具有环境顺服性的柔性机械臂的控制问题是目前人机协作领域中需要的解决的重要问题之一,近年来引起了众多国内外研究学者的关注。本文在此背景下,结合生物中小脑的自适应学习、预测控制的作用,研究了基于小脑模型的柔性机械臂控制方法。围绕多自由度柔性关节机械臂的仿生控制、软驱动器驱动的仿生机械臂系统建模与控制以及基于脉冲特性的仿小脑控制方法这三个方面进行了研究。主要研究内容如下:1.针对多自由度柔性关节机械臂的力矩控制问题,提出了一种基于小脑控制器的末端轨迹跟踪控制方法。由于关节处引入了弹性动力学,柔性关节机械臂具有很强的非线性和耦合性,其控制问题具有一定的示范性和泛化性。本论文通过模拟多脑区配合的运动神经回路,实现了对该复杂模型机械臂系统的精准控制。首先,模拟了联想皮层的功能,对期望末端轨迹进行逆运动学计算得到各个关节的期望轨迹。其次,采用仿小脑控制器与近似逆动力学模型相配合,模拟小脑和运动皮层间的控制补偿功能。仿小脑控制器能够通过基于误差反馈的学习规则在线学习获得系统的逆动力学模型,从而实现柔性关节机械臂系统的前馈控制。最后,搭建了仿真实验平台来验证所提出控制方法的自适应学习效果,即便是在机械臂动力学发生较大改变的情况下,所提出的控制方法依然能起到精准的控制效果。2.鉴于软驱动器在柔顺性能、能量密度方面均优于传统的刚体电机,根据人的肘关节的骨骼-肌肉结构和制动机理,自主设计并实现了一个柔性仿生机械臂平台。该机械臂平台由两块Mc Kibben气动人工肌肉驱动,是多自由度机械臂的基本单元,这个平台可以实现单自由度的类手臂运动,对其展开研究具有一定的代表性。鉴于Mc Kibben肌肉易变形、易受环境干扰和迟滞性等特性,使用机理分析对该机械臂建模十分困难,因此采用知识引导、数据驱动建模的方法,对单片肌肉进行动力学建模,并采用了实验验证了建模的准确性。通过分析整个机械臂的几何、受力关系,建立了整个系统的运动学、动力学模型。最后,设计了基于小脑关节控制器的前馈-反馈控制方法,实现了机械臂点到点的位置控制。3.由于软驱动器的模型不确定性和迟滞性给大形变情况下的控制器设计带来了极大的困难,将脉冲特性引入到小脑模型中,提出了一种新型的小脑模型控制器来实现对所搭建的仿生机械臂的自适应控制。采用脉冲神经网络对小脑内部的各区域神经元特性、区域间的神经回路拓扑结构进行了模拟,并针对材料的迟滞性和通讯中存在的时延,提出了一种基于资格迹的突触可塑性学习规则。除此以外,设计了类似生物传感、运动信号神经回路的控制回路和通讯回路。最后,通过仿真和实验验证了所提出控制方法所具有的独特优势,仿生机械臂表现出了良好的轨迹跟踪效果。与此同时进行了一系列抗干扰实验,实验结果显示,所提出的控制方法能够在动态环境下克服噪声及动力学模型变化,实现鲁棒的、自适应的在线学习控制。