可重构机器人与环境交互过程中利用关节模块的不同组合改变自身结构,有较强的应用扩展能力,所以可重构机器人比传统机器人更适合完成相对复杂的任务以及在非预定环境中工作。可重构机器人的“可重构”特性不仅仅表现在机械结构部分,还表现在系统先进的控制策略,可以适用机器人的不同构形,并能够完成高跟踪性能的非预定义任务。可重构机器人不可避免地在未知环境下工作,因此要综合考虑并确保系统的稳定性、鲁棒性、精确性、节能性、高效性等方面,选择合适的控制策略。在现代控制理论中,最优控制是其研究的重要部分之一,它主要研究的问题是根据受控系统,从一类允许方案中找到最适合的控制策略,使系统转移到目标状态时,定义的系统特性达到最优。对于外部环境下受到干扰的可重构机器人系统,将二人零和博弈理论引入机器人系统最优控制方法中,在定义的性能指标下,系统受到的外部干扰项与最优控制律形成对策,可重构机器人最优控制问题转换为干扰项、控制器作为“参与者”的二人零和博弈问题,求解哈密顿-雅可比-埃塞克斯方程,得到最优控制策略。然而,很难用分析法求解哈密顿-雅可比-埃塞克斯方程。自适应动态规划是新兴起的一种求解非线性系统最优控制问题的有效工具。在自适应动态规划方法中,利用函数近似结构来逼近性能指标函数与控制策略,使其满足贝尔曼最优原理,获得最优控制策略和性能指标函数。在保证外部环境干扰下可重构机器人系统控制精度与稳定性的前提下,提高可重构机器人系统的鲁棒性与节约能源消耗,建立外部环境干扰下的可重构机器人系统最优控制策略成为学者们研究的方向。本文以可重构机器人系统最优控制问题为基础,结合二人零和博弈理论,对基于二人零和博弈的可重构机器人系统最优控制问题进行深入研究。（1）可重构机器人系统的动力学建模分析可重构机器人的“可重构”特性,采用牛顿-欧拉迭代算法、关节力矩反馈方法,建立适用于机器人系统不同构形的动力学模型。并且考虑机器人的各个关节、连杆的力/力矩和关节之间的耦合力/力矩。将可重构机器人的动力学模型进行分解,将其分为多个单独的子系统,且每个子系统都建立相应的动力学模型。（2）外部碰撞下基于单评判网络策略迭代的可重构机器人零和神经最优控制基于本文建立的可重构机器人系统动力学模型,考虑外部环境下的可重构机器人系统在执行任务时容易受到碰撞的影响,无法保证其位置、速度轨迹跟踪的精确性,提出了一种基于单评判网络策略迭代的可重构机器人零和神经最优控制方法。首先,采用自适应模糊控制方法补偿可重构机器人动力学模型的不确定性,减少其对控制系统稳定性的影响。然后,考虑外部干扰对可重构机器人系统最优控制的影响,系统的最优控制律与干扰项在性能指标下形成对策,可重构机器人系统的最优控制问题转化为控制器、干扰项作为“参与者”的二人零和博弈问题。在策略迭代和自适应动态规划方法基础上,采用单评判神经网络近似性能指标函数,估计哈密顿-雅可比-埃塞克斯方程的解,得到近似的最优控制律。最后,通过李雅普诺夫函数证明系统的稳定性,建立两种不同构形的可重构机器人进行仿真实验,结果表明提出的控制方法的有效性。（3）基于事件触发的可重构机器人系统零和博弈近似最优控制依托关节力矩反馈的可重构机器人动力学模型,提出基于事件触发的可重构机器人系统零和博弈近似最优控制方法。将可重构机器人系统的动力学模型描述为包含交联耦合项关节子系统的集合,利用径向基函数（Radial Basis Function,RBF）神经网络补偿模型的不确定项。建立性能指标函数,考虑外部干扰对系统稳定性的影响,可重构机器人系统的最优控制问题转化为在干扰项、控制器作为“参与者”的二人零和博弈问题。基于自适应动态规划方法,利用评判神经网络近似性能指标函数,估计哈密顿-雅可比-埃塞克斯方程推导最优控制策略。将事件触发机制引入到机器人控制系统中,设计事件触发条件,当系统状态满足触发条件时对控制律进行更新。通过李雅普诺夫定理证明可重构机器人系统的跟踪误差是一致最终有界的,利用可重构机器人实验平台进行验证。