可重构机械臂(Reconfigurable Manipulator)是一种由标准化的关节模块、连杆模块、通信单元和控制单元等组件构建而成的一种模块化机器人,具有标准的机械、电气、通讯等接口,可以重构为多种构形。随着我国机器人行业需求的不断提高,可重构机械臂、工业机器人、导诊机器人、康复机器人等多种类别的机器人得到前所未有的发展,但是面对多变的任务对象和复杂的工作环境,需要适当的控制算法来满足机器人对稳定性和精准性的需求。本文将可重构机械臂作为研究对象,考虑到可重构机械臂在运作时会受到不确定环境的影响,如不可避免的与外部不确定环境发生接触或者碰撞,并针对可重构机械臂的模块化设计思想,运用自适应动态规划(Adaptive Dynamic Programming,ADP)算法设计适当的分散控制器,以降低设计成本、缩短设计周期和减少能源消耗。本文以ADP算法作为理论基础,并结合保成本控制(Guaranteed Cost Control,GCC)方法,对环境约束下可重构机械臂的分散保成本控制问题进行了研究。全文的主要内容包括:1.阐述了论文的选题背景和研究意义,分别对可重构机械臂、自适应动态规划算法和保成本控制方法的国内外研究现状展开论述,并给出了全文的章节安排。2.基于Newton-Euler迭代算法,对自由状态空间下和环境约束下的可重构机械臂系统进行动力学建模。在此基础上,将可重构机械臂的动力学模型分解为包含交联动态耦合(Interconnection Dynamic Coupling,IDC)项的独立子系统,为第三章和第四章的研究工作奠定了理论基础。3.针对环境约束下的可重构机械臂,研究了一种基于ADP算法的分散保成本控制方法。将可重构机械臂的动力学子系统表示成状态空间的形式,结合保成本控制方法,通过构造新的成本函数,引入策略迭代算法,利用评判神经网络(Critic Neural Network)近似修正的成本函数,并对关节摩擦项设计补偿控制器,可以推导出设计的分散保成本控制策略。运用Lyapunov理论对在设计的分散保成本控制器下的可重构机械臂系统的稳定性进行证明,并通过Matlab软件对设计的分散保成本控制方法的有效性进行仿真验证。4.在第三章的基础上,针对不确定环境下的可重构机械臂,基于ADP算法设计了一种分散神经最优保成本控制方法。首先,对于子系统模型中的不确定项,包括摩擦项和IDC项,分别设计基于鲁棒控制的补偿项和基于辨识器的学习控制,进一步可以将可重构机械臂的分散神经最优保成本控制问题转化为一种非线性系统的最优控制问题。然后,通过策略迭代算法和评判神经网络,可以实现对最优控制策略的推导,利用Lyapunov理论完成机器人闭环系统稳定性证明,并通过在Matlab仿真平台下与现有的分散保成本控制策略进行对比,验证了本章设计的控制器的有效性和优越性。最后,对全文的研究内容进行总结,并结合目前可重构机械臂面临的挑战和研究过程中遇到的问题,对未来可重构机械臂的研究内容进行展望。