与传统单机械臂的工作模式相比,机械臂的协调操作可以扩大工作空间,提高负载能力,增加操纵灵活性,因此,双臂甚至多臂机器人协调操作已成为学术界乃至工业领域备受青睐的研究热点之一。又因为超冗余机械臂具有更高的可操作性和避障能力,所以超冗余机械臂双臂协调可以在复杂环境中完成极为灵巧的协作任务。然而,在应用超冗余机械臂进行双臂协调操作时,各机械臂之间存在着复杂的运动学和动力学约束关系,双臂协调的规划控制及负载分配等也是需要重点解决的难题。因此,本文开展了超冗余机械臂双臂协调操作的运动学动力学建模、避障轨迹规划方法、与环境的交互算法以及负载分配方法的研究。论文的主要研究内容如下:分析了超冗余机械臂双臂协作的工作流程,建立了双臂协作的运动学和动力学模型。根据双臂协作过程的特点,将超冗余机械臂双臂协作分为自由运动阶段、过渡阶段和约束运动阶段;使用Denavit–Hartenberg（D-H）参数法分别建立了两条超冗余机械臂的运动学模型,同时明确了协作过程的运动学约束关系;使用投影逆动力学理论,将每条超冗余机械臂的动力学模型分解到约束空间和无约束空间进行控制,然后使用双臂协作的抓握矩阵,将作用在操作目标上的约束力分解为内力和外力,同时分析了双臂协作的动力学约束关系。设计了一种能让超冗余机械臂在复杂空间实现协调操作的避障轨迹规划算法。该算法将引力场和斥力场结合起来,其中引力场产生的虚拟力作用于机械臂末端,使用雅可比矩阵将引力转换成机械臂关节的速度,实现机械臂的点对点以及轨迹跟踪运动规划;斥力场产生的斥力作用于机械臂的关节,同样通过转换成对应的关节速度,实现与环境中的障碍物、自身关节和其他机械臂的避碰。仿真和实验结果表明,提出的避障轨迹规划算法在保证机械臂末端轨迹规划精度的前提下也能实现与障碍物的避碰,证明了提出算法的有效性。提出了一种应用于机器人与未知环境交互的虚拟半主动阻尼阻抗学习算法,虚拟半主动阻尼阻抗学习算法包括:实现位置和力混合跟踪任务的虚拟半主动阻尼控制器和估计环境阻抗及位置参数的阻抗学习算法。虚拟半主动阻尼控制器的附加阻尼是基于环境阻抗参数和机械臂的位置信息进行主动调制的,而环境的阻抗参数则是使用基于BFGS方法的阻抗参数学习算法进行更新的。仿真和实验结果证明,使用所设计的算法在机械臂与不同刚度的环境交互时都具有较好的接触性能和位置/力跟踪效果,证明了控制算法的有效性和环境参数学习算法的准确性。开发了一种基于强化学习的双臂协调负载分配优化方法。该方法基于分层强化学习的框架,上层策略确定操作目标的运动形式,底层参数化反馈控制器会根据当前运动信息确定机械臂末端的接触力和负载分配形式。负载分配优化就是寻找一组性能较好的与操作目标运动形式对应的底层策略参数,因此,使用了基于相对熵策略搜索的上下文强化学习方法,学习底层策略参数关于上下文特征的分布。仿真结果证明,提出的强化学习方法在实现操作目标的多种运动形式时都能很好的进行负载分配,体现了提出负载分配方法的正确性。进行了超冗余机械臂双臂协调操作的联合实验。首先,介绍了整个超冗余机械臂双臂协作系统的整体组成;然后,介绍了自由运动阶段、过渡阶段和约束运动阶段三个阶段的实验原理;最后,开展了三个阶段的实验验证,并对实验结果进行了分析。实验结果证明,本文建立的协作模型、设计的避障轨迹规划算法、提出的虚拟半主动阻尼阻抗学习算法和开发的强化学习负载分配优化方法是准确有效的,也是可以应用于工程实践的。