14、服务机器人的容错控制

服务机器人的容错控制

1. 引言

近年来，服务机器人在日常生活中的应用日益广泛。自2016年起，其销量每年以15%的速度增长。然而，服务机器人在高度动态和不可预测的人类环境中执行任务时，可能会出现各种故障。这些故障可能源于对人类行为的误解、超出正常操作范围的意外情况，或者机器人自身从低级执行器和传感器到高级决策层的复杂性导致的故障。这些故障可能会降低机器人的性能，甚至危及机器人的安全。因此，服务机器人能否自主、安全且高效地克服这些故障，对于其实际应用至关重要。

1.1 技术现状

故障检测与诊断（FDD）领域在经典控制问题中已经研究多年，但在机器人系统中仍是一个相对较新的研究领域。目前，机器人的FDD技术可以根据其关键特征分为以下三类：
- 数据驱动方法 ：依赖于从系统不同部分提取和处理数据，以检测和确定故障行为。例如，通过训练神经网络并将其集成到滑模控制结构中，以增强其鲁棒性。
- 模型驱动方法 ：依赖于先验分析模型，该模型描述了系统中特定故障的行为或系统本身的正常行为。通过将模型预期的性能与当前性能进行比较，可以检测和隔离故障。
- 知识驱动方法 ：模仿人类专家的行为，直接将某些证据与相应的故障关联起来。一些方法结合了数据驱动和模型驱动的方法，被视为混合技术。

不同方法各有优缺点：
|方法|优点|缺点|
| ---- | ---- | ---- |
|数据驱动方法|无需对机器人有先验知识，依赖于具体机器人的数据|计算成本高，可能不适合某些机器人的机载和在线实现|
|模型驱动