模块化可重构机器人在外在结构上特点比较显著,具有简单的结构、功能强大、稳定性高等优点,它是现代机器人发展的一个前沿分支。模块化可重构机器人已经成为当今世界机器人研究的热点问题。其宗旨就是根据不同机器人的种类和不同的实验任务及工程要求，按照相关原则把机器人结构上划分出各个独立功能的模块，根据特定场合或者是特定任务用不同的模块组装不同的机器人结构。机器人的不同的结构构型直接关系到机器人的工作能力强度和性能的优劣，从而根据不同的环境条件和不同的任务要求时来重新构造出不同的机器人外在结构。如何快速构造出机器人实际情况的构型变化并且迅速确定其运动学模型，已经变得尤为重要。根据模块化与可重构的理念，本文提出通过不同的关节模块和轴杆模块作为模块化机器人系统的基本组成模块，各个关节模块都具有一定独立的控制能力，轴杆模块是各个相邻的关节模块互相连接的单元,设计实现用户可以通过结构上可重构来完成不同的任务要求关节型机器人,采用D-H算法对其关节型机器人的结构和运动学进行建模分析,确定不同关节型机器人的运动学模型，同时对机器人正、逆运动学进行了分析，并且通过改进神经网络对机器人运动轨迹进行跟踪和优化，进行实验仿真和验证。本文首先介绍了模块化可重构机器人研究动态、分析了国内外机器人的研究现状，提出的了本文研究项目的宗旨和意义。其次，详细阐述了本文使用的模块化可重构机器人的硬件结构及其结构参数，并且系统介绍了控制系统的关键技术的实现，通过笛卡尔空间坐标系建立机器人的数学模型，对其重构组成的不同结构机器人的正逆运动学进行了具体分析和求解，从而实现不同任务要求。最后，详细阐述了机器人运动轨迹规划方法和轨迹跟踪问题，介绍了关节空间法和笛卡尔空间法进行轨迹插补算法的实现，求出各个中间节点坐标，规划出其运动轨迹，通过小脑神经网络对机器人运动进行轨迹跟踪控制，研究了关节型机器人的正、逆运动学解在仿真运动过程中的具体体现情况。通过实验结果仿真和数据分析，证明小脑神经网络算法在轨迹跟踪中是可行有效性的，并且为机器人轨迹跟踪和规划优化上提供了一定理论依据，具有很好的借鉴价值。