多机械臂因其具备更大的承载能力、更高的灵活性、更高的生产效率而越来越多的被应用于各种工业场合。然而多机械臂在协调夹持轨迹跟踪过程中会形成闭环运动链，具有更多的位置、速度等运动学约束，可能产生不必要的内力造成系统损坏;同时面对日益复杂的工业应用环境，多机械臂协调配合会遇到更为复杂的未知干扰、未建模动态等直接影响控制精度的问题。因此，多种未知环境下的机械臂协调夹持轨迹跟踪控制方法研究具有广泛的应用前景以及重要的研究价值。针对多机械臂协调夹持轨迹跟踪控制的共性关键问题，结合多机械臂系统所处未知环境的多样性，本文研究并提出一系列新型的通用型多机械臂协调夹持控制方法，为相关控制理论输出一些有意义的思路。具体研究工作如下:　　(1)构建多种未知环境下多机械臂协调夹持运动学与动力学模型。分析多机械臂-工件闭环运动链约束，构建协调夹持运动学模型;基于此分析总结协调夹持负载分配机理，构建非挤压负载分配模型;联合传统拉格朗日方法，分别构建单个机械臂以及工件的动力学方程，基于此在关节空间以及任务空间分别构建多机械臂协调夹持在多种结构和非结构未知环境下的动力学模型，为后续章节中控制方法研究和控制架构设计提供基础。　　(2)针对系统动力学参数未知环境，以动态补偿、轨迹跟踪以及权重调节为目标，提出了基于加权动态模型的神经网络协同反演轨迹跟踪控制方法。结合关节空间描述的多机械臂协调夹持动力学模型，采用反演策略构建多级李雅普诺夫方程，以神经网络逼近动力学未知部分，构建基于名义动态模型的协调夹持神经网络协同反演控制器;分析神经网络逼近部分和名义动态部分对控制效果的优劣，根据动态信息的实际情况，提出基于加权动态模型的协调神经网络协同反演控制方法，经由比较仿真试验研究和剖析证实该方法的鲁棒性。　　(3)针对机械臂临时配合的系统配载未知环境，以动态补偿、轨迹跟踪以及内力调控、临时配合为目标，提出了神经网络同步内力轨迹跟踪控制方法，提出虚拟同步误差描述协调机械臂间跟踪误差的相对关系，结合神经网络对全局动态逼近并设计关节空间控制器，实现内力控制。针对外部未知负载的系统配载未知环境，以动态补偿、轨迹跟踪以及内力观测、变载夹持为目标，提出了内力观测同步滑模轨迹跟踪控制方法，结合神经网络动态补偿策略和神经网络内力观测器设计，在任务空间采用同步耦合误差设计滑模控制器，保证协调夹持在外部恒定、变化等多种未知负载情况下的高精度跟踪效果。通过稳定性分析和对比仿真实验研究证明上述方法的综合性能。　　(4)针对多机械臂基座标定位移参数欠精确环境，以动态补偿、轨迹跟踪以及内力控制、基座标定为目标，提出了神经网络同频鲁棒轨迹跟踪控制方法。将基座位移参数转化为运动学参数，构建运动学修正模型;采用自适应神经网络对协调夹持全局结构和非结构不确定因素加以估计;结合自适应回归策略针对修正的运动学参数进行在线同频调节;结合鲁棒技术补偿因双逼近策略造成的不稳定因素;通过李雅普诺夫稳定性分析和对比仿真实验研究和分析证明该方法的高精度控制性能，保证内力在可接受范围内的在线精准标定能力。　　(5)为实现上述智能轨迹跟踪控制算法的应用，以高效控制、初步实现为目标，搭建分级式轨迹跟踪控制架构，用以更为全面的解决上述多种未知环境产生的复杂问题;研究基于CANopen over EtherCAT的一般工业机械臂力矩模式控制方法;通过单关节实验证实工业机械臂力矩模式控制方法的可行性，为未来多机械臂实物轨迹跟踪控制实验以及工业应用奠定了基础。