随着机械臂在制造业的广泛应用,关于机械臂控制的研究也越来越受到重视。机械臂在执行任务时常常需要满足关节物理限位、防碰撞、输出误差等约束以保证运行过程中的安全性和任务完成的精度。输入饱和非线性是常见于控制系统中的非线性约束,可能会导致机械臂运动时不满足既定的输出约束。因此,考虑输入饱和的情况下的机械臂输出约束控制是必要的。本文对基于障碍李雅普诺夫函数(BLF)的机械臂输出约束和输入饱和控制方法进行讨论,主要工作内容如下:首先,本文设计一种基于tan-BLF的机械臂输出约束控制方案,考虑了输出误差约束、未知动力学和有界干扰的因素。该方案结合了复合学习(CL)的方法,利用当前跟踪误差和历史信息构造的预测误差共同组成径向基函数神经网络的更新律使得网络权值能够在系统信号满足间隔激励条件时收敛。李雅普诺夫稳定性分析验证了所提出的控制方案可确保轨迹跟踪误差保持在预定义的边界内。实验结果表明了所提出的控制器在参数估计和跟踪能力方面的优越性。其次,本文进步一探究了基于BLF的约束控制器设计需要满足可行性条件的局限性。在考虑输入饱和的情况下,所设计的控制器可能导致系统不稳定。鉴于此,本文将输出约束视为一种“软约束”,提出了有界障碍李雅普诺夫函数(BBLF)并对BBLF处理超平面约束的有效性进行讨论和仿真。最后,本文以机械臂为研究对象在基于tan-BLF的控制器基础上,设计了基于BBLF的输出约束和输入饱和控制方案。采用BBLF处理输出约束并为抑制输入饱和效应设计了一个辅助系统。此外,该方案采用了简化的RBFNN结构来逼近和抵消的系统的不确定块。仿真和实验结果证明了该控制方案在处理输出约束和输入饱和方面的有效性。