近年来,在工业界和学术界的广泛研究和推动下,机器人技术作为最受期待的技术之一得到快速发展。双臂或多臂机器人协调控制是机器人研究的重要方向内容,也是亟需解决的关键问题。而精确、有效的机器人模型是实现双臂机器人灵巧、柔顺和协调操作的必要条件。通过机器人运动学的精确建模,可以实现机器人末端执行器到机器人关节空间运动的有效转换,在机器人力/位置控制、计算力矩控制、阻抗控制等先进控制中得到应用。本课题一方面基于Denavit–Hartenberg(DH)方法和牛顿-欧拉方法,建立Baxter机器人运动学模型和动力学模型,研究参数未知下情况下机器人的运动学和动力学模型参数辨识问题。另一方面,基于机器人的运动学、动力学建模方法,研究双臂刚性抓取物体的控制问题,并重点解决如下关键问题:利用有限时间收敛参数辨识器和模型降阶方法解决牛顿欧拉回归矩阵非满秩问题,实现对动力学参数真实值的有效估计。利用障碍李雅普诺夫函数设计双臂机器人控制器,实现双臂机器人的预设瞬态性能控制。利用切换函数设计神经网络切换控制器,将传统神经网络的半全局稳定拓展为全局稳定。本课题将针对双臂机器人协调控制存在的问题,对控制过程中运动学和动力学建模、未知模型参数、模型不确定性和协调控制等问题开展研究,建立准确的机器人系统模型,开发稳定而高效的协调控制技术,实现安全、高效的双臂机器人协调控制。具体来说,本课题主要包括如下三个方面的研究内容。一、精确有效的机器人系统参数对鲁棒、稳定的机器人控制具有十分重要的作用。我们首先基于Newton-Euler方法与DH方法分别建立机械臂动力学与运动学模型,并针对机械臂系统参数未知情况,设计一种有限时间收敛的参数估计算法,使辨识参数可以快速收敛到真实值。考虑到Newton-Euler动力学回归矩阵存在非满秩的情况下会导致参数估计不满足持续激励条件。我们采用一种模型降阶方法保证回归矩阵的满秩性,从而实现机器人动力学参数的有效估计。通过辅助滤波矩阵设计、有限时间收敛辨识等算法设计机器人系统辨识器,实现快速、精确的系统参数辨识。二、当双臂抓取和操作物体时,精确的瞬态控制可以提高机械臂的控制性能,使得被抓取物体不被破坏。在本文中,我们针对双臂机器人系统动态未知情况,提出了一种预设性能的双臂机器人跟踪控制方法,通过设计瞬态和稳态约束函数,利用误差转换将该瞬态函数集成到控制器中来严格保证期望的瞬态性能,将双臂机器人瞬态响应和稳态响应限定在期望的范围。另一方面,为了解决系统动力学模型未知情况下的双臂机器人控制问题,我们利用神经网络的万能逼近特性来学习双臂机器人的未知动态。然而如何确定神经网络紧集的大小仍然是一个难题。为了解决这一问题,我们尝试将神经网络控制由半全局稳定拓展为全局一致最终有界稳定,利用切换函数设计神经网络切换控制器,实现未知动态下全局稳定的双臂机器人控制。三、在双臂机器人抓取物体时,双臂与物体之间存在强非线性及力耦合。在这一条件下,考虑未知运动学参数及动力学特性的双臂机器人控制是一个具有挑战的课题。为解决这一问题,我们提出了雅可比矩阵逼近方法解决未知运动学参数的控制问题,同时构造去一种中心化的自适应模糊逻辑系统补偿未知双机械臂-物体动力学特性。为了保证估计参数在有限时间内收敛到真实值,构造了一种有限时间收敛的自适应参数估计框架,使得被估计参数可以快速收敛到一个以真值为中心的小邻域内。同时为进一步放松对持续激励条件的要求,采用一种部分持续激励条件,并证明基于高斯基函数的模糊隶属度函数满足这一条件,保证模糊系统权值的收敛性,使得设计者可以直接使用已经训练好的权值参数而不需要重新训练。