迭代学习控制技术,作为智能控制的一个分支,针对具有重复运行性质的被控对象,利用对象以前运行的信息,通过迭代的方式,实现在有限时间区间上的完全跟踪任务。因其简单有效而受到了不少研究人员的关注,近年来得到了很大的发展,在各个领域都有着广泛的运用。目前迭代学习控制最主要的应用之一就是在机器人控制方面。机器人在执行重复任务时,跟踪控制是一项很重要的工作模式。本文针对执行重复任务的模型具有不确定性的刚性机器人跟踪控制问题,采用迭代学习控制策略,为了实现对机器人期望轨迹的快速、高精度的跟踪控制,研究迭代学习控制算法在其上面的应用。本文介绍了机器人运动学的正向问题和逆向问题,给出了三关节机器人的运动学方程及其运动学方程的求解方法。本文重点介绍了机器人动力学,建立了三关节机器人的动力学模型。接着,着重阐述了PID型迭代学习控制思想以及算法的收敛性证明,用以介绍了迭代学习控制的基本原理。在由Arimoto提出的D型迭代学习控制思想基础上,对D型迭代学习算法作了改进,加入了收敛因子以加快迭代过程的收敛速度,并证明了收敛的条件。仿真结果表明,改进迭代学习控制律能够以较快较高的精度实现机器人操作臂的跟踪控制。最后本文还研究了开闭环PD型和D型迭代学习控制在机器人中的应用。仿真试验表明,开闭环PD型迭代学习控制在运行速度、有效性等方面与开闭环D型迭代学习控制相比较更具有一定的优越性和可行性。