根据机器人力控制的发展过程，一般可以分为三类：经典力控制方法、先进力控制方法、智能力控制方法。

力控

经典力控

力/位置混合控制和阻抗控制是经典力控制方法中最具有典型意义的两种结构，为机器人力控制研究打下了坚实的基础。

所谓力/位置混合控制，就是允许机器人在某些自由度上进行力控制，在余下的自由度上进行位置控制，分别同时控制力和位置的方式，结构框图如下图所示。Railbert和Craig 将机器人空间运动在笛卡尔坐标下分解，自由方向上的运动用位置控制器进行控制，受限方向上的运动用力控制器进行控制，两组控制器的控制量之和为关节控制量。

力/位置混合控制框图

机器人力/位置混合控制过程可以分成两个基本运动状态以及这两个状态之间的转换：接触状态、非接触状态、两种运动状态间的转换。从非接触状态到接触状态或从接触状态到非接触状态，控制模式都要切换。此类力控制方法可以控制作用力跟随期望值变化，但控制器的结构依赖于机器人与接触环境的动力学特性，当机器人在接触环境不同的空间之间运动时，控制器必须变换。

阻抗控制的特点是不直接控制机器人与接触环境的作用力，而是根据机器人末端的位置（或速度）和末端作用力之间的关系，调整反馈位置误差、速度误差或刚度来控制作用力。其中以Whitney、Salisbury、Hogan、Kazerooni 等人的工作具有代表性，Seraji进行了总结：这类力控制有基于位置和速度的两种形式，当把力反馈信号转换为位置调整量时，力控制成为刚度控制；当把力反馈信号转换为速度修正量时，力控制成为阻尼控制；当把力反馈信号同时转换为位置和速度修正量时，力控制成为阻抗控制，其原理如下图所示。

  为位置控制回路比例控制增益，  为速度控制回路比例控制增益，  、  为力控制回路比例增益。这种控制方法的优点是可以方便地加入力控制信号，但在力控制部分只是采用简单的比例控制，使得当工作环境的接触刚度发生变化时，控制性能变差。另外，当机器人本身参数发生变化时，系统的自适应能力也较弱。

力控

先进力控

经典力控制方法在简单操作任务中可以有效地控制力和位置，但在完成复杂任务时，面临着模型参数不确定、接触环境不确定及外界干扰等问题，从控制效果和适用范围来看仍有不足，无法使其推广应用，这就需要研究先进的力控制方法来克服这些问题。

影响机器人力控制稳定性的因素有很多，其中以接触环境、机器人本体参数的影响最为明显。对于一个特定的已知接触环境，可以调节力控制器参数使整个力控制系统稳定且有比较理想的控制性能。然而，当接触环境变化时，控制器将会失稳，需要重新调节控制器参数。目前先进的力控制方法大部分是在经典力控制方法的基础上，增加了自适应性或鲁棒性。

自适应力控制在基本的力控制方法中加入了一些自适应策略，使得当机器人和环境存在未知参数时仍然可以获得需要的刚度、阻尼或阻抗。总的来说，机器人自适应力控制方法可以分为两类：间接自适应方法和直接自适应方法。间接自适应方法中存在一个参数估计器对机器人力控制系统中的未知参数进行估计，估计器得到的参数用于设计自适应律。由于间接自适应方法需要jingque的机器人参数和接触环境的模型，在实际应用中往往比较困难或者难以实现，所以直接自适应方法在机器人力控制中得到越来越多的应用。直接自适应力控制方法通过一个自适应机制对控制增益进行自整定，让跟踪误差向量收敛到零。自适应力控制方法只适用于模型参数缓慢变化、环境干扰不大的控制过程中。下图给出了自适应力控制的一般结构图。

自适应力控制结构简图

鲁棒力控制器基于对不确定性的描述参数和标称系统的数学模型来设计，以固定的控制器保证在机器人和环境之间存在模型误差时，系统能稳定并且达到需要的动态性能，无需自适应算法，运算速度快，实时性好。下图为鲁棒力控制结构简图，鲁棒力控制器的输出包括两部分：鲁棒控制律和反馈控制律，反馈控制律通常为PI、PD、PID 等，鲁棒力控制的难点在于如何设计一个好的鲁棒控制律，鲁棒控制律通常采用李雅普诺夫直接方法得到。到目前为止有两类主要的鲁棒力控制策略：鲁棒力/位混合和鲁棒阻抗控制。鲁棒力控制方法必须在系统的鲁棒性和控制jingque性之间折中。

鲁棒力控制结构图

学习控制已经被用于机器人位置控制中，近年来在力/位混合控制中也得到应用，下图为其结构框图。学习力控制可以用于执行重复操作的场合，利用位置、速度、加速度误差或力误差对执行操作所需的输入指令进行学习，可以显著提高控制性能，学习力控制在参数不确定性和干扰足够小的情况下，可以保证位置和力跟踪误差收敛。

学习力控制结构框图