随着机械臂应用范围的扩大和应用环境的逐步复杂化,对其操作和运行安全性和可靠性提出了更高的要求。机械臂是一类复杂非线性系统,其中执行器作为机械臂控制系统的重要组成部分,其故障是导致控制系统失效的主因。目前,采用解析模型的故障检测方法被广泛应用。但由于实际系统存在建模不确定,外界干扰以及参数摄动等问题,提高故障检测和重构的快速性和精度是目前研究的难点问题。进一步利用故障信息设计容错控制器,对于提高系统的安全性和可靠性具有重要意义。在国内外对机械臂故障检测和容错研究的基础上,本文针对故障检测的速度和精度较低,且控制系统存在抖振等问题进行了研究。基于QC-HOSMO(Quasi-Continuous High-Order Sliding Mode Observer,准连续高阶滑模观测器)原理,提出机械臂执行器故障检测与重构方法,并依据重构的故障信号设计容错控制器。首先,分析一类n关节刚性机械臂系统的动力学特性,建立正常状态下机械臂系统的动力学方程。分析执行器故障产生的原因及主要故障类型,设有效因子和外加干扰等参数建立故障模型,构建机械臂系统故障状态的动力学方程。其次,针对传统滑模观测器在机械臂执行器故障重构中出现的精度低,抖振大,以及渐进收敛等问题,构建QC-HOSMO。利用准连续高阶滑模控制在滑模面外连续控制的特性消除抖振,并保证系统在有限时间内收敛至滑模面。采用RBF(Radial Basis Function,径向基函数)神经网络逼近建模不确定部分和未知干扰部分。进一步选取非奇异终端滑模面,使得系统状态估计误差在有限时间内稳定有界。采用等效输出误差注入方法,完成对执行器实际故障的精确重构。随后,针对出现执行器故障的机械臂系统,采取主动容错控制策略,利用在线重构的精确故障信号补偿系统故障模型。定义非奇异快速终端滑模面,保证有限时间的收敛性,避免奇异现象。定义轨迹跟踪误差,进而设计主动容错控制器。最后,针对几类不同的故障类型进行仿真验证。通过对比普通高阶滑模观测器和QC-HOSMO的仿真结果,验证准连续滑模方法在故障重构中消除抖振,提高重构精度和快速性等优势。通过主动容错控制的仿真结果,验证容错性能的提高。