在中国空间站的建设和日常维护过程中，机械手发挥着显着的重要作用，可以完成换位对接、日常维护、辅助出舱活动等关键任务。机械手的高精度和动态性能是成功完成这些任务的必要条件，这些任务通常可以通过基于动力学模型设计的控制来维持。

然而，在实际情况中，精确地获得所有的惯性参数通常是不现实的。因此，即使系统具有不确定或缓慢变化的参数，自适应控制也能保证跟踪控制的收敛性。复杂系统管理与控制国家重点实验室李博士最近发表在《空间：科学与技术》上的一篇研究论文中，提出了一种新的机器人机械臂复合自适应控制的递归实现。

在研究中，我们的递归复合自适应控制算法的仿真结果与直接自适应控制算法进行了对比。中国空间站机械手的坐标系绘制在这里。图片来：空间：科学与技术

首先，李博士重新审视了Slotine 和 Li 提出的复合自适应控制器。即使系统参数不确定或变化缓慢，自适应控制也能保证跟踪控制的收敛性。一般来说，该方案根据驱动参数更新规律的信号可分为直接自适应和间接自适应两类。

在第一类中，参数更新由跟踪误差驱动，而在第二类中，参数根据预测误差进行修改，通常是滤波后的关节扭矩。基于跟踪误差的自适应控制通常可以保证全局跟踪收敛；然而，估计参数的收敛具有更严格的条件。相比之下，间接自适应控制具有更快的参数收敛速度，但一般难以获得跟踪误差的稳定性。

结合这两种方法，众所周知的复合自适应控制器具有两者的优点，其中参数自适应由跟踪误差和预测误差共同驱动。然而，这些自适应控制方法的计算复杂性是实际机器人机械手的主要限制，特别是对于具有高自由度的情况。到目前为止，只有少数作品关注间接自适应或复合自适应控制器的递归执行，可能是因为使用回归矩阵表示的预测误差使得计算复杂度的阶数很难降低。

为了解决上述难点，李博士利用经典递归牛顿-欧拉算法中的一般矩阵形式，重写了牛顿-欧拉公式。然后，设计了递推复合自适应控制方法，并通过选择合适的Lyapunov函数验证了该方法的稳定性。所提出的递归复合自适应的计算复杂度远低于现有研究。原因是在最初的复合控制器中，没有考虑到它的计算方面。由于所提出的控制器的计算负载与递归直接自适应控制器的计算量相同，因此对这两种方法进行了比较。

结果表明，该跟踪误差通过使用递归复合自适应控制器被明显降低，和参数估计收敛与递归复合更快自适应控制器。在仿真部分，以中国空间站机械臂为仿真实例，结果验证了所提递归算法的有效性。此外，由于计算负载与关节数量呈线性关系，因此所提出的方法特别适用于冗余多关节机械手。