1.多自由度机械臂系统自适应模糊控制器的优化设计方法，其特征在于：包括以下步骤：
s1：根据机械臂的具体结构和关节参数，建立机械臂的运动学方程，并根据末端执行器期望轨迹，进一步确定多自由度机械臂系统的各关节变量的变化轨迹；
s2：根据传统的拉格朗日动力学方程建立机械臂系统的动力学方程，作为近似的系统动力学模型；
s21：根据机械臂控制系统中各个关节的类型、各个连杆的质量与转动惯量，计算各个连杆的质心以及其在参考坐标系中的具体坐标，以及基坐标系与各个连杆参考坐标系之间的变换矩阵；
s22：计算得到机械臂系统总的动能：
式中，mi和ii分别为第i个连杆的质量和转动惯量，vi为第i个连杆质心的速度，而
s23：计算得到机械臂系统总的势能：
式中，mi为第i个连杆的质量，g为重力加速度向量，tii-1为坐标系i相对于基坐标系的齐次变换矩阵，而di为第i个连杆的质心在参考坐标系中的位置矢量；
s24：根据拉格朗日动力学方程建立机械臂系统的动力学方程：
根据机械臂的动能、势能，得到拉格朗日算子如下：
根据拉格朗日动力学方程建立机械臂系统的动力学方程如下：
式中，τi为关节i的驱动力矩；
s25：基于步骤s24，通过公式变换得到动力学方程的最终表达形式：
式中，m(θ)为机械臂系统的对角对称质量矩阵，
s3：根据设定的控制周期和系统动力学模型，确定变化轨迹上每个控制时刻的位置、速度和加速度信息；
s4：根据步骤s2所得到的系统动力学方程，设计模糊滑模控制器作为关节的位置环控制器，包括确定切换函数和模糊滑模控制律；
s5：对机械臂系统的轨迹规划：在位置闭环中采用模糊滑模控制算法来确定各个关节位置环的控制量；
所述模糊滑模控制算法，包括以下步骤：
s51:利用模糊逻辑控制器，实现模糊滑模控制器参数的自适应调整，模糊滑模控制算法包括切换函数、相应的滑模控制律，其中，切换函数为：
对切换函数求导可得：
得到，相应的滑模控制律为：
式中，c、k和ε均为模糊滑模控制器的控制参数，其中，ε为切换增益，它是根据切换函数值的符号来确定增益的大小；
s52：模糊控制器的输入变量为切换函数值、输出变量为切换增益值，模糊变量均采用5个模糊语言术语，对应5个隶属度函数类型为三角形或者高斯型函数；
s53：对于滑模控制律：若切换函数值大于0，则切换增益需要增大；反之，若切换函数值小于0，则切换增益需要减小；
s6：将机械臂系统轨迹规划中位置环模糊滑模控制器参数的设计问题，转化为多目标优化问题，并且设计相应的多目标优化算法来确定控制器的最优参数；
s7：通过步骤s6中优化过程所得到的控制器最优参数，来设计运动控制子程序，进而实现机械臂的轨迹跟踪功能。
2.根据权利要求1所述的多自由度机械臂系统自适应模糊控制器的优化设计方法，其特征在于：所述步骤s1中，确定多自由度机械臂系统的各关节变量的变化轨迹，包括以下步骤：
a1：根据机械臂系统中每个关节的类型、具体尺寸以及它们之间的连接方式，利用denavit和hartenberg提出的d-h方法建立机械臂的运动学方程；
a2：基于所要求的机械臂末端执行器的期望轨迹，以若干采样点具体坐标的形式给出，然后基于常用的插补算法求出该执行器在运动过程中所要经过各个路径点在操作空间的具体坐标，进一步利用坐标变换得到机械臂各关节的运动变量；
a3：同时，设定机械臂末端执行器经过各个路径点所对应的具体的控制时刻，来进一步限定机械臂控制系统的动态性能。
