多级摆系统是高阶次、多变量、非线性、强耦合、欠驱动的自然不稳定系统,对其进行运动控制的过程中,蕴涵着几乎全部的典型控制问题。作为一个装置,摆系统的结构又相当简单且成本低廉,控制效果一目了然。因此,长期以来多级摆系统的摆起倒立控制适合用来对多种不同控制理论和方法进行实验比较,是控制理论研究中一种理想而又典型的验证装置。从机器人的运动控制来看,多摆系统与多指机器人手、轮式移动机器人、人形机器人、太空机器人等机器人系统的控制也有很大的相似性。由于多级摆系统的运动控制中,既要利用连杆之间的耦合关系实现不同的控制目标,又要防止因耦合而使关节与连杆的运动受到干扰。由于存在不能直接控制的非驱动关节,一般的平滑反馈控制方法对这样的系统是无效的,所以多级摆系统的运动规划与控制实现是比较困难的。因此,对多级摆系统运动控制的研究不仅对仿人(生)机构的研究有重要意义,在各类机器人的控制性能改进方面亦有重要的参考价值。多级摆系统的大范围非线性运动控制是控制领域的难题,一般控制方法难以实现其控制指标,相应的实时控制成果在国内外都还很少,也还没有完整的理论和方法。与一般的运动控制不同,人类(或其它生物)的动觉智能以多控制器多模态的结构为基础的,极善于利用这些控制器与控制模态的密切配合,通过时空协调与冲突调解完成多种复杂运动控制任务;同时,人类也善于针对任务、环境、对象的特征进行以控制器为中心的学习优化。与现有机器人相比,“人控制器”有更高的动静态品质。论文将仿人智能控制多年研究成果与认知科学中的图式理论(Schema Theory)和遗传算法的研究成果相结合,以“仿人”“仿生”为指导思想,把人类针对3C(Complex plants, Complex mission ,Complex circumstance)问题的动觉智能简化为复杂任务的分解、基于特征的对象模型的建立、以“动觉智能图式”为智能基元的多控制指标的实现、与环境互动的学习优化等实现步骤,从而模拟人类动觉智能的实现过程,成功地实现了多级摆系统的运动控制。多级摆系统的摆起倒立是大范围的非线性运动控制问题,用传统的单控制器结构和基于小范围的线性化处理方法,很难奏效。现有的基于多控制模态的智能控制方法虽能解决摆系统大范围非线性运动控制的问题,但缺乏更具普适意义的设计理论与设计方法。对此,应用“人-机结合”、“定性-定量结合”的方法,论文在复杂控制任务分解的基础上,进一步建立了多级摆系统运动控制的动觉智能图式群,并以“同化”、“顺应”的方法实现了控制器自适应、自学习的功能。在稳