基于阻抗增量学习的协作机器人自适应柔顺控制方法

本发明涉及一种基于阻抗增量学习的协作机器人自适应柔顺控制方法。该方法包括：建立机器人动力学模型并定义扰动项；设计模糊自适应超螺旋扰动观测器实时估计扰动；通过有限时间导纳滤波器结合阻抗增量学习机制，在线优化导纳参数，生成柔顺期望轨迹；采用分层滑模控制器实现高精度跟踪，避免抖振与奇异性；最终通过复合控制律合成控制力矩，融合前馈补偿、扰动估计与神经网络在线补偿。本发明能根据不同操作者的交互特征自适应调整阻抗参数，实现个性化柔顺控制，有效解决传统方法依赖手动调参、无法适应个体差异的问题，提升人机协作的安全性与自然性。