3.根据权利要求2所述的多自由度机械臂系统自适应模糊控制器的优化设计方法，其特征在于：各关节的运动变量为：转角或位移。
4.根据权利要求1所述的多自由度机械臂系统自适应模糊控制器的优化设计方法，其特征在于：所述步骤s4中，模糊滑模控制器的设计，包括以下步骤：
a1：利用arm微控制器完成机械臂的运动规划功能，单个所述的关节具有关节控制器，与对应的伺服电机、电机驱动器、编码器共同组成位置伺服控制系统，arm微控制器与各关节之间通过fpga通信接口传递数据；
a2：根据此时各个关节的目标位置，与从编码器检测到的脉冲数目换算后的实际位置相比较，根据二者偏差及其变化率并利用模糊滑模控制算法得到位置环的控制量，即各个关节的驱动力矩，经过限幅后通过fpga控制器输出到伺各服电机驱动器，控制电机的运行。
5.根据权利要求4所述的多自由度机械臂系统自适应模糊控制器的优化设计方法，其特征在于：所述关节的位置环的控制周期为2-10ms。
6.根据权利要求4所述的多自由度机械臂系统自适应模糊控制器的优化设计方法，其特征在于：所述arm微控制器采用cortex-m3系列的lpc1788芯片。
7.根据权利要求1所述的多自由度机械臂系统自适应模糊控制器的优化设计方法，其特征在于：所述步骤s52中，所述模糊变量的5个模糊语言术语为：nb(负大)、ns(负小)、zo(正中)、ps(正小)、pb(正大)。
8.根据权利要求1所述的多自由度机械臂系统自适应模糊控制器的优化设计方法，其特征在于：所述步骤s6中，多目标优化算法包括以下步骤：
a1：确定多自由度机械臂系统中控制器的待优化参数：将模糊滑模控制器输入和输出变量的量化因子、隶属度函数的参数、模糊规则输出以及滑模控制律中的c和k参数作为待优化参数；
a2：确定该多目标优化问题待优化的多个目标：将机械臂轨迹跟踪系统中的跟踪精度f1和驱动力矩的平稳度f2作为两个待优化的多个优化目标，其中跟踪精度、平稳度的定义如下：
式中n为关节的数目，tf表示整个运动时长所包含的控制周期数；
a3：随机生成初始种群：种群中的每个个体均采用实数编码方式，并设置算法的相关运行参数，如变异概率；
a4：针对当前种群中每个个体所对应的控制器参数，基于模糊滑模控制器模型，利用数值仿真模型来计算轨迹跟踪控制系统的多个优化目标，并基于pareto占优概念对所有个体进行评价和比较；
a5：从当前种群中选择优良个体，实施遗传进化操作，产生发生变异的新个体；
a6：计算新产生个体对应的优化目标，并再次利用pareto占优概念对新个体进行比较和选择，考虑到个体之间的多样性，确定新一代种群中的个体组成；
a7：算法终结条件判断，若满足则结束算法的迭代优化过程；否则，转到步骤a4，继续进行算法的优化过程。
9.根据权利要求1所述的多自由度机械臂系统自适应模糊控制器的优化设计方法，其特征在于：所述步骤s7中，运动控制子程序的具体步骤如下：
a1：根据所采用的arm处理器的主频参数确定系统控制周期的时长；
a2:在每个插补周期，读取轨迹规划所得到中间点的目标位置、细分后的目标位置，该细分位置转化为增量编码器的脉冲数目；
a3：由arm控制器内部的定时器设置控制周期的定时时长，每个控制周期进入定时中断服务子程序；
a4：读取每个关节位置的反馈值，实施模糊滑模控制算法，得到每个关节的驱动力矩；
a5：将得到的驱动力矩经过限幅后，通过串行通信方式传递给fpga控制器；
a6：fpga控制器将转矩信号转换为数字量，并采用并行方式利用d/a接口输出到各个伺服电机驱动器。