面向非线性高耦合动力系统动态性能的运动规划和自适应迭代学习控制研究

当前非线性高耦合动力系统的运动规划和控制更多着眼于研究动态耦合效应对于系统稳定性的影响，即如何消除或者抑制系统动态耦合效应从而使得系统变得容易规划和控制。然而，这样的系统在实现高动态性能上有着非常大的缺点或者丧失了部分的动态性能，从而导致驱动器笨重、控制耗能，以及动态性能不能充分发挥出来的恶性循环。相对而言，本项目研究思路完全不同于传统的动力系统的设计中避免耦合，对耦合进行解耦线性化以后再进行运动规划或者控制的做法，而是考虑如何利用动力系统内部的耦合力和耦合力矩而进行动力系统设计、运动规划和控制，从而能够显著地提高系统的动态性能。只要动力系统中存在着非正交的自由度，那么动力系统内部就存在耦合力或耦合力矩。如果能有效利用这些耦合力和耦合力矩，那么动力系统就能具有类似人高动态性能，不用每个自由度都具备强有力的驱动器，而能做到高速、高输出力等高动态性能的动作。这将给系统的性能带来革命性的变化。