可重构机械臂可以根据不同的任务需求对自身的构形进行重新配置以及组合,表现出许多传统机械臂不具有的优势。“可重构”与“模块化”作为可重构机械臂设计的两大基本要求,其主要思想是将一个复杂的机械臂系统分解为多个具有较高便携性与可维护性的子系统,从而有效缩短机械臂系统的设计与制造的周期。可重构机械臂系统不可避免在环境扰动下完成工作,并且要综合考虑并确保系统的稳定性、鲁棒性、精确性、节能性等指标,因此在环境信息不确定的条件下采用合适的控制策略是十分必要的。最优控制作为现代控制理论的重要组成部分,其研究的核心问题是对于一个给定的被控系统,选择合适的控制策略使系统的某些性能指标达到最优。对于可重构机械臂系统,获取其最优控制策略则需要求解哈密顿-雅克比-贝尔曼方程,而该方程是一类非线性偏微分方程,难以用解析方法求得最优解。自适应动态规划方法是一种解决非线性系统最优控制问题的强有力工具,在自适应动态规划系统中,神经网络被设计用来近似性能指标函数并估计哈密顿-雅克比-贝尔曼方程的解。为了在提高可重构机械臂系统控制性能的同时降低控制器所需的能耗代价,本文将自适应动态规划方法与最优控制理论相结合,研究可重构机械臂系统的最优力/位置控制方法,具体内容包括:(1)可重构机械臂系统的动力学建模建立了牛顿-欧拉迭代形式的机械臂动力学模型,并扩展到了子系统形式的可重构机械臂,考虑作用在各个关节及连杆上的力/力矩以及关节间的耦合力/力矩,建立可重构机械臂的动力学模型。在此基础上,基于局部的关节动力学信息,将机械臂系统动力学模型分解为若干个动力学子系统,深入分析子系统动力学特性,建立了每一个模块的动力学模型。(2)不确定扰动下基于自适应动态规划的可重构机械臂系统滑模力/位置最优控制基于本文已建立的可重构机械臂动力学模型,研究了一种基于滑模的可重构机械臂最优力/位置控制算法,解决了机械臂快速平稳的轨迹跟踪问题以及约束力跟踪的问题。本文将自适应动态规划方法扩展到了滑模力/位置的算法之中,并结合在线策略迭代算法,实现了基于单评判网络的哈密顿-雅克比-贝尔曼方程的近似求解并得到最优容许控制策略。(3)未知环境约束下基于评判-观测结构的可重构机械臂分散力/位置最优控制通过采用基于牛顿-欧拉迭代子系统形式的可重构机械臂动力学,研究了一种基于评判-观测结构的可重构机械臂分散最优力/位置控制算法,解决了在未知环境约束下的机械臂位置、速度以及末端效应器接触力的跟踪问题。本文将评判-观测结构引入到自适应动态规划算法中,并通过设计的融合误差函数以及策略迭代算法得到了最优控制律,并通过李雅普诺夫定理证明了闭环可重构机械臂系统是渐近稳定的,仿真实验进一步证明了算法的有效性。