近年来,随着科学技术的发展与智能制造水平的进步,机器人技术及其应用研究在全球范围内开展得如火如荼。在美国先进制造业国家战略计划、德国工业4.0、中国制造2025、日本机器人新战略、韩国机器人未来战略2022计划中,机器人均作为核心技术受到了前所未有的重视。可重构机械臂是一类特殊的机器人,与传统机械臂不同之处在于其由若干具有独立控制能力和感应能力的模块构成,可根据不同任务要求和现场环境,使内部模块之间产生局部相对移动,变换构形和改变连接方位,从而改变系统整体的结构和功能。凭借鲁棒性强、柔性高、灵活、成本节约等特点,在柔性加工、精微手术、抢险救援、突发疫情等环境作业场景应用时,可重构机械臂具有不可比拟的优势。诸多学者围绕模块设计与构形优化、运动学自动建模与轨迹规划、轨迹跟踪控制以及容错控制等问题开展了研究探索,取得了一系列理论和实践成果。然而,可重构机械臂系统稳定性分析与智能控制理论研究相对滞后于原型机的开发研制,用传统的机器人理论进行分析和设计已满足不了实际工程应用的需求。本文以可重构机械臂为研究对象,主要针对可重构机械臂控制系统快速指数稳定性、最优路径规划、轨迹跟踪控制以及容错控制四个关键问题展开研究,完善以可重构机械臂系统为代表的一类非线性控制系统快速指数稳定性分析理论,形成该类系统快速指数稳定性分析的统一框架,设计最优反馈控制器,实现可重构机械臂工作在低能耗、高效、稳定状态。具体研究内容包括如下几个方面:研究可重构机械臂系统的快速指数稳定性分析方法。稳定性问题是完成一切工作任务的前提,而各种应用场景都不可避免的存在随机或者持续的干扰,针对可重构机械臂系统动力学模型非线性、强耦合等特性,从非线性自治系统快速指数稳定性分析入手,建立快速指数稳定性理论框架。结合Lyapunov稳定性条件和哈密尔顿-雅克比-贝尔曼方程条件,研究以可重构机械臂为代表的一类非线性仿射控制系统快速指数稳定条件,提出可重构机械臂关节周期运动快速指数稳定性判别准则。依据判别准则,设计快速指数稳定控制律,实现可重构机械臂系统实时最优反馈控制。研究可重构机械臂系统的最优路径规划方法。考虑可重构机械臂系统实际运行过程中遇到的复杂环境和实时工况条件,结合模块关节的运动学约束和避障策略,将路径规划问题转化为时变非线性优化问题,以路径最短作为能量消耗准则,提出一种基于归零神经网络的最优路径规划方法。通过构建归零神经网络模型,设计满足任务可达性的目标函数,优化可重构机械臂的安全路径,基于Lyapunov稳定性理论分析了所提出归零神经网络模型的稳定性。进一步研究障碍物随机的非结构环境可重构机械臂路径寻优问题,在保证最低能耗的同时提升可重构机械臂系统任务执行效率以及对工作环境的适应能力。研究可重构机械臂轨迹跟踪控制方法。针对存在不确定性和外部干扰的可重构机械臂轨迹跟踪控制问题,提出一种基于抗干扰估计的PD型加速迭代学习控制方法。将指数变增益引入学习控制律,提高了迭代学习的收敛速率。基于Lyapunov稳定性理论分析可重构机械臂系统渐近稳定性。针对非线性动力学系统渐近收敛的鲁棒稳定性分析问题,提出可重构机械臂周期运动渐近稳定性的判别准则;利用关节力矩传感器获取可重构机械臂系统的各关节力矩信息,结合终端滑模控制思想,提出自适应终端滑模分散控制方法,解决在不使用其它关节信息的情况下,实现可重构机械臂系统单元关节的独立控制。在终端滑模分散控制基础上,针对可重构机械臂摩擦力与交联项引起的模型不确定性,利用径向基神经网络对其进行估计和补偿,加强可重构机械臂系统控制的实时性和强鲁棒性。最后,搭建2-DOF可重构机械臂实验平台,验证PD型加速迭代学习控制方法和分散自适应轨迹跟踪控制方法的可行性与有效性。研究可重构机械臂系统的容错控制方法。针对可重构模块机械臂独立关节故障子系统,建立执行器故障的系统模型,采用自适应神经网络方法对模型的不确定性进行估计,并设计滑模观测器对故障进行跟踪,进而对分散控制律进行重构。制定主动容错控制策略,当系统无故障时,采用名义系统设计分散控制律;当系统检测到故障发生后,迅速切换至基于滑模观测器的容错控制律,减少控制初期先验知识不足对可重构机械臂系统稳定性带来的影响。采用Lyapunov稳定性理论分析可重构机械臂控制系统的稳定性。最后,通过2-DOF可重构机械臂实验平台验证基于滑模观测器的分散主动容错控制方法的可行性与有效性。最后,对全文工作进行总结,并对后续研究工作进行了展望。