伴随现代科技的飞速发展,机械臂已经渗透到现代生活工作的很多领域。由于传统机械臂自身结构的限制,其只能执行特定任务,在实际应用中带来诸多不便。可重构机械臂的出现将极大的改变了先前的困境。可重构机械臂是由一组具有不同大小和功能的可交换信息的模块组合而成,可以根据不同的外部环境进行构形重构来满足不同的任务需求,然而,可重构机械臂的末端执行器将会不可避免的与外界环境接触,在这接触过程中,将不得不考虑可重构机械臂受到环境约束时的力与位置的控制问题。就目前现有的文献资料,只有较少学者对这个问题进行研究。因此,本文在之前位置控制成果的基础上,对受到环境约束的可重构机械臂力/位置控制进行探究,保证力和位置跟踪精度的同时,确保控制力矩的平稳。针对可重构机械臂力位置动力学模型,分别提出了基于扩张状态观测器的滑模力/位置控制方法、基于非奇异终端滑模的力/位置控制方法和基于神经网络的分散终端滑模力/位置控制方法。本文的具体研究内容包括如下几方面:1.首先,详细介绍了本文选题的背景以及研究意义,相关的受环境约束的可重构机械臂的国内外研究现状和目前的相关算法的具体应用情况。2.针对降阶的受约束可重构机械臂的力/位置控制问题,采用扩张状态观测器逼近可重构机械臂的模型,补偿模型不确定项,同时结合了滑模方法设计了力/位置控制器,最后通过李雅普诺夫理论证明了所设计控制器的稳定性,通过仿真验证了其有效性。3.针对第三章中模型,提出了一种基于非奇异终端滑模的可重构机械臂力/位置控制方法。该方法将动力学模型进行状态分离,分别采用神经网络估计可重构机械臂的不确定项和耦合项,并且结合了非奇异终端滑模的技术设计力/位置控制器,该方法不仅保证了力和位置的控制精度,同时和线性滑模相比可以有效抑制抖振效应。对比的仿真结果验证了所设计的力/位置控制在不同构形下的优势和有效性。4.针对分散动力学模型,给出了基于神经网络的面向环境约束的可重构机械臂分散终端滑模力/位置控制方法。通过建立误差动力学模型分离出系统关联项和非线性项,并通过神经网络有效补偿,最后通过实验仿真验证其有效性。最后,总结了全文的研究内容,并结合在研究过程中的心得,对进一步研究方向的问题提出了展望。