在面向环境约束下多功能维护机械臂操作与作业任务中,在线运动规划能够使机器人根据有限传感资源对任务进行合理分解,并自动做出安全、有序、平稳的动作。目前在线运动规划在理论研究中存在局限性,如收敛速度慢、避障依赖模型、关节轨迹规划复杂度高等问题,一定程度上限制了运动规划理论在多功能维护臂上的实际应用。另外,现有机器人系统以上层运动学开放接口为主,有利于融合先进智能算法实现机器人的自动化和智能化。因此,致力于在线运动规划方法的研究对于维护机械臂运动规划能力提升和在线运动规划理论进一步发展具有十分重要的现实意义。本文以环境约束下多功能维护臂面向任务操作背后引申出的运动规划基础理论为研究切入点,基于运动学展开对平面冗余机械臂动态环境下运动规划、三维空间构型冗余度机械臂运动规划、关节角加速度规划和多臂运动规划等四个方面进行研究。首先,在平面冗余机械臂运动规划研究方面,本文针对传统规划方法收敛速度慢的问题,设计了一种基于末端位姿误差的自适应虚拟控制器,提高了规划方法的收敛速度。将运动观测、路径预测融入到运动规划中,研究了基于样条滤波融合多项式的运动路径拟合方法。利用相似度评判标准,验证了路径拟合和预测方法的精度和有效性。定义了可行性最短路径判断标准,确保末端运动路径可达性。同时,提出基于模型的局部旋转坐标法的末端执行器避障方法,克服了传统避障方法小范围避障、易陷入局部最小值等不足。最后形成了平面冗余度机械臂动态环境下在线运动规划算法。其次,三维空间构型冗余度机械臂在线运动规划研究方面,本文基于广义逆运动学,采用单神经元PID对末端执行器位姿误差进行建模,利用无监督式主成分分析在线学习规则自适应调整神经元权重系数,无需误差作为导师信号,通过神经元权重之间的竞争使整个神经元模型达到稳定状态,实现了机器人起始运动平滑、快速收敛性,避免了迭代法起始增益大、易失稳问题。采用能量描述机械臂运动状态,为末端执行器避障定义了描述绕过障碍物运动的能量和描述趋向于目标运动的能量,对机械臂臂杆定义了描述保持与障碍物安全距离的能量和描述远离障碍物运动的能量,设计了不同能量之间平滑转化的连续可导的S函数,保证了机械臂在有动态障碍物环境下的安全、无碰撞。提出了末端执行器避障姿态调整方式,避免了机械臂因末端姿态问题导致避障失败。另外,融合了自适应实时学习算法和基于能量概念的避障手段,形成了三维空间构型机械臂在线运动规划方法。然后,关节角加速度规划研究方面,本文定义了笛卡尔空间位姿误差模型,建立了以广义逆运动学关节空间映射关系,证明了冗余度机械臂零空间与主任务向量之间的垂直正交、线性无关关系。提出将逆运动学映射形成的关节速度视为系统误差,进而推导出关节角加速度模型,简化了系统高度非线性复杂项,并实现规划问题向控制问题的转化。基于高阶滑模控制理论,设计了双曲正切超扭曲控制算法,并作为控制输入实时抑制系统扰动、保证系统收敛,消除了由传统高阶滑模引起的关节震动。为防止出现积分饱和,设计了以零空间速度和系统误差为变量的增益函数,结合控制输入实时积分,实现关节角加速度的实时控制。利用李雅普诺夫理论详细推导并分析了系统稳定性和参数的取值范围。讨论了各参数对收敛性、末端执行器运动路径的影响,比较了所提方法和传统方法在冗余度操作臂零空间避障中的性能。再次,冗余度多臂在线运动规划方法研究方面,本文研究了具有公共运动物理耦合的冗余度多臂机器人的规划问题,将多臂机器人任务划分为独立操作任务和协作操作任务。基于所提基于能量转化策略避障方法,实现了多臂机器人无碰撞独立追踪任务。在多臂协作任务中,提出了子基法划分机器人构型方式,利用阻尼最小二乘雅可比逆,分析了多臂机器人基于子基法的逆运动学求解。基于内星学习规则,采用自组织竞争神经网络模型思想,设计了面向多臂协调任务的运动规划方法,提高了多臂运动的同步性和协调性。利用李雅普诺夫理论并根据内星学习规则原理,探讨了所提基于自组织竞争神经网络的运动规划方法的稳定性和收敛性。讨论了所提规划方法在冗余度双臂和三臂机器人上的应用,以及在具有固定物理耦合的多机械臂上的适用性和同步性。最后,设计并搭建了基于单目视觉引导的7自由度单臂机器人和基于深度视觉的13自由度双臂机器人实验平台。验证了所提平面冗余机械臂运动规划、基于能量转化避障策略的运动规划、关节角加速度规划和基于自组织竞争神经网络的多臂运动规划等方法的可行性、有效性。实时运动目标追踪对比实验验证了所提方法中,局部旋转坐标方法大范围转向避障、虚拟控制器快速收敛性、基于能量的无模型避障、基于主成分分析学习规则单神经元PID自主规划快速平滑特性。关节角加速度规划实验验证了所提方法动态障碍物环境下运动目标追踪过程中关节角度、角速度轨迹的光滑性和误差的收敛性。六种双臂协调操作实验验证了多臂规划方法的可行性、同步性。