、技术相对成熟的非接触三维测量技术之一。Huang在参考文献［138］中详细介绍了基于数字条纹投影的三维形貌测量技术的最新进展。

在获取环境信息方面，利用视觉技术可实现对待加工曲面模型信息的获取及重构。实现自由曲面重构的关键技术包括：数据获取技术、数据处理技术、曲线生成技术、曲面生成技术。数据获取技术即将实物模型包含的表面几何信息精确地转换成CAD/CAM系统能够接受的数字信息。只有获取了高质量的三维坐标数据，才能生成准确的几何模型。曲线拟合就是用理论曲线去模拟一组实验数据点。因此，曲线拟合有两大任务：第一是解决用什么样的函数表达式去描述实验数据，即确定数学模式问题；第二是在函数表达式确定之后，如何计算表达式中的参数问题。曲面生成的方法可以分为两种方式：一种是先由测量点拟合出组成曲面的样条曲线，再利用CAD/CAM/CAE系统提供的拉伸、旋转、扫掠蒙皮等功能构造曲面，这种方式较适合构造规则曲面或者曲率变化平缓的曲面。另一种方法则采用点云数据直接拟合成曲面的方式，利用点数据贴合自由曲面，以类似投影的方式建构曲面，拟合算法可以是基本的逼近法、插补法或二者的结合。