模块化可重构机器人(modular reconfigurable robot)由一些不同尺寸和性能的连杆和关节的基本模块组成。模块自身具有连接性和互换性,可以通过模块间的连接或分离改变机器人的整体构型,丰富其运动形式。根据不同工作环境下的任务需求重构为构型各异的机器人系统,极大地丰富了可重构机器人的适用范围。此外,采用模块化设计方法,降低了生产制造的成本,突发故障时可以通过更换故障模块迅速恢复工作,使机器人的维护和保养极为方便。因此,可重构机器人在工业机器人应用领域具有良好的应用前景,成为机器人研究的一个热门领域。可重构机器人在重构前后运动学和动力学参数发生了改变,造成被控对象的数学模型需要根据构型的不同而重新生成。对于依赖动力学模型的控制器,模型的变化意味着对控制率的参数自适应能力提出了要求。本文初步讨论了模块化可重构机器人的运动学及动力学模型生成与自适应控制器设计的问题。基于指数积公式和牛顿-欧拉方法推导了单链情况下模块化机器人系统的正运动学和动力学方程。该方法具有一定的普适性,可应用于链式可重构机器人。考虑到得出的动力学方程中存在建模误差,并且含有摩擦力及外部扰动等模型不确定项,提出一种模糊算法对其补偿控制。基于李亚普诺夫稳定性理论设计模糊网络权值参数的自适应调节律,保证不同动力学模型下闭环系统的稳定性。并引入鲁棒项整体对建模误差进行补偿以提高系统抗干扰能力。针对不同任务中拓扑构型的变化,在误差跟踪方程的基础上,设计了一种神经网络自适应控制器逼近构型的动力学模型。基于李亚普诺夫稳定性理论设计自适应率,保证闭环系统的稳定性。仿真环境下对模块化机器人的不同构型进行试验,结果证明了两种自适应方法的有效性和可靠性。